+86-15986734051

NC-koneistuksen tarkkuuden älykkään arviointiteknologian käyttöönotto

Jul 23, 2022

Älykäs arviointijärjestelmän malli

Laitejärjestelmän mukaan työstötarkkuuden arviointimalli perustetaan. Malli koostuu erilaisista kerrosrakenteista, jotka sisältävät pääasiassa signaalinhankintakerroksen, signaalin lähtökerroksen, signaalin muunnoskerroksen, signaalinkäsittelykerroksen, tiedonkeruukerroksen, hankintaohjelmiston, tiedontallennus-, ominaisuuspoiminnan ja käyttäjäkerroksen.


Kunkin osan toiminnot ovat seuraavat:

(1) Signaalinhankintakerros: Pääasiassa jokainen anturi kerää vastaavat signaalit mittauspisteistä asennuspaikassa ja anturin antamat signaalit välitetään signaalin lähtökerrokseen.


(2) Signaalin syöttökerros: se lähettää signaalin NC-työstökoneen purkauskäsittelypiirille, ja signaalin ulostulokerros yhdistää signaalin mittauspisteen ja esikäsittelypiirin.

SO211209008 3 (3)

(3) Signaalin muunnoskerros: se voi toteuttaa signaalimuodon muunnoksen. Koska kunkin anturin alkuperäiset signaalit sisältävät jännitesignaalin, vastussignaalin ja virtasignaalin, tiedonkeruun helpottamiseksi nämä signaalit on muunnettava signaalin muunnoskerroksessa ja muunnettava tasaisesti jännitesignaaleiksi.

SO211230003 SS303 (1)

(4) Signaalinkäsittelykerros: se koostuu pääasiassa signaalinkäsittelylaitteesta. Koska alkuperäinen signaali on sekoitettu suureen määrään kohinasignaaleja ja alkuperäinen signaalin arvo on suhteellisen heikko, signaalinkäsittelykerros toteuttaa pääasiassa alkuperäisen signaalin vahvistuksen ja suodatuksen.


(5) Tiedonkeruukerros: se koostuu pääasiassa tiedonkeruukortista nopean signaalin hankinnan toteuttamiseksi.

(6) Hankintaohjelmisto: se toteuttaa pääasiassa tietokoneen automaattisen tiedonkeruun, siirron, tallennuksen ja muut toiminnot.

1 (5)

(7) Tietojen tallennus: se on tietojenkäsittelyn perusperusta, ja tallennetut tiedot on kutsuttava myöhemmin käsittelyyn.

(8) Ominaisuuden purkaminen: se poimii pääasiassa olennaiset aika-alueen ominaisuudet ja taajuusalueen ominaisuudet käsitellyistä signaaleista myöhempää hermoverkkokoulutusta varten.


(9) Käyttäjätaso: se on pääasiassa neuroverkko, joka kouluttaa ja oppii erotetut ominaisarvot ja tulostaa päätöstulokset.


Signaaliominaisuuden poistaminen

Ominaisuuden valintaarvo käyttää erilaisia ​​digitaalisia signaalianalyysi- ja käsittelymenetelmiä poimimaan ominaisuusinformaatiota, joka parhaiten kuvaa koneistustarkkuuden muutosta alkuperäisestä signaalista. Anturin keräämä alkuperäinen signaali sisältää suuren määrän kohinasignaaleja. Signaalin ominaisarvon poistamiseksi tehokkaasti aallokkopaketti valitaan erottamaan ominaisarvo.


Lähetä kysely