基于多工序融合的眼镜盒冲压成型协同控制方法及系统与流程
本发明涉及工业自动化控制,尤其涉及一种基于多工序融合的眼镜盒冲压成型协同控制方法及系统。
背景技术:
1、目前,眼镜盒冲压成型生产通常需经落料、成型、切边等多道连续工序,各工序加工质量逐级传递并最终决定成品合格率。眼镜盒作为精密五金制品,其铰链配合面要求尺寸公差控制在±0.05mm以内,翻边轮廓度要求控制在±0.08mm以内,整体外形尺寸公差虽可放宽至±0.2mm,但功能部位的高精度要求使得任何一道工序的微小偏差都可能导致产品失效。在高速连续冲压(spm≥60)场景下,工业控制系统如何在高节拍生产下确保工序间稳定协同,已成为制造企业提升产品良率的关键。
2、在一种现有技术中,传统冲压生产线将落料、成型、切边视为彼此独立的工位,各工序依据事先设定的固定参数独立运行,工序间仅依靠传送带的既定节拍进行物料衔接。然而,实际冲压过程中,伺服电机的电流与扭矩、模具受力时的振动频率等设备状态信号会随材料批次差异、模具磨损、润滑变化等因素发生隐性偏移。现有技术中,这些变化未被纳入工序间的信息传递,各工序之间不进行实时信号交互,导致上游工序出现的任何微小偏差都无法被下游工序及时感知并作出相应调整,下游工序仍按原有参数与节拍继续加工,偏差由此被逐级放大。
3、综上所述,现有技术中存在工序上下游的动态参数与节拍调整不能与实时设备状态信号协同响应,使偏差沿生产线逐级累积放大的问题。
技术实现思路
1、本发明提供了一种基于多工序融合的眼镜盒冲压成型协同控制方法及系统,以解决现有技术中存在工序上下游的动态参数与节拍调整不能与实时设备状态信号协同响应,使偏差沿生产线逐级累积放大的问题。
2、第一方面,为了解决上述技术问题,本发明提供了一种基于多工序融合的眼镜盒冲压成型协同控制方法,包括:
3、获取落料工序的设备扭矩信号和模具振动信号;
4、根据所述设备扭矩信号和所述模具振动信号构建落料信号时间序列,对所述落料信号时间序列进行时序预测,得到落料工序的尺寸偏差;
5、根据所述尺寸偏差调整成型工序的合模压力,得到目标合模压力;
6、获取所述成型工序在所述目标合模压力下的设备扭矩信号和模具振动信号,并构建成型信号时间序列,对所述成型信号时间序列进行状态识别,得到状态识别结果;
7、当所述状态识别结果为异常状态时,根据所述异常状态,结合预设的力学映射关系确定切边节拍调整量以调整切边工序的运行节拍,获取所述切边工序在调整后的运行节拍下的设备扭矩信号和模具振动信号,并构建切边信号时间序列,对所述切边信号时间序列进行质量评估,得到切边质量评估值;
8、若所述切边质量评估值小于预设评估阈值,则根据所述切边质量评估值生成停机控制指令以控制所述落料工序、所述成型工序及所述切边工序停止运行。
9、第二方面,本发明提供了一种基于多工序融合的眼镜盒冲压成型协同控制系统,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的方法。
10、第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的方法。
11、相比于现有技术,本发明具有如下有益效果:
12、(1)本发明通过获取落料工序的设备扭矩信号和模具振动信号,构建落料信号时间序列并利用深度神经网络对时序依赖特征进行学习与尺寸偏差预测,实现了落料尺寸偏差的实时在线量化感知,解决了传统冲压产线中落料偏差需依靠线下抽检才能发现导致反馈滞后的问题,最终实现了落料工序加工状态的在线动态监测,为下游工序的主动补偿提供了可靠的数据依据。
13、(2)本发明通过建立尺寸偏差与合模压力之间的偏差抗力映射关系,将落料偏差以前馈方式转化为成型工序的目标合模压力,实现了落料偏差在成型工序的主动补偿;进而通过成型工序状态识别与预设力学映射关系的联动,动态计算切边节拍调整量以适配成型异常状态,解决了现有技术中下游工序对上游偏差不知情导致偏差逐级放大的问题,最终实现了成型工序对上游来料波动的自适应调节,显著提升了冲压产线对材料批次差异与模具状态变化的适应能力。
14、(3)本发明通过切边信号多阶段特征提取、主成分降维与质量偏离程度计算,实现了切边质量的量化评估,并在评估值低于预设阈值时生成停机控制指令同步停止落料、成型、切边三道工序,解决了传统产线质量异常需等到成品抽检才能被发现导致批量废品的问题,最终实现了冲压成型过程质量异常的实时感知与多工序协同快速联锁,有效避免了批量废品的产生,提升了眼镜盒冲压成型的成品精度与合格率。
1.一种基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,包括:
2.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述根据所述设备扭矩信号和所述模具振动信号构建落料信号时间序列,包括:
3.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述对所述落料信号时间序列进行时序预测,得到落料工序的尺寸偏差,包括:
4.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述根据所述尺寸偏差调整成型工序的合模压力,得到目标合模压力,包括:
5.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述获取所述成型工序在所述目标合模压力下的设备扭矩信号和模具振动信号,并构建成型信号时间序列,包括:
6.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述对所述成型信号时间序列进行状态识别,得到状态识别结果,包括:
7.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述根据所述异常状态,结合预设的力学映射关系确定切边节拍调整量,包括:
8.根据权利要求1所述的基于多工序融合的眼镜盒冲压成型协同控制方法,其特征在于,所述对所述切边信号时间序列进行质量评估,得到切边质量评估值,包括:
9.一种基于多工序融合的眼镜盒冲压成型协同控制系统,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com