CN116300696B - 一种基于镀锌工艺优化的机加工控制方法及系统 - Google Patents
一种基于镀锌工艺优化的机加工控制方法及系统 Download PDFInfo
- Publication number
- CN116300696B CN116300696B CN202310554471.6A CN202310554471A CN116300696B CN 116300696 B CN116300696 B CN 116300696B CN 202310554471 A CN202310554471 A CN 202310554471A CN 116300696 B CN116300696 B CN 116300696B
- Authority
- CN
- China
- Prior art keywords
- information
- parameter
- roughness
- control
- control parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 40
- 238000003754 machining Methods 0.000 title claims abstract description 32
- 238000007747 plating Methods 0.000 title abstract description 26
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 title abstract description 23
- 229910052725 zinc Inorganic materials 0.000 title abstract description 23
- 239000011701 zinc Substances 0.000 title abstract description 23
- 230000003746 surface roughness Effects 0.000 claims abstract description 45
- 239000002994 raw material Substances 0.000 claims abstract description 32
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000002372 labelling Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 4
- PTFCDOFLOPIGGS-UHFFFAOYSA-N Zinc dication Chemical compound [Zn+2] PTFCDOFLOPIGGS-UHFFFAOYSA-N 0.000 abstract description 12
- 239000002184 metal Substances 0.000 abstract description 8
- 229910052751 metal Inorganic materials 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005498 polishing Methods 0.000 description 23
- 238000005452 bending Methods 0.000 description 10
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 7
- 238000005246 galvanizing Methods 0.000 description 6
- 238000000227 grinding Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000007733 ion plating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23F—MAKING GEARS OR TOOTHED RACKS
- B23F19/00—Finishing gear teeth by other tools than those used for manufacturing gear teeth
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q1/00—Members which are comprised in the general build-up of a form of machine, particularly relatively large fixed members
- B23Q1/0009—Energy-transferring means or control lines for movable machine parts; Control panels or boxes; Control parts
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32139—Select at workstation control parameters for cell, node
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Coating With Molten Metal (AREA)
Abstract
本发明涉及加工控制技术领域，提供了一种基于镀锌工艺优化的机加工控制方法及系统，所述方法包括：基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息，确定本体结构特征、镀锌目标要求，输入参数匹配模型中，确定本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；对机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，发送至机床进行自动控制，解决了镀膜厚度控制不均匀，镀锌膜厚度无法满足应用场景的技术问题，实现了由应用场景的镀锌膜厚度需求出发，通过机床控制调整加工表面粗糙度，提高金属表面的吸附锌离子的能力，保证镀锌膜厚度满足应用场景，使得锌离子镀膜厚度均匀的技术效果。
Description
技术领域
本发明涉及加工控制相关技术领域，具体涉及一种基于镀锌工艺优化的机加工控制方法及系统。
背景技术
因使用环境（水中、湿润空气等多种复杂的环境）及材质和防锈的综合要求下，在使用过程中为防止生锈金属表面采取镀锌的表面处理方法实现防锈的功能。
但在镀锌工艺中由于工艺限制批次和位置造成镀膜厚度控制不均匀，经常达不到要求，膜厚度不够达不到防锈功能，膜厚度较厚使尺寸偏差过大造成产品不合格，经过生产实践和多次的论证，实现在机加工过程中控制加工表面粗糙度以达到控制镀锌膜厚度的功能，很好的解决了在镀锌工艺中存在的缺陷，并可以在零件局部表面控制镀膜厚度的功能。
综上所述，现有技术中存在镀膜厚度控制不均匀，镀锌膜厚度无法满足应用场景的技术问题。
发明内容
本申请通过提供了一种基于镀锌工艺优化的机加工控制方法及系统，旨在解决现有技术中的镀膜厚度控制不均匀，镀锌膜厚度无法满足应用场景的技术问题。
鉴于上述问题，本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法及系统。
本申请公开的第一个方面，提供了一种基于镀锌工艺优化的机加工控制方法，其中，所述方法包括：基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；根据所述原材基础信息，确定本体结构特征、镀锌目标要求；将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制。
本申请公开的另一个方面，提供了一种基于镀锌工艺优化的机加工控制系统，其中，所述系统包括：信息采集模块，用于基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；信息确定模块，用于根据所述原材基础信息，确定本体结构特征、镀锌目标要求；粗糙度确定模块，用于将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；控制参数分解模块，用于基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；自动控制模块，用于对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息，确定本体结构特征、镀锌目标要求，输入参数匹配模型中，确定本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；对机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，发送至机床进行自动控制，实现了由应用场景的镀锌膜厚度需求出发，通过机床控制调整加工表面粗糙度，提高金属表面的吸附锌离子的能力，保证镀锌膜厚度满足应用场景，使得锌离子镀膜厚度均匀的技术效果。
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。
附图说明
图1为本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法可能的流程示意图；
图2为本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法中获得镀锌目标要求可能的流程示意图；
图3为本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法中获得参数流程控制信息可能的流程示意图；
图4为本申请实施例提供了一种基于镀锌工艺优化的机加工控制系统可能的结构示意图。
附图标记说明：信息采集模块100，信息确定模块200，粗糙度确定模块300，控制参数分解模块400，自动控制模块500。
具体实施方式
本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法及系统，解决了镀膜厚度控制不均匀，镀锌膜厚度无法满足应用场景的技术问题，实现了由应用场景的镀锌膜厚度需求出发，通过机床控制调整加工表面粗糙度，提高金属表面的吸附锌离子的能力，保证镀锌膜厚度满足应用场景，使得锌离子镀膜厚度均匀的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例
如图1所示，本申请实施例提供了一种基于镀锌工艺优化的机加工控制方法，其中，所述方法包括：
S10：基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；
S20：根据所述原材基础信息，确定本体结构特征、镀锌目标要求；
如图2所示，步骤S20包括步骤：
S21：根据所述原材基础信息，获得原材材料信息、表面特征信息，进行应用场景特征相关性分析，确定场景制约特征；
S22：根据所述原材基础信息，进行边缘检测，获得本体结构特征；
S23：根据所述场景制约特征与预设镀锌参数列表进行镀锌参数匹配分析，获得所述镀锌目标要求。
具体而言，所述镀锌本体为金属、合金或者其它材料制得的构件，为防止镀锌本体生锈，需要对镀锌本体表面采取表面镀锌处理，在进行表面镀锌处理之前，对镀锌本体进行加工表面粗糙加工，可以控制加工表面粗糙度以达到控制镀锌膜厚度的功能，解决了在镀锌工艺中存在的缺陷；
经过多次试验验证可知：控制表面粗糙度达到Ra1.6，表面进行亚光处理，使表面各部在显微镜下呈现一致性细微凹坑状，便于吸附锌离子使锌离子均匀覆盖于金属表面，控制凹坑的深浅以及大小以达到间接控制锌离子附着层厚度，控制锌离子镀膜厚度的功能，增强表面抗锈性能；
所述应用场景可以是水中、湿润空气等多种复杂的环境，对镀锌本体进行基础信息采集，所述镀锌本体的基础信息包括材料信息、结构信息等相关多维信息，基于应用场景，对镀锌本体进行基础信息采集，获得原材基础信息，所述原材基础信息包括但不限于原材材料信息、本体结构信息；
根据所述原材基础信息，确定本体结构特征、镀锌目标要求，具体包括：根据所述原材基础信息，获得原材材料信息（材料类型、各类型材料占比）、表面特征信息，依照原材材料信息与表面特征信息，进行应用场景特征相关性分析（环境中有使得镀锌本体生锈的条件，如铁制品在湿润的空气中，易发生氧化生锈），确定场景制约特征，所述场景制约特征可以是空气湿度特征、氧元素特征等氧化生锈相关的条件制约特征；根据所述原材基础信息进行边缘检测（边缘检测：依照局部特性的不连续性进行边缘识别，边缘检测为现有技术），获得本体结构特征，所述本体结构特征包括但不限于凹陷结构特征、平面结构特征、弯曲结构特征、直棱结构特征；
根据所述场景制约特征与预设镀锌参数列表（所述预设镀锌参数列表为预设参数指标，包括预设锌层厚度等相关参数指标），以镀膜厚度均匀为目标，进行镀锌参数匹配分析（表面粗糙度的控制：表面各部在显微镜下呈现一致性细微凹坑状，便于吸附锌离子使锌离子均匀覆盖于金属表面，控制凹坑的深浅以及大小以达到间接控制锌离子附着层厚度；镀锌参数匹配：依照预设锌层厚度，进行镀锌表面粗糙要求匹配），获得所述镀锌目标要求，所述镀锌目标要求包括粗糙深度目标要求、粗糙粒度目标要求、凹坑均匀度目标要求，依照预设锌层厚度，进行表面粗糙度控制，为进行镀锌工艺优化提供数据支持。
S30：将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；
步骤S30还包括步骤：
S31：获得粗糙度-镀锌样本数据集；
S32：基于粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，拟合镀锌结果适应度函数；
S33：根据多维度参数的适应度，构建多维参数匹配模型；
S34：根据所述粗糙度-镀锌样本数据集，进行本体结构样本特征分析，构建结构-粗糙度样本数据集；
S35：基于所述粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，设定各维度标注信息；
S36：利用所述结构-粗糙度样本数据集，构建特征识别标注模型；
S37：根据所述特征识别标注模型、所述多维参数匹配模型，获得所述参数匹配模型。
具体而言，将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息（本体表面粗糙度信息：本体结构进行分割且粗糙度标注），具体包括：通过机加工控制系统的数据存储单元进行粗糙度数据、镀锌样本数据关联采集，获得粗糙度-镀锌样本数据集；基于所述镀锌目标要求中的粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，以多元评价模型为模型基础，以粗糙深度指标作为第一重维度、以粗糙粒度指标作为第二重维度、以凹坑均匀度指标作为第三重维度，以表面材质指标作为第四重维度，拟合镀锌结果适应度函数；
基于应用场景，在已知粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数的情况下，分别对粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数进行适应度评估（采用单一变量法进行适应度评估，包括：在只改变粗糙深度的情况下，估算适应度；只改变粗糙粒度的情况下，估算适应度；……），依照预设锌层厚度估算适应度（表面厚度均满足预设锌层厚度，适应度为100%；适应度=(S表面厚度均满足预设锌层厚度的表面积/S镀锌本体的表面积)×100%）；将上述多维度参数的适应度评估的相关数据作为经验数据，所述经验数据包括粗糙深度的适应度、粗糙粒度的适应度、凹坑均匀度的适应度、表面材质的适应度等相关数据，以BP网络模型为模型基础，以所述经验数据为训练集，进行模型收敛训练，在模型输出趋于稳定状态，确定多维参数匹配模型；
根据所述粗糙度-镀锌样本数据集，进行本体结构样本特征分析（在镀锌厚度差较大区域设置边界，一般的，包括凹陷结构区域、平面结构区域、弯曲结构区域、直棱结构区域），构建结构-粗糙度样本数据集（所述结构-粗糙度样本数据集的元素：凹陷结构区域的粗糙度-镀锌样本数据子集、平面结构区域的粗糙度-镀锌样本数据子集、弯曲结构区域的粗糙度-镀锌样本数据子集、直棱结构区域的粗糙度-镀锌样本数据子集）；将所述粗糙深度作为一维标注信息、将粗糙粒度作为二维标注信息、将凹坑均匀度作为三维标注信息、将表面材质作为四维标注信息，设定各维度标注信息；利用所述结构-粗糙度样本数据集，构建特征识别标注模型；将所述多维参数匹配模型作为第一层，将所述特征识别标注模型作为第二层，获得所述参数匹配模型，为后续进行参数匹配提供模型支持。
步骤S36包括步骤：
S361：根据所述结构-粗糙度样本数据集，进行结构-粗糙度差异化分析，确定结构粗糙差异信息；
S362：根据所述结构粗糙差异信息，对本体结构进行分割，获得结构特征分割集；
S363：基于所述结构特征分割集，确定结构分割特征，并设定各结构特征分割集的标注信息；
S364：根据所述结构分割特征对本体结构特征进行识别并利用标注信息进行标注。
具体而言，利用所述结构-粗糙度样本数据集，构建特征识别标注模型，具体包括：根据所述结构-粗糙度样本数据集，进行结构-粗糙度差异化分析（结构-粗糙度差异化分析：对凹陷结构区域的粗糙度-镀锌样本数据子集、平面结构区域的粗糙度-镀锌样本数据子集、弯曲结构区域的粗糙度-镀锌样本数据子集、直棱结构区域的粗糙度-镀锌样本数据子集分别进行结构粗糙差异计算，若平面结构区域的第一表面粗糙度Ra1.2、弯曲结构区域第一表面粗糙度Ra1.5，弯曲结构区域与平面结构区域的第一粗糙差异=|Ra1.2-Ra1.5|=Ra0.3），确定结构粗糙差异信息，所述结构粗糙差异信息包括但不限于弯曲结构区域与平面结构区域的第一粗糙差异、弯曲结构区域与直棱结构区域的第一粗糙差异等结构粗糙差异数据；
根据所述结构粗糙差异信息，对本体结构进行分割（设定粗糙度差异分区阈值，可以将粗糙度差异分区阈值设定为±Ra0.1，即在平面结构区域中，若粗糙差异超出Ra0.1，即定义为下一个平面结构区域），获得结构特征分割集，所述结构特征分割集包括第一平面结构区域、第二平面结构区域、……、第N平面结构区域、第一弯曲结构区域、第二弯曲结构区域、……、第M弯曲结构区域、第一凹陷结构区域、第二凹陷结构区域、……、第Z凹陷结构区域、第一直棱结构区域、第二直棱结构区域、……、第Y直棱结构区域；依照所述结构特征分割集，确定结构分割特征（结构分割特征：可以是粗糙度差异分区阈值设定为±Ra0.1），并设定各结构特征分割集的标注信息（标注信息可以是Ra1.4）；根据所述结构分割特征，依照结构特征分割集，对本体结构特征进行识别并利用标注信息进行标注，为进行高精度粗糙加工提供参考。
步骤S30包括步骤：
S38：通过特征识别标注模型对所述本体结构特征进行识别标注，获得本体结构标注信息；
S39：根据所述本体结构标注信息，对本体结构进行分割，输入所述参数匹配模型中，分别对各分割结构进行多维度粗糙参数匹配，获得所述本体表面粗糙度信息。
具体而言，将所述本体结构特征输入所述特征识别标注模型，通过特征识别标注模型对镀锌本体进行识别并利用标注信息进行标注，获得本体结构标注信息，所述本体结构标注信息可以包括第一平面结构区域、第一弯曲结构区域、第一凹陷结构区域、第一直棱结构区域；
根据所述本体结构标注信息，对本体结构进行分割（将本体结构中的平面结构区域分为第一平面结构区域、第二平面结构区域、……、第x平面结构区域（X≥x，且x&X∈N*）；将本体结构中的凹陷结构区域分为第一凹陷结构区域、第二凹陷结构区域、……、第z凹陷结构区域（Z≥z，且Z&z∈N*）；将本体结构中的弯曲结构区域分为第一弯曲结构区域、第二弯曲结构区域、……、第m弯曲结构区域（M≥m，且m&M∈N*）；将本体结构中的直棱结构区域分为第一直棱结构区域、第二直棱结构区域、……、第F直棱结构区域（Y≥y，且y&Y∈N*），为进行本体结构进行分割提供参照），输入所述参数匹配模型中，分别对各分割结构进行多维度粗糙参数匹配（依照每个分区中的粗糙度，进行标记，示例性的，标注信息可以是Ra1.4），在对分割后的本体标注完成后，就得到本体表面粗糙度信息，为进行粗糙度打磨优化提供数据基础。
S40：基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；
步骤S40包括步骤：
S41：对机床控制参数库进行加工参数对应性分析，确定粗糙度影响参数；
S42：基于所述粗糙度影响参数，对加工记录数据进行影响程度分析，确定各影响参数的影响系数；
S43：根据所述各影响参数的影响系数，对本体表面粗糙度信息，进行参数分解，获得所述机床控制参数集。
具体而言，基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集，具体包括：机床设定齿轮转速、齿轮打磨轨迹、齿轮打磨角度后，对镀锌本体进行表面加工，通过机床调整镀锌本体的加工表面粗糙度，以优化镀锌本体的表面附着力，达到控制镀锌膜厚度的功能；对机床控制参数库（所述机床控制参数库包括但不限于齿轮转速控制参数、齿轮打磨轨迹控制参数、齿轮打磨角度控制参数）进行加工参数对应性分析（通过K-Medoids（中心点）算法进行加工参数对应性分析，简单来说就是选所述齿轮转速控制参数中位置最中心的对象，即中心点作为参照点，迭代直到与所述表面粗糙加工的对应性最佳，获取齿轮转速与表面粗糙加工影响参数，对应性最佳：最快完成镀锌本体表面加工的齿轮转速），确定粗糙度影响参数，所述粗糙度影响参数包括齿轮转速与表面粗糙加工影响参数、齿轮打磨轨迹与表面粗糙加工影响参数、齿轮打磨角度与表面粗糙加工影响参数；
基于所述粗糙度影响参数，对加工记录数据进行影响程度分析，具体包括：通过TOPSIS法(Technique for Order Preference by Similarity to ideal Sulution，优劣解距离法)进行影响程度分析，具体的，采用余弦法找出的所述粗糙度影响参数中的最优匹配特征和最劣匹配特征，然后分别计算各加工记录数据与最优匹配特征和最劣匹配特征间的距离，获得各加工记录数据与最优匹配特征的相对接近程度，以此作为评价优劣的依据，确定各影响参数的影响系数；
根据所述各影响参数的影响系数，对本体表面粗糙度信息，进行齿轮转速、齿轮打磨轨迹、齿轮打磨角度参数分解（以本体表面粗糙度信息为目标，从齿轮转速维度确定齿轮转速分解控制参数；以本体表面粗糙度信息为目标，从齿轮打磨轨迹维度确定齿轮打磨轨迹分解控制参数；以本体表面粗糙度信息为目标，从齿轮打磨角度维度确定齿轮打磨角度分解控制参数），获得所述机床控制参数集，所述机床控制参数集包括齿轮转速分解控制参数、齿轮打磨轨迹分解控制参数、齿轮打磨角度分解控制参数，为进行高精度机床调控提供技术支持。
S50：对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制。
如图3所示，步骤S50包括步骤：
S51：根据所述控制参数聚类结果，确定本体结构分区及对应的控制参数；
S52：根据所述本体结构分区，进行结构跨度最小寻优，确定第一控制参数流程；
S53：根据所述控制参数聚类结果，进行控制参数调整幅度最小寻优，确定第二控制参数流程；
S54：根据所述第一控制参数流程、第二控制参数流程进行综合全局寻优，获得所述参数流程控制信息。
具体而言，对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，具体包括：对所述机床控制参数集进行聚类（按照调整方式进行聚类，如齿轮打磨轨迹与齿轮打磨角度的调整方式一致，可以对齿轮打磨轨迹分解控制参数与齿轮打磨角度分解控制参数进行合并调整），获取控制参数聚类结果，所述控制参数聚类结果包括第一调整方式-齿轮转速分解控制参数、第二调整方式-齿轮打磨轨迹分解控制参数&齿轮打磨角度分解控制参数；
根据所述控制参数聚类结果，确定本体结构分区（本体表面粗糙度信息）及对应的控制参数（控制参数：加工位置调整控制，如第一平面结构区域与第一凹陷结构区域相接，若先对第一平面结构区域进行表面打磨加工，后可以直接对第一凹陷结构区域进行表面打磨加工；如第一平面结构区域与第一凹陷结构区域中间相隔了第二平面结构区域，若先对第一平面结构区域进行表面打磨加工，后需要进行加工位置调整控制，机床的操作臂跨过第二平面结构区域，后可以对第一凹陷结构区域进行表面打磨加工）；
根据所述本体结构分区，进行结构跨度最小寻优(结构跨度最小寻优即结构调整跨度最小，一般来说是区域相接)，确定第一控制参数流程；根据所述控制参数聚类结果，进行控制参数调整幅度最小寻优（控制参数调整幅度最小寻优即参数调整跨度最小，一般来说是齿轮转速、齿轮打磨轨迹、齿轮打磨角度无需调整），确定第二控制参数流程；根据所述第一控制参数流程、第二控制参数流程，以打磨加工用时最短为寻优目标，进行综合全局寻优，获得所述参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制，对镀锌本体进行打磨加工，调整镀锌本体的加工表面粗糙度，达到控制镀锌膜厚度的功能。
综上所述，本申请实施例所提供的一种基于镀锌工艺优化的机加工控制方法及系统具有如下技术效果：
1.由于采用了基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息，确定本体结构特征、镀锌目标要求，输入参数匹配模型中，确定本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；对机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，发送至机床进行自动控制，本申请通过提供了一种基于镀锌工艺优化的机加工控制方法及系统，实现了由应用场景的镀锌膜厚度需求出发，通过机床控制调整加工表面粗糙度，提高金属表面的吸附锌离子的能力，保证镀锌膜厚度满足应用场景，使得锌离子镀膜厚度均匀的技术效果。
2.由于采用了根据控制参数聚类结果，确定本体结构分区及对应的控制参数；根据本体结构分区，进行结构跨度最小寻优，确定第一控制参数流程；根据控制参数聚类结果，进行控制参数调整幅度最小寻优，确定第二控制参数流程，结合第一控制参数流程进行综合全局寻优，获得参数流程控制信息，对镀锌本体进行打磨加工，调整镀锌本体的加工表面粗糙度，达到控制镀锌膜厚度的功能。
实施例
基于与前述实施例中一种基于镀锌工艺优化的机加工控制方法相同的发明构思，如图4所示，本申请实施例提供了一种基于镀锌工艺优化的机加工控制系统，其中，所述系统包括：
信息采集模块100，用于基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；
信息确定模块200，用于根据所述原材基础信息，确定本体结构特征、镀锌目标要求；
粗糙度确定模块300，用于将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；
控制参数分解模块400，用于基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；
自动控制模块500，用于对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制
进一步的，所述系统包括：
场景制约特征确定模块，用于根据所述原材基础信息，获得原材材料信息、表面特征信息，进行应用场景特征相关性分析，确定场景制约特征；
边缘检测模块，用于根据所述原材基础信息，进行边缘检测，获得本体结构特征；
镀锌目标要求获得模块，用于根据所述场景制约特征与预设镀锌参数列表进行镀锌参数匹配分析，获得所述镀锌目标要求。
进一步的，所述系统包括：
第一样本数据集获取模块，用于获得粗糙度-镀锌样本数据集；
适应度函数拟合模块，用于基于粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，拟合镀锌结果适应度函数；
参数匹配模型构建模块，用于根据多维度参数的适应度，构建多维参数匹配模型；
第二样本数据集获取模块，用于根据所述粗糙度-镀锌样本数据集，进行本体结构样本特征分析，构建结构-粗糙度样本数据集；
各维度标注信息设定模块，用于基于所述粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，设定各维度标注信息；
特征识别标注模型构建模块，用于利用所述结构-粗糙度样本数据集，构建特征识别标注模型；
参数匹配模型获取模块，用于根据所述特征识别标注模型、所述多维参数匹配模型，获得所述参数匹配模型。
进一步的，所述系统包括：
结构粗糙差异信息确定模块，用于根据所述结构-粗糙度样本数据集，进行结构-粗糙度差异化分析，确定结构粗糙差异信息；
结构特征分割集获得模块，用于根据所述结构粗糙差异信息，对本体结构进行分割，获得结构特征分割集；
标注信息设定模块，用于基于所述结构特征分割集，确定结构分割特征，并设定各结构特征分割集的标注信息；
标注信息标注模块，用于根据所述结构分割特征对本体结构特征进行识别并利用标注信息进行标注。
进一步的，所述系统包括：
本体结构标注信息获得模块，用于通过特征识别标注模型对所述本体结构特征进行识别标注，获得本体结构标注信息；
本体表面粗糙度信息获得模块，用于根据所述本体结构标注信息，对本体结构进行分割，输入所述参数匹配模型中，分别对各分割结构进行多维度粗糙参数匹配，获得所述本体表面粗糙度信息。
进一步的，所述系统包括：
加工参数对应性分析模块，用于对机床控制参数库进行加工参数对应性分析，确定粗糙度影响参数；
各影响参数的影响系数确定模块，用于基于所述粗糙度影响参数，对加工记录数据进行影响程度分析，确定各影响参数的影响系数；
机床控制参数集获得模块，用于根据所述各影响参数的影响系数，对本体表面粗糙度信息，进行参数分解，获得所述机床控制参数集。
进一步的，所述系统包括：
控制参数确定模块，用于根据所述控制参数聚类结果，确定本体结构分区及对应的控制参数；
结构跨度最小寻优模块，用于根据所述本体结构分区，进行结构跨度最小寻优，确定第一控制参数流程；
控制参数调整幅度最小寻优模块，用于根据所述控制参数聚类结果，进行控制参数调整幅度最小寻优，确定第二控制参数流程；
综合全局寻优模块，用于根据所述第一控制参数流程、第二控制参数流程进行综合全局寻优，获得所述参数流程控制信息。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于镀锌工艺优化的机加工控制方法，其特征在于，所述方法包括：
基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；
根据所述原材基础信息，确定本体结构特征、镀锌目标要求，所述镀锌目标要求包括粗糙深度目标要求、粗糙粒度目标要求、凹坑均匀度目标要求；
将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；
基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；
对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制。
2.如权利要求1所述的方法，其特征在于，根据所述原材基础信息，确定本体结构特征、镀锌目标要求，包括：
根据所述原材基础信息，获得原材材料信息、表面特征信息，进行应用场景特征相关性分析，确定场景制约特征；
根据所述原材基础信息，进行边缘检测，获得本体结构特征；
根据所述场景制约特征与预设镀锌参数列表进行镀锌参数匹配分析，获得所述镀锌目标要求。
3.如权利要求1所述的方法，其特征在于，将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息之前，包括：
获得粗糙度-镀锌样本数据集；
基于粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，拟合镀锌结果适应度函数；
根据多维度参数的适应度，构建多维参数匹配模型；
根据所述粗糙度-镀锌样本数据集，进行本体结构样本特征分析，构建结构-粗糙度样本数据集；
基于所述粗糙深度、粗糙粒度、凹坑均匀度、表面材质多维度参数，设定各维度标注信息；
利用所述结构-粗糙度样本数据集，构建特征识别标注模型；
根据所述特征识别标注模型、所述多维参数匹配模型，获得所述参数匹配模型。
4.如权利要求3所述的方法，其特征在于，利用所述结构-粗糙度样本数据集，构建特征识别标注模型，包括：
根据所述结构-粗糙度样本数据集，进行结构-粗糙度差异化分析，确定结构粗糙差异信息；
根据所述结构粗糙差异信息，对本体结构进行分割，获得结构特征分割集；
基于所述结构特征分割集，确定结构分割特征，并设定各结构特征分割集的标注信息；
根据所述结构分割特征对本体结构特征进行识别并利用标注信息进行标注。
5.如权利要求4所述的方法，其特征在于，所述将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息，包括：
通过特征识别标注模型对所述本体结构特征进行识别标注，获得本体结构标注信息；
根据所述本体结构标注信息，对本体结构进行分割，输入所述参数匹配模型中，分别对各分割结构进行多维度粗糙参数匹配，获得所述本体表面粗糙度信息。
6.如权利要求1所述的方法，其特征在于，基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集，包括：
对机床控制参数库进行加工参数对应性分析，确定粗糙度影响参数；
基于所述粗糙度影响参数，对加工记录数据进行影响程度分析，确定各影响参数的影响系数；
根据所述各影响参数的影响系数，对本体表面粗糙度信息，进行参数分解，获得所述机床控制参数集。
7.如权利要求1所述的方法，其特征在于，所述对控制参数聚类结果进行流程寻优，获得参数流程控制信息，包括：
根据所述控制参数聚类结果，确定本体结构分区及对应的控制参数；
根据所述本体结构分区，进行结构跨度最小寻优，确定第一控制参数流程；
根据所述控制参数聚类结果，进行控制参数调整幅度最小寻优，确定第二控制参数流程；
根据所述第一控制参数流程、第二控制参数流程进行综合全局寻优，获得所述参数流程控制信息。
8.一种基于镀锌工艺优化的机加工控制系统，其特征在于，用于实施权利要求1-7任意一项所述的一种基于镀锌工艺优化的机加工控制方法，包括：
信息采集模块，用于基于应用场景对镀锌本体进行基础信息采集，获得原材基础信息；
信息确定模块，用于根据所述原材基础信息，确定本体结构特征、镀锌目标要求，所述镀锌目标要求包括粗糙深度目标要求、粗糙粒度目标要求、凹坑均匀度目标要求；
粗糙度确定模块，用于将所述镀锌目标要求、所述本体结构特征输入参数匹配模型中，确定本体表面粗糙度信息；
控制参数分解模块，用于基于所述本体表面粗糙度信息，进行控制参数分解，获得机床控制参数集；
自动控制模块，用于对所述机床控制参数集进行聚类，对控制参数聚类结果进行流程寻优，获得参数流程控制信息，将所述参数流程控制信息发送至机床进行自动控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310554471.6A CN116300696B (zh) | 2023-05-17 | 2023-05-17 | 一种基于镀锌工艺优化的机加工控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310554471.6A CN116300696B (zh) | 2023-05-17 | 2023-05-17 | 一种基于镀锌工艺优化的机加工控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116300696A CN116300696A (zh) | 2023-06-23 |
| CN116300696B true CN116300696B (zh) | 2023-11-14 |
Family
ID=86789103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310554471.6A Active CN116300696B (zh) | 2023-05-17 | 2023-05-17 | 一种基于镀锌工艺优化的机加工控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300696B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572821B (zh) * | 2023-11-21 | 2024-07-02 | 扬州诚森塑胶有限公司 | 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 |
| CN118839817A (zh) * | 2024-07-18 | 2024-10-25 | 江苏银家不锈钢管业有限公司 | 一种不锈钢钢管的防锈性能优化方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61131824A (ja) * | 1984-11-28 | 1986-06-19 | Hitachi Denshi Ltd | 数値制御装置 |
| US5740226A (en) * | 1995-11-30 | 1998-04-14 | Fujitsu Limited | Film thickness measuring and film forming method |
| WO2003020488A1 (de) * | 2001-08-30 | 2003-03-13 | Zeptosens Ag | Verfahren zur herstellung von abformkörpern, insbesondere optischen strukturen, und deren verwendung |
| EP2169491A1 (de) * | 2008-09-27 | 2010-03-31 | Trumpf Werkzeugmaschinen GmbH + Co. KG | Unterstützungssystem und Verfahren zur Optimierung von Bearbeitungsparametern und/oder Regelparametern |
| WO2014011565A1 (en) * | 2012-07-10 | 2014-01-16 | Kla-Tencor Corporation | Model building and analysis engine for combined x-ray and optical metrology |
| WO2015006234A1 (en) * | 2013-07-08 | 2015-01-15 | Kla-Tencor Corporation | Combined x-ray and optical metrology |
| EP3671373A1 (de) * | 2018-12-19 | 2020-06-24 | Bystronic Laser AG | Prognoseverfahren zur prognose eines bearbeitungsergebnisses für ein laserbearbeitungsverfahren |
| WO2020204883A1 (en) * | 2019-03-29 | 2020-10-08 | Siemens Aktiengesellschaft | Method and system for optimizing process parameters in an additive manufacturing process |
| WO2020250946A1 (ja) * | 2019-06-12 | 2020-12-17 | 東洋鋼鈑株式会社 | 粗化めっき板 |
| WO2022024544A1 (ja) * | 2020-07-29 | 2022-02-03 | Ｊｆｅスチール株式会社 | ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、およびドロス欠陥予測端末システム |
| EP3970905A1 (en) * | 2020-09-18 | 2022-03-23 | Bystronic Laser AG | Computer implemented method of and optimisation tool for refinement of laser cutting process parameters by means of an optimization tool |
| CN115406489A (zh) * | 2022-11-01 | 2022-11-29 | 山东申华光学科技有限公司 | 一种镀膜机镀膜的监测预警方法及系统 |
| WO2023070651A1 (zh) * | 2021-11-01 | 2023-05-04 | 中国科学院微电子研究所 | 光刻质量的优化方法、装置、电子设备、介质及程序产品 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9091942B2 (en) * | 2011-11-18 | 2015-07-28 | International Business Machines Corporation | Scatterometry measurement of line edge roughness in the bright field |
| US10386828B2 (en) * | 2015-12-17 | 2019-08-20 | Lam Research Corporation | Methods and apparatuses for etch profile matching by surface kinetic model optimization |
| US20180239851A1 (en) * | 2017-02-21 | 2018-08-23 | Asml Netherlands B.V. | Apparatus and method for inferring parameters of a model of a measurement structure for a patterning process |
| US10522322B2 (en) * | 2017-04-13 | 2019-12-31 | Fractilia, Llc | System and method for generating and analyzing roughness measurements |
| US11090615B2 (en) * | 2017-07-28 | 2021-08-17 | University Of Connecticut | Smooth polymer membranes and electrospray printing methods of making thereof |
| US10850441B2 (en) * | 2018-01-11 | 2020-12-01 | Mhi Health Devices, Inc. | Surfaces having tunable asperities and method |
-
2023
- 2023-05-17 CN CN202310554471.6A patent/CN116300696B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61131824A (ja) * | 1984-11-28 | 1986-06-19 | Hitachi Denshi Ltd | 数値制御装置 |
| US5740226A (en) * | 1995-11-30 | 1998-04-14 | Fujitsu Limited | Film thickness measuring and film forming method |
| WO2003020488A1 (de) * | 2001-08-30 | 2003-03-13 | Zeptosens Ag | Verfahren zur herstellung von abformkörpern, insbesondere optischen strukturen, und deren verwendung |
| EP2169491A1 (de) * | 2008-09-27 | 2010-03-31 | Trumpf Werkzeugmaschinen GmbH + Co. KG | Unterstützungssystem und Verfahren zur Optimierung von Bearbeitungsparametern und/oder Regelparametern |
| WO2014011565A1 (en) * | 2012-07-10 | 2014-01-16 | Kla-Tencor Corporation | Model building and analysis engine for combined x-ray and optical metrology |
| WO2015006234A1 (en) * | 2013-07-08 | 2015-01-15 | Kla-Tencor Corporation | Combined x-ray and optical metrology |
| EP3671373A1 (de) * | 2018-12-19 | 2020-06-24 | Bystronic Laser AG | Prognoseverfahren zur prognose eines bearbeitungsergebnisses für ein laserbearbeitungsverfahren |
| WO2020204883A1 (en) * | 2019-03-29 | 2020-10-08 | Siemens Aktiengesellschaft | Method and system for optimizing process parameters in an additive manufacturing process |
| WO2020250946A1 (ja) * | 2019-06-12 | 2020-12-17 | 東洋鋼鈑株式会社 | 粗化めっき板 |
| WO2022024544A1 (ja) * | 2020-07-29 | 2022-02-03 | Ｊｆｅスチール株式会社 | ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、およびドロス欠陥予測端末システム |
| EP3970905A1 (en) * | 2020-09-18 | 2022-03-23 | Bystronic Laser AG | Computer implemented method of and optimisation tool for refinement of laser cutting process parameters by means of an optimization tool |
| WO2023070651A1 (zh) * | 2021-11-01 | 2023-05-04 | 中国科学院微电子研究所 | 光刻质量的优化方法、装置、电子设备、介质及程序产品 |
| CN115406489A (zh) * | 2022-11-01 | 2022-11-29 | 山东申华光学科技有限公司 | 一种镀膜机镀膜的监测预警方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| 先进硬脆性材料复合加工技术的发展;谢留传;陈建民;;国防制造技术(第06期);全文 * |
| 单晶硅超精密切削加工表面粗糙度预测模型的建立及试验研究;祁华;王艳玲;刘中海;;沈阳航空工业学院学报(第03期);全文 * |
| 基于BP神经网络的热镀锌产品表面粗糙度预报;郑艳坤;任新意;高慧敏;周欢;罗新龙;张秋生;;电镀与涂饰(第17期);全文 * |
| 基于GA-BP的6061Al切削参数优化;高菲;高琦;李先飞;;机床与液压(第08期);全文 * |
| 基于大数据分析的MEMS电镀铜薄膜耐磨性预测;李蕴;刘海;;科技通报(第12期);全文 * |
| 软X射线Mo/Si多层膜反射率拟合分析;王洪昌, 王占山, 秦树基, 李佛生, 陈玲燕, 朱杰, 崔明启;光学学报(第11期);全文 * |
| 郑艳坤 ; 任新意 ; 高慧敏 ; 周欢 ; 罗新龙 ; 张秋生 ; .基于BP神经网络的热镀锌产品表面粗糙度预报.电镀与涂饰.2016,(第17期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116300696A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116300696B (zh) | 一种基于镀锌工艺优化的机加工控制方法及系统 | |
| CN111221011B (zh) | 基于机器学习的gnss定位方法及装置 | |
| CN117784826B (zh) | 一种自动化涂布机纠偏控制方法 | |
| CN117681205B (zh) | 一种机械臂的感知与校准方法 | |
| CN115406489A (zh) | 一种镀膜机镀膜的监测预警方法及系统 | |
| CN115255048A (zh) | 一种折弯机智能控制方法及系统 | |
| CN114139618A (zh) | 基于改进密度峰值聚类的信号依赖噪声参数估计方法 | |
| CN112966449B (zh) | 基于变量选择和概率神经网络的制造过程质量缺陷根源诊断方法 | |
| CN113971688A (zh) | 一种增强id重识别的无锚多目标跟踪方法 | |
| CN118237194A (zh) | 基于适应性评价的喷涂轨迹优化方法与系统 | |
| CN118819069B (zh) | 用于数控加工刀具的路径智能优化方法及系统 | |
| CN118247338B (zh) | 一种数控机床加工的精准定位方法 | |
| CN117764982B (zh) | 基于三维点云技术的冲压模架磨损检测方法 | |
| US20220026861A1 (en) | Virtual metrology method using convolutional neural network and computer program product thereof | |
| CN118938687A (zh) | 一种模具加工参数自适应控制方法及装置 | |
| Schuh et al. | Databased prediction and planning of order-specific transition times | |
| CN111444578B (zh) | 一种基于弯曲工艺的变模量模型参数的自动标定方法 | |
| CN113570147B (zh) | 一种薄壁件多工况加工误差快速预测方法及设备 | |
| CN117670881A (zh) | 基于目标分割的橡胶手套生产质量检测方法及系统 | |
| CN118862517B (zh) | 一种铝单板排孔的bim优化设计方法及系统 | |
| CN113673166A (zh) | 面向加工质量预测的数字孪生模型工况自适应方法及系统 | |
| CN119658702B (zh) | 一种基于机械手臂的上料控制系统及控制方法 | |
| CN113536512A (zh) | 一种弹体质量智能预测分析方法 | |
| CN117974656B (zh) | 基于电子辅料加工下的材料切片方法及系统 | |
| KR19980046287A (ko) | 롤 코팅에 의한 강판에의 수지와 크로메이트 부착량 제어방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |