CAM制造技術

本申請提供一種

【技術實現步驟摘要】
CAM軟件模型調用方法、系統、設備及介質


[0001]本申請涉及數控加工
，特別是涉及一種
CAM
軟件模型調用方法
、
系統
、
設備及介質
。

技術介紹

[0002]CAM
軟件開發過程中，經常需要根據被加工對象及其加工要求確定工藝參數及計算加工參數
。
以葉片銑削為例，毛坯材料不同
、
形狀不同，需要選擇不同加工策略
、
不同切深等，同時需要根據選擇的參數計算刀具的進給速度
、
加速度
、
擺角等
。
現有技術中，軟件調用的模型常用的有傳統模型（數學模型或經驗模型）和數據模型（機器學習
、
深度學習算法建立的數據模型）
。
一般而言，傳統模型穩定
、
可解釋性強，但建模周期長
、
且因忽略次影響因素易出現誤差
。
數據模型靈活
、
效率高，但解釋性差
、
變化快
。
[0003]在仍然以傳統模型為主導的工業軟件開發中，當前對數據模型的利用主要通過以下幾種方法：
1、
通過數據模型獲得知識，該知識可以幫助建立傳統模型；
2、
以機理為主的傳統模型為數據建模提供引導，讓數據模型更為聚焦；
3、
將數據模型輸出成
.dll
文件，供
CAM
軟件直接調用
。
這幾種方法都在一定程度上促進了
CAM
軟件的發展，特別是方法3，數據模型能夠直接為
CAM
軟件所調用
。
然而，仍然存在幾個問題：方法
1、2
中傳統模型與數據模型只形成了淺層結合；方法3中雖然實現了直接調用，但
CAM
軟件一般在用戶端都是定期更新，數據模型生成的
.dll
文件也是定期生成，兩者都難以實現實時更新
。

技術實現思路

[0004]本申請提供一種
CAM
軟件模型調用方法
、
系統
、
設備及介質，將傳統模型和數據模型并用，能夠實時調用最新的數據模型，提高參數預測的準確性和有效性
。
[0005]本申請實施例第一方面提供一種
CAM
軟件模型調用方法，包括應用于設備端
、
數采系統
、
邊緣端和云端的系統，上述設備端運行有
CAM
軟件，上述邊緣端預設有多種傳統模型和數據模型，上述云端預設有多種數據模型，上述方法包括：通過上述數采系統持續從上述設備端采集加工過程中產生的數據，并傳輸至上述邊緣端進行存儲；上述加工過程中產生的數據包括輸入參數對應的數據
、
待預測參數對應的數據及中間過程數據；上述邊緣端將上述加工過程中產生的數據上傳至上述云端，上述云端根據上述輸入參數對應的數據
、
待預測參數對應的數據及中間過程數據進行訓練，形成初始數據模型；隨著數據采集過程的不斷繼續，新產生的數據作為新的訓練數據，在云端對上述初始數據模型進行增量訓練，更新上述數據模型的權重參數，形成更新的數據模型，更新后的數據模型回傳至上述邊緣端；上述
CAM
軟件根據當前的加工需求，調用對應的上述傳統模型或更新的數據模型，并根據生成的結果數據控制上述設備端執行加工
。
[0006]可選地，上述
CAM
軟件根據當前的加工需求，調用對應的上述傳統模型或更新的數
據模型，并根據生成的結果數據控制上述設備端執行加工，包括：上述
CAM
軟件根據當前的加工需求，確定需調用的上述傳統模型或更新的數據模型的函數名，并據其生成對應的調用函數指令，發送至上述邊緣端；每個上述傳統模型或更新的數據模型分別對應一個唯一的函數名；上述邊緣端根據上述調用函數指令，調用對應的傳統模型或更新的數據模型，獲得結果數據；上述
CAM
軟件根據上述結果數據控制上述設備端執行加工
。
[0007]可選地，上述方法還包括：通過上述邊緣端按照預設周期對存儲的上述加工過程中產生的數據進行管理，將當前預設周期之前的過程數據刪除
。
[0008]可選地，上述方法還包括：通過上述邊緣端對上述加工過程中產生的數據進行預處理，并將預處理后的過程數據發送至上述云端
。
[0009]可選地，上述方法還包括：通過上述云端對上述加工過程中產生的數據的數據量或者運算所需時間進行評估，若上述加工過程中產生的數據的數據量小于第一預設閾值或運算時間低于預設時間閾值，則通過一臺服務器進行運算；若上述加工過程數據的數據量不小于上述第一預設閾值或運算時間高于預設時間閾值，則通過多臺上述服務器進行并行運算
。
[0010]本申請實施例第二方面提供一種
CAM
軟件模型調用系統，上述系統包括：設備端
、
數采系統
、
邊緣端和云端，上述設備端運行有
CAM
軟件，上述邊緣端預設有多種傳統模型和數據模型，上述云端預設有多種數據模型；上述設備端用于根據上述
CAM
軟件的控制指令執行加工；上述數采系統用于從上述設備端持續采集加工過程中產生的數據，并傳輸至上述邊緣端；上述加工過程中產生的數據包括輸入參數對應的數據
、
待預測參數對應的數據及中間過程數據；上述邊緣端用于對上述加工過程中產生的數據進行存儲和預處理，并將預處理后的數據上傳至上述云端；上述云端根據上述加工過程中產生的數據進行訓練，形成初始數據模型
。
隨著數據采集過程的不斷繼續，新產生的數據作為新的訓練數據，在云端對上述初始數據模型進行增量訓練，更新上述數據模型的權重參數，形成更新的數據模型，更新后的數據模型回傳至邊緣端；上述
CAM
軟件用于根據當前的加工需求，調用對應的上述傳統模型或更新的數據模型，并根據生成的結果數據控制上述設備端執行加工
。
[0011]可選地，上述系統還包括：上述
CAM
軟件根據當前的加工需求，確定需調用的上述傳統模型或更新的數據模型的函數名，并據其生成對應的調用函數指令，發送至上述邊緣端；其中，每個上述傳統模型或更新的數據模型分別對應一個唯一的函數名
。
[0012]本申請實施例第三方面提供一種可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時，實現如本申請第一方面的方法中的步驟
。
[0013]本申請實施例第四方面提供一種電子設備，包括存儲器
、
處理器及存儲在存儲器上并可在處理器上運行的計算機程序，上述處理器執行時實現本申請第一方面的方法中的
步驟
。
...

【技術保護點】

【技術特征摘要】
1.
一種
CAM
軟件模型調用方法，包括應用于設備端
、
數采系統
、
邊緣端和云端的系統，所述設備端運行有
CAM
軟件，所述邊緣端預設有多種傳統模型和數據模型，所述云端預設有多種數據模型，其特征在于，所述方法包括：通過所述數采系統持續從所述設備端采集加工過程中產生的數據，并傳輸至所述邊緣端進行存儲；所述加工過程中產生的數據包括輸入參數對應的數據
、
待預測參數對應的數據及中間過程數據；所述邊緣端將所述加工過程中產生的數據上傳至所述云端，所述云端根據所述輸入參數對應的數據
、
待預測參數對應的數據及中間過程數據進行訓練，形成初始數據模型；隨著數據采集過程的不斷繼續，新產生的數據作為新的訓練數據，在云端對所述初始數據模型進行增量訓練，更新所述數據模型的權重參數，形成更新的數據模型，更新后的數據模型回傳至所述邊緣端；所述
CAM
軟件根據當前的加工需求，調用對應的所述傳統模型或更新的數據模型，并根據生成的結果數據控制所述設備端執行加工
。2.
根據權利要求1所述的方法，其特征在于，所述
CAM
軟件根據當前的加工需求，調用對應的所述傳統模型或更新的數據模型，并根據生成的結果數據控制所述設備端執行加工，包括：所述
CAM
軟件根據當前的加工需求，確定需調用的所述傳統模型或更新的數據模型的函數名，并據其生成對應的調用函數指令，發送至所述邊緣端；每個所述傳統模型或更新的數據模型分別對應一個唯一的函數名；所述邊緣端根據所述調用函數指令，調用對應的傳統模型或更新的數據模型，獲得結果數據；所述
CAM
軟件根據所述結果數據控制所述設備端執行加工
。3.
根據權利要求1所述的方法，其特征在于，還包括：通過所述邊緣端按照預設周期對存儲的所述加工過程中產生的數據進行管理，將當前預設周期之前的過程數據刪除
。4.
根據權利要求1所述的方法，其特征在于，還包括：通過所述邊緣端對所述加工過程中產生的數據進行預處理，并將預處理后的過程數據發送至所述云端
。5.
根據權利要求1所述的方法，其特征在于，還包括：通過所述云端...

【專利技術屬性】
技術研發人員：張仕進，曾繼躍，舒劍，陳明，
申請(專利權)人：西北工業大學，
類型：發明
國別省市：