一种面向弱刚性钻削的数字孪生控制方法及系统技术方案

本发明专利技术公开了一种面向弱刚性钻削的数字孪生控制方法及系统。该方法包括：采集加工过程中的多维时序数据；对所述时序数据按照加工进度进行切分；对切分后的数据进行时频域分析，提取特征值；将所述特征值输入至机理模型，得到毛刺状态参数；根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度；构建决策信息库；所述决策信息库中包括不同加工场景下抑制毛刺的最优加工工艺参数；当毛刺预测高度超过毛刺高度阈值时，从所述决策信息库中选取最优加工工艺参数进行反馈。本发明专利技术利用数字孪生的虚拟模型和实时的虚实交互特点来实现弱刚性钻削领域的毛刺控制。特点来实现弱刚性钻削领域的毛刺控制。特点来实现弱刚性钻削领域的毛刺控制。

【技术实现步骤摘要】
一种面向弱刚性钻削的数字孪生控制方法及系统


[0001]本专利技术涉及机械加工
，特别是涉及一种面向弱刚性钻削的数字孪生控制方法及系统。

技术介绍

[0002]机器人钻削已经在飞机蒙皮等场景中得到应用，其柔性大，作业范围大，可实现传统钻削设备难以做到的大空间钻削加工。但是机器人属于典型的弱刚性加工设备，其在加工的过程中会受到激振力而产生较大的颤振。加工状态的不稳定导致加工质量的下降，对于弱刚性钻削系统来说，典型的加工质量缺陷就是出口毛刺。在弱刚性钻削条件下产生的毛刺具有高度大，形状复杂的特点，其会导致工件出现微裂纹，应力集中等缺陷，使得工件的使用寿命大大减少。经过对文献检索发现，现有研究大多通过优化加工工艺参数(主要是主轴转速和进给量等)，设计专用的加工设备(例如阶梯钻等)或者使用特殊的辅助加工方式(例如振动钻削等)来削弱大幅值颤振所带来的负面影响，从而抑制毛刺生成，优化加工质量。然而这种方法属于开环控制，无法针对加工过程中已发生的异常及时做出决策调整。因此需要构建闭环系统实现过程监控以及异常的及时反馈调整。但是弱刚性钻削加工存在多自由度振动、多向切削力等复杂耦合影响因素，传统的单变量或多变量分析难以准确求解出加工过程的具体变化。因此由传统方法建立的闭环控制系统难以实现加工过程的精准监控和有效控制，

技术实现思路

[0003]本专利技术的目的是提供一种面向弱刚性钻削的数字孪生控制方法及系统，利用数字孪生的虚拟模型和实时的虚实交互特点来实现弱刚性钻削领域的毛刺控制。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种面向弱刚性钻削的数字孪生控制方法，包括：
[0006]采集加工过程中的多维时序数据；
[0007]对所述时序数据按照加工进度进行切分；
[0008]对切分后的数据进行时频域分析，提取特征值；
[0009]将所述特征值输入至机理模型，得到毛刺状态参数；
[0010]根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度；
[0011]构建决策信息库；所述决策信息库中包括不同加工场景下抑制毛刺的最优加工工艺参数；
[0012]当毛刺预测高度超过毛刺高度阈值时，从所述决策信息库中选取最优加工工艺参数进行反馈。
[0013]可选地，加工工艺参数包括主轴转速和进给量。
[0014]可选地，所述根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度，具体包括：
[0015]将所述毛刺状态参数、当前加工工艺参数以及剩余加工进度输入至门控循环神经网络中，预测剩余加工进度中毛刺状态参数；
[0016]将预测得到的毛刺状态参数输入至全连接层预测毛刺高度。
[0017]可选地，所述构建决策信息库，具体包括：
[0018]根据不同加工场景下的工艺参数、毛刺状态参数和加工进度，预测不同场景下的毛刺高度；
[0019]根据不同加工场景下的预测毛刺高度，采用遗传算法进行自适应度计算，确定不同加工场景的最优加工工艺参数，构成决策信息库。
[0020]可选地，从所述决策信息库中选取最优加工工艺参数进行反馈，具体包括：
[0021]分别根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度，采用欧氏距离算法，从所述决策信息库中选择最接近的多个决策库；
[0022]对所述毛刺状态参数、当前加工工艺参数以及剩余加工进度进行加权；
[0023]根据加权后的毛刺状态参数、当前加工工艺参数以及剩余加工进度，采用近邻模型从多个决策库中选择最优加工工艺参数。
[0024]本专利技术还提供了一种面向弱刚性钻削的数字孪生控制系统，包括：
[0025]数据采集模块，用于采集加工过程中的多维时序数据；
[0026]切分模块，用于对所述时序数据按照加工进度进行切分；
[0027]特征提取模块，用于对切分后的数据进行时频域分析，提取特征值；
[0028]毛刺状态参数确定模块，用于将所述特征值输入至机理模型，得到毛刺状态参数；
[0029]毛刺高度预测模块，用于根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度；
[0030]决策信息库构建模块，用于构建决策信息库；所述决策信息库中包括不同加工场景下抑制毛刺的最优加工工艺参数；
[0031]最优加工工艺参数选择模块，用于当毛刺预测高度超过毛刺高度阈值时，从所述决策信息库中选取最优加工工艺参数进行反馈。
[0032]可选地，加工工艺参数包括主轴转速和进给量。
[0033]可选地，所述毛刺高度预测模块具体包括：
[0034]剩余加工进度中毛刺状态参数预测单元，用于将所述毛刺状态参数、当前加工工艺参数以及剩余加工进度输入至门控循环神经网络中，预测剩余加工进度中毛刺状态参数；
[0035]毛刺高度预测单元，用于将预测得到的毛刺状态参数输入至全连接层预测毛刺高度。
[0036]可选地，决策信息库构建模块具体包括：
[0037]不同场景下的毛刺高度预测单元，用于根据不同加工场景下的工艺参数、毛刺状态参数和加工进度，预测不同场景下的毛刺高度；
[0038]决策信息库构建单元，用于根据不同加工场景下的预测毛刺高度，采用遗传算法进行自适应度计算，确定不同加工场景的最优加工工艺参数，构成决策信息库。
[0039]可选地，最优加工工艺参数选择模块具体包括：
[0040]决策库选择单元，用于分别根据所述毛刺状态参数、当前加工工艺参数以及剩余
加工进度，采用欧氏距离算法，从所述决策信息库中选择最接近的多个决策库；
[0041]加权单元，用于对所述毛刺状态参数、当前加工工艺参数以及剩余加工进度进行加权；
[0042]最优加工工艺参数选择单元，用于根据加权后的毛刺状态参数、当前加工工艺参数以及剩余加工进度，采用近邻模型从多个决策库中选择最优加工工艺参数。
[0043]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0044]1)本专利技术基于机理模型，门控循环神经网络(GRU)实现了弱刚性钻削加工过程的实时监测，达到异常加工状态的快速识别；
[0045]2)本专利技术基于遗传算法(GA)和近邻算法(KNN)实现了异常的决策和反馈；
[0046]3)本专利技术基于数字孪生的实时性和虚实交互，实现加工状态的最优化控制，降低了弱刚性钻削的毛刺高度。
附图说明
[0047]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0048]图1为本专利技术实施例面向弱刚性钻削的数字孪生控制方法的流程图；
[0049]图2为本专利技术实施例数字孪生控制系统的基本组成示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向弱刚性钻削的数字孪生控制方法，其特征在于，包括：采集加工过程中的多维时序数据；对所述时序数据按照加工进度进行切分；对切分后的数据进行时频域分析，提取特征值；将所述特征值输入至机理模型，得到毛刺状态参数；根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度；构建决策信息库；所述决策信息库中包括不同加工场景下抑制毛刺的最优加工工艺参数；当毛刺预测高度超过毛刺高度阈值时，从所述决策信息库中选取最优加工工艺参数进行反馈。2.根据权利要求1所述的面向弱刚性钻削的数字孪生控制方法，其特征在于，加工工艺参数包括主轴转速和进给量。3.根据权利要求1所述的面向弱刚性钻削的数字孪生控制方法，其特征在于，所述根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度预测毛刺高度，具体包括：将所述毛刺状态参数、当前加工工艺参数以及剩余加工进度输入至门控循环神经网络中，预测剩余加工进度中毛刺状态参数；将预测得到的毛刺状态参数输入至全连接层预测毛刺高度。4.根据权利要求1所述的面向弱刚性钻削的数字孪生控制方法，其特征在于，所述构建决策信息库，具体包括：根据不同加工场景下的工艺参数、毛刺状态参数和加工进度，预测不同场景下的毛刺高度；根据不同加工场景下的预测毛刺高度，采用遗传算法进行自适应度计算，确定不同加工场景的最优加工工艺参数，构成决策信息库。5.根据权利要求1所述的面向弱刚性钻削的数字孪生控制方法，其特征在于，从所述决策信息库中选取最优加工工艺参数进行反馈，具体包括：分别根据所述毛刺状态参数、当前加工工艺参数以及剩余加工进度，采用欧氏距离算法，从所述决策信息库中选择最接近的多个决策库；对所述毛刺状态参数、当前加工工艺参数以及剩余加工进度进行加权；根据加权后的毛刺状态参数、当前加工工艺参数以及剩余加工进度，采用近邻模型从多个决策库中选择最优加工工艺参数。6.一种面向弱刚性钻削的数字孪生控制系统，其特征在于，包括：数据采集模块，用于采集加工过程中的多维时序数据；切分模块，用于对所述时序数据按照加工...

【专利技术属性】
技术研发人员：鲍劲松，许敏俊，刘世民，孙学民，沈慧，丁志昆，顾星海，
申请(专利权)人：东华大学，
类型：发明
国别省市：