具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种铣削加工薄壁件的控制方法及系统，能够实时预测薄壁件的铣削加工的变形量，进而提高薄壁件加工过程的控制精度，缩短薄壁件的加工周期。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例中铣削加工薄壁件的控制方法流程图，如图1所示本发明提供了一种铣削加工薄壁件的控制方法，包括：

步骤101：获取薄壁件铣削加工过程的当前运行参数和薄壁件铣削加工设备的基本参数；当前运行参数包括当前铣削力和当前振动频率；基本参数包括机床参数、刀具参数和夹具参数；

步骤102：根据基本参数和当前运行参数，建立薄壁件铣削加工过程的数字孪生模型；

步骤103：将当前运行参数输入加工变形量预测模型中，得到薄壁件的加工变形量预测值；加工变形量预测模型是利用薄壁件铣削加工过程的历史运行参数和薄壁件的历史加工变形量，对卷积神经网络进行训练得到的；

步骤104：根据加工变形量预测值和数字孪生模型，更新薄壁件铣削加工过程的加工参数；加工参数包括薄壁件的进给倍率和刀具的转速。

在步骤101之前，还包括：

获取薄壁件铣削加工过程的历史运行参数和薄壁件的历史加工变形量；历史运行参数包括同一厚度下的多组历史铣削力和历史振动频率；

以历史运行参数为输入，以历史加工变形量为输出，得到训练后的卷积神经网络作为加工变形量预测模型。

步骤104，具体包括：

获取薄壁件铣削加工过程的当前加工参数，并停止铣削加工薄壁件；

将当前加工参数作为数字孪生模型的模拟加工参数；

将模拟加工参数输入数字孪生模型中，得到薄壁件铣削加工过程的模拟运行参数；

将薄壁件铣削加工过程的模拟运行参数输入加工变形量预测模型中，得到加工变形量模拟值；

在加工变形量模拟值大于或者等于加工变形量阈值时，更新模拟加工参数并执行步骤“将模拟加工参数输入数字孪生模型中，得到薄壁件铣削加工过程的模拟运行参数”直至加工变形量模拟值小于加工变形量阈值，将更新后的模拟加工参数作为当前加工参数，继续铣削加工薄壁件。

在更新薄壁件铣削加工过程的加工参数之前，还包括：

判断加工变形量预测值是否大于加工变形量阈值，得到第一判断结果；

若第一判断结果为否，则将加工变形量预测值在数字孪生模型处显示；

若第一判断结果为是，则执行步骤“更新薄壁件铣削加工过程的加工参数”。

具体的，图2为本发明实施例中铣削加工薄壁件的控制方法的整体流程图，如图2所示，本发明包括以下步骤：

(1)构建物理空间：物理空间包括薄壁件加工设备、各种信号采集的传感器、对信号处理分析的硬件、软件和辅助设备等。

(2)数据采集：对薄壁件加工现场进行实时数据采集，通过旋转测力仪、激光位移传感器及声发射等传感器对切削力、加工变形及振动等相关数据进行实时采集，在薄壁件加工过程中按照规定的频率进行数据采集。

一是把采集的切削力、振动等数据传到步骤(4)中的加工变形量预测模型中；在工件对应的位置，根据激光位移传感器的得到的加工变形量，与加工变形量预测模型中的预测的变形量加工变形量，验证加工变形量预测模型的准确性。二是把采集的数据存储于数据库中，为训练加工变形量预测模型增添更多的数据样本。图3为本发明实施例中的数据分类图，如图3所示，本发明中所用到的数据分类图，包括静态数据、动态数据和中间数据。

(3)构建数字孪生映射模型：对薄壁件加工现场进行数字化建模，在计算机虚拟空间中生成薄壁件加工现场的仿真模型，并与物理空间中的实物形成一一对应的映射关系，建立数字孪生映射模型。数字孪生映射模型包括：数字孪生机床模型、数字孪生刀具模型和数字孪生夹具模型；

图4为本发明实施例中数字孪生模型建立方法的流程图；如图4所示，数字孪生模型建立过程如下：

通过对物理空间进行模型测绘，利用三维软件UG画出模型并导出STL文件；导入到3D Max渲染后另存为.FBX格式，然后将STL文件和.FBX格式导入到Unity 3D引擎中，完成数字孪生模型的建立。

通过C#语言编程可以实现虚拟空间中的机床运动；

将加工代码(NC代码)输入到物理空间的机床，经OPC-UA(Unified Architecture，统一架构)通讯协议，把NC代码传给虚拟机床，进而实现虚拟机床与物理机床之间的映射关系。

(4)薄壁件加工变形预测：利用历史加工数据作为卷积神经网络算法的训练样本，建立加工变形量预测模型。把实时采集的信号输入到加工变形量预测模型中，再利用数字孪生模型进行实时仿真计算，得出薄壁件的加工变形量，并在虚拟场景的可视化窗口直观地显示出预测的加工变形量数值，具体步骤如图5所示：

利用三维有限元仿真软件得到薄壁件加工过程中相应的物理量数据，如铣削力、加工变形量等；

利用仿真得到的物理量，以及传感器得到的数据作为历史数据，训练卷积神经，卷积神经网络算法对铣削力、铣削振动进行拟合，得到加工变形量预测模型；卷积神经网络算法是智能算法的一种。步骤5中是变形量超过阈值后发出信号，通过plc对机床进给倍率和转速来控制变形量的

数字孪生模型与实际的加工过程同步执行，可以快速地实现薄壁件加工变形量预测，也可实现对薄壁件全部加工过程中变形量的监测；在机床上布置传感器，将实时采集的信号首先进行降维、局部特征提取、时序特征提取处理(进行降维处理、局部特征提取、时序特征提取)之后，然后进入到卷积神经网络的映射层，进入到加工变形量预测模型，从而得到加工变形量，再与工件的设计要求进行对比，如变形量在要求范围之内，将加工过程参数和变形数据进行上传数据库，并更新物理空间的机床的孪生模型参数。

(5)薄壁件加工变形控制，如图7所示：物理空间与数字孪生映射模型同步执行加工过程，物理空间根据数字孪生模型得到的加工变形的预测值，并与加工精度要求(加工变形量模拟值小于加工变形量阈值)进行对比，若满足加工精度要求继续对工件进行加工，若不满足精度要求，则虚拟场景发出信号，通过调控机床的进给倍率和转速，进而控制薄壁件的加工变形，使工件满足加工精度要求，具体步骤为：

当加工变形量预测值超过加工变形量阈值时，在虚拟场景中，发出报警信号，输出电压模拟量传给机床控制系统，使得实际机床暂停对薄壁件的加工。在孪生机床模型进行薄壁件加工仿真，通过迭代循环得到最佳的进给倍率和转速，把最佳的进给倍率和转速传输给实际机床，进而指导实际加工。在加工完成后，记录优化的进给倍率和转速，作为历史加工数据使用。

图6为本发明实施例中铣削加工薄壁件的控制系统的结构示意图，如图6所示，本发明提供了一种铣削加工薄壁件的控制系统，包括：

第一数据获取模块601，用于获取薄壁件铣削加工过程的当前运行参数和薄壁件铣削加工设备的基本参数；当前运行参数包括当前铣削力和当前振动频率；基本参数包括机床参数、刀具参数和夹具参数；

数字孪生模型建立模块602，用于根据基本参数和当前运行参数，建立薄壁件铣削加工过程的数字孪生模型；

加工变形量预测值确定模块603，用于将当前运行参数输入加工变形量预测模型中，得到薄壁件的加工变形量预测值；加工变形量预测模型是利用薄壁件铣削加工过程的历史运行参数和薄壁件的历史加工变形量，对卷积神经网络进行训练得到的；

加工参数更新模块604，用于根据加工变形量预测值和数字孪生模型，更新薄壁件铣削加工过程的加工参数；加工参数包括薄壁件的进给倍率和刀具的转速。

本发明提供的的铣削加工薄壁件的控制系统，还包括：

第二数据获取模块，用于获取薄壁件铣削加工过程的历史运行参数和薄壁件的历史加工变形量；历史运行参数包括同一厚度下的多组历史铣削力和历史振动频率；

加工变形量预测模型确定模块，用于以历史运行参数为输入，以历史加工变形量为输出，得到训练后的卷积神经网络作为加工变形量预测模型。

加工参数更新模块604，具体包括：

第三数据获取单元，用于获取薄壁件铣削加工过程的当前加工参数，并停止铣削加工薄壁件；

模拟加工参数确定单元，用于将当前加工参数作为数字孪生模型的模拟加工参数；

模拟运行参数确定单元，用于将模拟加工参数输入数字孪生模型中，得到薄壁件铣削加工过程的模拟运行参数；

加工变形量模拟值确定单元，用于将薄壁件铣削加工过程的模拟运行参数输入加工变形量预测模型中，得到加工变形量模拟值；

在加工变形量模拟值大于或者等于加工变形量阈值时，更新模拟加工参数并调用模拟运行参数确定单元直至加工变形量模拟值小于加工变形量阈值，将更新后的模拟加工参数作为当前加工参数，继续铣削加工薄壁件。

加工参数更新模块604，还包括：

第一判断单元，用于判断加工变形量预测值是否大于加工变形量阈值，得到第一判断结果；若第一判断结果为否，则调用加工变形量预测值显示单元；若第一判断结果为是，则调用第三数据获取单元；

加工变形量预测值显示单元，用于将加工变形量预测值在数字孪生模型处显示。

本发明相比于现有技术，有以下显著优势：(1)可以通过孪生模型对薄壁件加工过程的虚拟仿真模拟，能实时反映出薄壁件加工过程中的状态，对薄壁件加工质量精确的预测与控制，提高铣削效率和降低成本；(2)当物理空间中的加工条件发生变化，在数字孪生模型中，能够自动的对比不同薄壁件的加工策略，并把最优的加工策略返回物理空间中，进而控制物理空间中的机床加工状态；(3)将卷积神经网络算法与数字孪生技术结合，对薄壁件加工全过程的状态模拟实时监控，提前虚拟验证加工参数和工艺，根据薄壁件加工过程中的数据找出不足，对加工过程进行优化，既能对已有的变形量进行补偿，也能降低加工过程的变形量；使孪生数据、加工过程的历史数据以及数字孪生体迭代升级。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。