CN110376963A - 一种基于在位检测的闭环控制精密加工方法及系统 - Google Patents

Abstract

本发明公开了一种基于在位检测的闭环控制精密加工方法及系统，属于精密机械加工领域。该方法包括：S1、机床刀具依据预设加工路径进行一次加工工序；S2、原位采集工件的外形尺寸、形貌关键点尺寸以及加工参数，并实时输入神经网络智能补偿模型，计算出刀具的误差补偿值C并据此优化下一步的加工路径，以对下一步的加工进行实时动态补偿；S3、将步骤S2优化后的下一步的加工路径作为步骤S1的预设加工路径，重复步骤S1、S2直至加工完成。本发明通过在位测量实时获得加工过程中的局部关键尺寸，计算出加工误差并基于神经网络算法实时拟合计算加工补偿值，自动优化加工路径，从而减小加工误差，实现实时闭环控制的精密加工。

Description

一种基于在位检测的闭环控制精密加工方法及系统

技术领域

本发明属于精密机械加工领域，更具体地，涉及一种基于在位检测技术的实时闭环控制精密零部件加工系统及方法。

背景技术

随着机械加工制造技术的发展，机械零部件生产要求越来越高，例如在模具制造和锂电池装备等领域，工件的形体结构加工趋向于复杂化和精密化。目前数控机床的加工方式主要有开环、半闭环和闭环加工。开环加工是在加工完成后由工人人工测量并将不合格产品反馈给工艺人员，调整工艺参数；半闭环加工采用机床上的脉冲编码器等零件反馈电机转速等参数，控制加工过程；而闭环加工方式采用光电传感器、限位器等元件反馈位置，实现闭环控制。但是上述加工方法均没有考虑数控机床的加工切削过程，检测结果具有时间滞后性，造成加工效率的下降，不能实现实时闭环控制的精密加工。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于在位测量的闭环控制精密加工方法及系统，其目的在于，通过图像采集和激光测距进行在位测量，实时获得加工过程中的局部关键尺寸，计算出加工误差并基于神经网络算法实时拟合计算加工补偿值，自动优化加工路径，从而减小加工误差，实现实时闭环控制的精密加工。

为了实现上述目的，按照本发明的一个方面，提供了一种基于在位检测的闭环控制精密加工方法，包括如下步骤：

S1、机床刀具依据预设加工路径进行一次加工工序；

S2、完成步骤S1之后，或者在步骤S1执行过程中实时地，原位采集工件的外形尺寸、形貌关键点尺寸以及加工参数，并实时输入神经网络智能补偿模型，计算出刀具的误差补偿值C并据此优化下一步的加工路径，以对下一步的加工进行实时动态补偿；其中：

外形尺寸、形貌关键点尺寸以及加工参数包括：工件的形状S、外形尺寸H、工件材质M_p、工件精确度要求A、刀具材质M_t、机床主轴速度V_m、刀具进给速度V_t、切削液F、加工工序W_s和加工误差数据；加工误差数据包括工件的形状误差δ^S和工件的形貌尺寸误差δ^H，δ^S和δ^H分别是工件的形状S、形貌尺寸H的测量值与设计值的差值。

神经网络智能补偿模型，是通过将已加工工件的外形尺寸和形貌关键点尺寸作为输入，相应的误差补偿值C作为输出，对神经网络进行训练得到

S3、将步骤S2优化后的下一步的加工路径作为步骤S1的预设加工路径，重复步骤S1、S2直至加工完成。

进一步地，步骤S2中，预先设置工件表面需要采集的关键点，测量时，通过相机拍照获得工件外形轮廓尺寸作为工件形状S，通过激光测距获得工件表面关键点的高度尺寸作为关键点对应的形貌尺寸H。

进一步地，步骤S2中，先根据预先设定的关键点对工件表面对应位置进行激光测距，求出关键点的高度误差，再基于径向基函数进行数据预测插值，根据预设的关键点生成更多的插值关键点，然后计算插值关键点的高度误差，并将预设的关键点和插值关键点的高度误差作为形貌尺寸H的误差δ^H进行补偿计算。

进一步地，步骤S2中，在加工路径上从起止点到结尾点，中间每隔i mm设置一个关键点，共预先设置N个关键点，得到预设的关键点的坐标值x＝{x₁,x₂,…x_i,…x_N}；选取径向基函数为：

则径向基函数的插值表达式为：

其中，r＝|x-x_i|，是坐标x与坐标值x_i的二范数；σ表示径向基函数的扩展常数，反应了径向基函数图像的宽度，σ越小，宽度越窄，函数越具有选择性；c₀为常数项，c₁为一次项系数，λ_i为对应于x_i的径向基函数的系数；

根据预设的N个关键点及测得的第i个关键点的形貌尺寸误差使用矩阵SVD分解或者最小二乘法计算出f(x)中的c₀、c₁和λ_i，从而获得插值表达式，进而求出加工路径上其他插值关键点的形貌尺寸误差。

为了实现上述目的，本发明还提供了一种基于在位检测的闭环控制精密加工系统，包括：工业相机、工控机、激光测距仪以及闭环控制程序模块；其中：

工业相机用于拍摄工件平面图像，激光测距仪用于对工件表面预设的关键点进行激光测距获得其高度；

工控机用于控制工业相机和激光测距仪的工作，以及调用闭环控制程序模块进行误差补偿；

其中，闭环控制程序模块在被工控机调用时执行如前任意一项所述的基于在位检测的闭环控制精密加工方法。

进一步地，工业相机设有光学镜头和环形光源；环形光源由成环形排布的多个照明灯组成；各照明灯呈环形均布于光学镜头周围。

总体而言，本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)将机床加工切削过程考虑到尺寸检测与闭环控制中，通过机器视觉和激光测距的尺寸检测方法，提高了测量系统对切削液和切屑等外界扰动的抗干扰能力。并且，形状误差直接由及其视觉获得的平面图形计算与设计值的差值获得，而形貌误差由激光测距测距获得，相比于传统的三维建模计算误差的方法，同样能够大大提升运算效率，进而提升闭环控制的实时性。

(2)将尺寸误差测量与机床控制结合形成闭环，以实时控制加工过程，对加工偏差及时补偿，提高了加工效率和精工精度，并且对其他类似情况的精密加工场景有一定的启发意义。

(3)本发明的方法仅需实际测量几个关键点的误差，即可通过插值法求取插值关键点位置进而获得插值关键点的误差，可以提高尺寸检测速度，只需几个关键点的误差就可以计算出工件形貌尺寸误差，提高了检测效率并能保证检测精度。

附图说明

图1是本发明优选实施例中相机、镜头和环形光源的安装位置示意图；

图2是图1中环形光源的平面示意图；

图3是本发明优选实施例中的机器视觉平面形状尺寸测量示意图；

图4是本发明激光测量点选取示意图；

图5是本发明所述径向基函数插值计算示意图；

图6是本发明所述的在位检测和闭环加工系统的方案图；

图7是本发明优选实施例的流程示意图。

在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：

1-工业相机，2-光学镜头，3-环形光源，4-LED灯。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明揭示了一种使用在位测量技术的闭环加工控制系统和方法。其中测量部分的工业相机与光源布置如附图1所示，激光测量头的精密测量点选取如附图2所示。系统的测量部分由控制软件控制工作并读取反馈图像和测量数据，然后与理论工艺尺寸对比计算加工误差，由插值算法密化形貌尺寸误差，控制软件使用神经网络智能模型计算出机床刀具补偿之后反馈给数控机床，机床刀具根据加工补偿修正下一步的加工进给。

所述的图像采集部分工作原理为，相机上安装的环形光源由控制软件系统通过光源控制器控制发出预设亮度的闪光，相机同时由软件控制拍照，所得图像传输至软件，经过图像预处理、图像分割、边缘拟合等技术测量出工件的关键尺寸，计算得出加工误差。由于机器视觉可以同时对整个测量局部的所有关键尺寸进行测量，并且对切削液和切屑的干扰不敏感，因此可以快速准确地测量工件局部的所有尺寸，但是单目机器视觉测量组件无法感知工件的深度信息，因此工件的高度(深度)形貌尺寸加工误差使用激光测量头测量。激光测量头与机器视觉测量组件同时工作，激光测量头使用三角形测量法，精确测量工件高度(深度)形貌的关键点尺寸加工误差，结果返回给控制软件，软件通过径向基函数插值算法计算出工件高度(深度)形貌中更多的关键点的加工误差。软件对上述的两个加工误差统一处理，由神经网络智能调整算法计算出补偿值，转换成CNC系统所需的补偿结果，最后控制机床的伺服系统，实现对机床下一步的加工参数修正，从而保证工件尺寸的精确性。

下面结合一个具体实施例对本发明的系统、方法及具体应用进行详细的介绍。

如图1、图2、图6所示，本发明提出了一种基于在位测量的闭环控制精密加工系统，其采用工业相机和激光测距头的在位测量工具，实时测量加工过程中产品的局部关键尺寸，并配合相关软件系统，将工艺尺寸与加工结果尺寸对比，计算出加工误差，并通过配套软件中的神经网络算法拟合计算加工补偿值，并且自动优化加工路径，减小加工误差。其中工业相机和测量头的工作状态由PLC控制器控制，并与相应的软件系统进行数据交换。

具体地，本实施例使用基于机器视觉和激光测距头联合测量方法，其中包括了工业相机、工业镜头、环形光源、工控机、激光测距头和其他相应的工装夹具等硬件设施。优选地，本实施例中：

所述的工业相机为普通工业相机，像素分辨率的选择以加工工件外形尺寸为依据，为了满足测量的快速性和准确性等要求，本系统采用2000W像素CMOS相机；

所述的相机配备普通光学镜头，焦距大小需满足工件尺寸，采用8mm焦距定焦镜头；

所述光源为普通环形光源，在本系统中采用白色光源，用于在使用工业相机拍摄工件表面时提供光照，亮度由工控机上的配套软件系统经过光源控制器来控制。环形光源布置在工业镜头的前部，用于跟随相机采集图像。

所述的激光测距头为工业级激光测距仪，采用高精密的三角形法测量尺寸，以实现高精度测量，其测量精度可达到1μm。

所述的机器视觉测量组件主要用于测量工件的局部关键尺寸，在工作时，由工控机上的配套软件控制光源闪光和相机拍照，获得工件的照片，并通过以太网线将图像传输至控制软件，软件通过质心法和边缘拟合等亚像素级精度图像处理方法，对工件图像进行处理，测量得到工件上测量局部的关键尺寸，并与加工工艺理论尺寸作对比，求出加工误差，交由软件中的智能优化算法使用。两千万像素分辨率在亚像素级精度的图像处理技术下，像素计算精度可以达到微米级。

如图3所示，所述机器视觉的测量局限于二维平面，只能测量外形轮廓尺寸，无法测量工件的深度信息，因此使用激光测量头弥补这一缺陷，激光测量头测量工件的形貌高度(深度)尺寸，计算对应的误差值。

如图4、图5所示，所述激光测距头在测量工件表面形貌时，根据软件预先设定的关键点对工件表面对应位置进行测量，根据软件中预先输入的加工路径及工件尺寸进行对比，求出关键点误差，再使用软件中的基于径向基函数的精确插值器进行数据预测插值，从而计算出工件表面形貌中更多关键点的误差值，并由软件记录并由软件中智能算法进行补偿计算。由于加工过程中，一条加工路径上的误差值是互相关联的，因此，我们不需要精确拟合出加工路径的具体形貌尺寸，而只需要寻找加工误差之间的关系即可。我们在加工路径上设置N个关键点，从加工路径的起止点到结尾点，中间每隔i mm设置为一个取样点，i值的设置可以根据加工情况自动设定，得到每个关键点的坐标值x＝{x₁,x₂,……x_N}(例如图4中的横坐标值)。选取多项式基函数为：

则径向基函数的插值表达式为：

其中，r＝|x-x_i|，是坐标x与坐标值x_i的二范数；σ表示径向基函数的扩展常数，反应了径向基函数图像的宽度，σ越小，宽度越窄，函数越具有选择性；c₀为常数项，c₁为一次项系数，λ_i为对应于x_i的径向基函数的系数；

根据预设的N个关键点及测得的第i个关键点的形貌尺寸误差使用矩阵SVD分解或者最小二乘法计算出f(x)中的c₀、c₁和λ_i，从而获得插值表达式，进而求出加工路径上其他插值关键点的形貌尺寸误差。该方法可以提高尺寸检测速度，只需几个关键点的误差就可以计算出工件形貌尺寸误差，提高了检测效率并保证检测精度。

所述控制软件系统使用基于神经网络的智能补偿模型算法，机床加工过程中的误差影响因素很多，包括工件的形状、外形尺寸、工件材质、工件精确度要求、机床主轴转速、刀具进给速度、加工刀具材料、切削液等。该神经网络算法以工业加工大数据为基础，将以往加工生产实践中积累的加工过程数据加以分类整理，分析加工过程中误差的产生与加工条件之间的关系。将获取的数据以工件的形状S、外形尺寸H、工件材质M_p、工件精确度要求A、刀具材质M_t、机床主轴速度V_m、刀具进给速度V_t、切削液F、加工工序W_s和在这些加工条件下产生的加工误差数据δ作为输入数据，工艺专家在这些加工过程中设置的误差补偿值C作为输出。建立一个输出层节点数为9，隐藏层节点数为12，输出层节点数为1的三层神经网络。使用SGD的梯度下降算法对积累的加工数据进行训练，得到用于预测补偿值的神经网络模型。

控制软件采用以误差控制的闭环控制，将以上计算所得的尺寸误差和形貌误差作为输入数据，采用训练好的神经网络智能算法计算出所需要的机床补偿值。网络模型计算出来的补偿值经放大控制伺服电机带动机床刀具等移动部件向指令位置补偿进给，并用插补运算技术提高刀具进给补偿精度。

所述的联合测量系统的采样频率下限在于机器视觉部分，工业相机最大采样帧率为25FPS，激光测距头的采样频率可达每秒上千次。测量系统的采样频率和形貌关键点的选择同样是由控制软件内另一个神经网络模型计算得出，根据工件的实际状态、加工要求、机床主轴转速和刀具进给速度等加工参数进行实时计算调整，以保证测量的及时性和准确性。

以下结合图7阐明本发明的工作流程：

准备阶段：将待测工件固定在机床工作台上，对检测系统进行初始化；

以待测工件表面为基准对机器视觉测量系统信息进行尺寸标定，以工作台上表面为基准对激光测量头进行标定和归零；

加工阶段：

S1、数控机床对刀完成后按照预定的加工路线对待测工件进行加工；

S2、误差测量及补偿计算：

S21在机床进行加工时，控制软件按照预先设定的采样频率和采样点位置进行工件尺寸的测量；包括：

S211、控制软件发送指令使机器视觉测量组件工作，环形光源在控制器控制下发出预设的闪光，工业相机捕获工件表面图像并传输至控制软件；

S212、控制软件根据返回的图像快速计算工件外形尺寸，计算出误差并记录；同时控制激光测量头工作；

S213、激光测量头在控制软件的采样频率控制下测量工件高度(深度)形貌的预定关键点尺寸，测量头沿着加工路径从加工起始点开始，按照设定的尺寸间隔(如：10mm)测量一次关键点加工误差，并将结果返回给控制软件；

S214、控制软件根据高度(深度)测量误差结果使用径向基函数插值算法求解插值表达式，然后在加工路径上选择更多的关键点，在之前关键点的间隔距离中再选择2个点，计算出更多形貌关键点误差。

S22、控制软件中的神经网络模型以这些误差值和加工条件参数为输入，即输入向量X＝[S,H,M_p,A,M_t,V_m,V_t,F,W_s,δ]，根据神经网络模型智能计算出刀具所需要的补偿值输出y＝C，将转换后的信号反馈给数控机床，对下一步的加工进行修正；

S3、数控机床循环以上所述的加工——测量过程，直至完成所有工序的加工。

在其他实施例中，测量系统的采样频率和形貌关键点的选择同样可以由控制软件智能自动调控，可以根据加工精确度等级要求的IT级别、机床主轴转速V_m和刀具进给速度V_t等加工参数进行实时计算调整，以保证测量的及时性和准确性。

总体而言，本发明采用工业相机和激光测距头的在位测量工具，实时测量加工过程中产品的局部关键尺寸，并配合相关软件系统，将工艺尺寸与加工结果尺寸对比，计算出加工误差，并通过配套软件中的神经网络算法拟合计算加工补偿值，并且自动优化加工路径，减小加工误差，具有极高的控制和加工精度，尤其适用于模具和锂电池装备行业的精密零件加工过程，能够实现核心零部件复杂曲面精密加工。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于在位检测的闭环控制精密加工方法，其特征在于，包括如下步骤：

S1、机床刀具依据预设加工路径进行一次加工工序；

S2、完成步骤S1之后，或者在步骤S1执行过程中实时地，原位采集工件的外形尺寸、形貌关键点尺寸以及加工参数，并实时输入神经网络智能补偿模型，计算出刀具的误差补偿值C并据此优化下一步的加工路径，以对下一步的加工进行实时动态补偿；其中：

外形尺寸、形貌关键点尺寸以及加工参数包括：工件的形状S、外形尺寸H、工件材质M_p、工件精确度要求A、刀具材质M_t、机床主轴速度V_m、刀具进给速度V_t、切削液F、加工工序W_s和加工误差数据；加工误差数据包括工件的形状误差δ^S和工件的形貌尺寸误差δ^H，δ^S和δ^H分别是工件的形状S、形貌尺寸H的测量值与设计值的差值；

神经网络智能补偿模型，是通过将已加工工件的外形尺寸和形貌关键点尺寸作为输入，相应的误差补偿值C作为输出，对神经网络进行训练得到；

S3、将步骤S2优化后的下一步的加工路径作为步骤S1的预设加工路径，重复步骤S1、S2直至加工完成。

2.如权利要求1所述的一种基于在位检测的闭环控制精密加工方法，其特征在于，步骤S2中，预先设置工件表面需要采集的关键点，测量时，通过相机拍照获得工件外形轮廓尺寸作为工件形状S，通过激光测距获得工件表面关键点的高度尺寸作为关键点对应的形貌尺寸H。

3.如权利要求2所述的一种基于在位检测的闭环控制精密加工方法，其特征在于，步骤S2中，先根据预先设定的关键点对工件表面对应位置进行激光测距，求出关键点的高度误差，再基于径向基函数进行数据预测插值，根据预设的关键点生成更多的插值关键点，然后计算插值关键点的高度误差，并将预设的关键点和插值关键点的高度误差作为形貌尺寸H的误差δ^H进行补偿计算。

4.如权利要求3所述的一种基于在位检测的闭环控制精密加工方法，其特征在于，步骤S2中，在加工路径上从起止点到结尾点，中间每隔imm设置一个关键点，共预先设置N个关键点，得到预设的关键点的坐标值x＝{x₁,x₂,…x_i,…x_N}；选取径向基函数为：

则径向基函数的插值表达式为：

其中，r＝|x-x_i|，是坐标x与坐标值x_i的二范数；σ表示径向基函数的扩展常数，反应了径向基函数图像的宽度，σ越小，宽度越窄，函数越具有选择性；c₀为常数项，c₁为一次项系数，λ_i为对应于x_i的径向基函数的系数；

根据预设的N个关键点及测得的第i个关键点的形貌尺寸误差使用矩阵SVD分解或者最小二乘法计算出f(x)中的c₀、c₁和λ_i，从而获得插值表达式，进而求出加工路径上其他插值关键点的形貌尺寸误差。

5.一种基于在位检测的闭环控制精密加工系统，其特征在于，包括：工业相机、工控机、激光测距仪以及闭环控制程序模块；其中：

工业相机用于拍摄工件平面图像，激光测距仪用于对工件表面预设的关键点进行激光测距获得其高度；

工控机用于控制工业相机和激光测距仪的工作，以及调用闭环控制程序模块进行误差补偿；

其中，闭环控制程序模块在被工控机调用时执行如权利要求1～4任意一项所述的基于在位检测的闭环控制精密加工方法。

6.如权利要求5所述的一种基于在位检测的闭环控制精密加工系统，其特征在于，工业相机设有光学镜头和环形光源；环形光源由成环形排布的多个照明灯组成；各照明灯呈环形均布于光学镜头周围。