一种数控四辊卷板机精确卷制方法技术

本发明专利技术公开一种数控四辊卷板机精确卷制方法，包括获取待弯卷板材性能参数及工艺参数输入至数学模型确定初始辊位；侧辊运动到最新辊位并开始卷制；通过机器视觉系统进行图像采集和处理拟合出实时曲率半径；若板材实时曲率半径与期望曲率半径的偏差不在允许误差范围之内，根据偏差修正辊位位置后继续卷制；达到精度后将卷制一次的所有精确参数作为一组数据存储在数据库中；开启新一轮板材卷制时，当数据量未达到设定值时继续使用机器视觉方法卷制板材等，本发明专利技术能高效精准地实现板材的弯卷，并通过机器视觉和机器学习算法相融合的方法实现板材弯卷的自动化和智能化

【技术实现步骤摘要】
一种数控四辊卷板机精确卷制方法


[0001]本专利技术涉及数控四辊卷板机
，具体为一种数控四辊卷板机精确卷制方法
。

技术介绍

[0002]数控四辊卷板机是一种用于将金属板材弯卷成一定曲率的机器，通常由上辊
、
下辊和两个侧辊组成
。
其中，上辊可以通过电机驱动旋转，下辊可以通过液压或电机驱动进行上下运动，而侧辊则可以通过液压调整来保证卷制的精度
。
数控四辊卷板机还配备了数字控制系统，可以通过输入参数实现自动化控制，提高生产效率和产品质量
。
数控四辊卷板机广泛应用于船舶
、
风电
、
建筑
、
石化等行业中，用于制造各种金属板材，如钢板
、
铝板
、
不锈钢板等
。
[0003]虽然数控四辊卷板机可以一定程度提升生产效率和产品质量，但从大量的实际应用案例看来，数控四辊卷板机卷制的板材精度仍然达不到期望的需求，卷制出的板材曲率半径尺寸需要人工借助工具进行测量并通过多道次卷制来提高精度，这样的卷制方法大大浪费了人力和时间
。
[0004]并且对于已知卷制材料性能参数与成形工艺参数的板材，一定结构参数的数控四辊卷板机仍然按照传统方法反复多次卷制，不能够根据大量已卷制板材数据推算出侧辊辊位，自动化与智能化程度达不到现实需求
。
仍然需要一种新的卷制方法应用在数控四辊卷板机中使得弯卷过程更加快速高效，卷制结果更加精确r/>。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式
。
在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0006]因此，本专利技术的目的是提供一种融合机器视觉和机器学习算法的数控四辊卷板机精确卷制方法
。
通过融合了机器视觉和基于
XGBoost
的智能耦合影响分析侧辊辊位预测模型方法，使得数控四辊卷板机的弯卷过程更加快速精确，节省大量的人力和时间成本，实现板材弯卷的自动化和智能化
。
[0007]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0008]一种数控四辊卷板机精确卷制方法，其包括：
[0009]S1、
获取待弯卷板材材料性能参数及成形工艺参数；
[0010]S2、
输入已知参数至数学模型确定初始侧辊辊位；
[0011]S3、
上位机通过运动控制卡控制液压伺服
,
使得侧辊运动到最新辊位；
[0012]S4、
四辊卷板机上辊转动带动板材卷制并形成最新卷制的板材部分；
[0013]S5、
面阵
CCD
相机对回弹后最新卷制的板材部分进行图像采集；
[0014]S6、
在上位机视觉系统中进行图像处理，并拟合出最新卷制板材部分的实时曲率半径；
[0015]S7、
判断最新卷制板材部分的实时曲率半径与期望曲率半径的偏差是否在允许误差范围内；
[0016]S8、
根据最新卷制板材部分实时曲率半径与期望曲率半径的偏差修正侧辊辊位；
[0017]S9、
将本次卷制板材的材料性能参数
、
成形工艺参数及对应的最佳辊位参数作为一组数据存储在上位机的数据库中；
[0018]S10、
开启新一轮板材卷制时，判断数据库中积累的各个参数数据量是否全部满足设定值；
[0019]S11、
继续运用机器视觉方法卷制不同材料性能参数和成形工艺参数的板材；
[0020]S12、
使用机器学习方法卷制板材，构建基于
XGBoost
的智能耦合影响分析侧辊辊位预测模型，将数据库中的
70
％作为训练集，
30
％作为测试集得到训练优化后的辊位预测模型；
[0021]S13、
将待弯卷板材材料性能参数和成形工艺参数输入辊位预测模型，模型输出侧辊辊位，使得对于一定结构参数的卷板机，实现板材的一次弯卷成型
。
[0022]作为本专利技术所述的一种数控四辊卷板机精确卷制方法的一种优选方案，其中，所述步骤
S1
中，待弯卷板材材料性能参数包括板材屈服极限
σ
s
、
板材厚度
t、
板材宽度
b
，成形工艺参数包括板材卷制进给速度
V、
板材期望曲率半径
ρ
。
[0023]作为本专利技术所述的一种数控四辊卷板机精确卷制方法的一种优选方案，其中，所述步骤
S2
中，数学模型数学模型如下：
P
＝
Y
‑
Y1[0024]其中
P
为侧辊辊位参数，
Y
为初始状态下侧辊辊位对应的液压缸位置，
Y1为达到最新侧辊辊位对应的液压缸位置；
[0025][0026][0027]其中
g、k、
μ
、v
为卷板机结构参数，可由对应的数控四辊卷板机结构参数手册获取；
[0028][0029][0030]其中卷板机上辊半径为
R
a
、
下辊半径为
R
b
、
左侧辊半径为
R
c
、
右侧辊半径为
R
d
,R
a
＝
R
b
＝
R1,R
c
＝
R
d
＝
R2，
d、r
为卷板机结构参数，可由对应的数控四辊卷板机结构参数手册获取；
[0031][0032][0033][0034]其中，
ρ
r
为回弹前板材弯曲内径；
[0035][0036]γ
＝
δ
‑
ε
[0037][0038]L'
＝
(
ρ
r
+t+R1)sin
ε
[0039][0040][0041]其中
K
e
为板材相对强化系数，
E
为板材材料弹性模量，
K
s
为板材截面形状系数，一般为矩形截面，
K
s
＝
1.5
，
ρ
i
为回弹后板材弯曲内径，
K
e
、E
由查不同材料的性能参数表得到；
[0042][0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数控四辊卷板机精确卷制方法，其特征在于，包括：
S1、
获取待弯卷板材材料性能参数及成形工艺参数；
S2、
输入已知参数至数学模型确定初始侧辊辊位；
S3、
上位机通过运动控制卡控制液压伺服
,
使得侧辊运动到最新辊位；
S4、
四辊卷板机上辊转动带动板材卷制并形成最新卷制的板材部分；
S5、
面阵
CCD
相机对回弹后最新卷制的板材部分进行图像采集；
S6、
在上位机视觉系统中进行图像处理，并拟合出最新卷制板材部分的实时曲率半径；
S7、
判断最新卷制板材部分的实时曲率半径与期望曲率半径的偏差是否在允许误差范围内；
S8、
根据最新卷制板材部分实时曲率半径与期望曲率半径的偏差修正侧辊辊位；
S9、
将本次卷制板材的材料性能参数
、
成形工艺参数及对应的最佳辊位参数作为一组数据存储在上位机的数据库中；
S10、
开启新一轮板材卷制时，判断数据库中积累的各个参数数据量是否全部满足设定值；
S11、
继续运用机器视觉方法卷制不同材料性能参数和成形工艺参数的板材；
S12、
使用机器学习方法卷制板材，构建基于
XGBoost
的智能耦合影响分析侧辊辊位预测模型，将数据库中的
70
％作为训练集，
30
％作为测试集得到训练优化后的辊位预测模型；
S13、
将待弯卷板材材料性能参数和成形工艺参数输入辊位预测模型，模型输出侧辊辊位，使得对于一定结构参数的卷板机，实现板材的一次弯卷成型
。2.
根据权利要求1所述的一种数控四辊卷板机精确卷制方法，其特征在于，所述步骤
S1
中，待弯卷板材材料性能参数包括板材屈服极限
σ
s
、
板材厚度
t、
板材宽度
b
，成形工艺参数包括板材卷制进给速度
V、
板材期望曲率半径
ρ
。3.
根据权利要求1所述的一种数控四辊卷板机精确卷制方法，其特征在于，所述步骤
S2
中，数学模型数学模型如下：
P
＝
Y
‑
Y1其中
P
为侧辊辊位参数，
Y
为初始状态下侧辊辊位对应的液压缸位置，
Y1为达到最新侧辊辊位对应的液压缸位置；辊位对应的液压缸位置；其中
g、k、
μ
、v
为卷板机结构参数，可由对应的数控四辊卷板机结构参数手册获取；为卷板机结构参数，可由对应的数控四辊卷板机结构参数手册获取；其中卷板机上辊半径为
R
a
、
下辊半径为
R
b
、
左侧辊半径为
R
c
、
右侧辊半径为
R
d
,R
a
＝
R
b
＝
R1,R
c
＝
R
d
＝
R2，
d、r
为卷板机结构参数，可由对应的数控四辊卷板机结构参数手册获取；
其中，
ρ
r
为回弹前板材弯曲内径；
γ
＝
δ
‑
ε
L'
＝
(
ρ
r
+t+R1)sin
εε
其中
K
e
为板材相对强化系数，
E
为板材材料弹性模量，
K
s
为板材截面形状系数，一般为矩形截面，
K
s
＝
1.5
，

【专利技术属性】
技术研发人员：马晨波，张子恒，李想，张子威，马琳博，张玉言，韩权，孙见君，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：