阅读说明：本技术 一种叶片加工工序的自适应调控方法、装置、及电子设备 (Adaptive control method and device for blade machining process and electronic equipment ) 是由 王辉 吴动波 徐翔宇 张凱尧 耿皓琪 于 2020-06-04 设计创作，主要内容包括：本发明提供了一种叶片加工工序的自适应调控方法、装置、及电子设备,属于航空发动机铣削技术领域。所提供的叶片加工工序的自适应调控方法包括：获取待加工叶片型面特征数据,并根据所述型面特征数据构建预测模型。对比预测模型与预先存储的理论模型,计算所述理论模型与所述预测模型的第一误差数据。通过获得的第一误差数据,对待加工叶片的刀具轨迹以及机床铣削参数进行自适应性调整,提高了叶片加工质量与精度,降低了零件的损伤和变形。(The invention provides a self-adaptive control method and device for a blade machining process and electronic equipment, and belongs to the technical field of milling of aero-engines. The self-adaptive control method for the blade machining process comprises the following steps: and obtaining profile characteristic data of the blade to be processed, and constructing a prediction model according to the profile characteristic data. And comparing the prediction model with a prestored theoretical model, and calculating first error data of the theoretical model and the prediction model. By the aid of the acquired first error data, the cutter path of the blade to be machined and the milling parameters of the machine tool are adjusted in a self-adaptive mode, machining quality and precision of the blade are improved, and damage and deformation of parts are reduced.)

一种叶片加工工序的自适应调控方法、装置、及电子设备

技术领域

本发明涉及航空发动铣削技术领域，具体涉及一种叶片加工工序的自适应调控方法、装置、及电子设备。

背景技术

航空发动机的叶盘叶片是航空发动机中重要的组成部分，是为了提高航空发动机的性能而设计的新型结构部件，不仅能够使航空发动机的整体构造大大的简化、减少、进气气流的损失、提高航空发动机的工作效率，而且还能够加强航空发动机的工作性能，因此得到各国航空工业广泛关注与使用。航空发动机的叶片属于薄壁类复杂难加工零件，加工过程中存在容易变形、加工效低、加工质量差等问题制约着其发展。叶片的空间自由曲面形状非常复杂，其加工精度要求非常高，铣削参数选取的不合理，极易造成零件的损伤和变形。切削参数的选择是十分必要的。

现有的航空发动机叶片加工存在的问题是：切削参数的选择需要依靠工程师的经验及参考切削手册来完成的，不可避免地影响到加工的质量和精度。

发明内容

有鉴于此，本发明提供叶片加工工序的自适应调控方法、装置及电子设备，以解决现有技术中存在的问题。

一方面，本发明提供了一种叶片加工工序的自适应调控方法，所述方法包括：获取待加工叶片型面特征数据，并根据所述型面特征数据构建预测模型。对比预测模型与预先存储的理论模型，计算所述理论模型与所述预测模型的第一误差数据；根据所述第一误差数据，对用于铣削所述待加工叶片的刀具轨迹进行自适应调整；以及根据所述第一误差数据，对用于铣削所述待加工叶片的机床铣削参数进行自适应调整。

根据本公开的一种具体实现方式，所述获取待加工叶片型面特征数据，根据所述型面特征数据构建预测模型的步骤，包括：对所述待加工叶片进行姿态调整，以使所述待加工叶片达到最佳测量位置。对所述待加工叶片的型面进行三维坐标测量，获得所述待加工叶片的所述型面特征数据。根据所述型面特征数据，对所述待加工叶片进行三维重建，得到所述预测模型。

根据本公开的一种具体实现方式，所述对比预测模型与预先存储的理论模型，计算所述理论模型与所述预测模型的第一误差数据的步骤，包括：建立三维坐标系，将所述预先存储的理论模型与所述预测模型固定于所述三维坐标系中。对比所述预测模型与所述理论模型，并计算所述预测模型与所述理论模型的所述第一误差数据。

根据本公开的一种具体实现方式，所述根据所述第一误差数据，对用于铣削所述待加工叶片的刀具轨迹进行自适应调整的步骤之后，所述方法还包括：根据所述待加工叶片的刀具特征数据，预测所述待加工叶片的刀具轨迹误差。判断所述刀具轨迹误差是否在预先存储的合理轨迹误差范围内。若所述刀具轨迹误差不在所述合理轨迹误差范围内，根据所述刀具轨迹误差，重复调整所述待加工叶片的刀具的轨迹，直至所述刀具轨迹误差在所述合理轨迹误差范围内。

根据本公开的一种具体实现方式，所述根据所述第一误差数据，对用于铣削所述待加工叶片的机床铣削参数进行自适应调整的步骤之后，还包括：根据所述待加工叶片的机床特征数据，预测所述待加工叶片的机床的铣削参数误差。判断所述铣削参数误差是否在预先存储的合理铣削参数误差范围内。若所述铣削参数误差不在所述合理铣削参数误差范围内，根据所述铣削参数误差，重复调整所述机床铣削参数，直至所述铣削参数误差在所述合理铣削参数误差范围内。

根据本公开的一种具体实现方式，所述根据所述第一误差数据，对用于铣削所述待加工叶片的机床铣削参数进行自适应调整的步骤之后，所述方法还包括：获取所述待加工叶片的刀具和机床的磨损误差。根据所述磨损误差，对所述刀具的轨迹与所述机床铣削参数进行自适应调整。

另一方面，本发明提供一种叶片加工工序的自适应调控装置，所述装置包括：第一获取模块，用于获取待加工叶片型面特征数据。第一构建模块，用于根据所述型面特征数据构建预测模型。第一计算模块，用于对比预测模型与预先存储的理论模型，计算所述理论模型与所述预测模型的第一误差数据。调整模块，用于根据所述第一误差数据，对用于铣削所述待加工叶片的刀具轨迹及对用于铣削所述待加工叶片的机床铣削参数进行自适应调整进行自适应调整，。

根据本公开的一种具体实现方式，所述装置还包括：姿态调整模块，用于对所述待加工叶片进行姿态调整，以使所述待加工叶片达到最佳测量位置；第二获取模块，用于对所述待加工叶片的型面进行三维坐标测量，获得所述待加工叶片的所述型面特征数据。第二构建模块，用于根据所述型面特征数据，对所述待加工叶片进行三维重建，得到所述预测模型。。

根据本公开的一种具体实现方式，所述装置还包括：第二计算模块，用于对比所述预测模型与所述理论模型，并计算所述预测模型与所述理论模型的所述第一误差数据。

又一方面，本发明提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器与所述处理器通过总线连接，所述存储器用于存储程序；所述处理器，用于通过所述总线调用存储在所述存储器中的程序，执行上述的方法。

通过本发明公开的方案，针对现有技术中存在的切削参数的选择需要靠工程师经验及参考切削手册完成，导致的叶片加工质量和精度变低的问题，通过获得的第一误差数据，对待加工叶片的刀具轨迹以及机床铣削参数进行自适应性调整，提高了叶片加工质量与精度，降低了零件的损伤和变形。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为现有技术中的一种叶盘结构示意图；

图2为本公开实施例提供的一种叶片加工工序的自适应调控方法、装置的电子设备的结构框图；

图3为本公开实施例提供的一种叶片加工工序的自适应调控方法的流程图；

图4为本公开实施例提供的一种叶片加工工序的自适应调控装置的结构框图。

附图标记：

100-电子设备；200-叶盘；201-叶片。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及或者或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及或者或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及或者或功能性实施此设备及或者或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

如图1为现有技术叶盘200结构示意图，叶盘200上环形设置有叶片201，叶盘200是为了提高航空发动机的性能而设计的新型结构部件，能够减少进气气流的损失、提高发动机的工作效率且加强发动机的工作性能。但是航空发动机的叶片201属于薄壁类复杂难加工零件，加工时容易变形、效率低、加工质量差等制约着其发展。叶片201的空间自由曲面形状非常复杂，其加工精度要求非常高，铣削参数选取的不合理，极易造成零件的损伤和变形，切削参数的选择是十分必要的，但是传统的切削参数选择是依靠工程师的经验及参考切削手册来完成的，这就不可避免地影响到加工的质量和精度。

为了解决现有技术存在的问题，发明人经过长期的研究与不断的探索，提出本发明实施例提供的一种叶片加工工序的自适应调控方法、装置、及电子设备。

实施例1

图2示出了一种可应用于本发明实施例提供的叶片加工工序的自适应调控方法、装置的电子设备100的结构框图。如图1所示，电子设备100包括存储器101、存储控制器102，一个或多个(图中仅示出一个)处理器103、外设接口104、射频模块105、显示单元106等。这些组件通过一条或多条通讯总线/信号线107相互通讯。

存储器101可用于存储软件程序以及模块，如本发明实施例中的叶片加工工序的自适应调控方法、装置对应的程序指令/模块，处理器103通过运行存储在存储器101内的软件程序以及模块，从而执行各种功能应用以及数据处理，如本发明实施例提供的叶片加工工序的自适应调控方法、装置。

存储器101可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器103以及其他可能的组件对存储器101的访问可在存储控制器102的控制下进行。

外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

射频模块105用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。

显示模块106在电子设备100与用户之间提供一个显示界面。具体地，显示模块106向用户显示图像输出，这些图像输出的内容可包括文字、图形、视频及其任意组合。

可以理解，图2所示的结构仅为示意，电子设备100还可包括比图2中所示更多或者更少的组件，或者具有与图1所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

实施例2

如图3所示，是本发明实施例提供的一种叶片加工工序的自适应调整方法，所述方法包括以下步骤：

S10，获取待加工叶片型面特征数据，并根据所述型面特征数据构建预测模型。

在一种实施方式中，该步骤包括：

对所述待加工叶片进行姿态调整，以使所述待加工叶片达到最佳测量位置。

对所述待加工叶片的型面进行三维坐标测量，获得所述待加工叶片的所述型面特征数据。

根据所述型面特征数据，对所述待加工叶片进行三维重建，得到所述预测模型。

具体的，在叶片上定位安装测量探头，并对叶片进行姿态调整，以使叶片达到最佳测量位置。安装完成后，通过测量探头对叶片的型面进行三维坐标测量，获得叶片的型面特征数据。利用型面特征数据，对整体叶盘叶片进行三维重建，确定整体叶盘叶片的确切数字化模型。

S20，对比预测模型与预先存储的理论模型，计算所述理论模型与所述预测模型的第一误差数据。

建立三维坐标系，将所述预先存储的理论模型与所述预测模型固定于所述三维坐标系中，以确定参照标准。

对比所述预测模型与所述理论模型，并计算所述预测模型与所述理论模型的所述第一误差数据。

具体的，将理论模型固定于所述三维坐标系中，将逆向重构叶片的预测模型与所述理论模型进行匹配，不断调整逆向重构叶片的所述理论模型的形体，使叶盘叶片的理论模型与逆向重构叶片的预测模型达到最佳的匹配状态。

将叶片的理论模型与逆向重构叶片的预测模型的数据进行对比，并计算整体叶盘叶片的理论模型与逆向重构叶片的预测模型之间的精度误差，并记录第一误差数据。

S30，根据所述第一误差数据，对用于铣削所述待加工叶片的刀具轨迹进行自适应调整。以及根据所述第一误差数据，对用于铣削所述待加工叶片的机床铣削参数进行自适应调整。

该步骤具体包括根据第一误差数据对刀具轨迹、机床铣削参数分别进行自适应性调整，具体包括以下步骤：

判断所述刀具轨迹误差是否在预先存储的合理轨迹误差范围内。

若所述刀具轨迹误差不在所述合理轨迹误差范围内，根据所述刀具轨迹误差，重复调整所述待加工叶片的刀具的轨迹，直至所述刀具轨迹误差在所述合理轨迹误差范围内。

根据所述待加工叶片的机床特征数据，预测所述待加工叶片的机床的铣削参数误差。

判断所述铣削参数误差是否在预先存储的合理铣削参数误差范围内。

若所述铣削参数误差不在所述合理铣削参数误差范围内，根据所述铣削参数误差，重复调整所述机床铣削参数，直至所述铣削参数误差在所述合理铣削参数误差范围内。

S40，获取所述待加工叶片的刀具和机床的磨损误差，根据所述磨损误差，对所述刀具的轨迹与所述机床铣削参数进行自适应调整。

具体的，考虑到实际操作中，刀具和机床长期使用中存在磨损，对刀具和机床的磨损进行评估，计算刀具和机床的磨损误差，根据所述磨损误差，对所述刀具的轨迹与所述机床铣削参数进行自适应调整。

实施例3

如图4所示，是本发明实施例提供的一种叶片加工工序的自适应调控装置300，的结构框图，所述装置包括：

第一获取模块301，用于获取待加工叶片型面特征数据。

第一构建模块302，用于根据所述型面特征数据构建预测模型。

第一计算模块303，用于对比预测模型与预先存储的理论模型，计算所述理论模型与所述预测模型的第一误差数据。

调整模块304，用于根据所述第一误差数据，对用于铣削所述待加工叶片的刀具轨迹及对用于铣削所述待加工叶片的机床铣削参数进行自适应调整进行自适应调整，。

进一步的，所述装置还包括：

姿态调整模块305，用于对所述待加工叶片进行姿态调整，以使所述待加工叶片达到最佳测量位置。

第二获取模块306，用于对所述待加工叶片的型面进行三维坐标测量，获得所述待加工叶片的所述型面特征数据。

第二构建模块307，用于根据所述型面特征数据，对所述待加工叶片进行三维重建，得到所述预测模型。更进一步得，所述装置还包括：

第二计算模块308，用于对比所述预测模型与所述理论模型，并计算所述预测模型与所述理论模型的所述第一误差数据。

通过本发明公开的方案，针对现有技术中存在的切削参数的选择需要靠工程师经验及参考切削手册完成，导致的叶片加工质量和精度变低的问题，通过获得的第一误差数据，对待加工叶片的刀具轨迹以及机床铣削参数进行自适应性调整，提高了叶片加工质量与精度，降低了零件的损伤和变形。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。