整体叶盘叶片的宽行加工方法及相关装置制造方法及图纸

本申请提供了整体叶盘叶片的宽行加工方法及相关装置，所述方法包括：获取整体叶盘的理论特征信息；基于所述整体叶盘的理论特征信息，获取加工所述整体叶盘叶片的适用刀具的刀具信息；基于所述整体叶盘的理论特征信息和所述刀具信息，对所述整体叶盘的每个整体叶盘叶片的宽行加工过程进行规划，以得到每个所述整体叶盘叶片对应的宽行加工刀路；基于每个所述整体叶盘叶片对应的宽行加工刀路，对每个所述整体叶盘叶片进行宽行加工，以加工出所述整体叶盘的多个整体叶盘叶片。该方法通过选择加工整体叶盘叶片的适用刀具的刀具信息，规划宽行加工刀路，简化刀路，有效提高整体叶盘叶片的加工效率和整体叶盘叶片的表面质量。加工效率和整体叶盘叶片的表面质量。加工效率和整体叶盘叶片的表面质量。

【技术实现步骤摘要】
整体叶盘叶片的宽行加工方法及相关装置


[0001]本申请涉及铣削加工制造
，尤其涉及整体叶盘叶片的宽行加工方法、电子设备、数控机床及计算机可读存储介质。

技术介绍

[0002]整体叶盘叶片是典型的自由曲面，整体叶盘叶片之间的通道窄、整体叶盘叶片弯扭大且材料多为硬度高、难切削合金材料，常规加工方法是采用球头刀进行点铣，但因为叶型表面粗糙度要求较高，因此球头铣刀的轨迹行距通常小于0.3mm，刀具轨迹数量庞大，整体叶盘叶片加工时间长、效率极低、成本高。
[0003]基于此，本申请提供整体叶盘叶片的宽行加工方法及相关装置，以改进相关技术。

技术实现思路

[0004]本申请的目的在于提供整体叶盘叶片的宽行加工方法、电子设备、数控机床及计算机可读存储介质，通过选择加工整体叶盘叶片的适用刀具的刀具信息，规划宽行加工刀路，简化刀路，降低适用刀具与整体叶盘叶片的切削力，有效提高整体叶盘叶片的加工效率和整体叶盘叶片的表面质量。
[0005]本申请的目的采用以下技术方案实现：
[0006]第一方面，本申请提供了整体叶盘叶片的宽行加工方法，所述方法包括：
[0007]获取整体叶盘的理论特征信息，所述整体叶盘的理论特征信息包括多个整体叶盘叶片的理论特征信息；
[0008]基于所述整体叶盘的理论特征信息，获取加工所述整体叶盘叶片的适用刀具的刀具信息；
[0009]基于所述整体叶盘的理论特征信息和所述刀具信息，对所述整体叶盘的每个整体叶盘叶片的宽行加工过程进行规划，以得到每个所述整体叶盘叶片对应的宽行加工刀路；
[0010]基于每个所述整体叶盘叶片对应的宽行加工刀路，利用宽行加工模块对每个所述整体叶盘叶片进行宽行加工，以加工出所述整体叶盘的多个整体叶盘叶片。
[0011]该技术方案的有益效果在于：整体叶盘的理论特征信息包含整体叶盘理论设计的完整信息，通过整体叶盘的理论特征信息获取加工整体叶盘的适用刀具的刀具信息，以达到选择的适用刀具在加工整体叶盘时能够最大程度地与整体叶盘叶片接触的目的，增大适用刀具的加工宽度，减少切削区域的形变，降低切削力和切削热，进而生成每个整体叶盘叶片对应的宽行加工刀路，加工整体叶盘的多个整体叶盘叶片；利用该方法规划宽行加工的过程可以节约大量加工刀路，利用宽行加工刀路加工整体叶盘叶片时能够有效提高整体叶盘叶片的加工效率，提升整体叶盘叶片加工的表面质量，提高表面粗糙度。
[0012]在一些可选的实施方式中，所述获取整体叶盘的理论特征信息，包括：
[0013]获取所述整体叶盘的设计文件，基于所述整体叶盘的设计文件，获得所述整体叶盘的理论特征信息；或者，
[0014]获取标准整体叶盘的三维信息，基于所述标准整体叶盘的三维信息，获得所述整体叶盘的理论特征信息；或者，
[0015]获取所述标准整体叶盘的图像信息，利用预设的图像处理模型对所述标准整体叶盘的图像信息进行特征提取，得到所述整体叶盘的理论特征信息。
[0016]该技术方案的有益效果在于：获取整体叶盘的理论特征信息的过程可以采用多种方式，便于根据实际应用中的具体情况灵活选择理论特征信息的获取方式。首先，整体叶盘的设计文件(例如是二维设计文件和/或三维设计文件)包含了完整、详细的整体叶盘的结构形状、设计参数和技术要求等信息，通过获取整体叶盘的设计文件获取整体叶盘的理论特征信息的方式最为直接、快速；其次，在不能提供整体叶盘的设计文件的情况下，可以获取标准整体叶盘的三维信息(例如是CT扫描信息、X光扫描信息、核磁共振扫描信息、超声波扫描信息、三维点云数据、三维面片数据、三维轮廓数据等)或图像信息(图像或者视频)，基于三维信息获取标准整体叶盘的理论特征信息，或利用预设的图像处理模型对图像信息进行理论特征信息的提取，标准整体叶盘的三维信息和图像信息容易获得，且可以重复利用计算机软件和/或预设的处理模型对具有不同外形特征的整体叶盘的理论特征信息的进行提取。
[0017]在一些可选的实施方式中，所述基于所述整体叶盘的理论特征信息，获取加工所述整体叶盘叶片的适用刀具的刀具信息，包括：
[0018]将所述整体叶盘的理论特征信息输入至刀具信息模型，以得到加工所述整体叶盘的适用刀具的刀具信息。
[0019]该技术方案的有益效果在于：通过刀具信息模型预测加工整体叶盘的适用刀具的刀具信息的方式不依赖于人的感知系统和主观判断，代替人工选择过程，能够准确、迅速地获得加工整体叶盘的适用刀具的刀具信息，对操作人员的技术能力要求低；通过训练集训练刀具信息模型可以基于大量的训练数据，不断提高刀具信息模型对加工整体叶盘的适用刀具的刀具信息的预测数据的准确性，并且能够针对不同类型刀具的刀具信息进行多训练集的数据训练，适用范围广，预测的准确度和效率高，智能化程度高。
[0020]在一些可选的实施方式中，所述刀具信息模型的训练过程包括：
[0021]获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本整体叶盘的理论特征信息以及所述样本整体叶盘的理论特征信息对应的刀具信息的标注数据；所述样本整体叶盘的理论特征信息包括整体叶盘叶片的曲率半径的极小值，所述样本整体叶盘的理论特征信息对应的刀具信息的标注数据中的刀具圆弧半径信息不大于所述整体叶盘叶片的曲率半径的极小值；
[0022]针对所述第一训练集中的每个第一训练数据，执行以下处理：
[0023]将所述第一训练数据中的样本整体叶盘的理论特征信息输入预设的第一深度学习模型，得到所述样本整体叶盘的理论特征信息对应的刀具信息的预测数据；
[0024]基于所述样本整体叶盘的理论特征信息对应的刀具信息的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；
[0025]检测是否满足预设的第一训练结束条件；如果是，则将训练出的第一深度学习模型作为所述刀具信息模型；如果否，则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
[0026]该技术方案的有益效果在于：使用样本整体叶盘的理论特征信息以及样本整体叶盘的理论特征信息对应的刀具信息的标注数据，可以明确深度学习建模的预测问题，即明确输入数据和输出数据，进而进行特征学习以完成模型训练；训练深度学习模型通过学习少量样本快速获得输入数据和输出数据的模型关系，在不断训练的过程中深度学习模型可以保存最优的模型权重并读取模型权重，对深度学习模型进行更新，使模型更好地拟合数据，逐渐降低模型误差；训练过程在满足预设的训练结束条件时可以得到一个泛化能力较强的模型，即训练成功的模型，以实现对输入信息(整体叶盘的理论特征信息)进行模型运算处理后获得较为准确的输出信息(整体叶盘的理论特征信息对应的刀具信息)的功能；通过模型训练将特征学习融入建模过程，减少了人为设计的疏漏、失误等不确定因素，自动化程度高；整体叶盘叶片的曲率半径是的自由曲面加工的重要参数，在整体叶盘叶片精加工过程中适用刀具的半径应小于或等于加工曲面最小的曲率半径，即适用刀具的圆弧半径不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种整体叶盘叶片的宽行加工方法，其特征在于，所述方法包括：获取整体叶盘的理论特征信息，所述整体叶盘的理论特征信息包括多个整体叶盘叶片的理论特征信息；基于所述整体叶盘的理论特征信息，获取加工所述整体叶盘叶片的适用刀具的刀具信息；基于所述整体叶盘的理论特征信息和所述刀具信息，对所述整体叶盘的每个整体叶盘叶片的宽行加工过程进行规划，以得到每个所述整体叶盘叶片对应的宽行加工刀路；基于每个所述整体叶盘叶片对应的宽行加工刀路，利用宽行加工模块对每个所述整体叶盘叶片进行宽行加工，以加工出所述整体叶盘的多个整体叶盘叶片。2.根据权利要求1所述的整体叶盘叶片的宽行加工方法，其特征在于，所述获取整体叶盘的理论特征信息，包括：获取所述整体叶盘的设计文件，基于所述整体叶盘的设计文件，获得所述整体叶盘的理论特征信息；或者，获取标准整体叶盘的三维信息，基于所述标准整体叶盘的三维信息，获得所述整体叶盘的理论特征信息；或者，获取所述标准整体叶盘的图像信息，利用预设的图像处理模型对所述标准整体叶盘的图像信息进行特征提取，得到所述整体叶盘的理论特征信息。3.根据权利要求1所述的整体叶盘叶片的宽行加工方法，其特征在于，所述基于所述整体叶盘的理论特征信息，获取加工所述整体叶盘叶片的适用刀具的刀具信息，包括：将所述整体叶盘的理论特征信息输入至刀具信息模型，以得到加工所述整体叶盘的适用刀具的刀具信息。4.根据权利要求3所述的整体叶盘叶片的宽行加工方法，其特征在于，所述刀具信息模型的训练过程包括：获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本整体叶盘的理论特征信息以及所述样本整体叶盘的理论特征信息对应的刀具信息的标注数据；所述样本整体叶盘的理论特征信息包括整体叶盘叶片的曲率半径的极小值，所述样本整体叶盘的理论特征信息对应的刀具信息的标注数据中的刀具圆弧半径信息不大于所述整体叶盘叶片的曲率半径的极小值；针对所述第一训练集中的每个第一训练数据，执行以下处理：将所述第一训练数据中的样本整体叶盘的理论特征信息输入预设的第一深度学习模型，得到所述样本整体叶盘的理论特征信息对应的刀具信息的预测数据；基于所述样本整体叶盘的理论特征信息对应的刀具信息的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；检测是否满足预设的第一训练结束条件；如果是，则将训练出的第一深度学习模型作为所述刀具信息模型；如果否，则利用下一个所述第一训练数据继续训练所述第一深度学习模型。5.根据权利要求1所述的整体叶盘叶片的宽行加工方法，其特征在于，所述刀具信息包括刀具类型、刀具几何参数信息、刀具切削宽度和刀具刃长中的一种或多种；所述刀具类型包括圆弧刀具，所述刀具几何参数信息包括刀具...

【专利技术属性】
技术研发人员：李玉敏，朱适琛，涂彬，
申请(专利权)人：苏州千机智能技术有限公司，
类型：发明
国别省市：