CN117808798A - 一种圆锯机智能制造生产数据可视化采集分析方法 - Google Patents
一种圆锯机智能制造生产数据可视化采集分析方法 Download PDFInfo
- Publication number
- CN117808798A CN117808798A CN202410223507.7A CN202410223507A CN117808798A CN 117808798 A CN117808798 A CN 117808798A CN 202410223507 A CN202410223507 A CN 202410223507A CN 117808798 A CN117808798 A CN 117808798A
- Authority
- CN
- China
- Prior art keywords
- sawing machine
- saw blade
- cutting
- circular sawing
- circular
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 143
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 230000000007 visual effect Effects 0.000 title claims abstract description 24
- 238000005520 cutting process Methods 0.000 claims abstract description 157
- 238000011156 evaluation Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000013441 quality evaluation Methods 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 208000002697 Tooth Abrasion Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明涉及圆锯机智能制造生产数据可视化采集分析技术领域，具体公开一种圆锯机智能制造生产数据可视化采集分析方法，该方法包括：生产精度评估、切割精度评估、工作性能评估和制造生产质量评估；本发明通过结合分析目标圆锯机中圆锯片的生产精度评估指数和综合切割精度评估指数以及目标圆锯机的工作性能评估指数，从而分析目标圆锯机的制造生产质量评估指数，并进行目标圆锯机的制造生产质量异常反馈,通过实时监测和分析圆锯机的生产数据，能够及时发现和解决生产过程中的问题，同时通过可视化界面，使用户能够直观地了解生产过程，便于进行生产调整和优化，确保了圆锯片在实际使用过程中具有良好的性能和稳定性。
Description
技术领域
本发明涉及圆锯机智能制造生产数据可视化采集分析技术领域，具体而言，涉及一种圆锯机智能制造生产数据可视化采集分析方法。
背景技术
随着智能制造的快速发展，圆锯机作为木材加工行业的重要设备，其生产效率、稳定性和智能化水平直接影响到产品质量和企业竞争力，然而，传统的圆锯机生产过程数据采集和分析方法存在数据采集不全、分析不准确、实时性差等问题，难以满足现代智能制造的需求，因此，开发一种圆锯机智能制造生产数据可视化采集分析方法具有重要的现实意义和应用价值。
现有的圆锯机智能制造生产数据可视化采集分析方法中还存在以下几个方面的问题：1、在生产精度评估层面，当前仅考虑圆锯机中圆锯片的尺寸精度是否合格，未对圆锯片上锯齿的间距偏差和齿形精度进行分析，降低了圆锯片的生产精度评估的覆盖面，同时降低了圆锯片的生产精度评估的准确性，无法确保圆锯片在实际使用过程中具有良好的性能和稳定性，从而降低了产品质量和生产效率。
2、在工作性能评估层面，当前仅考虑圆锯机在运作过程中的切割平稳度和声音异常指数,未对圆锯机在运作过程中的转速平稳度进行分析,降低了目标圆锯机的工作性能评估的全面性,同时降低了圆锯机的切割效率和切割材料的利用率，这不仅影响圆锯机的使用寿命，还可能增加维护和更换部件的成本。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种圆锯机智能制造生产数据可视化采集分析方法。
本发明的目的可以通过以下技术方案实现：本发明提供一种圆锯机智能制造生产数据可视化采集分析方法，包括以下步骤：S1、生产精度评估：采集目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距，并对目标圆锯机中圆锯片进行图像采集，得到圆锯片上各锯齿对应的轮廓图像，分析目标圆锯机中圆锯片的生产精度评估指数。
S2、切割精度评估：在目标圆锯机中圆锯片对应切割的各切割面上随机布设各采样点，采集各切割面上各采样点对应的高度，并采集各切割面的灰度图像，分析目标圆锯机中圆锯片的综合切割精度评估指数。
S3、工作性能评估：采集目标圆锯机在运作过程中的振动频率和响度，并采集目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，分析目标圆锯机的工作性能评估指数。
S4、制造生产质量评估：计算目标圆锯机的制造生产质量评估指数，并当其小于设定值时，表明目标圆锯机的制造生产质量存在异常，则进行反馈。
具体地，所述分析目标圆锯机中圆锯片的生产精度评估指数，具体分析过程为：A1、将目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距分别记为和/>以及/>，其中，/>表示锯齿的编号，/>。
A2、从云数据库中分别提取目标圆锯机中圆锯片的设定直径、设定厚度和设定齿距，并分析记为、/>和/>。
A3、计算目标圆锯机中圆锯片的尺寸精度评估指数，，其中，/>和/>分别表示设定参照的直径偏差和厚度偏差，/>和/>分别表示设定的直径偏差和厚度偏差对应尺寸精度评估占比权重。
A4、计算圆锯片上锯齿的间距偏差指数，/>，其中，/>表示设定参照的间距偏差，/>表示锯齿数目。
A5、根据圆锯片上各锯齿对应的轮廓图像，计算圆锯片上锯齿的齿形精度评估指数。
A6、计算目标圆锯机中圆锯片的生产精度评估指数，，其中，/>、/>和/>分别表示设定参照的尺寸精度评估指数、间距偏差指数和齿形精度评估指数，/>、/>和/>分别表示设定的尺寸精度、间距偏差和齿形精度对应生产精度评估占比权重。
具体地，所述计算圆锯片上锯齿的齿形精度评估指数，具体计算过程为：B1、从云数据库中提取圆锯片上各锯齿对应的标准轮廓，并从中定位出圆锯片上各锯齿对应的标准轮廓面积，记为。
B2、从圆锯片上各锯齿对应的轮廓图像中定位出圆锯片上各锯齿对应的轮廓，并将其与圆锯片上各锯齿对应的标准轮廓进行重叠对比，得到圆锯片上各锯齿对应的重叠轮廓面积，记为。
B3、计算圆锯片上锯齿的齿形精度评估指数，/>，其中，/>表示设定参照的重叠轮廓面积占比。
具体地，所述分析目标圆锯机中圆锯片的综合切割精度评估指数，具体分析过程为：C1、将各切割面上各采样点对应的高度记为，其中，/>表示切割面的编号，/>，/>表示采样点的编号，/>。
C2、计算各切割面对应的平整度，/>，其中，/>表示设定参照的高度偏差，/>表示第/>个切割面上第/>个采样点对应的高度，/>表示自然常数。
C3、根据各切割面的灰度图像，计算各切割面对应的粗糙度。
C4、计算各切割面对应的切割精度评估指数，/>，其中，/>和/>分别表示设定参照的平整度和粗糙度，/>和/>分别表示设定的平整度和粗糙度对应切割精度评估占比权重。
C5、从各切割面对应的切割精度评估指数中提取最大值，记为。
C6、将各切割面对应的切割精度评估指数与设定参照的切割精度评估指数进行对比，若某切割面对应的切割精度评估指数小于设定参照的切割精度评估指数，则将该切割面记为异常切割面，统计异常切割面数目，记为。
C7、计算目标圆锯机中圆锯片的综合切割精度评估指数，/>，其中，/>和/>分别表示设定参照的切割精度评估指数和异常切割面占比，/>和/>分别表示设定的切割精度评估指数和异常切割面占比对应综合切割精度评估占比权重，/>表示切割面数目。
具体地，所述计算各切割面对应的粗糙度，具体计算过程为：D1、从各切割面的灰度图像中定位出各灰度值和各灰度值对应的灰度区域。
D2、将各切割面对应的各灰度值与云数据库中存储的粗糙灰度值集合进行对比，若某灰度值位于粗糙灰度值集合内，则将该灰度值对应的灰度区域记为粗糙区域，统计各切割面对应的粗糙区域数目，并统计各粗糙区域面积。
D3、将各切割面对应的粗糙区域数目记为。
D4、将各切割面对应的各粗糙区域面积进行累加，得到各切割面对应的总粗糙面积，记为。
D5、计算各切割面对应的粗糙度，/>，其中，/>和/>分别表示设定参照的粗糙区域数目和粗糙面积，/>和/>分别表示设定的粗糙区域数目和粗糙面积对应粗糙度评估占比权重。
具体地，所述分析目标圆锯机的工作性能评估指数，具体分析过程为：E1、将目标圆锯机在运作过程中的振动频率记为。
E2、计算目标圆锯机在运作过程中的切割平稳度，/>，其中，/>和/>分别表示设定参照的振动频率和振动频率偏差。
E3、根据目标圆锯机在运作过程中的响度，计算目标圆锯机在运作过程中的声音异常指数。
E4、根据目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，计算目标圆锯机在运作过程中的转速平稳度。
E5、计算目标圆锯机的工作性能评估指数，/>，其中，/>、/>和/>分别表示设定参照的切割平稳度、声音异常指数和转速平稳度，/>、/>和/>分别表示设定的切割平稳度、声音异常指数和转速平稳度对应工作性能评估占比权重。
具体地，所述计算目标圆锯机在运作过程中的转速平稳度，具体计算过程为：F1、将目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速与云数据库中存储的圆锯片设定转速进行作差，得到圆锯片在各监测时间段对应的转速偏差，并将其与设定参照的转速偏差进行对比，将转速偏差大于或者等于设定参照的转速偏差对应的监测时间段记为转速异常时间段，统计圆锯片的转速异常时间段数目，记为。
F2、从圆锯片在各监测时间段对应的转速偏差中分别提取最大值和最小值，并分别记为和/>。
F3、计算目标圆锯机在运作过程中的转速平稳度，/>，其中，/>和/>分别表示设定参照的转速异常时间段数目和转速极值偏差，/>和/>分别表示设定的转速异常时间段数目和转速极值偏差对应转速平稳度评估占比权重。
具体地，所述目标圆锯机的制造生产质量评估指数的计算公式为：，其中，/>表示目标圆锯机的制造生产质量评估指数，/>、/>和/>分别表示设定的生产精度、综合切割精度和工作性能对应制造生产质量评估占比权重。
相较于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明通过结合分析目标圆锯机中圆锯片的生产精度评估指数和综合切割精度评估指数以及目标圆锯机的工作性能评估指数，从而分析目标圆锯机的制造生产质量评估指数，并进行反馈,通过实时监测和分析圆锯机的生产数据，能够及时发现和解决生产过程中的问题，同时通过可视化界面，使用户能够直观地了解生产过程，便于进行生产调整和优化。
（2） 本发明通过结合目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距，同时结合圆锯片上各锯齿对应的轮廓图像，分析目标圆锯机中圆锯片的生产精度评估指数,提高了圆锯片的生产精度评估的覆盖面，同时提高了圆锯片的生产精度评估的准确性，确保了圆锯片在实际使用过程中具有良好的性能和稳定性，从而提高了产品质量和生产效率。
（3） 本发明通过采集目标圆锯机在运作过程中的振动频率和响度，并采集目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，分析目标圆锯机的工作性能评估指数,提高了目标圆锯机的工作性能评估的全面性,同时提高了圆锯机的切割效率和切割材料的利用率，延长了圆锯机的使用寿命，降低了维护和更换部件的成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供了一种圆锯机智能制造生产数据可视化采集分析方法，包括：S1、生产精度评估：采集目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距，并对目标圆锯机中圆锯片进行图像采集，得到圆锯片上各锯齿对应的轮廓图像，分析目标圆锯机中圆锯片的生产精度评估指数。
需要说明的是，所述圆锯机中圆锯片的直径和厚度分别通过激光测径仪和超声波测厚仪采集得到，所述圆锯片上各锯齿之间的间距通过齿距测量仪采集得到，所述圆锯片上各锯齿对应的轮廓图像通过安置的高清摄像头采集得到。
还需要说明的是，所述圆锯片上各锯齿之间的间距是指一个齿顶和相邻的下一个齿顶之间的距离。
在本发明具体实施例中，所述分析目标圆锯机中圆锯片的生产精度评估指数，具体分析过程为：A1、将目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距分别记为和/>以及/>，其中，/>表示锯齿的编号，/>。
A2、从云数据库中分别提取目标圆锯机中圆锯片的设定直径、设定厚度和设定齿距，并分析记为、/>和/>。
A3、计算目标圆锯机中圆锯片的尺寸精度评估指数，/>，其中，/>和/>分别表示设定参照的直径偏差和厚度偏差，/>和/>分别表示设定的直径偏差和厚度偏差对应尺寸精度评估占比权重。
在本发明具体实施例中，的设定取值为50%，/>的设定取值为50%，圆锯片的直径决定了其切割范围和能力，同时厚度是圆锯片强度和刚性的重要指标，因此在选择圆锯片时，需要综合考虑直径和厚度对尺寸精度的影响。
A4、计算圆锯片上锯齿的间距偏差指数，/>，其中，/>表示设定参照的间距偏差，/>表示锯齿数目。
A5、根据圆锯片上各锯齿对应的轮廓图像，计算圆锯片上锯齿的齿形精度评估指数。
在本发明具体实施例中，所述计算圆锯片上锯齿的齿形精度评估指数，具体计算过程为：B1、从云数据库中提取圆锯片上各锯齿对应的标准轮廓，并从中定位出圆锯片上各锯齿对应的标准轮廓面积，记为。
B2、从圆锯片上各锯齿对应的轮廓图像中定位出圆锯片上各锯齿对应的轮廓，并将其与圆锯片上各锯齿对应的标准轮廓进行重叠对比，得到圆锯片上各锯齿对应的重叠轮廓面积，记为。
B3、计算圆锯片上锯齿的齿形精度评估指数，/>，其中，/>表示设定参照的重叠轮廓面积占比。
A6、计算目标圆锯机中圆锯片的生产精度评估指数，/>，其中，/>、/>和/>分别表示设定参照的尺寸精度评估指数、间距偏差指数和齿形精度评估指数，/>、/>和/>分别表示设定的尺寸精度、间距偏差和齿形精度对应生产精度评估占比权重。
在本发明具体实施例中，的设定取值为30%，/>的设定取值为30%，/>的设定取值为40%，齿形形变可能导致锯齿的切割能力降低，使锯片在切割过程中更容易卡住或产生过热，同时形变可能削弱锯齿的结构强度，因此对于需要承受较大负载的应用时，齿形形变更为重要。
本发明实施例通过结合目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距，同时结合圆锯片上各锯齿对应的轮廓图像，分析目标圆锯机中圆锯片的生产精度评估指数,提高了圆锯片的生产精度评估的覆盖面，同时提高了圆锯片的生产精度评估的准确性，确保了圆锯片在实际使用过程中具有良好的性能和稳定性，从而提高了产品质量和生产效率。
S2、切割精度评估：在目标圆锯机中圆锯片对应切割的各切割面上随机布设各采样点，采集各切割面上各采样点对应的高度，并采集各切割面的灰度图像，分析目标圆锯机中圆锯片的综合切割精度评估指数。
需要说明的是，所述各切割面上各采样点对应的高度通过激光测距仪采集得到。
还需要说明的是，所述各切割面的灰度图像的采集方式为：通过安置的高清摄像头采集得到各切割面的图像，将采集到的各切割面的图像导入计算机中，使用图像处理软件对其进行处理和分析，进而得到各切割面的灰度图像。
在本发明具体实施例中，所述分析目标圆锯机中圆锯片的综合切割精度评估指数，具体分析过程为：C1、将各切割面上各采样点对应的高度记为，其中，/>表示切割面的编号，/>，/>表示采样点的编号，/>。
C2、计算各切割面对应的平整度，/>，其中，/>表示设定参照的高度偏差，/>表示第/>个切割面上第/>个采样点对应的高度，/>表示自然常数。
C3、根据各切割面的灰度图像，计算各切割面对应的粗糙度。
在本发明具体实施例中，所述计算各切割面对应的粗糙度，具体计算过程为：D1、从各切割面的灰度图像中定位出各灰度值和各灰度值对应的灰度区域。
D2、将各切割面对应的各灰度值与云数据库中存储的粗糙灰度值集合进行对比，若某灰度值位于粗糙灰度值集合内，则将该灰度值对应的灰度区域记为粗糙区域，统计各切割面对应的粗糙区域数目，并统计各粗糙区域面积。
D3、将各切割面对应的粗糙区域数目记为。
D4、将各切割面对应的各粗糙区域面积进行累加，得到各切割面对应的总粗糙面积，记为。
D5、计算各切割面对应的粗糙度，/>，其中，/>和/>分别表示设定参照的粗糙区域数目和粗糙面积，/>和/>分别表示设定的粗糙区域数目和粗糙面积对应粗糙度评估占比权重。
在本发明具体实施例中，的设定取值为50%，/>的设定取值为50%。
C4、计算各切割面对应的切割精度评估指数，/>，其中，/>和/>分别表示设定参照的平整度和粗糙度，/>和/>分别表示设定的平整度和粗糙度对应切割精度评估占比权重。
在本发明具体实施例中，的设定取值为50%，/>的设定取值为50%，平整度和粗糙度是切割精度评估的重要指标，一个平整、光滑的切割面意味着切割过程中没有产生过多的振动或偏差，从而保证了较高的切割精度，因此在分析切割精度时，两者同样重要。
C5、从各切割面对应的切割精度评估指数中提取最大值，记为。
C6、将各切割面对应的切割精度评估指数与设定参照的切割精度评估指数进行对比，若某切割面对应的切割精度评估指数小于设定参照的切割精度评估指数，则将该切割面记为异常切割面，统计异常切割面数目，记为。
C7、计算目标圆锯机中圆锯片的综合切割精度评估指数，/>，其中，/>和/>分别表示设定参照的切割精度评估指数和异常切割面占比，/>和/>分别表示设定的切割精度评估指数和异常切割面占比对应综合切割精度评估占比权重，/>表示切割面数目。
在本发明具体实施例中，的设定取值为50%，/>的设定取值为50%。
S3、工作性能评估：采集目标圆锯机在运作过程中的振动频率和响度，并采集目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，分析目标圆锯机的工作性能评估指数。
需要说明的是，所述目标圆锯机在运作过程中的振动频率和响度分别通过振动传感器和声音传感器采集得到，所述圆锯片在各监测时间段对应的转速通过安置在圆锯片附近的激光转速测量仪采集得到。
在本发明具体实施例中，所述分析目标圆锯机的工作性能评估指数，具体分析过程为：E1、将目标圆锯机在运作过程中的振动频率记为。
E2、计算目标圆锯机在运作过程中的切割平稳度，/>，其中，/>和/>分别表示设定参照的振动频率和振动频率偏差。
E3、根据目标圆锯机在运作过程中的响度，计算目标圆锯机在运作过程中的声音异常指数。
需要说明的是，所述计算目标圆锯机在运作过程中的声音异常指数，具体计算过程为：G1、将目标圆锯机在运作过程中的响度记为。
G2、计算目标圆锯机在运作过程中的声音异常指数，/>，其中，表示设定参照的响度。
E4、根据目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，计算目标圆锯机在运作过程中的转速平稳度。
在本发明具体实施例中，所述计算目标圆锯机在运作过程中的转速平稳度，具体计算过程为：F1、将目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速与云数据库中存储的圆锯片设定转速进行作差，得到圆锯片在各监测时间段对应的转速偏差，并将其与设定参照的转速偏差进行对比，将转速偏差大于或者等于设定参照的转速偏差对应的监测时间段记为转速异常时间段，统计圆锯片的转速异常时间段数目，记为。
F2、从圆锯片在各监测时间段对应的转速偏差中分别提取最大值和最小值，并分别记为和/>。
F3、计算目标圆锯机在运作过程中的转速平稳度，，其中，/>和/>分别表示设定参照的转速异常时间段数目和转速极值偏差，/>和/>分别表示设定的转速异常时间段数目和转速极值偏差对应转速平稳度评估占比权重。
在本发明具体实施例中，的设定取值为50%，/>的设定取值为50%。
E5、计算目标圆锯机的工作性能评估指数，/>，其中，/>、/>和/>分别表示设定参照的切割平稳度、声音异常指数和转速平稳度，/>、/>和/>分别表示设定的切割平稳度、声音异常指数和转速平稳度对应工作性能评估占比权重。
在本发明具体实施例中，的设定取值为30%，/>的设定取值为30%,/>的设定取值为40%,切割平稳度、声音异常指数和转速平稳度都是分析圆锯机工作性能的重要指标，其中，转速平稳度反映了圆锯机在工作过程中转速的稳定性和控制精度，一个平稳的转速可以确保切割过程的连续性和稳定性，减少因转速波动而引起的切割误差和锯齿磨损，此外，转速平稳度还可以反映圆锯机的控制系统和电机性能，为设备的优化和改进提供依据，因此，转速平稳度对圆锯机工作性能评估更为重要。
本发明实施例通过采集目标圆锯机在运作过程中的振动频率和响度，并采集目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，分析目标圆锯机的工作性能评估指数,提高了目标圆锯机的工作性能评估的全面性,同时提高了圆锯机的切割效率和切割材料的利用率，延长了圆锯机的使用寿命，降低了维护和更换部件的成本。
S4、制造生产质量评估：计算目标圆锯机的制造生产质量评估指数，并当其小于设定值时，表明目标圆锯机的制造生产质量存在异常，则进行反馈。
在本发明具体实施例中，所述目标圆锯机的制造生产质量评估指数的计算公式为：，其中，/>表示目标圆锯机的制造生产质量评估指数，/>、/>和/>分别表示设定的生产精度、综合切割精度和工作性能对应制造生产质量评估占比权重。
本发明具体实施例中，的设定取值为30%，/>的设定取值为40%,/>的设定取值为30%,生产精度、综合切割精度和工作性能都是圆锯机制造生产质量评估的重要方面，综合切割精度直接反映了圆锯机的切割能力和性能，对于保证产品质量和生产效率至关重要，因此，综合切割精度对圆锯机的制造生产质量评估更为重要。
本发明实施例通过结合分析目标圆锯机中圆锯片的生产精度评估指数和综合切割精度评估指数以及目标圆锯机的工作性能评估指数，从而分析目标圆锯机的制造生产质量评估指数，并进行反馈,通过实时监测和分析圆锯机的生产数据，能够及时发现和解决生产过程中的问题，同时通过可视化界面，使用户能够直观地了解生产过程，便于进行生产调整和优化。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于，包括如下步骤：
S1、生产精度评估：采集目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距，并对目标圆锯机中圆锯片进行图像采集，得到圆锯片上各锯齿对应的轮廓图像，分析目标圆锯机中圆锯片的生产精度评估指数；
S2、切割精度评估：在目标圆锯机中圆锯片对应切割的各切割面上随机布设各采样点，采集各切割面上各采样点对应的高度，并采集各切割面的灰度图像，分析目标圆锯机中圆锯片的综合切割精度评估指数；
S3、工作性能评估：采集目标圆锯机在运作过程中的振动频率和响度，并采集目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，分析目标圆锯机的工作性能评估指数；
S4、制造生产质量评估：计算目标圆锯机的制造生产质量评估指数，并当其小于设定值时，表明目标圆锯机的制造生产质量存在异常，则进行反馈。
2.根据权利要求1所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述分析目标圆锯机中圆锯片的生产精度评估指数，具体分析过程为：
A1、将目标圆锯机中圆锯片的直径和厚度以及圆锯片上各锯齿之间的间距分别记为和/>以及/>，其中，/>表示锯齿的编号，/>；
A2、从云数据库中分别提取目标圆锯机中圆锯片的设定直径、设定厚度和设定齿距，并分析记为、/>和/>；
A3、计算目标圆锯机中圆锯片的尺寸精度评估指数，/>，其中，/>和/>分别表示设定参照的直径偏差和厚度偏差，/>和/>分别表示设定的直径偏差和厚度偏差对应尺寸精度评估占比权重；
A4、计算圆锯片上锯齿的间距偏差指数，/>，其中，/>表示设定参照的间距偏差，/>表示锯齿数目；
A5、根据圆锯片上各锯齿对应的轮廓图像，计算圆锯片上锯齿的齿形精度评估指数；
A6、计算目标圆锯机中圆锯片的生产精度评估指数，/>，其中，/>、/>和/>分别表示设定参照的尺寸精度评估指数、间距偏差指数和齿形精度评估指数，/>、/>和/>分别表示设定的尺寸精度、间距偏差和齿形精度对应生产精度评估占比权重。
3.根据权利要求2所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述计算圆锯片上锯齿的齿形精度评估指数，具体计算过程为：
B1、从云数据库中提取圆锯片上各锯齿对应的标准轮廓，并从中定位出圆锯片上各锯齿对应的标准轮廓面积，记为；
B2、从圆锯片上各锯齿对应的轮廓图像中定位出圆锯片上各锯齿对应的轮廓，并将其与圆锯片上各锯齿对应的标准轮廓进行重叠对比，得到圆锯片上各锯齿对应的重叠轮廓面积，记为；
B3、计算圆锯片上锯齿的齿形精度评估指数，/>，其中，/>表示设定参照的重叠轮廓面积占比。
4.根据权利要求2所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述分析目标圆锯机中圆锯片的综合切割精度评估指数，具体分析过程为：
C1、将各切割面上各采样点对应的高度记为，其中，/>表示切割面的编号，/>，表示采样点的编号，/>；
C2、计算各切割面对应的平整度，/>，其中，/>表示设定参照的高度偏差，/>表示第/>个切割面上第/>个采样点对应的高度，/>表示自然常数；
C3、根据各切割面的灰度图像，计算各切割面对应的粗糙度；
C4、计算各切割面对应的切割精度评估指数，/>，其中，/>和/>分别表示设定参照的平整度和粗糙度，/>和/>分别表示设定的平整度和粗糙度对应切割精度评估占比权重；
C5、从各切割面对应的切割精度评估指数中提取最大值，记为；
C6、将各切割面对应的切割精度评估指数与设定参照的切割精度评估指数进行对比，若某切割面对应的切割精度评估指数小于设定参照的切割精度评估指数，则将该切割面记为异常切割面，统计异常切割面数目，记为；
C7、计算目标圆锯机中圆锯片的综合切割精度评估指数，/>，其中，/>和/>分别表示设定参照的切割精度评估指数和异常切割面占比，/>和/>分别表示设定的切割精度评估指数和异常切割面占比对应综合切割精度评估占比权重，/>表示切割面数目。
5.根据权利要求4所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述计算各切割面对应的粗糙度，具体计算过程为：
D1、从各切割面的灰度图像中定位出各灰度值和各灰度值对应的灰度区域；
D2、将各切割面对应的各灰度值与云数据库中存储的粗糙灰度值集合进行对比，若某灰度值位于粗糙灰度值集合内，则将该灰度值对应的灰度区域记为粗糙区域，统计各切割面对应的粗糙区域数目，并统计各粗糙区域面积；
D3、将各切割面对应的粗糙区域数目记为；
D4、将各切割面对应的各粗糙区域面积进行累加，得到各切割面对应的总粗糙面积，记为；
D5、计算各切割面对应的粗糙度，/>，其中，/>和分别表示设定参照的粗糙区域数目和粗糙面积，/>和/>分别表示设定的粗糙区域数目和粗糙面积对应粗糙度评估占比权重。
6.根据权利要求4所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述分析目标圆锯机的工作性能评估指数，具体分析过程为：
E1、将目标圆锯机在运作过程中的振动频率记为；
E2、计算目标圆锯机在运作过程中的切割平稳度，/>，其中，/>和/>分别表示设定参照的振动频率和振动频率偏差；
E3、根据目标圆锯机在运作过程中的响度，计算目标圆锯机在运作过程中的声音异常指数；
E4、根据目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速，计算目标圆锯机在运作过程中的转速平稳度；
E5、计算目标圆锯机的工作性能评估指数，/>，其中，/>、/>和/>分别表示设定参照的切割平稳度、声音异常指数和转速平稳度，/>、/>和/>分别表示设定的切割平稳度、声音异常指数和转速平稳度对应工作性能评估占比权重。
7.根据权利要求6所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述计算目标圆锯机在运作过程中的转速平稳度，具体计算过程为：
F1、将目标圆锯机在运作过程中圆锯片在各监测时间段对应的转速与云数据库中存储的圆锯片设定转速进行作差，得到圆锯片在各监测时间段对应的转速偏差，并将其与设定参照的转速偏差进行对比，将转速偏差大于或者等于设定参照的转速偏差对应的监测时间段记为转速异常时间段，统计圆锯片的转速异常时间段数目，记为；
F2、从圆锯片在各监测时间段对应的转速偏差中分别提取最大值和最小值，并分别记为和/>；
F3、计算目标圆锯机在运作过程中的转速平稳度，/>，其中，/>和/>分别表示设定参照的转速异常时间段数目和转速极值偏差，/>和/>分别表示设定的转速异常时间段数目和转速极值偏差对应转速平稳度评估占比权重。
8.根据权利要求6所述的一种圆锯机智能制造生产数据可视化采集分析方法，其特征在于：所述目标圆锯机的制造生产质量评估指数的计算公式为：，其中，/>表示目标圆锯机的制造生产质量评估指数，/>、/>和/>分别表示设定的生产精度、综合切割精度和工作性能对应制造生产质量评估占比权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410223507.7A CN117808798B (zh) | 2024-02-29 | 2024-02-29 | 一种圆锯机智能制造生产数据可视化采集分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410223507.7A CN117808798B (zh) | 2024-02-29 | 2024-02-29 | 一种圆锯机智能制造生产数据可视化采集分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117808798A true CN117808798A (zh) | 2024-04-02 |
| CN117808798B CN117808798B (zh) | 2024-05-14 |
Family
ID=90430319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410223507.7A Active CN117808798B (zh) | 2024-02-29 | 2024-02-29 | 一种圆锯机智能制造生产数据可视化采集分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117808798B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118751998A (zh) * | 2024-09-05 | 2024-10-11 | 江苏三楚重工科技有限公司 | 一种金属材料加工机床设备运行状态异常监控系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103419089A (zh) * | 2012-05-22 | 2013-12-04 | 湖南湖机国际机床制造有限公司 | 一种圆锯床整机动态工作性能优化设计方法 |
| CN109655013A (zh) * | 2019-02-01 | 2019-04-19 | 浙江机电职业技术学院 | 基于图像处理的圆锯片锯齿参数检测装置 |
| US20200368914A1 (en) * | 2019-05-24 | 2020-11-26 | Altendorf Gmbh | Safety device for machine tools |
| US20220032489A1 (en) * | 2020-07-29 | 2022-02-03 | Chain Orthopedics, Llc | Chain saws, components for chain saws, and systems for operating saws |
| CN114638084A (zh) * | 2021-12-10 | 2022-06-17 | 重庆大学 | 一种基于图像处理的线锯切割单晶硅片全表面线粗糙度预测方法 |
| CN115041750A (zh) * | 2022-07-11 | 2022-09-13 | 浙江机电职业技术学院 | 一种应用于自动磨齿机的圆锯片状态评估方法 |
| CN115854946A (zh) * | 2022-11-23 | 2023-03-28 | 浙江机电职业技术学院 | 应用于圆锯片自动磨齿机的锯齿摄像装置及其使用方法 |
| CN117066589A (zh) * | 2023-10-12 | 2023-11-17 | 山东万利精密机械制造有限公司 | 高速金属圆锯机切割动态控制管理系统 |
-
2024
- 2024-02-29 CN CN202410223507.7A patent/CN117808798B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103419089A (zh) * | 2012-05-22 | 2013-12-04 | 湖南湖机国际机床制造有限公司 | 一种圆锯床整机动态工作性能优化设计方法 |
| CN109655013A (zh) * | 2019-02-01 | 2019-04-19 | 浙江机电职业技术学院 | 基于图像处理的圆锯片锯齿参数检测装置 |
| US20200368914A1 (en) * | 2019-05-24 | 2020-11-26 | Altendorf Gmbh | Safety device for machine tools |
| US20220032489A1 (en) * | 2020-07-29 | 2022-02-03 | Chain Orthopedics, Llc | Chain saws, components for chain saws, and systems for operating saws |
| CN114638084A (zh) * | 2021-12-10 | 2022-06-17 | 重庆大学 | 一种基于图像处理的线锯切割单晶硅片全表面线粗糙度预测方法 |
| CN115041750A (zh) * | 2022-07-11 | 2022-09-13 | 浙江机电职业技术学院 | 一种应用于自动磨齿机的圆锯片状态评估方法 |
| CN115854946A (zh) * | 2022-11-23 | 2023-03-28 | 浙江机电职业技术学院 | 应用于圆锯片自动磨齿机的锯齿摄像装置及其使用方法 |
| CN117066589A (zh) * | 2023-10-12 | 2023-11-17 | 山东万利精密机械制造有限公司 | 高速金属圆锯机切割动态控制管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| ANDREAS OTTO等: "The influence of tangential and torsional vibrations on the stability lobes in metal cutting", 《NONLINEAR DYNAMICS》, vol. 82, 30 July 2015 (2015-07-30), pages 1989 - 2000, XP035926440, DOI: 10.1007/s11071-015-2293-9 * |
| 马雪亭: "基于分形理论的金刚石木工圆锯片磨损状态研究", 《工程科技Ⅰ辑》, no. 02, 15 February 2017 (2017-02-15), pages 024 - 1458 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118751998A (zh) * | 2024-09-05 | 2024-10-11 | 江苏三楚重工科技有限公司 | 一种金属材料加工机床设备运行状态异常监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117808798B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| CN117808798B (zh) | 一种圆锯机智能制造生产数据可视化采集分析方法 | |
| WO2024000720A1 (zh) | 基于切削力成分解耦的变工况刀具磨损监测方法及系统 | |
| CN114820551B (zh) | 基于激光微织构技术的工件加工方法、系统、设备和介质 | |
| KR101662820B1 (ko) | 선형 회귀 분석에 기반한 툴 마모 및 수명을 추정하는 시스템 및 방법 | |
| CN113145905B (zh) | 发动机缸体顶面铣削刀痕测量预测及优化方法及装置 | |
| CN114818201A (zh) | 一种基于机理与数据驱动的发动机缸盖铣削表面质量预测方法 | |
| WO2023138327A1 (zh) | 一种旋风铣削中螺纹工件表面形貌的预测方法 | |
| CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及系统 | |
| CN116306169B (zh) | 高效铣刀刀齿后刀面非稳态摩擦特性识别方法 | |
| Yang et al. | Application of bispectrum diagonal slice feature analysis in tool wear states monitoring | |
| CN107679335B (zh) | 考虑刀具振动下动态切屑厚度的实时切削力系数计算方法 | |
| CN116307938B (zh) | 一种加工中心进给系统健康状态评估方法 | |
| CN117806231B (zh) | 一种基于物联网的机床运行加工控制系统及方法 | |
| CN117196417B (zh) | 一种立式加工机床加工数据智能分析管理系统 | |
| JP2001005507A (ja) | 加工条件評価・検証方法及びその装置 | |
| CN115755765B (zh) | 一种轴肩加工误差精准分析方法及系统 | |
| CN114473651B (zh) | 一种用于刀刃磨削的智能控制系统 | |
| CN111193495A (zh) | 一种工件校直数据的滤波处理方法 | |
| CN115533617A (zh) | 一种cnc加工中心刀具状态在线监测系统 | |
| CN115157001A (zh) | 一种龙门加工中心传动装置进给分析控制系统 | |
| CN113927368B (zh) | 基于切削力系数曲线拐点识别的微铣刀刃口磨损监测方法 | |
| CN113487180A (zh) | 一种基于云平台的齿轮齿面评价方法 | |
| CN111300149A (zh) | 铣削切削力在线监测方法和在线监控系统 | |
| CN117773208B (zh) | 五轴联动双摆铣头的精度补偿方法、装置、设备及介质 |
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 |