技术领域
[0001] 本申请涉及数据处理相关领域，具体涉及一种金属板打磨工艺优化方法及系统。
相关背景技术
[0002] 金属板的打磨工艺是确保金属板表面质量和精度的关键环节，特别是对于高硬度金属板如工具钢、淬硬钢等，其打磨过程面临较大的技术挑战，这类高硬度金属板在打磨过程中不仅难以去除表面不平整和瑕疵，而且容易因打磨高温引发磨削烧伤和裂纹，从而影响金属板的性能和使用寿命。传统的打磨工艺主要依赖经验和人工控制，难以实时监测和精确控制磨损量和温度的变化。这导致了打磨质量的不稳定，无法保证打磨过程的高效和高精度。此外，现有的打磨工艺缺乏智能化调控手段，难以根据实时数据进行工艺优化，进一步限制了打磨工艺的效果和效率。
[0003] 因此，在现有技术中因打磨高温导致的磨削烧伤和裂纹难以解决，同时缺乏智能化的调控手段来优化打磨工艺参数，影响打磨质量和效率的技术问题。
具体实施方式
[0024] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
[0025] 为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步的详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0026] 在以下的描述中，涉及“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合，所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序。术语“包括”和“具有”以及任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
[0027] 本申请实施例提供了一种金属板打磨工艺优化方法及系统，如图1所示，所述方法包括：通过预定传感设备对目标金属板进行动态打磨监测，得到目标打磨监测信息。
[0028] 对所述目标打磨监测信息中第一模具的第一磨损信息进行分析，得到第一预测磨损量，所述第一模具对应第一预定磨损阈值。
[0029] 对所述目标打磨监测信息中第一点位的第一温度信息进行分析，得到第一预测温度。
[0030] 通过预定传感设备对目标金属板进行动态打磨监测，实时采集金属板在打磨过程中的磨损数据以及温度数据，得到目标打磨监测信息，所述目标打磨监测信息为时序参数，所述预定传感设备至少包括磨损传感器和温度传感器，所述目标金属板为高硬度金属板如工具钢、淬硬钢，高硬度金属板打磨难度大，在打磨过程中会产生高温，容易导致磨削烧伤和裂纹。所述磨损传感器为电涡流传感器或激光测距传感器，确保对磨损情况进行高精度测量。所述温度传感器为热电偶或红外温度传感器。随后，对所述目标打磨监测信息中第一模具的第一磨损信息通过磨损量预测模型进行分析预测，获取第一磨损时域特征参数，基于磨损量预测模型得到第一预测磨损量。所述第一模具对应第一预定磨损阈值，其中，所述第一模具为多道打磨工序中的随机一道工序对应打磨头即模具。进一步，对所述目标打磨监测信息中第一点位的第一温度信息进行分析预测，得到第一预测温度，所述第一预测温度为第一点位的预测温度数据。所述第一点位为任意一个金属板的表面位置，多个温度传感器，分别监测金属板打磨面上不同位置的温度，第一温度信息为第一点位历史时间区间采集的温度数据。
[0031] 本申请实施例提供的方法还包括：获取预定打磨工序，所述预定打磨工序是指对所述目标金属板进行打磨的工序，所述预定打磨工序包括多道打磨工序，所述多道打磨工序中的每道打磨工序均对应一个特定粒度的模具。
[0032] 在所述预定打磨工序中匹配所述目标金属板的第一工序，所述第一工序对应所述第一模具，并根据所述第一模具的特定粒度确定所述第一预定磨损阈值。
[0033] 获取第一预定磨损阈值包括，所述预定打磨工序是指对所述目标金属板进行打磨的工序，所述预定打磨工序包括多道打磨工序，每道打磨工序均采用不同粒度的模具进行打磨。粒度较大的模具用于粗磨，粒度较小的模具用于精磨。随后，在所述预定打磨工序中匹配所述目标金属板的第一工序，所述第一工序为目标金属板预定打磨工序中的随机一个工序，所述第一工序对应所述第一模具，并根据所述第一模具的特定粒度确定所述第一预定磨损阈值，所述第一预定磨损阈值为第一模具在实验条件下的最大磨损量阈值。
[0034] 本申请实施例提供的方法还包括：读取预定磨损特征收集策略。
[0035] 基于所述预定磨损特征收集策略对所述第一磨损信息中的第一磨损量时序进行多维度特征收集，得到第一磨损特征参数。
[0036] 将所述第一磨损特征参数作为磨损量预测模型的输入信息，得到输出信息，所述输出信息包括所述第一预测磨损量。
[0037] 其中，所述磨损量预测模型的训练过程如下：获取所述目标金属板的同类金属板的历史磨损量时序记录，并提取所述历史磨损量时序记录中的第一历史记录，所述第一历史记录是指在第一历史时间之前的第一历史磨损特征参数和在所述第一历史时间下的第一历史磨损量。
[0038] 基于所述第一历史磨损特征参数与所述第一历史磨损量组建第一数据组，并基于神经网络原理对所述第一数据组进行有监督训练学习，得到所述磨损量预测模型。
[0039] 读取预定磨损特征收集策略，预定磨损特征收集策略包括三种主要策略：磨损时域特征策略、磨损频域特征策略和磨损时频域特征策略。通过预定磨损特征收集策略可以全面地对第一磨损信息中的第一磨损量时序数据进行多维度特征收集，得到第一磨损特征参数。进一步，将所述第一磨损特征参数作为磨损量预测模型的输入信息，得到输出信息，所述输出信息包括所述第一预测磨损量，所述磨损量预测模型基于神经网络模型进行构建。所述磨损量预测模型的训练过程如下：获取与所述目标金属板的同类金属板的历史磨损量时序记录，历史磨损量时序记录中包含同类金属板的历史磨损特征参数以及对应的历史磨损量。提取所述历史磨损量时序记录中的第一历史记录，所述第一历史记录是指在第一历史时间之前的第一历史磨损特征参数和在所述第一历史时间下的第一历史磨损量，第一历史记录为历史磨损量时序记录中的随机一组数据，基于所述第一历史磨损特征参数与所述第一历史磨损量组建第一数据组，重复提取第一历史记录，并组建第一数据组，并基于神经网络原理对各第一数据组进行有监督训练学习，直至模型输出准确性满足预设准确率时，得到所述磨损量预测模型。
[0040] 本申请实施例提供的方法还包括：所述预定磨损特征收集策略包括磨损时域特征策略、磨损频域特征策略和磨损时频域特征策略。
[0041] 基于所述磨损时域特征策略对所述第一磨损量时序进行时域特征收集，得到第一磨损时域特征参数。
[0042] 基于所述磨损频域特征策略对傅里叶变换所述第一磨损量时序后的第一磨损量频谱进行频域特征收集，得到第一磨损频域特征参数。
[0043] 基于所述磨损时频域特征策略对模态分解所述第一磨损量时序后的第一目标模态分量进行时频域特征收集，得到第一磨损时频域特征参数。
[0044] 将所述第一磨损时域特征参数、所述第一磨损频域特征参数和所述第一磨损时频域特征参数共同作为所述第一磨损特征参数。
[0045] 获取第一磨损特征参数包括，基于所述磨损时域特征策略对所述第一磨损量时序进行时域特征收集，得到第一磨损时域特征参数，所述第一磨损量时序为时序和磨损量的关系曲线，所述第一磨损时域特征参数为基于磨损时域特征策略从第一磨损量时序提取的峰值特征、平均变化率等时域特征。基于所述磨损频域特征策略对傅里叶变换所述第一磨损量时序后的第一磨损量频谱进行频域特征收集，得到第一磨损频域特征参数，所述第一磨损频域特征参数中包含第一磨损量时序傅里叶变换后的带宽即频谱的宽度，反映了磨损量的频率分布范围、主频率即频谱中幅值最大的频率，反映了磨损量变化的主要周期性等频域特征。基于所述磨损时频域特征策略对模态分解所述第一磨损量时序后的第一目标模态分量进行时频域特征收集，得到第一磨损时频域特征参数。即，采用经验模态分解进行第一磨损量时序的模态分解，得到多个分量每个分量都包含对应的能量占比数据，所述能量占比数据即为能量权重，获取能量权重最大的分量作为第一目标模态分量，采用第一目标模态分量的时域、频域特征代表磨损量时序的时频域特征，得到第一磨损时频域特征参数。最后，将所述第一磨损时域特征参数、所述第一磨损频域特征参数和所述第一磨损时频域特征参数共同作为所述第一磨损特征参数。
[0046] 本申请实施例提供的方法还包括：基于样条曲线原理对分析所述第一温度信息得到的第一温度时序进行多项式回归拟合，得到第一拟合式。
[0047] 基于所述第一拟合式得到所述第一预测温度。
[0048] 对第一点位基于时序采集的第一温度信息进行第一温度时序构建，第一温度时序为时序和温度的对应关系。使用最小二乘法拟合第一温度时序的多项式，所述多项式可以为三次多项式、二次多项式、一次多项式等，具体选择可以根据第一温度时序的数据特征进行选取，获取拟合完成的第一拟合式。进一步，基于所述第一拟合式得到未来时序的预测温度，得到所述第一预测温度。
[0049] 当所述第一预测磨损量达到所述第一预定磨损阈值或所述第一预测温度达到预定温度阈值时，发出第一工艺调控指令。
[0050] 基于所述第一工艺调控指令激活目标工艺优化预案对所述目标金属板进行打磨工艺优化，得到目标最优打磨工艺。
[0051] 根据所述目标最优打磨工艺进行所述目标金属板的工艺优化调控。
[0052] 当所述第一预测磨损量达到即大于等于所述第一预定磨损阈值或所述第一预测温度达到即大于等于预定温度阈值时，即当预测温度、预测磨损量任意一个达到阈值时，则对应金属板打磨工艺存在异常，需及时调控，发出第一工艺调控指令。所述预定温度阈值为预先设置的金属板打磨最高温度数据。基于所述第一工艺调控指令激活目标工艺优化预案对所述目标金属板进行打磨工艺优化，得到目标最优打磨工艺，所述目标工艺优化预案为基于大数据采集的预定打磨指标和对应的参数控制区间。在获取目标最优打磨工艺时，基于目标工艺优化预案获取预定打磨指标对应的控制区间，所述预定打磨指标至少包括打磨速度、打磨压力、进给速度和磨具转速。基于预定打磨指标对应的控制区间随机提取打磨指标对应的控制参数，得到第一控制参数。基于第一控制参数在历史打磨工艺记录数据集中提取对应的温度时序记录数据以及磨损时序记录数据。将温度时序记录数据以及磨损时序记录数据输入预定工艺适应度评估机制中进行适用度评估，获取适用度评估结果。持续遍历直至满足要求的适用度阈值或达到预设遍历次数时，获取适用度评估结果最高的打磨工艺，作为目标最优打磨工艺。根据所述目标最优打磨工艺进行所述目标金属板的工艺优化调控。解决了现有技术中因打磨高温导致的磨削烧伤和裂纹难以解决，同时缺乏智能化的调控手段来优化打磨工艺参数，影响打磨质量和效率的技术问题。实现对高硬度金属板打磨过程中磨损量和温度的实时监测，构建智能化的磨损量预测模型和温度预测模型，综合评估打磨工艺的稳定性，并完成智能化的工艺调控和优化，大幅提高打磨质量和效率，确保金属板的表面质量和精度的技术效果。
[0053] 本申请实施例提供的方法还包括：当所述第一预测磨损量未达到所述第一预定磨损阈值，同时所述第一预测温度未达到所述预定温度阈值时，发出工艺评估指令。
[0054] 基于所述工艺评估指令引入预定工艺适应度评估机制对所述第一磨损量时序和所述第一温度时序进行评估分析，得到目标工艺适应度。
[0055] 判断所述目标工艺适应度是否符合适应度限值。
[0056] 若是不符合，发出第二工艺调控指令，并基于所述第二工艺调控指令对所述目标金属板进行打磨工艺优化，得到所述目标最优打磨工艺。
[0057] 当所述第一预测磨损量未达到即小于所述第一预定磨损阈值，同时所述第一预测温度未达到即小于所述预定温度阈值时，此时，预测磨损以及预测温度均不存在异常，发出工艺评估指令。基于所述工艺评估指令引入预定工艺适应度评估机制对所述第一磨损量时序和所述第一温度时序进行评估分析，得到目标工艺适应度。所述预定工艺适应度评估机制为通过适用度函数进行构建，计算公式为：
[0058] 其中， 为工艺适应度， 为预定磨损相关性系数， 为磨损稳定性指数， 为预定温度相关性系数， 为温度稳定性指数。进一步，判断所述目标工艺适应度是否符合即大于等于适应度限值，所述适应度限值为预先设置的适用度满足要求的最小值。将计算得到的目标工艺适应度与适应度限值进行比较。若是不符合即小于适应度限值，则需要调整工艺参数，优化打磨工艺，发出第二工艺调控指令，并基于所述第二工艺调控指令对所述目标金属板进行打磨工艺优化，得到所述目标最优打磨工艺。若符合则认为当前工艺参数合适，无需调整。
[0059] 本申请实施例提供的方法还包括：根据所述预定工艺适应度评估机制，依次获取所述第一磨损量时序的所述第一磨损频域特征参数和所述第一温度时序的第一温度频域特征参数。
[0060] 加权归一化处理后的所述第一磨损频域特征参数得到第一磨损稳定性指数。
[0061] 加权归一化处理后的所述第一温度频域特征参数得到第一温度稳定性指数。
[0062] 读取预定相关性系数，所述预定相关性系数包括预定磨损相关性系数和预定温度相关性系数。
[0063] 加权所述预定磨损相关性系数和所述第一磨损稳定性指数的乘积、所述预定温度相关性系数和所述第一温度稳定性指数的乘积，作为所述目标工艺适应度。
[0064] 根据所述预定工艺适应度评估机制，依次获取所述第一磨损量时序的所述第一磨损频域特征参数和所述第一温度时序的第一温度频域特征参数，所述频域特征参数包括，带宽以及主频率。对第一磨损频域特征参数进行归一化处理，并进行加权求和，得到第一磨损稳定性指数。对第一温度频域特征参数进行归一化处理，并进行加权求和，得到第一温度稳定性指数。读取预定相关性系数，所述预定相关性系数包括预定磨损相关性系数和预定温度相关性系数，所述预定相关性系数为预先设置的相关性参数，相关性越高对应的相关性系数值越大，并且预定磨损相关性系数和预定温度相关性系数的和为1。取加权所述预定磨损相关性系数和所述第一磨损稳定性指数、加权所述预定温度相关性系数和所述第一温度稳定性指数的和，作为所述目标工艺适应度。
[0065] 在上文中，参照图1详细描述了根据本发明实施例的一种金属板打磨工艺优化方法。接下来，将参照图2描述根据本发明实施例的一种金属板打磨工艺优化系统。
[0066] 根据本发明实施例的一种金属板打磨工艺优化系统，解决了现有技术中因打磨高温导致的磨削烧伤和裂纹难以解决，同时缺乏智能化的调控手段来优化打磨工艺参数，影响打磨质量和效率的技术问题。实现对高硬度金属板打磨过程中磨损量和温度的实时监测，构建智能化的磨损量预测模型和温度预测模型，综合评估打磨工艺的稳定性，并完成智能化的工艺调控和优化，大幅提高打磨质量和效率，确保金属板的表面质量和精度的技术效果。一种金属板打磨工艺优化系统包括：监测模块11，磨损量预测模块12，温度预测模块13，调控指令获取模块14，工艺寻优模块15，优化调控模块16。
[0067] 监测模块11，用于通过预定传感设备对目标金属板进行动态打磨监测，得到目标打磨监测信息。
[0068] 磨损量预测模块12，用于对所述目标打磨监测信息中第一模具的第一磨损信息进行分析，得到第一预测磨损量，所述第一模具对应第一预定磨损阈值。
[0069] 温度预测模块13，用于对所述目标打磨监测信息中第一点位的第一温度信息进行分析，得到第一预测温度。
[0070] 调控指令获取模块14，用于当所述第一预测磨损量达到所述第一预定磨损阈值或所述第一预测温度达到预定温度阈值时，发出第一工艺调控指令。
[0071] 工艺寻优模块15，用于基于所述第一工艺调控指令激活目标工艺优化预案对所述目标金属板进行打磨工艺优化，得到目标最优打磨工艺。
[0072] 优化调控模块16，用于根据所述目标最优打磨工艺进行所述目标金属板的工艺优化调控。
[0073] 下面，将详细描述磨损量预测模块12的具体配置。磨损量预测模块12可以进一步包括：获取预定打磨工序，所述预定打磨工序是指对所述目标金属板进行打磨的工序，所述预定打磨工序包括多道打磨工序，所述多道打磨工序中的每道打磨工序均对应一个特定粒度的模具。在所述预定打磨工序中匹配所述目标金属板的第一工序，所述第一工序对应所述第一模具，并根据所述第一模具的特定粒度确定所述第一预定磨损阈值。
[0074] 下面，将继续详细描述磨损量预测模块12的具体配置。所述磨损量预测模块12可以进一步包括：读取预定磨损特征收集策略。基于所述预定磨损特征收集策略对所述第一磨损信息中的第一磨损量时序进行多维度特征收集，得到第一磨损特征参数。将所述第一磨损特征参数作为磨损量预测模型的输入信息，得到输出信息，所述输出信息包括所述第一预测磨损量。其中，所述磨损量预测模型的训练过程如下：获取所述目标金属板的同类金属板的历史磨损量时序记录，并提取所述历史磨损量时序记录中的第一历史记录，所述第一历史记录是指在第一历史时间之前的第一历史磨损特征参数和在所述第一历史时间下的第一历史磨损量。基于所述第一历史磨损特征参数与所述第一历史磨损量组建第一数据组，并基于神经网络原理对所述第一数据组进行有监督训练学习，得到所述磨损量预测模型。
[0075] 下面，将详细描述磨损量预测模块12的具体配置。所述磨损量预测模块12可以进一步包括：所述预定磨损特征收集策略包括磨损时域特征策略、磨损频域特征策略和磨损时频域特征策略。基于所述磨损时域特征策略对所述第一磨损量时序进行时域特征收集，得到第一磨损时域特征参数。基于所述磨损频域特征策略对傅里叶变换所述第一磨损量时序后的第一磨损量频谱进行频域特征收集，得到第一磨损频域特征参数。基于所述磨损时频域特征策略对模态分解所述第一磨损量时序后的第一目标模态分量进行时频域特征收集，得到第一磨损时频域特征参数。将所述第一磨损时域特征参数、所述第一磨损频域特征参数和所述第一磨损时频域特征参数共同作为所述第一磨损特征参数。
[0076] 下面，将详细描述温度预测模块13的具体配置。所述温度预测模块13进一步包括：基于样条曲线原理对分析所述第一温度信息得到的第一温度时序进行多项式回归拟合，得到第一拟合式。基于所述第一拟合式得到所述第一预测温度。
[0077] 下面，将继续详细描述调控指令获取模块14的具体配置。所述调控指令获取模块14进一步包括：当所述第一预测磨损量未达到所述第一预定磨损阈值，同时所述第一预测温度未达到所述预定温度阈值时，发出工艺评估指令。基于所述工艺评估指令引入预定工艺适应度评估机制对所述第一磨损量时序和所述第一温度时序进行评估分析，得到目标工艺适应度。判断所述目标工艺适应度是否符合适应度限值。若是不符合，发出第二工艺调控指令，并基于所述第二工艺调控指令对所述目标金属板进行打磨工艺优化，得到所述目标最优打磨工艺。
[0078] 下面，将详细描述工艺寻优模块15的具体配置。所述工艺寻优模块15进一步包括：根据所述预定工艺适应度评估机制，依次获取所述第一磨损量时序的所述第一磨损频域特征参数和所述第一温度时序的第一温度频域特征参数。加权归一化处理后的所述第一磨损频域特征参数得到第一磨损稳定性指数。加权归一化处理后的所述第一温度频域特征参数得到第一温度稳定性指数。读取预定相关性系数，所述预定相关性系数包括预定磨损相关性系数和预定温度相关性系数。加权所述预定磨损相关性系数和所述第一磨损稳定性指数的乘积、所述预定温度相关性系数和所述第一温度稳定性指数的乘积，作为所述目标工艺适应度。
[0079] 本发明实施例所提供的一种金属板打磨工艺优化系统可执行本发明任意实施例所提供的一种金属板打磨工艺优化方法，具备执行方法相应的功能模块和有益效果。
[0080] 虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0081] 上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本申请的精神和原则之内所做的修改、等同替换和改进等，均应包含在本申请保护范围之内。
