数控车磨复合机床及其生产控制方法技术

本申请涉及数控机床技术领域，其具体地公开了一种数控车磨复合机床及其生产控制方法，其通过卷积神经网络模型对通过摄像机获取的车削监控视频、磨削监控视频和磨削后产品图像进行适当编码以得到加工特征图和成型特征图，然后，对所述成型特征图与所述加工特征图分别进行对比搜索空间同向化，最后，计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵，并通过分类器以得到用于表示车削加工和磨削加工之间的分配比例的分类结果，通过这样的方式，以使得最终确定的车削加工和磨削加工之间的分配比例能够兼顾加工效率和成型精度。度。度。

【技术实现步骤摘要】
数控车磨复合机床及其生产控制方法


[0001]本申请涉及数控机床
，且更为具体地，涉及一种数控车磨复合机床及其生产控制方法。

技术介绍

[0002]在机械加工与制备中，金属制品在经过淬火处理后会通过诸如车削和/或磨削之类工艺对金属制品进行再加工。例如，轴承套圈在淬火处理后，需要进行精加工，在磨床上依次进行粗磨和精磨以及在车床上进行车削。
[0003]现有的针对金属制品的车削和磨削工艺分别在两种机床上进行，具体地，常在车床上进行车削以及在磨床上进行磨削。近年来，数控车磨复合机床的出现改变了这一格局，其将车削和磨削两者集成于一个设备，并通过数控技术来提高加工控制的智能性。
[0004]但是，在对金属制品进行车削和磨削时，如果选择车削和磨削之间的分配比例是在数控车磨复合机床的控制过程的重要难度。应可以理解，车削可以加快加工效率，但其加工精度角度，而虽然磨削可以提高加工精度，但其加工效率较慢。更具体地，如果车削部分的时间过长，则整体的加工精度会降低，而如果车削部分过短，则磨削部分可能产生过多的热量导致轴承套被烧毁。
[0005]因此，如何兼顾加工效率和成型精度是数控车磨复合机床亟需解决的技术问题。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种数控车磨复合机床及其生产控制方法，其通过卷积神经网络模型对通过摄像机获取的车削监控视频、磨削监控视频和磨削后产品图像进行适当编码以得到加工特征图和成型特征图，然后，对所述成型特征图与所述加工特征图分别进行对比搜索空间同向化，最后，计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵，并通过分类器以得到用于表示车削加工和磨削加工之间的分配比例的分类结果，通过这样的方式，以使得最终确定的车削加工和磨削加工之间的分配比例能够兼顾加工效率和成型精度。
[0007]根据本申请的一个方面，提供了一种数控车磨复合机床，其包括：数据采集模块，用于获取车削监控视频、磨削监控视频和磨削后产品图像；车削和磨削数据编码模块，用于将所述车削监控视频和所述磨削监控视频分别通过使用三维卷积核的第一卷积神经网络以得到车削跟踪特征图和磨削跟踪特征图；车削和磨削联合编码模块，用于将所述车削跟踪特征图和所述磨削跟踪特征图在通道维度进行级联后通过使用三维卷积核的第二卷积神经网络以得到加工特征图；成型后产品编码模块，用于将所述磨削后产品图像通过作为特征提取器的第三卷积神经网络以得到成型特征图；第一校正模块，用于基于所述成型特征图中各个位置之间的距离，对所述加工特征图中各个位置的特征值进行校正以得到校正后加工特征图；第二校正模块，用于基于所述加工特征图中各个位置之间的距离，对所述成
型特征图中各个位置的特征值进行校正以得到校正后成型特征图；响应性估计模块，用于计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵；以及优化结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示车削部分的比例应增大且磨削部分的比例应减小，或者，车削部分的比例应减小且磨削部分的比例应增大。
[0008]根据本申请的另一方面，提供了一种数控车磨复合机床的生产控制方法，其包括：获取车削监控视频、磨削监控视频和磨削后产品图像；将所述车削监控视频和所述磨削监控视频分别通过使用三维卷积核的第一卷积神经网络以得到车削跟踪特征图和磨削跟踪特征图；将所述车削跟踪特征图和所述磨削跟踪特征图在通道维度进行级联后通过使用三维卷积核的第二卷积神经网络以得到加工特征图；将所述磨削后产品图像通过作为特征提取器的第三卷积神经网络以得到成型特征图；基于所述成型特征图中各个位置之间的距离，对所述加工特征图中各个位置的特征值进行校正以得到校正后加工特征图；基于所述加工特征图中各个位置之间的距离，对所述成型特征图中各个位置的特征值进行校正以得到校正后成型特征图；计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示车削部分的比例应增大且磨削部分的比例应减小，或者，车削部分的比例应减小且磨削部分的比例应增大。
[0009]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的数控车磨复合机床的生产控制方法。
[0010]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的数控车磨复合机床的生产控制方法。
[0011]与现有技术相比，本申请提供的一种数控车磨复合机床及其生产控制方法，其通过卷积神经网络模型对通过摄像机获取的车削监控视频、磨削监控视频和磨削后产品图像进行适当编码以得到加工特征图和成型特征图，然后，对所述成型特征图与所述加工特征图分别进行对比搜索空间同向化，最后，计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵，并通过分类器以得到用于表示车削加工和磨削加工之间的分配比例的分类结果，通过这样的方式，以使得最终确定的车削加工和磨削加工之间的分配比例能够兼顾加工效率和成型精度。
附图说明
[0012]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0013]图1图示了根据本申请实施例的数控车磨复合机床的应用场景图。
[0014]图2图示了根据本申请实施例的数控车磨复合机床的框图示意图。
[0015]图3图示了根据本申请实施例的数控车磨复合机床中响应性估计模块的框图。
[0016]图4图示了根据本申请实施例的数控车磨复合机床的生产控制方法的流程图。
[0017]图5图示了根据本申请实施例的数控车磨复合机床的生产控制方法的系统架构的示意图。
[0018]图6图示了根据本申请实施例的数控车磨复合机床的生产控制方法中，计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵的流程图。
[0019]图7图示了根据本申请实施例的电子设备的框图。
具体实施方式
[0020]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0021]场景概述如上所述，在对金属制品进行车削和磨削时，如果选择车削和磨削之间的分配比例是在数控车磨复合机床的控制过程的重要难度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控车磨复合机床，其特征在于，包括：数据采集模块，用于获取车削监控视频、磨削监控视频和磨削后产品图像；车削和磨削数据编码模块，用于将所述车削监控视频和所述磨削监控视频分别通过使用三维卷积核的第一卷积神经网络以得到车削跟踪特征图和磨削跟踪特征图；车削和磨削联合编码模块，用于将所述车削跟踪特征图和所述磨削跟踪特征图在通道维度进行级联后通过使用三维卷积核的第二卷积神经网络以得到加工特征图；成型后产品编码模块，用于将所述磨削后产品图像通过作为特征提取器的第三卷积神经网络以得到成型特征图；第一校正模块，用于基于所述成型特征图中各个位置之间的距离，对所述加工特征图中各个位置的特征值进行校正以得到校正后加工特征图；第二校正模块，用于基于所述加工特征图中各个位置之间的距离，对所述成型特征图中各个位置的特征值进行校正以得到校正后成型特征图；响应性估计模块，用于计算所述校正后成型特征图相对于所述校正后加工特征图的响应性估计以得到响应性特征表示作为分类特征矩阵；以及优化结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示车削部分的比例应增大且磨削部分的比例应减小，或者，车削部分的比例应减小且磨削部分的比例应增大。2.根据权利要求1所述的数控车磨复合机床，其特征在于，所述车削和磨削数据编码模块，进一步用于：所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行：基于三维卷积核对所述输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行均值池化处理以生成池化特征图；以及对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征增图；其中，所述第一卷积神经网络的最后一层的输出分别为所述车削跟踪特征图和所述磨削跟踪特征图，所述第一卷积神经网络的输入分别为所述车削监控视频和所述磨削监控视频。3.根据权利要求2所述的数控车磨复合机床，其特征在于，所述车削和磨削联合编码模块，进一步用于：将所述车削跟踪特征图和所述磨削跟踪特征图在通道维度进行级联以得到级联特征图；使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行卷积处理、基于局部特征矩阵的均值池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述加工特征图，其中，所述第二卷积神经网络的输入为所述级联特征图。4.根据权利要求3所述的数控车磨复合机床，其特征在于，所述成型后产品编码模块，进一步用于：使用所述第三卷积神经网络的各层在层的正向传递中对输入数据分别进行基于二维卷积核的卷积处理、基于局部特征矩阵的均值池化处理和非线性激活处理以由所述第三卷积神经网络的最后一层输出所述成型特征图，其中，所述第三卷积神经网络的输入为所述磨削后产品图像。5.根据权利要求4所述的数控车磨复合机床，其特征在于，所述第一校正模块，进一步用于：基于所述成型特征图中各个位置之间的距离，以如下公式对所述加工特征图中各个位置的特征值进行校正以得到校正后加工特征图；其中，所述公式为：
其中，是计算特征值与特征值之间的距离，是所述加工特征图的各个位置的特征值，是所述成型特征图的各个位置的特征值，为...

【专利技术属性】
技术研发人员：李军，吴文超，魏娜，
申请(专利权)人：徐州康翔精密制造有限公司，
类型：发明
国别省市：