機械模具切割加工數(shù)控系統(tǒng)淺探

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了機械模具切割加工數(shù)控系統(tǒng)淺探范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:由于數(shù)控系統(tǒng)的運算能力較低，導致加工效果存在一定提升空間，為此，提出基于深度學習的機械模具切割加工數(shù)控系統(tǒng)。將可以儲存大規(guī)模加工材料數(shù)據(jù)信息以及可實施加工參數(shù)的SD卡和支持設備外設功能擴展的連接口作為系統(tǒng)硬件，在軟件方面，為系統(tǒng)構(gòu)建并發(fā)機制，并利用神經(jīng)網(wǎng)絡計算出執(zhí)行操作的額定時間。測試結(jié)果表明，設計方法對機械模具的加工效果良好，具有較高精度。

關鍵詞：深度學習；機械模具；切割加工；數(shù)控系統(tǒng)；并發(fā)機制；定時機制

機械模具加工作為機械制造中的重要組成部分，其加工質(zhì)量直接決定了后續(xù)相關零部件的加工效果[1]。在計算機技術不斷發(fā)展的時代背景下，其在機械制造中也得到了廣泛的應用，使得機械設備運行的精密化程度實現(xiàn)了大幅提升[2]。但是值得關注的是，機械設備的精密化實現(xiàn)對機械零部件高精度加工的前提不僅僅要對加工工具、加工方式進行優(yōu)化[3]，同時也要對加工參數(shù)作出合理的選擇，這就對數(shù)控系統(tǒng)提出了更高的要求[4]。為此，本文提出了基于深度學習的機械模具切割加工數(shù)控系統(tǒng)設計研究，并通過試驗測試驗證了設計系統(tǒng)在加工過程中的價值。本文的研究可為相關加工生產(chǎn)活動的開展提供參考。

1硬件設計

1.1SD卡設計

為了提供系統(tǒng)運行的速度，本文使用螢石CSCMT22CAR210作為設計系統(tǒng)的SD卡，其容納量為128G，可以實現(xiàn)對大規(guī)模加工材料數(shù)據(jù)信息以及可實施加工參數(shù)的儲存，同時能實現(xiàn)對能耗的控制，延長CSCMT22CAR210的運行周期。相應地，當運行環(huán)境內(nèi)的晶振達到5MHz時，其執(zhí)行指令的速度為8MIPS，其中，MIPS表示每秒時間內(nèi)完成指令的數(shù)量，計量單位為百萬。在高性能模擬技術的加持下，CSCMT22CAR210的外圍模塊可以實現(xiàn)片內(nèi)外設。以此為基礎，為了提高數(shù)控系統(tǒng)的運行效果[5]，本文為其增設了時間看門狗、數(shù)據(jù)模擬比較器、數(shù)據(jù)采集定時器A、數(shù)據(jù)訪問定時器B、連接串口0和1，并在12位ADC的支持下設置了直接數(shù)據(jù)存取模塊，使得輸入輸出端口可以實現(xiàn)對目標數(shù)據(jù)的快速定位，具體如圖1所示。不僅如此，考慮到不同的變電站對于通信電源的配置也存在差異，且隨著時代的發(fā)展，變電站對通信電源進行優(yōu)化升級的可能性較大[6]，以單一固定的模式實施對其的數(shù)控會降低系統(tǒng)的適用性[7]。為此，利用JTAG調(diào)試接口為CSCMT22CAR210打造了更加自由的開發(fā)環(huán)境，通過對FLASH存儲器進行擦寫處理，使得在通過JTAG接口讀取FLASH內(nèi)的信息時可以根據(jù)程序的運行情況，對片內(nèi)MCU的狀態(tài)進行適應性調(diào)節(jié)。

1.2連接口設置

為了提高本文設計系統(tǒng)的適用范圍，選擇SDIO（In-put/Output）作為系統(tǒng)的連接裝置。SDIO接口處還設有標準的SD卡槽連接設備，當原有數(shù)控環(huán)境不支持SDIO時，SD卡的命令指令可以通過該接口完成傳遞，確保響應效率和時間。當SD卡的命令發(fā)布處于靜態(tài)時，SDIO接口將轉(zhuǎn)換為非激活狀態(tài)模式，通過這樣的方式最大限度降低其對設備正常工作狀態(tài)的影響。另外一種情況就是原有數(shù)控環(huán)境支持SDIO，此時只需直接激活SDIO即可實現(xiàn)其運行。本文的CSCMT22CAR210支持SDIO接口，因此直接將SDIO調(diào)節(jié)至激活狀態(tài)。同時，為了確保本文中的CSCMT22CAR210對SDIO的適配性，即不會受到后期系統(tǒng)優(yōu)化升級影響，另外搭載了AHB總線接口和SDIO適配器。其中AHB總線接口的作用是實現(xiàn)對SD卡的時鐘、命令和數(shù)據(jù)傳送。其內(nèi)部構(gòu)件如圖2所示。以此為基礎，為機械模具切割加工數(shù)控系統(tǒng)的運行提供可靠基礎。

2軟件設計

2.1系統(tǒng)并發(fā)機制設計

由于機械模具切割數(shù)控系統(tǒng)在加工過程中接收到的執(zhí)行信息并非以單一形式存在，為了確保下一加工實施的連續(xù)性，往往需要在短時間內(nèi)連續(xù)接收相關指令。為了降低信息延時對加工質(zhì)量的影響，本文設計數(shù)控系統(tǒng)為其建立了并發(fā)機制，使其可以同時接收多個操作命令，提高加工精度。切割刀具在大多數(shù)時間都是處于加工運行狀態(tài)的，本文在CAM處理時間與SD卡服務運行時間構(gòu)建了數(shù)據(jù)請求并發(fā)模型。利用epoll+線程池模式使得epoll的I/O（輸入/輸出）復用和線程池的“以需定求”特性形成統(tǒng)一關系，應用的函數(shù)為f（x）=b（t）→z（t）（1）式中：f（x）為數(shù)控系統(tǒng)接收到的操作指令；b（t）為在t時刻epoll的執(zhí)行動作；z（t）為在t時刻SD卡執(zhí)行的服務。在此基礎上，在epoll事件驅(qū)動特性的作用下，當某個切割請求信息以事件的形式發(fā)送到主線程時，線程池將獲得其控制權，并通過邏輯解析將對應的指令信息發(fā)送到對應的分支線程中，實現(xiàn)對其并發(fā)處理。

2.2系統(tǒng)定時機制設計

對于定時器的設計，主要利用了深度學習實現(xiàn)對數(shù)據(jù)的更新處理。當系統(tǒng)執(zhí)行完成對應的質(zhì)量信息后，會產(chǎn)生對應的執(zhí)行耗時，將其作為深度學習的基礎數(shù)據(jù)，在此基礎上，將獲取的任務執(zhí)行時間輸入神經(jīng)網(wǎng)絡中，構(gòu)建神經(jīng)網(wǎng)絡包括輸入輸出層以及池化層。計算結(jié)果由輸入層輸入到神經(jīng)網(wǎng)絡后，與池化層之間建立映射關系，這種映射關系表示為T=δ（Ti）（2）式中：T為每個任務所需的最佳時間；δ為深度學習函數(shù)；Ti為在第i個任務的實際時間開銷，其中i的數(shù)值表示數(shù)控系統(tǒng)切割加工的指令數(shù)量。在池化層對計算結(jié)果的離散程度進行分析，將距離離散中心的距離大于目標值的數(shù)據(jù)作為過濾目標，確保池化層中的數(shù)據(jù)具有更高的可靠性。以此為基礎，將池化層中相同任務的執(zhí)行時間均值作為輸出值在輸出層輸出。通過這樣的方式，將計算出的時間作為系統(tǒng)的定時標準，以此實現(xiàn)對加工的有效約束。

3測試與分析

在上述設計基礎上，為了進一步分析數(shù)控系統(tǒng)的實際應用效果，進行了試驗測試，根據(jù)其加工的效果，分析其應用價值。

3.1測試環(huán)境設置

測試過程中使用的試驗刀具為DC-BCSA2201-L185，該刀頭整體材質(zhì)為硬質(zhì)合金材料，刀體直徑為10.00mm，可以達到的最大螺旋角度為35°。加工的工件材料為Cr12MoV，已知這種材料的淬火硬度為洛氏HRC58。以此為基礎，在進行試驗測試時，本文采用Kistler9422A測力儀和PCB加速度傳感器作為數(shù)據(jù)采集裝置，考慮到模具加工時的速度調(diào)節(jié)頻率和程度具有較高的精度，因此設置傳感器的靈敏度為10.50mv/g，利用二者分別實現(xiàn)對加工過程中切削力和切削振動數(shù)據(jù)的采集。不僅如此，刀尖的頻響函數(shù)也是直接決定加工效果的重要因素之一，因此本文也將該指標參數(shù)作為評價本文設計加工數(shù)控系統(tǒng)的指標，利用錘擊法模態(tài)試驗直接對其進行測量，最終可確定刀具結(jié)構(gòu)動力學參數(shù)中的固有頻率為996.42Hz，自有阻尼比為2.05%，剛度系數(shù)為1.0×108N/m。

3.2測試結(jié)果

在上述實試設置的基礎上，隨機選擇5個加工位置，編號1~5，對其加工效果進行統(tǒng)計，具體結(jié)果如表1所示。從表1中可以看出，本文設計的數(shù)控系統(tǒng)在模具切割加工過程中的最大振幅僅為4.80mm/s2，且加工模具的殘余高度穩(wěn)定在65.92~67.85μm之間，表明模具表面具有較高的平整度，這也與振幅較小的數(shù)據(jù)結(jié)果相吻合，說明本文設計的數(shù)控系統(tǒng)可以實現(xiàn)高質(zhì)量的模具切割加工處理。

4結(jié)束語

隨著社會的發(fā)展，對于產(chǎn)品的要求越來越高，就金屬加工行業(yè)而言，不僅僅是注重對加工效率提升的研究，如何實現(xiàn)加工質(zhì)量的優(yōu)化才是確保企業(yè)在激烈的市場競爭中實現(xiàn)穩(wěn)定發(fā)展的基礎，而評價質(zhì)量的一個重要指標就是加工精度。本文提出基于深度學習的機械模具切割加工數(shù)控系統(tǒng)設計研究，并實現(xiàn)了對振幅和殘余高度的有效控制，希望可以為相關企業(yè)的生產(chǎn)發(fā)展提供借鑒價值。

作者:李蕊 單位:新鄉(xiāng)職業(yè)技術學院