本发明专利技术属于激光切割控制技术领域，具体提供一种激光切割机的智能化切割数据处理方法、装置及设备，所述方法包括如下步骤：激光切割机正常工作中，检测激光切割机喷嘴工作的状态参数数据以及工作时的实测表面粗糙度；基于检测的激光切割机喷嘴工作的状态参数数据结合智能喷嘴检测模型，计算工作时的理论表面粗糙度；计算工作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常。标定后的智能检测模型具有设备自身的特性，该模型就是避免设备的差异性，设备使用中的变化导致判断错误，有效提高了粗糙度异常判断的准确性。有效提高了粗糙度异常判断的准确性。有效提高了粗糙度异常判断的准确性。
【技术实现步骤摘要】
一种激光切割机的智能化切割数据处理方法、装置及设备
[0001]本专利技术涉及激光切割控制
，具体涉及一种激光切割机的智能化切割数据处理方法、装置及设备。
技术介绍
[0002]激光设备在运行过程中，为了防止激光设备加工出不符合标准的零件或在切割过程中产生报警导致停机不动影响生产，通常工作人员会在机械运行期间进行守机，其主要作用是：在机床出现停机不动时，工作人员会迅速找到报警位置解除报警，或在加工过程中，因喷嘴过热或挂渣等引起加工零件质量不合格等，需马上更换喷嘴或修改工艺参数，进而，可避免继续生产出一堆废品，造成较大损失。现有技术，通过工作人员观看切割产生的火花或气流产生的声音来进行主观性判断是否发生了异常。
[0003]然而每台激光设备的机械构造，加工工艺参数都有些许差异，并且，激光设备在长时间使用后，由于气体管路磨损、光纤老化、工作人员交替等原因，相同的工艺参数可能就会产生不同的切割效果，即便是有经验的工作人员，也很难看出切割大致区别，进而会影响判断的准确性，甚至易产生异常判断的错误。进一步的，在切割过程中，切割质量若有细微差别，工作人员会很难判断出，进而，难以检测出真正的质量不合格的工件，易于产生废料或需要进行二次加工。
[0004]基于上述相关技术，在加工过程中难以准确检测出不合格加工零件,鉴于此，提供一种激光切割机的智能化切割数据处理方法是非常有必要的。
技术实现思路
[0005]为了解决相关技术中难以准确检测出因喷嘴导致切割出不合格加工件的问题，本专利技术提供一种激光切割机的智能化切割数据处理方法、装置及设备。用激光切割机进行切割时，操作工人只要把板放上，选择好加工条件即可。如果加工出现故障，机床会自动进行调整，减少了产品的不良率和客户的损失。
[0006]第一方面，本专利技术技术方案提供一种激光切割机的智能化切割数据处理方法，包括如下步骤：激光切割机正常工作中，检测激光切割机喷嘴工作的状态参数数据以及工作时的实测表面粗糙度；基于检测的激光切割机喷嘴工作的状态参数数据结合智能喷嘴检测模型，计算工作时的理论表面粗糙度；计算工作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常。
[0007]状态参数数据包括由激光头吹出的气体压力、实际激光功率、实际切割速度、气体流量、出光信号、保护镜镜片温度；作为本专利技术技术方案的优选，激光切割机正常工作中，检测激光切割机喷嘴工作
的状态参数数据以及工作时的实测表面粗糙度的步骤之前包括：通过激光头执行标定动作，并检测执行标定过程中激光切割机喷嘴在标定时的状态参数数据，以及所述激光头在标定时通过干涉仪测出的实测表面粗糙度；根据标定过程获取的状态参数数据与标定过程中的实测表面粗糙度，确定标定后的智能喷嘴检测模型。
[0008]通过激光头执行标定动作，并检测执行过程中激光切割机喷嘴在标定时产生的气体压力、实际激光功率、实际切割速度、气体流量、出光信号、保护镜镜片温度,以及所述激光头在标定时通过干涉仪测出的实际粗糙度；根据所述标定时实测的气体压力、实际激光功率、实际切割速度、气体流量、出光信号、保护镜镜片温度与所述标定时通过干涉仪测出的实际粗糙度，确定标定后的智能喷嘴检测模型。
[0009]标定动作作用于激光头进行多次标定动作，所述多次标定运动包括自图形起始位置切割运动至图形结束位置的标定运动，和/或：自所述图形位置返回至所述终止位置的标定运动，其中，每次标定运动的激光功率和气体压力均不相同；图形为标准测试图形。
[0010]作为本专利技术技术方案的优选，根据标定过程获取的状态参数数据与标定过程中的实测表面粗糙度，确定标定后的智能喷嘴检测模型的步骤包括：根据R个标定时的状态参数数据与R个标定时的实测表面粗糙度，确定无偏差的智能喷嘴检测模型；也就是，根据R个标定时产生的气体压力、实际激光功率、实际切割速度、气体流量、出光信号、保护镜镜片温度与R个标定时干涉仪测出的实测表面粗糙度，确定无偏差的智能喷嘴检测模型；其中 R为大于或等于1000的整数；根据所述R个标定时的状态参数数据与无偏差的智能喷嘴检测模型，计算每个标定数据对应的计算表面粗造度，得到R个标定时的计算表面粗糙度；也就是，根据所述无偏差的智能喷嘴检测模型与所述R个标定时气体压力、实际激光功率、实际切割速度、气体流量、出光信号、保护镜镜片温度，计算每个标定数据对应的表面粗造度，得到R个标定时的计算表面粗糙度；根据所述R个标定时的实测表面粗糙度与所述R个标定时的计算表面粗糙度，确定最大表面粗糙度偏差；根据无偏差的智能喷嘴检测模型与所述最大表面粗糙度偏差，确定标定后的智能喷嘴检测模型。
[0011]作为本专利技术技术方案的优选，确定最大粗糙度偏差的方法包括：计算R个标定时的实测表面粗糙度与对应的R个标定时的计算表面粗糙度的偏差，得到R个偏差值；确定R个偏差值中的最大值作为最大粗糙度偏差。
[0012]作为本专利技术技术方案的优选，标定后的智能喷嘴检测模型为：其中，Ra为表面粗糙度，Pa为气体压力，W为激光功率，V为切割速度，Q为气体流量，Φ为出光信号，T为保护镜镜片温度，R
err
为最大粗糙度偏差。
[0013]作为本专利技术技术方案的优选，该方法还包括：基于所述标定时的状态参数数据与所述标定时的实测表面粗糙度，采用最小二乘法计算得到无偏差的智能喷嘴检测模型的参数。实际上，无偏差的智能喷嘴检测模型的参数是根据标定时实测气体压力、实际激光功
率、实际切割速度、气体流量、出光信号、保护镜镜片温度与所述标定时干涉仪实际测出的表面粗糙度，采用最小二乘法计算得到的。
[0014]作为本专利技术技术方案的优选，计算工作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常的步骤包括：计算工作时的实测表面粗糙度与工作时的理论表面粗糙度的差值记为第一差值；判断第一差值是否大于第一重检阈值；若是，将检测的状态参数数据结合参考模型计算重检的理论表面粗糙度；计算工作时的实测表面粗糙度与重检的理论表面粗糙度的差值记为第二差值；若第一差值大于第二差值，将第二差值与表面粗糙度偏差参考值进行比较；若第二差值在预设时长内始终大于或等于所述表面粗糙度偏差参考值，则确定喷嘴工作过程中的粗糙度发生异常；若第一差值不大于第二差值，将第一差值与表面粗糙度偏差参考值进行比较；若第一差值在预设时长内始终大于或等于所述表面粗糙度偏差参考值，则确定喷嘴工作过程中的粗糙度发生异常；若否，执行步骤：将第一差值与表面粗糙度偏差参考值进行比较；若第一差值在预设时长内始终大于或等于所述表面粗糙度偏差参考值，则确定喷嘴工作过程中的粗糙度发生异常。
[0015]作为本专利技术技术方案的优选，计算工作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常的步骤包括：将工作时的实测表面粗糙度与工作时的理论表面粗糙度的差值结合表面粗糙度偏差参考值得到粗糙度偏差E＝本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光切割机的智能化切割数据处理方法，其特征在于，包括如下步骤：激光切割机正常工作中，检测激光切割机喷嘴工作的状态参数数据以及工作时的实测表面粗糙度；基于检测的激光切割机喷嘴工作的状态参数数据结合智能喷嘴检测模型，计算工作时的理论表面粗糙度；计算工作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常。2.根据权利要求1所述的激光切割机的智能化切割数据处理方法，其特征在于，激光切割机正常工作中，检测激光切割机喷嘴工作的状态参数数据以及工作时的实测表面粗糙度的步骤之前包括：通过激光头执行标定动作，并检测执行标定过程中激光切割机喷嘴在标定时的状态参数数据，以及所述激光头在标定时通过干涉仪测出的实测表面粗糙度；根据标定过程获取的状态参数数据与标定过程中的实测表面粗糙度，确定标定后的智能喷嘴检测模型。3.根据权利要求2所述的激光切割机的智能化切割数据处理方法，其特征在于，根据标定过程获取的状态参数数据与标定过程中的实测表面粗糙度，确定标定后的智能喷嘴检测模型的步骤包括：根据R个标定时的状态参数数据与R个标定时的实测表面粗糙度，确定无偏差的智能喷嘴检测模型；其中 R为大于或等于1000的整数；根据所述R个标定时的状态参数数据与无偏差的智能喷嘴检测模型，计算每个标定数据对应的计算表面粗造度，得到R个标定时的计算表面粗糙度；根据所述R个标定时的实测表面粗糙度与所述R个标定时的计算表面粗糙度，确定最大表面粗糙度偏差；根据无偏差的智能喷嘴检测模型与所述最大表面粗糙度偏差，确定标定后的智能喷嘴检测模型。4.根据权利要求3所述的激光切割机的智能化切割数据处理方法，其特征在于，确定最大粗糙度偏差的方法包括：计算R个标定时的实测表面粗糙度与对应的R个标定时的计算表面粗糙度的偏差，得到R个偏差值；确定R个偏差值中的最大值作为最大粗糙度偏差。5.根据权利要求4所述的激光切割机的智能化切割数据处理方法，其特征在于，状态参数数据包括由激光头吹出的气体压力、激光功率、切割速度、气体流量、出光信号、保护镜镜片温度；标定后的智能喷嘴检测模型为：其中，Ra为表面粗糙度，Pa为气体压力，W为激光功率，V为切割速度，Q为气体流量，Φ为出光信号，T为保护镜镜片温度，Rerr为最大粗糙度偏差；是根据状态参数数据计算出的模型参数。6.根据权利要求1所述的激光切割机的智能化切割数据处理方法，其特征在于，计算工
作时的实测表面粗糙度与理论表面粗糙度的差值，结合表面粗糙度偏差参考值，分析喷嘴工作过程中的粗糙度是否发生异常的步骤包括：计算工作时的实测表面粗糙度与工作时的理论表面粗糙度的差值记为第一差值；判断第一差值是否大于第一重检阈值；若是，将检测的状态参数数据结合参考模型计算重检的理论表面粗糙度；计算工作时的实测表面粗糙度与重检的理论表面粗糙度的差值记为第二差值；若第一差值大于第二差值，将第二差值与表面粗糙度偏差参考值进行比较；若第二差值在预设时长内始终大于...
【专利技术属性】
技术研发人员：于嘉龙，董大哲，路世强，马耀滨，
申请(专利权)人：济南邦德激光股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。