【技术实现步骤摘要】
本专利技术涉及自适应控制，尤其涉及基于超声波的动态工件检测方法、装置、设备及介质。
技术介绍
1、机床是指制造机器和机械的机器。通过机床可以对工件进行加工制造。在机床的加工过程中，由于自身或外部因素的影响，可能会导致加工得到的工件不符合要求。因此，需要对加工的工件进行质量检测。
2、传统的工件质量检测，都是在工件生产加工完成后进行检测，对于一些加工时间较长，且加工过程易造成内部损伤的零件，在完成加工后再进行质量检测，则拖慢了产品的生产加工效率。
技术实现思路
1、本专利技术提供基于超声波的动态工件检测方法、装置、设备及介质，用于解决现有技术中在完成加工后对工件进行质量检测，效率低的缺陷，实现在加工过程中实时对工件进行检测。
2、本专利技术提供一种基于超声波的动态工件检测方法，包括：
3、确定已在机床上安装的超声波传感器，所述超声波传感器包括安装在夹具上的超声波发送器、安装在刀具上的超声波接收器；
4、确定所述机床已启动，对指定工件进行加工，并控制所述超声波发送器发送超声波，通过所述超声波接收器接收并反馈得到对应的超声波信号；
5、基于所述刀具振动时的基准数据，对所述超声波信号进行分析，得到所述指定工件对应的加工振动信号；
6、基于预先训练好的卷积神经网络模型，对所述加工振动信号进行分析，以在所述卷积神经网络模型中输入所述加工振动信号，输出所述指定工件对应的加工缺陷类型；
7、根据所述加工缺陷类型触发
8、根据本专利技术提供的一种基于超声波的动态工件检测方法，基于所述刀具振动时的基准数据，对所述超声波信号进行分析，得到所述指定工件对应的加工振动信号，具体包括：
9、对所述超声波信号进行预处理，所述预处理包括滤波处理、去趋势处理；
10、通过小波变换对所述超声波信号进行时频分析，将所述超声波信号分解为不同频率的信号；
11、基于预先采集的，所述刀具振动时的基准数据，在分解得到的信号中，将所述基准数据进行分离，得到所述指定工件对应的加工振动信号。
12、根据本专利技术提供的一种基于超声波的动态工件检测方法，所述卷积神经网络模型的训练过程包括：
13、获取样本数据集，所述样本数据集中包含多个样本数据，所述样本数据为所述指定工件对应的加工振动信号，并为所述样本数据进行标签标注，所述标签包括无加工缺陷、有加工缺陷，所述有加工缺陷包括多种加工缺陷类型；
14、通过所述卷积神经网络模型对所述加工振动信号进行特征提取，得到第一时序特征和频域特征；
15、基于小波阈值去噪，对所述加工振动信号进行噪声抑制，并将噪声抑制后的信号与所述加工振动信号进行融合，以保留所述加工振动信号中的时序信息，并通过奇异值分解对融合后的信号进行降维；
16、通过预先训练的循环神经网络，对降维后的信号进行时序分析，并针对得到的时序分析结果以及所述第一时序特征，通过卡尔曼滤波进行最优值处理，得到第二时序特征；
17、将所述第二时序特征、所述频域特征，作为输入的所述加工振动信号的输入特征，将所述加工振动信号对应的标签作为输出，训练生成所述卷积神经网络模型。
18、根据本专利技术提供的一种基于超声波的动态工件检测方法，输出所述指定工件对应的加工缺陷类型之后，所述方法还包括：
19、确定当前生产状态，所述当前生产状态包括所述机床的当前工作状态，以及所述机床所处的当前生产环境，所述当前工作状态、所述当前生产环境中均包含多个维度的数据；
20、针对所述当前工作状态、所述当前生产环境中的每个维度，分别将对应的数据进行量化，分别得到量化工作状态、量化生产环境；
21、采集出现所述加工缺陷类型时的历史生产状态，所述历史生产状态包括所述机床的历史工作状态，以及所述机床所处的历史生产环境，所述历史工作状态、所述历史生产环境中均包含多个维度的数据；
22、将所述历史工作状态、所述历史生产环境分别进行量化后，分别进行聚类，并分别得到对应的第一聚类结果、第二聚类结果；
23、基于所述量化工作状态与所述第一聚类结果之间的对应关系，以及所述量化生产环境与所述第二聚类结果之间的对应关系，对所述当前生产状态进行调整。
24、根据本专利技术提供的一种基于超声波的动态工件检测方法，基于所述量化工作状态与所述第一聚类结果之间的对应关系，以及所述量化生产环境与所述第二聚类结果之间的对应关系，对所述当前生产状态进行调整，具体包括：
25、确定所述量化工作状态在所述第一聚类结果中所处第一类簇，以及所述量化生产环境在所述第二聚类结果中所处的第二类簇；
26、第一次尝试确定同时处于所述第一类簇和所述第二类簇的历史生产状态，若第一次尝试成功，则将确定的历史生产状态所对应的生产状态调整方案，用于对所述当前生产状态进行调整；
27、若第一次尝试失败，或，确定的历史生产状态未记载生产状态调整方案，则第二次尝试确定同时未处于所述第一类簇以及所述第二类簇中的历史生产状态；
28、若第二次尝试成功，则基于确定的历史生产状态，与当前生产状态之间最接近的维度，进行生产状态的调整。
29、根据本专利技术提供的一种基于超声波的动态工件检测方法，确定所述机床已启动，对指定工件进行加工，具体包括：
30、确定所述机床已启动，并确定正在加工的当前工件；
31、获取所述当前工件的加工参数，所述加工参数至少包括加工材质、加工时长；
32、确定所述加工材质属于预设的材质，并确定所述加工材质对应的预设系数；
33、根据所述加工时长，以及所述预设系数，得到判定时长，若所述判定时长高于预设时长，则将所述当前工件认定为指定工件。
34、根据本专利技术提供的一种基于超声波的动态工件检测方法，确定所述加工材质对应的预设系数，具体包括：
35、针对每个已加工过的材质，采集所述材质对应的工件的历史总加工次数，以及历史缺陷次数，并根据所述历史总加工次数、所述历史缺陷次数，得到加工缺陷比例；
36、根据所述加工缺陷比例，得到所述材质对应的预设系数，其中，加工缺陷比例越高，预设系数越高。
37、本专利技术还提供一种基于超声波的动态工件检测装置，包括：
38、安装确定模块，确定已在机床上安装的超声波传感器，所述超声波传感器包括安装在夹具上的超声波发送器、安装在刀具上的超声波接收器；
39、超声波信号确定模块，确定所述机床已启动，对指定工件进行加工，并控制所述超声波发送器发送超声波，通过所述超声波接收器接收并反馈得到对应的超声波信号；
40、加工振动信号确定模块，基于所述刀具振动时的基准数据，对所述超声波信号进行分析，得到所述指定工件对应的加工振动信号；
41、信号分析模块，基于预先训练好的卷积神经本文档来自技高网...
【技术保护点】
1.一种基于超声波的动态工件检测方法，其特征在于，包括：
2.根据权利要求1所述的基于超声波的动态工件检测方法，其特征在于，基于所述刀具振动时的基准数据，对所述超声波信号进行分析，得到所述指定工件对应的加工振动信号，具体包括：
3.根据权利要求2所述的基于超声波的动态工件检测方法，其特征在于，所述卷积神经网络模型的训练过程包括：
4.根据权利要求1所述的基于超声波的动态工件检测方法，其特征在于，输出所述指定工件对应的加工缺陷类型之后，所述方法还包括：
5.根据权利要求4所述的基于超声波的动态工件检测方法，其特征在于，基于所述量化工作状态与所述第一聚类结果之间的对应关系，以及所述量化生产环境与所述第二聚类结果之间的对应关系，对所述当前生产状态进行调整，具体包括：
6.根据权利要求1所述的基于超声波的动态工件检测方法，其特征在于，确定所述机床已启动，对指定工件进行加工，具体包括：
7.根据权利要求6所述的基于超声波的动态工件检测方法，其特征在于，确定所述加工材质对应的预设系数，具体包括：
8.一种基于
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于超声波的动态工件检测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于超声波的动态工件检测方法。
...【技术特征摘要】
1.一种基于超声波的动态工件检测方法，其特征在于，包括：
2.根据权利要求1所述的基于超声波的动态工件检测方法，其特征在于，基于所述刀具振动时的基准数据，对所述超声波信号进行分析，得到所述指定工件对应的加工振动信号，具体包括：
3.根据权利要求2所述的基于超声波的动态工件检测方法，其特征在于，所述卷积神经网络模型的训练过程包括：
4.根据权利要求1所述的基于超声波的动态工件检测方法，其特征在于，输出所述指定工件对应的加工缺陷类型之后，所述方法还包括：
5.根据权利要求4所述的基于超声波的动态工件检测方法，其特征在于，基于所述量化工作状态与所述第一聚类结果之间的对应关系，以及所述量化生产环境与所述第二聚类结果之间的对应关系，对所述当前生产状态进行调整，具体...
【专利技术属性】
技术研发人员：谭勇，苏辉南，朱俊丞，肖溱鸽，
申请(专利权)人：上海诺倬力机电科技有限公司，
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。