[发明专利]一种基于机器人加工工艺的模型化训练方法

说明书

本发明涉及工业软件技术领域，尤其涉及一种基于机器人加工工艺的模型化训练方法。具体流程为，S1、建立模糊控制模型，以待加工工件的属性做为输入值，输入至模糊控制模型中进行训练;S2、将训练得到的加工工艺参数作为输出值，并将加工工艺参数转换为控制器执行代码控制工件自动加工，同时在加工过程中对加工工艺参数进行实时反馈优化；S3、所述的实时反馈优化，将加工工艺参数反馈至模糊控制模型输入端，通过建立闭环控制模型，进行工件加工过程的实时加工工艺参数调整。本发明缓解了人工数据录入造成的同一批次工件录入效率较低的问题，同时提高了工业机器人管理加工的自动化程度。

技术领域

本发明涉及工业软件技术领域，尤其涉及一种基于机器人加工工艺的模型化训练方法。

背景技术

在工业机器人的加工过程中，通过设计标准化加工工艺流程，可以进行同类型产品多频率下的快速生产，从而极大的简化了工件的生产流程与加工效率，但是在实际的生产过程中，工件由于受到下料规格不统一与生产环境变化等多方面的因素的影响，通常会造成工件的实际工艺参数很难统一，标准化工艺流程会产生各种各样的误差的情况。

公开号为CN111230869B的中国专利，提供了一种复杂空间曲线焊缝运动轨迹和焊接工艺协同规划方法，此专利为了适应焊接过程中复杂图形的轨迹问题，建立了运动轨迹与机器人运动的协同控制模式，用以调整工艺参数输出数据进行焊接路径的补偿。

公开号为CN114309886A的中国专利，提供了一种基于协同自适应的曲面焊接设备控制方法及系统，此专利中通过建立基于焊接工艺数据库，用以对焊接过程中的机器人位姿参数进行匹配控制，从而实现焊接作业任务的优化。

但是上述专利中，并未对实时加工过程中的加工工艺进行反馈与优化，在实际加工过程中优化加工导致周围环境的变换同样会造成加工误差，同时在进行工件加工前人需要对工件的属性进行录入，无法完全实现自动化处理，因此，本发明提供了一种基于机器人加工工艺的模型化训练方法。

发明内容

针对上述存在的问题，本发明提供了一种基于机器人加工工艺的模型化训练方法，具体流程为：

S1、建立模糊控制模型，以待加工工件的属性做为输入值，输入至模糊控制模型中进行训练;

S2、将训练得到的加工工艺参数作为输出值，并将加工工艺参数转换为控制器执行代码控制工件自动加工，同时在加工过程中对加工工艺参数进行实时反馈优化；

S3、所述的实时反馈优化，将加工工艺参数反馈至模糊控制模型输入端，通过建立闭环控制模型，进行工件加工过程的实时加工工艺参数调整。

优选的，所述的机器人加工工艺中，采集原始加工工艺中产生的原始加工数据，并对原始加工数据进行封装用以生成加工数据库。

优选的，所述的待加工工件的属性，通过系统自动识别并录入待加工工件的图纸信息，并对图纸信息进行特征提取与分类后生成，所述的图纸包括二维图纸与三维图纸。

优选的，将所述的加工数据库中的原始加工数据，输入至模糊控制模型中进行训练；所述的训练，首先与待加工工件的属性进行匹配，针对性的选择预加工工艺。

优选的，所述的预加工工艺，与待加工工件的属性相结合输入至模糊控制模型中的工艺加工策略中，进行加工工艺下加工问题的修正。

优选的，所述的工艺加工策略中建立有基于加工问题的模糊评价函数。

优选的，所述的实时加工工艺参数调整，通过建立基于多传感器识别的工件加工数据采集模块，生成实际加工数据，将所述的实际加工数据，输入至闭环控制模型中，进行实时加工工艺参数的辅助调整。

与现有技术相比，本发明的有益效果在于：