本发明专利技术涉及一种工件表面缺陷数字孪生精准修型设备及修型方法，包括：工件表面缺陷获取装置，被配置为获取工件表面缺陷；数字孪生系统，被配置为识别并定位工件表面缺陷，并在虚拟场景下规划工件修型轨迹；控制器，被配置为按照所述数字孪生系统规划完成的工件修型轨迹进行修型过程控制；修型工作装置，被配置为经所述控制器基于规划完成的工件修型轨迹控制完成工件表面缺陷修型。本发明专利技术能够将机器学习技术、数字孪生技术与工件缺陷识别及处理技术等深度融合，形成具有自识别、自感知、自决策、自执行与自学习的工件表面缺陷数字孪生精准修型过程，可精准识别定位工件表面缺陷并进行缺陷处理。行缺陷处理。行缺陷处理。
【技术实现步骤摘要】
工件表面缺陷数字孪生精准修型设备及修型方法
[0001]本专利技术是关于一种嵌入机器学习的工件表面缺陷数字孪生精准修型设备及修型方法，涉及工件精准修型领域。
技术介绍
[0002]模锻件在锻造过程中，存在错移、折叠、厚度超差、裂缝等表面缺陷，从而导致模锻件性能下降，使得产品使役性能达不到预期目标，影响其在实际生产中的使用寿命。
[0003]在传统的模锻件缺陷处理与修型过程中，大多采用“人工+经验+手册”为主的低效修型模式。在缺陷识别与检测过程中，主要通过肉眼或着色检查对模锻件进行质量判断，存在人员水平差异大、错漏率高等问题。其次，在修型过程中，使用手动打磨机存在碎屑飞溅伤人、粉尘危害大等安全隐患，严重制约修型效率与修型质量的提升。
[0004]在模锻件缺陷自动化识别与处理过程中，通常使用机器视觉技术，传统的机器视觉检测存在多目标和复杂背景检测环境受限等问题，对缺陷识别的准确性有待提高。同时眼在手上的检测方式导致修型过程中产生的粉尘造成镜头污浊，无法满足大批量工程应用。另外，在修型过程中，还存在修型位置不固定、轨迹规划困难、缺乏有效的监控手段等问题，严重影响修型精度与缺陷处理质量。
技术实现思路
[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，针对上述问题，本专利技术的目的是提供提出一种能够精准识别定位模锻件表面缺陷并进行缺陷处理，从而提高修型效率、精度、质量与安全性提升的嵌入机器学习的模锻件表面缺陷数字孪生精准修型设备及修型方法。
[0006]为了实现上述专利技术目的，本专利技术采用的技术方案为：
[0007]第一方面，本专利技术提供的一种工件表面缺陷数字孪生精准修型设备，该设备包括：
[0008]工件表面缺陷获取装置，被配置为获取工件表面缺陷；
[0009]数字孪生系统，被配置为识别并定位工件表面缺陷，并在虚拟场景下规划工件修型轨迹；
[0010]控制器，被配置为按照所述数字孪生系统规划完成的工件修型轨迹进行修型过程控制；
[0011]修型工作装置，被配置为经所述控制器基于规划完成的工件修型轨迹控制完成工件表面缺陷修型。
[0012]进一步地，所述工件表面缺陷获取装置，包括：
[0013]工件抓取系统，用于夹持工件进行运动；
[0014]视觉识别系统，用于获取工件表面图像并进行缺陷识别。
[0015]进一步地，所述数字孪生系统，包括：
[0016]图像采集模块，被配置为连接所述视觉识别系统获取工件表面缺陷图像并存入缺
陷图像数据集中；
[0017]缺陷识别模块，被配置为通过预先训练的缺陷数据集模型自动识别工件表面缺陷图像的缺陷类型并进行图像定位；
[0018]智能决策模块，被配置为将识别出的工件缺陷通过预先训练的工艺参数决策数据集模型智能决策出最优修型工艺参数；
[0019]仿真加工模块，被配置为基于识别出的缺陷位置进行路径规划，并将从物理设备生成的孪生模型导入内置的虚幻引擎，在虚幻引擎中生成仿真加工轨迹；
[0020]孪生模型驱动模块，被配置为基于仿真加工轨迹与最优修型工艺参数生成修型加工文件并输出到所述控制器。
[0021]进一步地，所述数字孪生系统，还包括修型数据采集模块，被配置为获取修型过程中的修型参数，同时对设备的工作状态与工作位姿进行可视化监控。
[0022]进一步地，所述缺陷数据集模型的训练，包括：
[0023]基于得到的典型工件表面缺陷样本图像，提取缺陷特征数据并进行缺陷的分类，构建用于缺陷识别与定位的图像数据集，将采集到的工件表面缺陷样本图像分为不同的类别并标定标签；
[0024]根据训练图像数据集与所标定的标签生成图像集；
[0025]基于图像集使用卷积神经网络算法对训练样本集进行训练，得到缺陷数据集模型。
[0026]进一步地，所述工艺参数决策数据集模型的训练，包括：
[0027]基于缺陷特征数据与加工工艺参数之间的关系，构建工艺参数决策数据集，用于决策出适合不同缺陷类型的工艺参数；
[0028]使用模糊神经网络算法构建输入参数与输出参数之间的映射关系，对工艺参数决策数据集进行训练，得到工艺参数决策数据集模型。
[0029]进一步地，还包括数据库系统，用于存储含有多种缺陷信息的图像数据集、工艺参数智能决策训练集与修型过程数据集。
[0030]进一步地，所述控制器采用“上下分级网络架构”，向下与工件表面缺陷获取装置和修型工作装置连接，向上与数字孪生系统连接进行数据交互。
[0031]第二方面，本专利技术还提供一种嵌入机器学习的模锻件表面缺陷精准修型方法，包括：
[0032]搭建视觉识别系统，采集工件表面缺陷图像；
[0033]数字孪生系统的缺陷识别模块获取待识别的工件表面缺陷图像，将图像输入缺陷数据集模型自动识别工件表面缺陷图像的缺陷类型并进行图像定位；
[0034]数字孪生系统的智能决策模块根据识别出的缺陷信息，基于工艺参数决策数据集模型决策出最佳修型工艺参数；
[0035]数字孪生系统的仿真加工模块依照决策出的最佳修型工艺参数规划修型轨迹，并对缺陷位置进行修型运动仿真，确保无碰撞、奇异点的出现；
[0036]仿真完成后，数字孪生系统的孪生模型驱动模块依照仿真加工轨迹与最佳修型工艺参数生成修型加工文件，并通过文件传输协议远程传入控制器控制修型工作装置执行修型过程。
[0037]进一步地，还包括：数字孪生系统的修型数据采集模块采集修型过程数据并存入修型过程数据集中，将过程数据映射至虚拟模型中，对修型过程进行可视化监控；和/或：完成修型后，通过视觉识别系统进行修型质量检测，将质量检测结果反馈给数字孪生系统判断有无缺陷，完成修型后，通过视觉识别系统进行修型质量检测，将质量检测结果反馈给数字孪生系统判断有无缺陷，若无缺陷，完成修型；若有缺陷，则将该缺陷图像补充至图像训练集与工艺参数决策训练集中进行数据增强，重新训练缺陷数据集模型和工艺参数决策数据集模型。
[0038]本专利技术由于采取以上技术方案，其具有以下特点：
[0039]1、本专利技术采用机器学习算法，建立分析处理系统，分析处理系统包括缺陷识别算法模块与智能决策模块，此两模块均嵌入深度学习的方法，通过不断的迭代优化缺陷识别过程与修型加工过程，实现缺陷的自识别与修型参数的自决策。
[0040]2、本专利技术通过视觉识别系统和修型数据采集模块，获取缺陷图像和修型过程工艺参数，构建模锻件缺陷图像集与修型工艺参数决策集，实现对修型设备状态的自感知。
[0041]3、本专利技术利用数字孪生技术规划修型轨迹并对缺陷修型轨迹进行可视化仿真，避免在实际修型过程中出现设备损坏与位置偏移，同时将决策出的工艺参数与仿真轨迹后处理为机器人加工文件，远程传递给机器人自动执行，实现修型过程的自执行。
[0042]4、本专利技术在修型完成后，对修型质量再次进行拍照检测，将检测结果反馈给缺陷图像集与修型本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工件表面缺陷数字孪生精准修型设备，其特征在于，该设备包括：工件表面缺陷获取装置，被配置为获取工件表面缺陷；数字孪生系统，被配置为识别并定位工件表面缺陷，并在虚拟场景下规划工件修型轨迹；控制器，被配置为按照所述数字孪生系统规划完成的工件修型轨迹进行修型过程控制；修型工作装置，被配置为经所述控制器基于规划完成的工件修型轨迹控制完成工件表面缺陷修型。2.根据权利要求1所述的工件表面缺陷数字孪生精准修型设备，其特征在于，所述工件表面缺陷获取装置，包括：工件抓取系统，用于夹持工件进行运动；视觉识别系统，用于获取工件表面图像并进行缺陷识别。3.根据权利要求2所述的工件表面缺陷数字孪生精准修型设备，其特征在于，所述数字孪生系统，包括：图像采集模块，被配置为连接所述视觉识别系统获取工件表面缺陷图像并存入缺陷图像数据集中；缺陷识别模块，被配置为通过预先训练的缺陷数据集模型自动识别工件表面缺陷图像的缺陷类型并进行图像定位；智能决策模块，被配置为将识别出的工件缺陷通过预先训练的工艺参数决策数据集模型智能决策出最优修型工艺参数；仿真加工模块，被配置为基于识别出的缺陷位置进行路径规划，并将从物理设备生成的孪生模型导入内置的虚幻引擎，在虚幻引擎中生成仿真加工轨迹；孪生模型驱动模块，被配置为基于仿真加工轨迹与最优修型工艺参数生成修型加工文件并输出到所述控制器。4.根据权利要求3所述的工件表面缺陷数字孪生精准修型设备，其特征在于，所述数字孪生系统还包括修型数据采集模块，被配置为获取修型过程中的修型参数，同时对设备的工作状态与工作位姿进行可视化监控。5.根据权利要求3或4所述的工件表面缺陷数字孪生精准修型设备，其特征在于，所述缺陷数据集模型的训练，包括：基于得到的典型工件表面缺陷样本图像，提取缺陷特征数据并进行缺陷的分类，构建用于缺陷识别与定位的图像数据集，将采集到的工件表面缺陷样本图像分为不同的类别并标定标签；根据训练图像数据集与所标定的标签生成图像集；基于图像集使用卷积神经网络算法对训练样本集进行训练，得到缺陷数据集模型。6.根据权利要求3或4所述的工件...
【专利技术属性】
技术研发人员：赵永胜，马锡盟，马旭辉，陈建洲，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。