一种钢板切割的智能控制方法及系统技术方案

本发明专利技术提供了一种钢板切割的智能控制方法及系统，涉及智能化控制技术领域，组建切割因素指标集，获取历史切割数据库进行因素指标筛选得到目标因素指标集，进而训练切割深度预测模型；获取预设切割方案并进行模型分析输出第一切割深度预测结果，联合目标切割效率需求阈值筛选第一候选方案；获取目标切割成本需求阈值和目标切割精度需求阈值，进行方案分析确定目标切割方案，进行钢板切割控制，解决了现有技术中对于钢板切割控制方案的筛选方法智能度不足，致使方案与当前工况的契合度不足，导致切割效率低下且切割精准度不足的技术问题，基于多维指标进行方案评估筛选，确定最优方案进行钢板切割，可有效提高切割效率，保障切割精准度。切割精准度。切割精准度。

【技术实现步骤摘要】
一种钢板切割的智能控制方法及系统


[0001]本专利技术涉及智能化控制
，具体涉及一种钢板切割的智能控制方法及系统。

技术介绍

[0002]磨料水射流钢板切割技术由于不产生明火、切割效率高、环境适应度高且体积较小等系列优势，存在着广泛的应用，但于切割性能方面存在着一定的劣势。现如今，常规的钢板切割方法基于固定工艺进行，通过调整切割参数实现切割需求，忽略了切割过程中的变量，因此，高效准确计算与当前切割工况相适配的切割参数为重点解决问题，当前技术还存在一定的瑕疵，有待进一步进行技术革新。
[0003]现有技术中，对于钢板切割控制方案的筛选方法智能度不足，致使方案与当前工况的契合度不足，导致切割效率低下且切割精准度不足。

技术实现思路

[0004]本申请提供了一种钢板切割的智能控制方法及系统，用于针对解决现有技术中存在的对于钢板切割控制方案的筛选方法智能度不足，致使方案与当前工况的契合度不足，导致切割效率低下且切割精准度不足的技术问题。
[0005]鉴于上述问题，本申请提供了一种钢板切割的智能控制方法及系统。
[0006]第一方面，本申请提供了一种钢板切割的智能控制方法，所述方法包括：
[0007]分析磨料水射流钢板切割并组建切割因素指标集，其中，所述切割因素指标集包括多个因素指标；
[0008]获取历史切割数据库，并基于所述历史切割数据库对所述多个因素指标进行筛选，得到目标因素指标集，其中，所述目标因素指标集包括射流压力、横移速度、靶件间距；
[0009]利用所述历史切割数据库中的数据训练得到切割深度预测模型；
[0010]获取预设切割方案，其中，所述预设切割方案嵌有第一切割约束，且所述第一切割约束包括第一射流压力、第一横移速度、第一靶件间距；
[0011]将所述第一射流压力、所述第一横移速度和所述第一靶件间距输入所述切割深度预测模型，得到第一切割深度预测结果；
[0012]获取目标切割效率需求阈值，并结合所述第一切割深度预测结果对所述预设切割方案进行筛选，得到第一候选方案；
[0013]依次获取目标切割成本需求阈值和目标切割精度需求阈值，并对所述第一候选方案进行分析，确定目标切割方案，其中，所述目标切割方案用于进行钢板切割控制。
[0014]第二方面，本申请提供了一种钢板切割的智能控制系统，所述系统包括：
[0015]指标集组建模块，所述指标集组建模块用于分析磨料水射流钢板切割并组建切割因素指标集，其中，所述切割因素指标集包括多个因素指标；
[0016]指标筛选模块，所述指标筛选模块用于获取历史切割数据库，并基于所述历史切
割数据库对所述多个因素指标进行筛选，得到目标因素指标集，其中，所述目标因素指标集包括射流压力、横移速度、靶件间距；
[0017]模型训练模块，所述模型训练模块用于利用所述历史切割数据库中的数据训练得到切割深度预测模型；
[0018]方案获取模块，所述方案获取模块用于获取预设切割方案，其中，所述预设切割方案嵌有第一切割约束，且所述第一切割约束包括第一射流压力、第一横移速度、第一靶件间距；
[0019]结果预测模块，所述结果预测模块用于将所述第一射流压力、所述第一横移速度和所述第一靶件间距输入所述切割深度预测模型，得到第一切割深度预测结果；
[0020]方案筛选模块，所述方案筛选模块用于获取目标切割效率需求阈值，并结合所述第一切割深度预测结果对所述预设切割方案进行筛选，得到第一候选方案；
[0021]方案确定模块，所述方案确定模块用于依次获取目标切割成本需求阈值和目标切割精度需求阈值，并对所述第一候选方案进行分析，确定目标切割方案，其中，所述目标切割方案用于进行钢板切割控制。
[0022]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0023]本申请实施例提供的一种钢板切割的智能控制方法，分析磨料水射流钢板切割并组建切割因素指标集，包括多个因素指标，获取历史切割数据库，对所述多个因素指标进行筛选得到目标因素指标集，包括射流压力、横移速度、靶件间距；利用所述历史切割数据库中的数据训练得到切割深度预测模型；获取预设切割方案，所述预设切割方案嵌有第一切割约束，包括第一射流压力、第一横移速度、第一靶件间距，将所述第一射流压力、所述第一横移速度和所述第一靶件间距输入所述切割深度预测模型，输出第一切割深度预测结果，获取目标切割效率需求阈值，结合所述第一切割深度预测结果进行方案筛选，得到第一候选方案；依次获取目标切割成本需求阈值和目标切割精度需求阈值，进行方案分析确定目标切割方案，进行钢板切割控制，解决了现有技术中对于钢板切割控制方案的筛选方法智能度不足，致使方案与当前工况的契合度不足，导致切割效率低下且切割精准度不足的技术问题，基于多维指标进行方案评估筛选，确定最优方案进行钢板切割，可有效提高切割效率，保障切割精准度。
附图说明
[0024]图1为本申请提供了一种钢板切割的智能控制方法流程示意图；
[0025]图2为本申请提供了一种钢板切割的智能控制方法中目标因素指标集获取流程示意图；
[0026]图3为本申请提供了一种钢板切割的智能控制方法中切割深度预测模型获取流程示意图；
[0027]图4为本申请提供了一种钢板切割的智能控制系统结构示意图。
[0028]附图标记说明：指标集组建模块11，指标筛选模块12，模型训练模块13，方案获取模块14，结果预测模块15，方案筛选模块16，方案确定模块17。
具体实施方式
[0029]本申请通过提供一种钢板切割的智能控制方法及系统，组建切割因素指标集，获取历史切割数据库进行因素指标筛选得到目标因素指标集，进而训练切割深度预测模型；获取预设切割方案并进行模型分析输出第一切割深度预测结果，联合目标切割效率需求阈值进行方案筛选，得到第一候选方案；依次获取目标切割成本需求阈值和目标切割精度需求阈值，进行方案分析确定目标切割方案，进行钢板切割控制，用于解决现有技术中存在的对于钢板切割控制方案的筛选方法智能度不足，致使方案与当前工况的契合度不足，导致切割效率低下且切割精准度不足的技术问题。
[0030]实施例一
[0031]如图1所示，本申请提供了一种钢板切割的智能控制方法，所述方法包括：
[0032]步骤S100：分析磨料水射流钢板切割并组建切割因素指标集，其中，所述切割因素指标集包括多个因素指标；
[0033]具体而言，磨料水射流钢板切割技术由于不产生明火、切割效率高、环境适应度高且体积较小等系列优势，存在着广泛的应用，但于切割性能方面存在着一定的劣势，高效准确计算与当前切割工况相适配的切割参数为重点解决问题，有待进一步进行技术革新。本申请提供的一种钢板切割的智能控制方法，基于多维指标进行切割影响分析，进而建模进行方案分析与筛选，以确定目标适配性的最优切割方案。具体的，对磨料水射流钢板切割工艺进行评测，将水力因素、磨料本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢板切割的智能控制方法，其特征在于，包括：分析磨料水射流钢板切割并组建切割因素指标集，其中，所述切割因素指标集包括多个因素指标；获取历史切割数据库，并基于所述历史切割数据库对所述多个因素指标进行筛选，得到目标因素指标集，其中，所述目标因素指标集包括射流压力、横移速度、靶件间距；利用所述历史切割数据库中的数据训练得到切割深度预测模型；获取预设切割方案，其中，所述预设切割方案嵌有第一切割约束，且所述第一切割约束包括第一射流压力、第一横移速度、第一靶件间距；将所述第一射流压力、所述第一横移速度和所述第一靶件间距输入所述切割深度预测模型，得到第一切割深度预测结果；获取目标切割效率需求阈值，并结合所述第一切割深度预测结果对所述预设切割方案进行筛选，得到第一候选方案；依次获取目标切割成本需求阈值和目标切割精度需求阈值，并对所述第一候选方案进行分析，确定目标切割方案，其中，所述目标切割方案用于进行钢板切割控制。2.根据权利要求1所述智能控制方法，其特征在于，所述分析磨料水射流钢板切割并组建切割因素指标集，包括：依次获取所述磨料水射流钢板切割的水力因素指标集、磨料因素指标集、工况因素指标集；其中，所述水力因素指标集包括射流压力、喷嘴直径；其中，所述磨料因素指标集包括磨料类型、磨料尺寸、磨料形状、磨料配比；其中，所述工况因素指标集包括横移速度、靶件间距、冲击强度；对所述水力因素指标集、所述磨料因素指标集和所述工况因素指标集进行并集运算，得到所述切割因素指标集。3.根据权利要求2所述智能控制方法，其特征在于，所述获取历史切割数据库，并基于所述历史切割数据库对所述多个因素指标进行筛选，得到目标因素指标集，包括：所述历史切割数据库包括多组切割数据，提取所述多组切割数据中的第一切割数据；获取所述多个因素指标中的第一因素指标、第二因素指标；依次获取所述第一切割数据中所述第一因素指标的第一指标参数和所述第二因素指标的第二指标参数；获取所述第一切割数据中的第一切割深度；分别计算所述第一指标参数与所述第一切割深度的第一关联度，所述第二指标参数与所述第一切割深度的第二关联度；对所述第一关联度、所述第二关联度进行降序，得到目标降序列表；基于预设排序阈值对所述目标降序列表进行提取，并反向匹配对应因素指标，组成所述目标因素指标集。4.根据权利要求3所述智能控制方法，其特征在于，所述利用所述历史切割数据库中的数据训练得到切割深度预测模型，包括：提取所述多组切割数据中的第二切割数据；其中，所述第二切割数据包括第二射流压力、第二横移速度、第二靶件间距、第二切割
深度；将所述第二射流压力、所述第二横移速度、所述第二靶件间距、所述第二切割深度作为训练数据；划分所述训练数据得到第一数据组、第二数据组；训练所述第一数据组得到第一模型，训练所述第二数据组得到第二模型；融合所述第一模型和所述第二模型得到所述切割深度预测模型。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：徐小明，邓奇，钟劲松，王超群，
申请(专利权)人：嘉兴云切在线科技有限公司，
类型：发明
国别省市：