钢筋混凝土预制构件切割系统的制作方法

本发明涉及智能制造装备，具体涉及一种钢筋混凝土预制构件切割系统。

背景技术：

1、在装配式建筑和智能建造领域，钢筋混凝土预制构件出厂后往往需要根据现场安装需求进行开门窗洞口、异形边角处理、结构改造等非标切割加工，该类加工工序在预制构件生产及安装环节中较为常见。

2、现有的数控切割装备通常由x轴、y轴、z轴构成的三轴运动平台、金刚石切割主轴、伺服驱动系统以及数控系统构成，在实际使用过程中，操作人员根据构件的设计图纸，通过数控系统的人机交互界面预先输入切割起止坐标点及切割路径，数控系统按照预先设定的固定主轴转速与进给速度参数，驱动三轴伺服电机带动金刚石切割主轴沿预设轨迹进行切割，切割行程到达预设终点坐标后，系统控制主轴退刀，完成切割动作，上述切割方式在整个切割过程中不依据实时反馈信息对切割轨迹和工艺参数进行调整，属于开环控制方式，运动平台的实际位置反馈仅用于运动位置闭环，并不涉及材质、切削力、声学信号等工艺状态量的实时反馈调节。

3、与本发明最为接近的现有技术方案即为上述基于设计图纸的固定轨迹开环数控切割装置，其结构组成包括机床床身、三轴运动平台、切割主轴及其变频驱动器、数控系统和人机交互面板，各部件之间通过机械连接与电气信号连接构成开环控制回路。

4、此外，探地雷达探测、涡流传感检测和声发射检测分别作为无损检测领域和刀具状态监测领域已趋于成熟的传感技术，此前已分别应用于土木工程结构检测场景和金属加工刀具磨损监测场景，但尚未见有方案将上述传感技术与数控切割主轴的实时闭环控制相融合，形成面向钢筋混凝土复合材料切割的探测、决策与执行一体化系统。

5、上述现有技术存在如下不足：其一，由于混凝土浇筑和振捣过程中的应力作用，构件内部钢筋骨架、预应力钢绞线及预埋件的实际空间位置往往偏离设计图纸，开环切割方式对切割路径前方的实际材质分布缺乏感知能力，容易切断承重钢筋或预应力钢绞线，造成构件报废，其二，钢筋混凝土是硬质骨料与韧性金属交替存在的复合材料，混凝土区域和钢筋区域所需要的切削转速与进给量存在较大差异，固定不变的切削参数使刀具在接触钢筋瞬间承受较大冲击载荷，容易造成金刚石锯片崩刃、构件边缘崩边以及内部微裂纹，其三，金刚石锯片的磨损速率会随构件的混凝土强度等级和钢筋配比变化呈现非线性特征，现有生产现场大多依靠工人经验判断换刀时机，缺乏科学的量化换刀依据，容易导致刀具过度使用或提前报废。

技术实现思路

1、针对上述现有技术存在的不足，本发明要解决的技术问题是：如何在钢筋混凝土预制构件的非标切割过程中，实现对构件内部钢筋、预应力钢绞线及预埋件实际位置的提前感知与切割路径动态规避，避免误切承重结构件，如何在切割刀具经过混凝土区域与钢筋区域的过渡界面时，对主轴转速与进给量进行自适应调配，减少切削力波动导致的崩边、微裂纹及刀具崩刃现象，以及如何为金刚石锯片建立科学的剩余使用寿命预测方法，实现由经验换刀向预测性维护的转变。

2、为解决上述技术问题，本发明提供一种钢筋混凝土预制构件切割系统，该系统包括感知层、控制决策层和执行层。

3、所述感知层包括前馈探测模块、反应式探测模块和机器视觉模块，所述前馈探测模块设置于切割主轴前方，包括探地雷达探头和涡流传感线圈，用于在切割前对构件待切割区域进行扫描，采集电磁波反射信号和涡流感应信号，所述反应式探测模块设置于切割主轴法兰盘处，包括声发射传感器，用于在切割过程中实时采集主轴振动声纹信号，所述机器视觉模块设置于切割工位上方，用于采集已切割截面的图像，检测崩边和微裂纹缺陷。

4、所述控制决策层为边缘工控机，其内部部署有前馈-反馈融合路径规划模块、变刚度柔顺控制模块和寿命预测模块，前馈-反馈融合路径规划模块将电磁波反射信号和涡流感应信号进行时空对齐融合，生成构件内部三维材质分布图谱，并对原始设计切割路径进行碰撞检测与动态重规划，同时根据声发射信号能量的突变特征，实时触发对未探明预埋件的反应式规避指令，将前馈规划路径与反应式修正指令相融合，形成执行路径，变刚度柔顺控制模块基于强化学习策略网络，以切削力、扭矩、转速、进给速度和材质相界状态作为状态量，输出转速调整量和进给速度调整量，使刀具在混凝土区域与钢筋区域过渡时始终处于设定的切削负载状态，寿命预测模块基于迁移学习构建金刚石锯片数字孪生模型，通过冻结浅层特征参数、微调深层参数的方式实现跨工况的磨损预测模型迁移，结合机器视觉反馈的截面质量和锯片磨损图像进行在线增量学习，实现锯片剩余使用寿命的在线预测。

5、所述执行层包括依据执行路径运动的x轴、y轴、z轴三轴伺服运动平台以及与该运动平台连接的金刚石切割主轴，感知层、控制决策层和执行层之间通过工业总线连接，实现数据的高速交互，形成从探测到决策再到执行的闭环控制系统。

6、本发明还提供一种与上述系统相对应的控制方法，该方法通过前馈探测与反应式探测相融合的方式动态规避构件内部的钢筋、预应力钢绞线及预埋件，通过强化学习实现切割参数的自适应调配，并通过迁移学习与数字孪生模型实现锯片剩余使用寿命的在线预测。

7、与现有技术相比，本发明具有以下有益效果：

8、1.通过探地雷达和涡流传感构成的前馈探测模块提前获取构件内部材质分布信息，并结合声发射传感器构成的反应式探测模块对切割过程中的突发工况进行实时修正，能够对切割路径进行动态规避，显著降低误切承重钢筋和预应力钢绞线的风险，提升切割作业的结构安全性；

9、2.通过基于强化学习的变刚度柔顺控制模块，在材料相界界面处对主轴转速和进给量进行毫秒级自适应调配，使刀具在混凝土区域与钢筋区域过渡时始终处于设定的切削负载状态，能够减少崩边、微裂纹及刀具崩刃现象，提升切割截面质量和金刚石锯片使用寿命；

10、3.通过基于迁移学习与数字孪生的锯片寿命预测模块，实现跨工况条件下锯片剩余使用寿命的在线预测，能够将经验化换刀方式转变为预测性维护方式，避免刀具过度使用或提前报废，降低生产综合成本。

1.钢筋混凝土预制构件切割系统，其特征在于，包括感知层、控制决策层和执行层；

2.根据权利要求1所述的钢筋混凝土预制构件切割系统，其特征在于，所述前馈-反馈融合路径规划模块生成构件内部三维材质分布图谱的过程包括：对所述电磁波反射信号和所述涡流感应信号进行时空对齐融合，生成构件内部三维材质分布点云，对所述材质分布点云进行分割和分类处理，识别出普通钢筋、预应力钢绞线、预埋件的空间几何边界，得到所述材质分布图谱。

3.根据权利要求1所述的钢筋混凝土预制构件切割系统，其特征在于，所述前馈-反馈融合路径规划模块计算声发射信号能量的方式为：对预设滑动时间窗口内所述振动声纹信号的幅值平方进行积分，得到当前时刻的声发射信号能量，所述突变率为当前时刻声发射信号能量与前一时刻声发射信号能量之差同前一时刻声发射信号能量的比值。

4.根据权利要求1所述的钢筋混凝土预制构件切割系统，其特征在于，所述变刚度柔顺控制模块配置为：将主轴三向切削力、主轴扭矩、当前主轴转速、当前进给速度和当前材质相界状态组合为状态向量，输入强化学习策略网络，所述当前材质相界状态包括纯混凝土、入钢筋过渡、全钢筋、出钢筋过渡四种状态，所述策略网络根据所述状态向量输出包含主轴转速调整量和进给速度调整量的动作向量，所述变刚度柔顺控制模块还配置为根据执行所述动作向量后反馈的切削力、扭矩以及所述机器视觉模块检测到的截面缺陷结果计算奖励值，并利用所述奖励值对所述策略网络的参数进行在线更新。

5.根据权利要求1所述的钢筋混凝土预制构件切割系统，其特征在于，所述寿命预测模块配置为：利用历史生产数据对磨损映射网络的浅层特征提取网络参数进行预训练，得到源域预训练模型，针对当前待切割的预制构件，采集其骨料硬度、钢筋密度、配合比作为工况特征向量，冻结所述浅层特征提取网络参数，仅利用所述工况特征向量对深层磨损映射网络参数进行微调训练，得到迁移后的数字孪生模型，将实时采集的振动信号、主轴温度信号、切削力时序数据与所述工况特征向量组合为输入特征向量，输入所述迁移后的数字孪生模型，得到当前时刻锯片磨损率预测值，根据所述磨损率预测值、锯片累计磨损量估计值和预设磨损量阈值，计算锯片剩余使用寿命，在所述剩余使用寿命低于预设换刀阈值时，输出换刀提醒信号。

6.根据权利要求1所述的钢筋混凝土预制构件切割系统，其特征在于，所述探地雷达探头和所述涡流传感线圈设置于所述切割主轴前方5至10厘米处，所述边缘工控机与所述前馈探测模块、所述反应式探测模块、所述机器视觉模块及所述执行层之间通过ethercat总线连接，并采用opc-ua通讯协议进行数据交互。

7.一种钢筋混凝土预制构件切割系统的控制方法，应用于权利要求1至6中任一项所述的钢筋混凝土预制构件切割系统，其特征在于，包括：

8.根据权利要求7所述的控制方法，其特征在于，还包括：在切割过程中，实时采集主轴三向切削力、主轴扭矩、当前主轴转速和当前进给速度，结合所述前馈材质分布图谱判断当前切割点所处的材质相界状态，所述材质相界状态包括纯混凝土、入钢筋过渡、全钢筋、出钢筋过渡四种状态，将所述三向切削力、所述主轴扭矩、所述当前主轴转速、所述当前进给速度和所述材质相界状态组合为状态向量，输入强化学习策略网络，所述策略网络根据所述状态向量输出包含主轴转速调整量和进给速度调整量的动作向量，并将所述动作向量转化为转速指令和进给速度指令，下发至主轴伺服驱动器和进给轴伺服驱动器执行。

9.根据权利要求8所述的控制方法，其特征在于，还包括：采集执行所述动作向量后反馈的切削力和扭矩，结合机器视觉模块对已切割截面崩边、微裂纹缺陷的检测结果，根据切削力偏差、扭矩偏差和缺陷检测结果计算奖励值，所述切削力偏差为反馈切削力与预设目标切削力之间的偏差，所述扭矩偏差为反馈扭矩与预设目标扭矩之间的偏差，利用所述奖励值对所述策略网络的参数进行在线更新。

10.根据权利要求7所述的控制方法，其特征在于，还包括：利用历史生产数据对磨损映射网络的浅层特征提取网络参数进行预训练，得到源域预训练模型，采集当前待切割的预制构件的骨料硬度、钢筋密度、配合比作为工况特征向量，冻结所述浅层特征提取网络参数，仅利用所述工况特征向量对深层磨损映射网络参数进行微调训练，得到迁移后的数字孪生模型，实时采集振动信号、主轴温度信号和切削力时序数据，与所述工况特征向量组合为输入特征向量，输入所述迁移后的数字孪生模型，得到锯片磨损率预测值，根据所述磨损率预测值、锯片累计磨损量估计值和预设磨损量阈值，计算锯片剩余使用寿命，在所述剩余使用寿命低于预设换刀阈值时，输出换刀提醒信号，每次切割完成后，通过机器视觉模块采集切割截面质量图像和锯片磨损图像，对所述迁移后的数字孪生模型的参数进行在线增量更新。