一种自动学习输入方法、可编程逻辑控制系统、防撞设备与流程

1.本发明涉及机床防撞控制领域，特别是一种自动学习输入方法、可编程逻辑控制系统、防撞设备。


背景技术：

2.由于科技的进步，机床的应用越来越多样化，多系统的机床数量也开始成长，为考虑多系统之间加工和运行的撞机突发时间，机床防撞系统应运而生，目前现有的机床防撞系统通过撞机检测手段，设定加工运行范围或报警阈值等方法以防止撞机事件的发生。其中涉及到部分参数数据需要通过经验来输入，且加工不同的工件都需要重新输入，降低了机床稼动率。


技术实现要素：

3.针对因数据输入导致的稼动率降低和数据准确性得不到保障的问题，本发明提供一种自动学习输入方法、可编程逻辑控制系统、防撞设备，以预设周期自动更新机床防撞参数，解决数据准确性以及手动输入操作导致稼动率降低等问题。
4.为实现上述目的，本发明选用如下技术方案：一种机床防撞系统参数的自动学习输入方法，包括：
5.在预设周期内，获取机床工作时的动力轴目标参数；
6.根据多个目标参数以学习计算模型计算目标经验值；
7.将目标经验值和/或基于所述目标经验值的余量参数阈值输入机床防撞系统。
8.优选地，所述根据多个目标参数以学习计算模型计算目标经验值，包括：
9.在预设周期的时间内，以预设间隔获取n次机床工作时的主轴和/或xyz轴目标参数m
目标，n
，其中n＝1、2、3、
……
、n；
10.首次获取的目标参数m
目标，1
输入学习计算模型标记为目标累加值m
目标，累计
；
11.在预设间隔后，获取的目标参数m
目标，n
输入学习计算模型以更新目标累加值m
目标，累计
＝m
目标，累计
m
目标，n
，直至预设周期的n个目标参数累计完成；
12.将目标累加值m
目标，累计
和目标参数个数n以平均值样本计算获得目标经验值p
目标
＝m
目标，累计
/n。
13.优选地，所述配置基于所述目标经验值的余量参数阈值，包括：
14.根据目标经验值p
目标
设定上下限预设比例x％作为余量参数阈值y
目标
＝p
目标
×
(1 x)％和/或p
目标
×
(1-x)％。
15.优选地，所述根据多个目标参数以学习计算模型计算目标经验值，还包括：
16.在预设周期的时间内，以预设间隔获取n次机床工作时的主轴和/或xyz轴目标参数m
目标，n
，其中n＝1、2、3、
……
、n；
17.首次获取的目标参数m
目标，1
输入学习计算模型标并通过学习计算模型计算目标参数的平方值，标记为目标平方累加值m
2目标，累计
；
18.在预设间隔后，获取的目标参数m
目标，n
输入学习计算模型并计算其平方值以更新目标平方累加值m
2目标，累计
＝m
2目标，累计
m
2目标，n
，直至预设周期的n个目标参数累计完成；
19.将目标平方累加值m
2目标，累计
和目标参数个数n以均方根样本计算获得目标经验值
20.优选地，所述获取机床工作时的动力轴目标参数，包括：
21.获取配置在所述机床主轴或xyz轴的震动传感器所采集的震动参数m
震动
；
22.和/或，获取配置在所述机床主轴或xyz轴动力电缆的电流互感器所采集的电流参数m
电流
。
23.优选地，所述自动学习输入方法，包括以下步骤：
24.在一个预设周期内，由配置在机床主轴或xyz轴上的震动传感器和/或电流互感器采集所述机床工作时的震动和/或电流目标参数m
目标
；
25.根据在预设周期内n个所述目标参数m
目标
以序列形式分别输入学习计算模型，依次以序列n＝1、2、3、
……
、n记录为目标参数m
目标，n
，并通过所述学习计算模型在目标累加值m
目标，累计
的基础上累计，直至预设周期内的n个目标参数累计完成；
26.所述学习计算模型根据完成累计的目标累加值m
目标，累计
和目标参数个数n以平均值样本计算输出震动经验值p
目标
＝m
目标，累计
/n；
27.以目标经验值p
目标
设定预设比例x％作为余量参数阈值，包括上限余量参数阈值y
目标上限
＝p
目标
×
(1 x)％、下限余量参数阈值y
目标下限
＝p
目标
×
(1-x)％；
28.将所述上限余量参数阈值y
目标上限
和所述下限余量参数阈值y
目标下限
输入机床防撞系统；
29.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
30.作为本发明的进一步改进，所述自动学习输入方法包括以下步骤：
31.在一个预设周期内，由配置在机床主轴或xyz轴上的震动传感器采集所述机床工作时的震动参数m
震动
；
32.根据在预设周期内n个所述震动参数m
震动
以序列形式分别输入学习计算模型，依次以序列n＝1、2、3、
……
、n记录为震动参数m
震动，n
，并通过所述学习计算模型在震动累加值m
震动，累计
的基础上累计，直至预设周期内的n个震动参数累计完成；
33.所述学习计算模型根据完成累计的震动累加值m
震动，累计
和震动参数个数n以平均值样本计算输出震动经验值p
震动
＝m
震动，累计
/n；
34.以震动经验值p
震动
设定预设比例x％作为余量参数阈值，包括上限余量参数阈值y
震动上限
＝p
震动
×
(1 x)％、下限余量参数阈值y
震动下限
＝p
震动
×
(1-x)％；
35.将所述上限余量参数阈值y
震动上限
和所述下限余量参数阈值y
震动下限
输入机床防撞系统；
36.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
37.作为本发明的进一步改进，所述自动学习输入方法包括以下步骤：
38.在一个预设周期内，由配置在机床主轴或xyz轴动力电缆上的电流互感器采集所
述机床工作时的电流参数m
电流
；
39.根据在预设周期内n个所述电流参数m
电流
以序列形式分别输入学习计算模型，依次以序列n＝1、2、3、
……
、n记录为电流参数m
电流，n
，并通过所述学习计算模型在电流累加值m
电流，累计
的基础上累计，直至预设周期内的n个电流参数累计完成；
40.所述学习计算模型根据完成累计的电流累加值m
电流，累计
和电流参数个数n以平均值样本计算输出电流经验值p
电流
＝m
电流，累计
/n；
41.以电流经验值p
电流
设定预设比例x％作为余量参数阈值，包括上限余量参数阈值y
电流上限
＝p
震动
×
(1 x)％、下限余量参数阈值y
电流下限
＝p
电流
×
(1-x)％；
42.将所述上限余量参数阈值y
电流上限
和所述下限余量参数阈值y
电流下限
输入机床防撞系统；
43.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
44.优选地，所述自动学习输入方法，包括以下步骤：
45.在一个预设周期内，由配置在机床主轴或xyz轴动力电缆上的震动传感器和/或电流互感器采集所述机床工作时的震动和/或电流目标参数m
目标
；
46.根据在预设周期内n个所述目标参数m
目标
以序列形式记录，依次以序列n＝1、2、3、
……
、n记录为目标参数m
目标，n
，分别输入学习计算模型并通过学习计算模型计算目标参数的平方值，标记为目标平方累加值m
2目标，累计
，后续输入的目标参数m
目标，n
在目标平方累加值m
目标，累计
的基础上累计，直至预设周期内的n个目标参数累计完成；
47.所述学习计算模型根据完成累计的目标平方累加值m
2目标，累计
和目标参数个数n以均方根样本计算输出目标经验值
48.将所述目标经验值p
目标
输入机床防撞系统；
49.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
50.作为本发明的进一步改进，所述自动学习输入方法包括以下步骤：
51.在一个预设周期内，由配置在机床主轴或xyz轴上的震动传感器采集所述机床工作时的震动参数m
震动
；
52.根据在预设周期内n个所述震动参数m
震动
以序列形式记录，依次以序列n＝1、2、3、
……
、n记录为震动参数m
震动，n
，将采集的震动参数m
震动，n
依次输入学习计算模型，并通过学习计算模型计算震动参数的平方值，标记为震动平方累加值m
2震动，累计
，随后输入的震动参数m
震动，n
在震动平方累加值m
2震动，累计
的基础上累计，直至预设周期内的n个震动参数累计完成；
53.所述学习计算模型根据完成累计的震动平方累加值m
2震动，累计
和震动参数个数n以均方根样本计算输出震动经验值
54.将所述震动经验值p
震动
直接输入机床防撞系统；
55.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
56.作为本发明的进一步改进，所述自动学习输入方法包括以下步骤：
57.在一个预设周期内，由配置在机床主轴或xyz轴动力电缆上的电流互感器采集所述机床工作时的电流参数m
电流
；
58.根据在预设周期内n个所述电流参数m
电流
以序列形式记录，依次以序列n＝1、2、3、
……
、n记录为电流参数m
电流，n
，将采集的电流参数m
电流，n
依次输入学习计算模型，并通过学习计算模型计算电流参数的平方值，标记为电流平方累加值m
2电流，累计
，随后输入的电流参数m
电流，n
在电流平方累加值m
2电流，累计
的基础上累计，直至预设周期内的n个电流参数累计完成；
59.所述学习计算模型根据完成累计的电流平方累加值m
2电流，累计
和电流参数个数n以均方根样本计算输出电流经验值
60.将所述电流经验值p
电流
直接输入机床防撞系统；
61.在该预设周期结束后，继续执行下一个预设周期的自动学习输入步骤以使所述机床防撞系统在每个预设周期自动更新参数。
62.另一方面，本发明还提供了一种可编程逻辑控制系统，包括监测传感组件、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的一种机床防撞系统参数的自动学习输入方法。
63.另一方面，本发明还提供了一种机床防撞设备，具有上述的可编程逻辑控制系统，所述控制系统用于实现如上述的一种机床防撞系统参数的自动学习输入方法。
64.另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的一种机床防撞系统参数的自动学习输入方法。
65.相较于现有技术，本发明具有以下有益效果：
66.本发明通过预设周期内以预设间隔进行获取机床的主轴或xyz轴的震动参数和/或电流参数，以该周期内的参数均值作为经验值进行余量范围的上限设定和下限设定自动输入机床防撞系统，和/或以该周期内的参数均方根值作为经验值直接自动输入机床防撞系统，实现即使无经验的工人也可以不通过操作完成参数的输入，且提高了数据的准确性，有效解决因人工输入数据导致的稼动率降低问题。
附图说明
67.为了更清楚地说明技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
68.图1为本发明的流程示意图。
69.图2为实施案例一的流程示意图。
70.图3为实施案例二的流程示意图。
71.图4为实施案例三的流程示意图。
72.图5为实施案例四的流程示意图。
具体实施方式
73.为了能够清楚、完整地理解技术方案，现结合实施例和附图对本发明进一步说明，显然，所记载的实施例仅仅是本发明部分实施例，所属领域的技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
74.实施案例一：
75.如图1和图2所示，一种机床防撞系统参数的自动学习输入方法，包括：
76.设定预设周期时间为5min，在该5min内由配置在机床主轴上的震动传感器采集机床工作时的震动参数m
震动
；
77.在预设周期内的首次采集震动参数标记为m
震动，1
，随后以预设间隔持续采集震动参数并记录为m
震动，2
、m
震动，3
、
……
、m
震动，n
，本实施案例预设间隔优选为10s，其中n为预设周期内所述震动参数的采集次数，本实施案例为n＝5min/10s＝30次。
78.在首次采集的震动参数m
震动，1
输入学习计算模型时，设定震动累加值m
震动，累计
＝0 m
震动，1
；随后每次采集的震动参数m
震动，2
，m
震动，3
，
……
，m
震动，n
均在输入学习计算模型时以m
震动，累计
＝m
震动，累计
m
震动，n
的形式累计，直至得到完成n＝30次累计的震动累加值m
震动，累计
。
79.所述学习计算模型根据完成累计的震动累加值m
震动，累计
和震动参数个数n＝30以平均值样本计算输出震动经验值p
震动
＝m
震动，累计
/n，所述平均值样本根据预设周期内的震动参数数据集进行计算得到该预设周期时间的均值，经过平均值样本计算所得的震动经验值可以有效地描述了预设周期内震动数据本身的总体情况，所述震动经验值可以根据实际情况调整预设周期的时间和预设间隔来准确反应震动数据的整体水平。
80.以震动经验值p
震动
设定预设比例10％作为余量参数阈值，包括上限余量参数阈值y
震动上限
＝p
震动
×
110％和下限余量参数阈值y
震动下限
＝p
震动
×
90％，将所述上限余量参数阈值y
震动上限
和所述下限余量参数阈值y
震动下限
输入机床防撞系统，通过对震动数据的一个整体水平设定范围余量，以上限余量参数阈值和下限余量参数阈值对机床防撞参数自动输入，进一步提高了数据的准确性以及解决了因人工输入导致的稼动率降低问题。
81.在该预设周期的5min结束时，以上限余量参数阈值y
震动上限
和下限余量参数阈值y
震动下限
输入机床防撞系统，随后继续下一个预设周期的自动学习输入步骤循环执行，以使所述机床防撞系统在每个预设周期自动更新参数。
82.实施案例二：
83.如图1和图3所示，一种机床防撞系统参数的自动学习输入方法，包括：
84.设定预设周期时间为3min，在该3min内由配置在机床主轴动力电缆上的电流互感器采集机床工作时的电流参数m
电流
；
85.在预设周期内的首次采集电流参数标记为m
电流，1
，随后以预设间隔为5s持续采集电流参数并记录为m
电流，2
、m
电流，3
、
……
、m
电流，n
，其中n为预设周期内所述电流参数的采集次数，本实施案例为n＝3min/5s＝36次。
86.在首次采集的电流参数m
电流，1
输入学习计算模型时，设定电流累加值m
电流，累计
＝0 m
电流，1
；随后每次采集的电流参数m
电流，2
，m
电流，3
，
……
，m
电流，n
均在输入学习计算模型时以m
电流，累计
＝m
电流，累计
m
电流，n
的形式累计，直至得到完成n＝36次累计的电流累加值m
电流，累计
。
87.所述学习计算模型根据完成累计的电流累加值m
电流，累计
和电流参数个数n＝36以平均值样本计算输出电流经验值p
电流
＝m
电流，累计
/n，所述平均值样本根据预设周期内的电流参
数数据集进行计算得到该预设周期时间的均值，经过平均值样本计算所得的电流经验值可以有效地描述了预设周期内电流数据本身的总体情况。
88.以电流经验值p
电流
设定预设比例15％作为余量参数阈值，包括上限余量参数阈值y
电流上限
＝p
电流
×
115％和下限余量参数阈值y
电流下限
＝p
电流
×
85％，将所述上限余量参数阈值y
电流上限
和所述下限余量参数阈值y
电流下限
输入机床防撞系统，通过对电流数据的一个整体水平设定范围余量，以上限余量参数阈值和下限余量参数阈值对机床防撞参数自动输入，进一步提高了数据的准确性以及解决了因人工输入导致的稼动率降低问题。
89.在该预设周期的3min结束时，继续下一个预设周期3min的自动学习输入步骤循环执行，以使所述机床防撞系统在每个预设周期自动更新参数。
90.实施案例三：
91.如图1和图4所示，一种机床防撞系统参数的自动学习输入方法，包括：
92.设定预设周期时间为5min，在该5min内由配置在机床主轴上的震动传感器采集机床工作时的震动参数m
震动
；
93.在预设周期内的首次采集震动参数标记为m
震动，1
，随后以预设间隔持续采集震动参数并记录为m
震动，2
、m
震动，3
、
……
、m
震动，n
，本实施案例预设间隔优选为10s，其中n为预设周期内所述震动参数的采集次数，本实施案例为n＝5min/10s＝30次。
94.在首次采集的震动参数m
震动，1
输入学习计算模型时，所述计算模型计算该震动参数的平方值m
2震动，1
，以该平方值设定震动平方累加值m
2震动，累计
＝0 m
2震动，1
；随后每次采集的震动参数m
震动，2
，m
震动，3
，
……
，m
震动，n
均在输入学习计算模型时计算其平方值m
2震动，n
并以m
2震动，累计
＝m
2震动，累计
m
2震动，n
的形式累计，直至得到完成n＝30次累计的震动平方累加值m
2震动，累计
。
95.所述学习计算模型根据完成累计的震动平方累加值m
2震动，累计
和震动参数个数n＝30以均方根样本计算输出震动经验值所述均方根样本计算所得的震动经验值可以有效地描述了预设周期内震动数据本身的总体情况，所述震动经验值可以根据实际情况调整预设周期的时间和预设间隔来准确反应震动数据的整体水平。
96.在该预设周期的5min结束时，将所述震动经验值p
震动
输入机床防撞系统，随后继续下一个预设周期的自动学习输入步骤循环执行，以使所述机床防撞系统在每个预设周期自动更新参数。
97.实施案例四：
98.如图1和图5所示，一种机床防撞系统参数的自动学习输入方法，包括：
99.设定预设周期时间为3min，在该3min内由配置在机床主轴上的电流互感器采集机床工作时的电流参数m
电流
；
100.在预设周期内的首次采集电流参数标记为m
电流，1
，随后以预设间隔持续采集电流参数并记录为m
电流，2
、m
电流，3
、
……
、m
电流，n
，本实施案例预设间隔优选为5s，其中n为预设周期内所述电流参数的采集次数，本实施案例为n＝3min/5s＝36次。
101.在首次采集的电流参数m
电流，1
输入学习计算模型时，所述计算模型计算该电流参数的平方值m
2电流，1
，以该平方值设定电流平方累加值m
2电流，累计
＝0 m
2电流，1
；随后每次采集的电流参数m
电流，2
，m
电流，3
，
……
，m
电流，n
均在输入学习计算模型时计算其平方值m
2电流，n
并以m
2电流，累计
＝m
2电流，累计
m
2电流，n
的形式累计，直至得到完成n＝30次累计的电流平方累加值m
2电流，累计
。
102.所述学习计算模型根据完成累计的电流平方累加值m
2电流，累计
和电流参数个数n＝36以均方根样本计算输出电流经验值所述均方根样本计算所得的电流经验值可以有效地描述了预设周期内电流数据本身的总体情况，所述电流经验值可以根据实际情况调整预设周期的时间和预设间隔来准确反应电流数据的整体水平。
103.在该预设周期的3min结束时，将所述电流经验值p
电流
输入机床防撞系统，随后继续下一个预设周期的自动学习输入步骤循环执行，以使所述机床防撞系统在每个预设周期自动更新参数。
104.另一方面，实施案例还提供了一种可编程逻辑控制系统，包括监测传感组件、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如实施案例一至实施案例四任一实施案例的一种机床防撞系统参数的自动学习输入方法。
105.另一方面，实施案例还提供了一种机床防撞设备，具有上述的可编程逻辑控制系统，所述控制系统用于实现如实施案例一至实施案例四任一实施案例的一种机床防撞系统参数的自动学习输入方法。
106.另一方面，实施案例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如实施案例一至实施案例四任一实施案例的一种机床防撞系统参数的自动学习输入方法。
107.上述披露的仅为本发明优选实施例的一种或多种，用于帮助理解技术方案的发明构思，并非对本发明作其他形式的限制，所属领域的技术人员依据本发明所限定特征作出其他等同或惯用手段的置换方案，仍属于本发明所涵盖的范围。