一种电火花线切割加工参数自动生成方法及装置制造方法及图纸

本发明专利技术公开了一种电火花线切割加工参数自动生成方法及装置，其中，该方法包括：获取机床中电火花线切割加工的历史数据，利用历史数据训练神经网络模型，得到训练好的参数生成神经网络模型；进行实时的电火花线切割加工，对切割后的工件进行原位检测得到实际形状参数和位置信息；将电火花线切割加工的加工效果数据以及实际形状参数和位置信息输入至训练好的参数生成神经网络模型，以使得机床自动生成加工参数。本发明专利技术的方法在无需取下工件的基础上，利用神经网络技术通过经验数据的训练，寻找加工参数和加工效果之间的关系规律，可从理论上自动生成加工参数，提高加工效率和加工精度。度。度。

【技术实现步骤摘要】
一种电火花线切割加工参数自动生成方法及装置


[0001]本专利技术涉特种加工
，特别是涉及一种电火花线切割加工参数自动生成方法及装置。

技术介绍

[0002]电火花线切割加工是通过电火花的放电原理对零件进行加工。加工原理如图1所示，将工件接入脉冲电源正极，采用钼丝或铜丝作为切割金属丝，将金属丝接高频脉冲电源负极作为工具电极，利用火花放电对加工零件进行切割。图2展示了现阶段电火花线切割的加工流程。
[0003]电火花线切割加工技术作为特种加工技术的一种，能够摆脱传统机械力和机械能的限制，对任何硬度、强度、脆性的材料进行加工。该技术凭借适用性强、精度高、成本低等特点，在机械加工领域占有重要地位，广泛应用于汽车、机床生产、航天等工业领域。由于目前必须取下工件测量和凭人工经验与标准库设定加工参数，影响加工效率和加工精度的问题也随之产生。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此，本专利技术提出一种电火花线切割加工参数自动生成方法。旨在解决现有的由于取下工件测量和凭人工经验与标准库设定加工参数而产生的影响加工效率和加工精度的问题。为此，本专利技术基于自动在线测量和精度补偿的电火花线切割加工方法，在无需取下工件的基础上，利用神经网络技术，通过经验数据的训练，寻找加工参数和加工效果之间的关系规律，并从理论上自动生成加工参数，提高加工效率和加工精度。
[0006]本专利技术的另一个目的在于提出一种电火花线切割加工参数自动生成装置。
[0007]为达上述目的，本专利技术一方面提出一种电火花线切割加工参数自动生成方法，包括：
[0008]获取机床中电火花线切割加工的历史数据，利用所述历史数据训练神经网络模型，得到训练好的参数生成神经网络模型；
[0009]进行实时的电火花线切割加工，对切割后的工件进行原位检测得到实际形状参数和位置信息；
[0010]将电火花线切割加工的加工效果数据以及所述实际形状参数和位置信息输入至所述训练好的参数生成神经网络模型，以使得机床自动生成加工参数。
[0011]另外，根据本专利技术上述实施例的电火花线切割加工参数自动生成方法还可以具有以下附加的技术特征：
[0012]进一步地，在本专利技术的一个实施例中，所述历史数据，包括基础条件数据、历史加工参数和加工效果数据。
[0013]进一步地，在本专利技术的一个实施例中，所述利用历史数据训练神经网络模型，得到
训练好的参数生成神经网络模型，包括：
[0014]构建所述神经网络模型；其中，所述神经网络模型，包括输入层、隐藏层和输出层；
[0015]将所述历史数据分为训练集和测试集，并在所述神经网络模型的训练过程中将所述训练集中的基础条件数据、历史加工参数和加工效果数据，输入至所述输入层和输出层，以训练得到参数生成神经网络模型；
[0016]利用所述测试集对参数生成神经网络模型的模型效果进行测试，基于模型效果测试结果得到训练好的参数生成神经网络模型。
[0017]进一步地，在本专利技术的一个实施例中，在所述对切割后的工件进行原位检测得到实际形状参数和位置信息之后，所述方法，还包括：
[0018]将精度要求作为判断阈值；对比所述实际形状参数和位置信息以及所述加工效果数据得到误差数据，并判断所述误差数据是否满足所述判断阈值，若满足则完成电火花线切割加工和测量。
[0019]进一步地，在本专利技术的一个实施例中，所述方法，还包括：将所述实际形状参数和位置信息存储于数控系统。
[0020]为达上述目的，本专利技术另一方面提出一种电火花线切割加工参数自动生成装置，包括：
[0021]模型训练模块，用于获取机床中电火花线切割加工的历史数据，利用所述历史数据训练神经网络模型，得到训练好的参数生成神经网络模型；
[0022]信息检测模块，用于进行实时的电火花线切割加工，对切割后的工件进行原位检测得到实际形状参数和位置信息；
[0023]参数生成模块，用于将电火花线切割加工的加工效果数据以及所述实际形状参数和位置信息输入至所述训练好的参数生成神经网络模型，以使得机床自动生成加工参数。
[0024]本专利技术实施例的电火花线切割加工参数自动生成方法和装置，在无需取下工件的基础上，利用神经网络技术通过经验数据的训练，寻找加工参数和加工效果之间的关系规律，可从理论上自动生成加工参数，提高加工效率和加工精度。
[0025]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0026]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0027]图1为现有的电火花线切割原理图；
[0028]图2为现有的电火花线切割加工流程图；
[0029]图3为根据本专利技术实施例的电火花线切割加工参数自动生成方法流程图；
[0030]图4为根据本专利技术实施例的自动在线测量与补偿的电火花线切割加工流程的示意图；
[0031]图5为根据本专利技术实施例的神经网络模型的示意图；
[0032]图6为根据本专利技术实施例的电火花线切割加工参数自动生成装置结构示意图。
具体实施方式
[0033]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。
[0034]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0035]下面参照附图描述根据本专利技术实施例提出的电火花线切割加工参数自动生成方法和装置。
[0036]图3是本专利技术实施例的电火花线切割加工参数自动生成方法的流程图。
[0037]如图3所示，该方法包括但不限于以下步骤：
[0038]S1，获取机床中电火花线切割加工的历史数据，利用历史数据训练神经网络模型，得到训练好的参数生成神经网络模型；
[0039]S2，进行实时的电火花线切割加工，对切割后的工件进行原位检测得到实际形状参数和位置信息；
[0040]S3，将电火花线切割加工的加工效果数据以及实际形状参数和位置信息输入至训练好的参数生成神经网络模型，以使得机床自动生成加工参数。
[0041]具体地，图4展示了利用本研究室专利技术的自动在线测量与补偿技术的电火花线切割加工流程，无需取下工件，在工件原始位置自动在线测量和精度补偿，缩短了加工步骤，节省了人力物力，提高了加工精度和效率。
[0042]可以理解的是，参数设定中的加工参数可以包括脉冲宽度、脉冲间隔、开路电压、短路本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电火花线切割加工参数自动生成方法，其特征在于，包括以下步骤：获取机床中电火花线切割加工的历史数据，利用所述历史数据训练神经网络模型，得到训练好的参数生成神经网络模型；进行实时的电火花线切割加工，对切割后的工件进行原位检测得到实际形状参数和位置信息；将电火花线切割加工的加工效果数据以及所述实际形状参数和位置信息输入至所述训练好的参数生成神经网络模型，以使得机床自动生成加工参数。2.根据权利要求1所述的方法，其特征在于，所述历史数据，包括基础条件数据、历史加工参数和加工效果数据。3.根据权利要求2所述的方法，其特征在于，所述利用历史数据训练神经网络模型，得到训练好的参数生成神经网络模型，包括：构建所述神经网络模型；其中，所述神经网络模型，包括输入层、隐藏层和输出层；将所述历史数据分为训练集和测试集，并在所述神经网络模型的训练过程中将所述训练集中的基础条件数据、历史加工参数和加工效果数据，输入至所述输入层和输出层，以训练得到参数生成神经网络模型；利用所述测试集对参数生成神经网络模型的模型效果进行测试，基于模型效果测试结果得到训练好的参数生成神经网络模型。4.根据权利要求3所述的方法，其特征在于，在所述对切割后的工件进行原位检测得到实际形状参数和位置信息之后，所述方法，还包括：将精度要求作为判断阈值；对比所述实际形状参数和位置信息以及所述加工效果数据得到误差数据，并判断所述误差数据是否满足所述判断阈值，若满足则完成电火花线切割加工和测量。5.根据权利要求1所述的方法，其特征在于，所述方法，还包括：将所述实际形状参数和位置信息存储于数控系统。...

【专利技术属性】
技术研发人员：韩福柱，管一琳，
申请(专利权)人：清华大学，
类型：发明
国别省市：