申请/专利权人：浙江万能弹簧机械有限公司

申请日：2023-04-10

公开（公告）日：2024-04-09

公开（公告）号：CN116821745B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06F18/25;G06N3/0464;G06N3/08;G06F18/214;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本申请涉及智能控制领域，其具体地公开了一种智能线切割慢走丝设备的控制方法及其系统，其通过采用基于深度学习的神经网络模型挖掘出惯性负载和摩擦负载的时序协同关联变化和所述伺服电机的功率时序变化之间的映射关系，以此来基于所述惯性负载和所述摩擦负载的变化情况来自适应地控制伺服电机的功率值，以使切割设备适配于加工件的实际厚度变化情况，从而优化切割精度和质量。

主权项：1.一种智能线切割慢走丝设备的控制方法，其特征在于，包括：获取预定时间段内多个预定时间点的惯性负载和摩擦负载，以及，所述多个预定时间点的伺服电机的功率值；将所述多个预定时间点的惯性负载和摩擦负载分别按照时间维度排列为惯性负载输入向量和摩擦负载输入向量；将所述惯性负载输入向量和所述摩擦负载输入向量分别通过多尺度邻域特征提取模块以得到惯性负载时序特征向量和摩擦负载时序特征向量；融合所述惯性负载时序特征向量和所述摩擦负载时序特征向量以得到全负载时序特征向量；将所述多个预定时间点的伺服电机的功率值按照时间维度排列为功率输入向量后通过一维卷积神经网络模型以得到功率时序特征向量；基于高斯密度图，计算所述全负载时序特征向量相对于所述功率时序特征向量的响应性估计以得到分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的伺服电机的功率值应增大或应减小；其中，将所述惯性负载输入向量和所述摩擦负载输入向量分别通过多尺度邻域特征提取模块以得到惯性负载时序特征向量和摩擦负载时序特征向量，包括：将所述惯性负载输入向量和所述摩擦负载输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度惯性负载时序特征向量和第一邻域尺度摩擦负载时序特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述惯性负载输入向量和所述摩擦负载输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度惯性负载时序特征向量和第二邻域尺度摩擦负载时序特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一邻域尺度惯性负载时序特征向量和所述第一邻域尺度摩擦负载时序特征向量分别与所述第二邻域尺度惯性负载时序特征向量和所述第二邻域尺度摩擦负载时序特征向量进行级联以得到所述惯性负载时序特征向量和所述摩擦负载时序特征向量；其中，将所述惯性负载输入向量和所述摩擦负载输入向量分别输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度惯性负载时序特征向量和第一邻域尺度摩擦负载时序特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述惯性负载输入向量和所述摩擦负载输入向量分别进行一维卷积编码以得到第一邻域尺度惯性负载时序特征向量和第一邻域尺度摩擦负载时序特征向量；其中，所述第一卷积公式为： 其中，a为第一卷积核在x方向上的宽度、Fa为第一卷积核参数向量、Gx-a为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述惯性负载输入向量和所述摩擦负载输入向量，CovX表示对所述惯性负载输入向量和所述摩擦负载输入向量进行一维卷积编码；以及将所述惯性负载输入向量和所述摩擦负载输入向量分别输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度惯性负载时序特征向量和第二邻域尺度摩擦负载时序特征向量，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述惯性负载输入向量和所述摩擦负载输入向量分别进行一维卷积编码以得到第二邻域尺度惯性负载时序特征向量和第二邻域尺度摩擦负载时序特征向量；其中，所述第二卷积公式为： 其中，b为第二卷积核在x方向上的宽度、Fb为第二卷积核参数向量、Gx-b为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述惯性负载输入向量和所述摩擦负载输入向量，CovX表示对所述惯性负载输入向量和所述摩擦负载输入向量进行一维卷积编码。

全文数据：

权利要求：

百度查询： 浙江万能弹簧机械有限公司 智能线切割慢走丝设备的控制方法及其系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD