开云优惠体育网页版入口

专利名称：一种空调压缩机外壳的端部数智化处置系统及方法

专利类型：实用新型专利

专利申请号：CN202411131956.5

专利申请（专利权）人：泰安市勇瑞智能装备有限公司
权利人地址：山东省泰安市东平县经济开发区

专利发明（设计）人：刘德勇,刘广奇,田锡铭,赵庆田,陈现银

专利摘要：本说明书实施例公开了一种空调压缩机外壳的端部数智化处置系统及方法，涉及智能生产技术领域，用于解决现有高度检测后的加工处理方式合理性低的技术问题，一种空调压缩机外壳的端部数智化处置系统，系统包括：主控中心与主控中心相连接的第一高度单元，以及与主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与第一高度单元以及所述主控中心相连接的第二高度检测单元；第一高度单元，用于通过前置传感器，获取当前空调压缩机外壳的工件高度并启动第二高度单元；第二高度单元用于通过预置扫描设备对所述工件高度进行修正获得实际工件高度；主控中心，用于接收第二高度单元反馈的实际工件高度对当前操作单元进行反馈调整。

主权利要求：
1.一种空调压缩机外壳的端部数智化处置系统，其特征在于，所述系统包括：主控中心与所述主控中心相连接的第一高度单元，以及与所述主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与所述第一高度单元以及所述主控中心相连接的第二高度检测单元；
所述第一高度单元，用于通过当前操作模块所对应的前置传感器，获取当前空调压缩机外壳的工件高度，以基于所述工件高度对应的检测结果启动第二高度单元；
所述第二高度单元，用于通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，以基于所述点云数据对所述工件高度进行修正获得实际工件高度；
所述主控中心，用于对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件；
基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱；
接收所述第二高度单元反馈的实际工件高度，并基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，以基于各操作模块控制子系统结合所述指定协同加工图谱对当前操作单元进行反馈调整;其中，基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱，具体包括：对所述刀具调整参数进行收集，以基于所述刀具调整参数所对应的多个属性信息分别对所述刀具调整参数进行排序获得多维刀具调整参数序列；其中，所述属性信息至少包括：调整对象、时间顺序、空间位置；
将同一关联触发事件所对应的多维刀具调整参数序列转换为多维刀具调整参数分布图，以基于所述多维刀具调整参数分布图的属性信息重合度，确定关联触发事件的第一协同因素；
基于各所述关联触发事件所对应的操作设备逻辑日志，确定触发所述关联触发事件的第二协同因素；
汇总所述第一协同因素与所述第二协同因素作为所述关联触发事件的协同因素，将所述协同因素作为图谱边并将所述关联触发事件作为节点，以构建所述关联触发事件的协同加工图谱；其中，所述协同加工图谱为一个或多个连通图谱。
2.根据权利要求1所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，所述第一高度单元，具体用于：获取当前操作模块所对应的前置传感器的有效检测范围，以在所述当前空调压缩机外壳到达所述有效检测范围时，获取所述前置位置传感器检测的当前空调压缩机外壳的工件高度；
基于所述当前空调压缩机外壳的订单信息确定目标工件高度与目标误差范围，并获取与所述目标工件高度以及所述目标误差范围相匹配的多个历史加工数据；
根据所述多个历史加工数据所对应的当前操作模块的分拣剔除数量，确定所述当前操作模块的高度范围；
基于所述工件高度与所述前置传感器的误差值确定所述当前空调压缩机外壳的工件高度覆盖范围；
基于所述工件高度覆盖范围与所述当前操作模块的高度范围的重叠度，确定第一检测结果；其中，所述第一检测结果包括：合格与不合格；
若合格，则将所述当前空调压缩机外壳传输到所述当前操作模块进行加工处理；
若不合格，则启动第二高度单元。
3.根据权利要求1所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，所述第二高度单元，具体用于：通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，基于所述点云数据的三轴极大值与极小值，获得所述当前空调压缩机外壳所对应的点云最小包围盒；
基于区域生长算法对所述点云最小包围盒范围内的点云数据进行筛。竦么侗鸬阍剖荩
基于所述预置扫描设备的内参矩阵与外参矩阵将所述待识别点云数据投影到二维空间，获得所述点云数据所对应的二维投影数据；
基于预置边缘检测算法对所述二维投影数据进行边缘检测，获得所述当前空调压缩机外壳的边缘数据，将所述边缘数据转换到参数空间，以基于所述参数空间的峰值点识别所述当前空调压缩机外壳的直线数据；
基于最小二乘法对所述直线数据进行拟合，以基于拟合后的直线数据对所述工件高度进行修正获得实际工件高度。
4.根据权利要求3所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，基于预置边缘检测算法对所述二维投影数据进行边缘检测，获得所述当前空调压缩机外壳的边缘数据，将所述边缘数据转换到参数空间，以基于所述参数空间的峰值点识别所述当前空调压缩机外壳的直线数据，具体包括：基于预置多方向梯度算子获取所述二维投影数据在多个方向的梯度，以基于所述多个方向的梯度确定所述二维投影数据所对应的梯度图；
获取所述梯度图各方向的局部最大值数据作为初始边缘数据，以基于预置双边滤波器对所述初始边缘数据进行过滤，获得所述当前空调压缩机外壳的边缘数据；
将所述边缘数据映射到参数空间，以基于累加器数据对所述参数空间内各边缘数据进行记录，确定所述参数空间内的峰值点，并将所述峰值点所对应的参数转换到所述二维投影数据所对应的空间，获得所述当前空调压缩机外壳的初始直线数据；
基于所述当前空调压缩机外壳的高度检测方向对所述初始直线数据进行过滤，获得与所述高度检测方向相对应的直线数据。
5.根据权利要求1所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件，具体包括：基于多数据源获取各空调压缩机外壳的历史加工事件，并根据预设聚类中心数量对所述历史加工事件进行均分获得多个历史加工事件组，以随机确定各所述历史加工事件组内的历史加工事件作为初始聚类中心；
遍历各所述历史加工事件组内的历史加工事件，以确定各所述历史加工事件组内的历史加工事件与所述初始聚类中心的欧氏距离，以基于所述欧氏距离对各所述历史加工事件进行聚类获得多个聚类簇；
基于各所述聚类簇内的历史加工事件重新确定聚类中心的位置，以迭代获得所述历史加工事件的聚类结果，确定聚类结果所对应的最优聚类簇；
基于各所述最优聚类簇内的历史加工事件与所述历史加工事件所对应的刀具调整参数，确定与各所述历史加工事件相对应的刀具调整参数与关联触发事件。
6.根据权利要求1所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，具体包括：筛选历史加工数据内与所述实际工件高度相对应的第一历史加工数据；
根据所述基础加工数据与所述第一历史加工数据的匹配度，确定与所述基础加工数据相对应的匹配历史加工数据；
获取所述匹配历史加工数据所对应的历史加工事件，以根据所述历史加工事件所包含的协同因素确定所述当前空调压缩机外壳所对应的指定协同加工图谱。
7.根据权利要求1所述的一种空调压缩机外壳的端部数智化处置系统，其特征在于，所述主控中心还用于：若确定所述当前空调压缩机外壳完成所述当前操作单元的生产加工，则基于所述操作模块控制子系统存储的标准刀具参数，对所述当前操作单元进行恢复；
确定所述当前空调压缩机外壳的残次率是否低于预置残次率值；
若是，则记录所述当前操作单元的刀具调整参数，并基于所述当前空调压缩机外壳的实际工件高度与所述对应的指定协同加工图谱对所述当前操作单元的刀具调整参数进行标记。
8.一种空调压缩机外壳的端部数智化处置方法，其特征在于，应用于主控中心与所述主控中心相连接的第一高度单元，以及与所述主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与所述第一高度单元以及所述主控中心相连接的第二高度检测单元构成的端部数智化处置系统，所述方法包括：所述第一高度单元通过当前操作模块所对应的前置传感器，获取当前空调压缩机外壳的工件高度，以基于所述工件高度对应的检测结果启动第二高度单元；
所述第二高度单元通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，以基于所述点云数据对所述工件高度进行修正获得实际工件高度；
所述主控中心对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件；
所述主控中心基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱；
所述主控中心接收所述第二高度单元反馈的实际工件高度，并基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，以基于各操作模块控制子系统结合所述指定协同加工图谱对当前操作单元进行反馈调整；
其中，基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱，具体包括：对所述刀具调整参数进行收集，以基于所述刀具调整参数所对应的多个属性信息分别对所述刀具调整参数进行排序获得多维刀具调整参数序列；其中，所述属性信息至少包括：调整对象、时间顺序、空间位置；
将同一关联触发事件所对应的多维刀具调整参数序列转换为多维刀具调整参数分布图，以基于所述多维刀具调整参数分布图的属性信息重合度，确定关联触发事件的第一协同因素；
基于各所述关联触发事件所对应的操作设备逻辑日志，确定触发所述关联触发事件的第二协同因素；
汇总所述第一协同因素与所述第二协同因素作为所述关联触发事件的协同因素，将所述协同因素作为图谱边并将所述关联触发事件作为节点，以构建所述关联触发事件的协同加工图谱；其中，所述协同加工图谱为一个或多个连通图谱。
9.根据权利要求8所述的一种空调压缩机外壳的端部数智化处置方法，其特征在于，对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件，具体包括：基于多数据源获取各空调压缩机外壳的历史加工事件，并根据预设聚类中心数量对所述历史加工事件进行均分获得多个历史加工事件组，以随机确定各所述历史加工事件组内的历史加工事件作为初始聚类中心；
遍历各所述历史加工事件组内的历史加工事件，以确定各所述历史加工事件组内的历史加工事件与所述初始聚类中心的欧氏距离，以基于所述欧氏距离对各所述历史加工事件进行聚类获得多个聚类簇；
基于各所述聚类簇内的历史加工事件重新确定聚类中心的位置，以迭代获得所述历史加工事件的聚类结果，确定聚类结果所对应的最优聚类簇；
基于各所述最优聚类簇内的历史加工事件与所述历史加工事件所对应的刀具调整参数，确定与各所述历史加工事件相对应的刀具调整参数与关联触发事件。 说明书 : 一种空调压缩机外壳的端部数智化处置系统及方法技术领域[0001] 本说明书涉及智能生产技术领域，尤其涉及一种空调压缩机外壳的端部数智化处置系统及方法。背景技术[0002] 空调压缩机是在空调制冷剂回路中起压缩驱动制冷剂的作用，将制冷剂从低压区抽取来经压缩后送到高压区冷却凝结，再通过散热片散发出热量到空气中，从而实现制冷效果。空调压缩机外壳是空调压缩机外部的保护和支撑结构，通常由金属材料制成，如不锈钢、铝合金等，以承受内部压力、保护内部结构和确保空调压缩机的稳定运行。空调压缩机本身在制冷系统中起到制冷剂缓冲的作用，而外壳则进一步增强了这些功能的实现。由于空调压缩机外壳的高度影响了储液器运行的稳定性和安全性，因此在空调压缩机外壳的生产加工过程中，对外壳高度也就是长度的精准检测并基于高度检测结果采取相应的措施进行后续处置，是确保生产出的储液器整体质量和运行稳定性的关键环节。[0003] 当前在空调压缩机外壳的生产加工过程中一般为生产线中的端部收口成型装置基于机械式高度测量仪进行测试，然而这种方式经常会收到机械传动部件的磨损或松动等因素的影响导致测量精度难以长期保持，确这种通过卡位方式进行测量的方式也可能导致空调压缩机外壳在测量过程中出现不必要的磨损。此外当前基于测距仪进行检测的方式，虽然能够达到更高精度和效率的检测，但是单一维度检测的可靠性较低，且当前高度检测不合格的产品一般为生产后的检测这种滞后性的检测无法在生产过程中及时发现可能出现的残次产品，也难以实现后续生产设备之间的联动进行后续的刀具参数调整实现减少磨损和残次品的产生。发明内容[0004] 为了解决上述技术问题，本说明书一个或多个实施例提供了一种空调压缩机外壳的端部数智化处置系统及方法。[0005] 本说明书一个或多个实施例采用下述技术方案：[0006] 本说明书一个或多个实施例提供一种空调压缩机外壳的端部数智化处置系统，系统包括：[0007] 主控中心与所述主控中心相连接的第一高度单元，以及与所述主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与所述第一高度单元以及所述主控中心相连接的第二高度检测单元；[0008] 所述第一高度单元，用于通过当前操作模块所对应的前置传感器，获取当前空调压缩机外壳的工件高度，以基于所述工件高度对应的检测结果启动第二高度单元；[0009] 所述第二高度单元，用于通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，以基于所述点云数据对所述工件高度进行修正获得实际工件高度；[0010] 所述主控中心，用于对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件；[0011] 基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱；[0012] 接收所述第二高度单元反馈的实际工件高度，并基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，以基于各操作模块控制子系统结合所述指定协同加工图谱对当前操作单元进行反馈调整。[0013] 可选地，在本说明书一个或多个实施例中，所述第一高度单元，具体用于：[0014] 获取当前操作模块所对应的前置传感器的有效检测范围，以在所述当前空调压缩机外壳到达所述有效检测范围时，获取所述前置位置传感器检测的当前空调压缩机外壳的工件高度；[0015] 基于所述当前空调压缩机外壳的订单信息确定目标工件高度与目标误差范围，并获取与所述目标工件高度以及所述目标误差范围相匹配的多个历史加工数据；[0016] 根据所述多个历史加工数据所对应的当前操作模块的分拣剔除数量，确定所述当前操作模块的高度范围；[0017] 基于所述工件高度与所述前置传感器的误差值确定所述当前空调压缩机外壳的工件高度覆盖范围；[0018] 基于所述工件高度覆盖范围与所述当前操作模块的高度范围的重叠度，确定第一检测结果；其中，所述第一检测结果包括：合格与不合格；[0019] 若合格，则将所述当前空调压缩机外壳传输到所述当前操作模块进行加工处理；[0020] 若不合格，则启动第二高度单元。[0021] 可选地，在本说明书一个或多个实施例中，所述第二高度单元，具体用于：[0022] 通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，基于所述点云数据的三轴极大值与极小值，获得所述当前空调压缩机外壳所对应的点云最小包围盒；[0023] 基于区域生长算法对所述点云最小包围盒范围内的点云数据进行筛。竦么侗鸬阍剖荩籟0024] 基于所述预置扫描设备的内参矩阵与外参矩阵将所述待识别点云数据投影到二维空间，获得所述点云数据所对应的二维投影数据；[0025] 基于预置边缘检测算法对所述二维投影数据进行边缘检测，获得所述当前空调压缩机外壳的边缘数据，将所述边缘数据转换到参数空间，以基于所述参数空间的峰值点识别所述当前空调压缩机外壳的直线数据；[0026] 基于最小二乘法对所述直线数据进行拟合，以基于拟合后的直线数据对所述工件高度进行修正获得实际工件高度。[0027] 可选地，在本说明书一个或多个实施例中，基于预置边缘检测算法对所述二维投影数据进行边缘检测，获得所述当前空调压缩机外壳的边缘数据，将所述边缘数据转换到参数空间，以基于所述参数空间的峰值点识别所述当前空调压缩机外壳的直线数据，具体包括：[0028] 基于预置多方向梯度算子获取所述二维投影数据在多个方向的梯度，以基于所述多个方向的梯度确定所述二维投影数据所对应的梯度图；[0029] 获取所述梯度图各方向的局部最大值数据作为初始边缘数据，以基于预置双边滤波器对所述初始边缘数据进行过滤，获得所述当前空调压缩机外壳的边缘数据；[0030] 将所述边缘数据映射到参数空间，以基于累加器数据对所述参数空间内各边缘数据进行记录，确定所述参数空间内的峰值点，并将所述峰值点所对应的参数转换到所述二维投影数据所对应的空间，获得所述当前空调压缩机外壳的初始直线数据；[0031] 基于所述当前空调压缩机外壳的高度检测方向对所述初始直线数据进行过滤，获得与所述高度检测方向相对应的直线数据。[0032] 可选地，在本说明书一个或多个实施例中，对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件，具体包括：[0033] 基于多数据源获取各空调压缩机外壳的历史加工事件，并根据预设聚类中心数量对所述历史加工事件进行均分获得多个历史加工事件组，以随机确定各所述历史加工事件组内的历史加工事件作为初始聚类中心；[0034] 遍历各所述历史加工事件组内的历史加工事件，以确定各所述历史加工事件组内的历史加工事件与所述初始聚类中心的欧氏距离，以基于所述欧氏距离对各所述历史加工事件进行聚类获得多个聚类簇；[0035] 基于各所述聚类簇内的历史加工事件重新确定聚类中心的位置，以迭代获得所述历史加工事件的聚类结果，确定聚类结果所对应的最优聚类簇；[0036] 基于各所述最优聚类簇内的历史加工事件与所述历史加工事件所对应的刀具调整参数，确定与各所述历史加工事件相对应的刀具调整参数与关联触发事件。[0037] 可选地，在本说明书一个或多个实施例中，基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱，具体包括：[0038] 对所述刀具调整参数进行收集，以基于所述刀具调整参数所对应的多个属性信息分别对所述刀具调整参数进行排序获得多维刀具调整参数序列；其中，所述属性信息至少包括：调整对象、时间顺序、空间位置；[0039] 将同一关联触发事件所对应的多维刀具调整参数序列转换为多维刀具调整参数分布图，以基于所述多维刀具调整参数分布图的属性信息重合度，确定关联触发事件的第一协同因素；[0040] 基于各所述关联触发事件所对应的操作设备逻辑日志，确定触发所述关联触发事件的第二协同因素；[0041] 汇总所述第一协同因素与所述第二协同因素作为所述关联触发事件的协同因素，将所述协同因素作为图谱边并将所述关联触发事件作为节点，以构建所述关联触发事件的协同加工图谱；其中，所述协同加工图谱为一个或多个连通图谱。[0042] 可选地，在本说明书一个或多个实施例中，基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，具体包括：[0043] 筛选历史加工数据内与所述实际工件高度相对应的第一历史加工数据；[0044] 根据所述基础加工数据与所述第一历史加工数据的匹配度，确定与所述基础加工数据相对应的匹配历史加工数据；[0045] 获取所述匹配历史加工数据所对应的历史加工事件，以根据所述历史加工事件所包含的协同因素确定所述当前空调压缩机外壳所对应的指定协同加工图谱。[0046] 可选地，在本说明书一个或多个实施例中，所述主控中心还用于：[0047] 若确定所述当前空调压缩机外壳完成所述当前操作单元的生产加工，则基于所述操作模块控制子系统存储的标准刀具参数，对所述当前操作单元进行恢复；[0048] 确定所述当前空调压缩机外壳的残次率是否低于预置残次率值；[0049] 若是，则记录所述当前操作单元的刀具调整参数，并基于所述当前空调压缩机外壳的实际工件高度与所述对应的指定协同加工图谱对所述当前操作单元的刀具调整参数进行标记。[0050] 本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：[0051] 通过第一高度单元和第二高度单元的配合，能够更准确地获取当前空调压缩机外壳的实际工件高度。先通过前置传感器初步获取工件高度，再利用预置扫描设备获取点云数据进行修正，提高了高度测量的精度。也避免了生产后再检测导致的残次率高且设备无效加工成本损耗问题。通过主控中心对各空调压缩机外壳的历史加工事件进行聚类处理，确定刀具调整参数与关联触发事件，并构建协同加工图谱，这充分利用了历史数据，为当前的加工提供了有价值的参考，有助于提高加工的效率和质量。考虑了刀具调整参数和关联触发事件的协同因构建协同加工图谱后，根据实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定指定协同加工图谱，实现了对当前操作单元的个性化反馈调整。能够更好地适应不同工件的特点和加工要求，提高了加工的适应性和灵活性。附图说明[0052] 为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：[0053] 图1为本说明书实施例提供的一种空调压缩机外壳的端部数智化处置系统的示意图；[0054] 图2为本说明书实施例提供的一种应用场景下空调压缩机外壳的端部数智化处置系统的处理示意图；[0055] 图3为本说明书实施例提供的一种协同加工图谱的确定过程示意图；[0056] 图4为本说明书实施例提供的一种空调压缩机外壳的端部数智化处置方法流程示意图。具体实施方式[0057] 本说明书实施例提供一种空调压缩机外壳的端部数智化处置系统及方法。[0058] 为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本说明书保护的范围。[0059] 如图1所示，本说明书实施例提供了一种空调压缩机外壳的端部数智化处置系统示意图。由图1可知，本说明书一个或多个实施例中一种空调压缩机外壳的端部数智化处置系统，系统包括：主控中心与所述主控中心相连接的第一高度单元，以及与所述主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与所述第一高度单元以及所述主控中心相连接的第二高度检测单元。其中，第一高度单元用于通过当前操作模块所对应的前置传感器，获取当前空调压缩机外壳的工件高度，从而工件高度对应的检测结果确定是否启动第二高度单元。若基于检测结果确定高度不符合要求，则为了确定该检测结果可靠同时降低报损率，此时会启动第二单元，而第二高度单元则用于通过预置扫描设备获取当前空调压缩机外壳所对应的点云数据，从而根据点云数据对工件高度进行修正获得实际工件高度。通过引入第二高度检测单元和预置扫描设备获取点云数据，对工件高度进行修正，大大提高了工件高度的测量精度。这种高精度的测量确保了后续加工过程中的准确性和一致性，减少了因尺寸误差导致的废品率。[0060] 系统中的主控单元用于对各空调压缩机外壳的历史加工事件进行聚类处理，确定各历史加工事件所对应的刀具调整参数与关联触发事件。其中，需要说明的是该过程中各空调压缩机外壳的历史加工事件包括每次加工事件的详细信息，如加工时间、刀具类型；刀具调整参数如切削速度、进给量、切削深度等；加工结果，如尺寸精度、表面质量。以及任何可能的关联触发事件，如刀具磨损、机床故障、材料变化等。且这些历史加工事件经过了例如数据清洗、数据格式化以及数据标准化的数据预处理阶段。而获取到历史加工事件进行聚类处理可以基于例如K?means、层次聚类、DBSCAN等聚类算法根据刀具调整参数和关联触发事件的相似性进行分组例如，如果一系列加工事件在刀具调整参数上非常接近，并且都伴随着类似的关联触发事件例如刀具磨损到一定程度，那么这些事件可能会被归为同一类。然后，主控中心会根据刀具调整参数的数据特征确定出关联触发事件的协同因素，进而根据关联触发事件的协同加工图谱。协同因素是指那些能够同时影响多个关联触发事件发生的因素，他们可能包括调整对象、时间顺序、空间位置以及例如温度湿度的加工条件、稳定性精度的机床状态。根据以上分析，构建协同加工图谱。这个图谱是一个可视化的表示，展示了不同加工事件、刀具调整参数、关联触发事件以及协同因素之间的复杂关系。从而方便了基于该协同加工图谱提前进行操作模块的加工调整，降低空调压缩机外壳的加工残次产品。[0061] 然后主控中心为了解决现有技术中难以实时反馈实现，也无法实现基于检测结果实现设备间的联动处置，导致出现高度不合格的空调压缩机外壳在生产后才被检测出来的问题。主控中心会再基于与第二高度单元的连接关系，接收第二高度单元反馈的实际工件高度，并基于实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定出当前空调压缩机外壳所对应的指定协同加工图谱，从而根据各个操作模块控制子系统结合指定协同加工图谱对当前操作单元进行反馈调整。基于实时接收并处理工件加工过程中的反馈信息，系统能够动态地调整加工策略实现了空调压缩机外壳加工过程的闭环控制和实时优化，在保证工件质量的同时基于协同操作模块的自动调整也提高了生产效率。[0062] 具体地，在本说明书一个或多个实施例中，第一高度单元，具体用于：获取当前操作模块所对应的前置传感器的有效检测范围，从而在当前空调压缩机外壳到达有效检测范围时，获取前置位置传感器检测的当前空调压缩机外壳的工件高度。基于前置传感器有效检测范围的限制可以确保只有在工件进入这一范围时才开始测量，从而避免了无效测量和错误数据的产生。而通过前置位置传感器的检测，将检测过程提前到操作模块处置之前，从而方便基于检测结果反馈操作模块刀具参数的调整进而降低空调压缩机外壳的残次率。然后基于当前空调压缩机外壳的订单信息确定目标工件高度与目标误差范围，并获取与目标工件高度以及目标误差范围相匹配的多个历史加工数据。根据具体订单要求设定目标高度和误差范围，使得生产过程更加灵活，能够满足不同客户的需求，而利用历史数据来指导当前生产，可以通过借助历史经验来减少试错成本，提高生产效率和成功率。然后，由于不合格的空调压缩机外壳可能会子该操作模块的加工前被分拣剔除掉，从而淘汰该空调压缩机外壳或者再基于其他操作模块进行相关处理，所以此处为了更加科学的设定当前操作模块的高度范围降低不合格品的概率，会根据多个历史加工数据所对应的当前操作模块的分拣剔除数量，确定当前操作模块的高度范围，即根据分拣剔除数量确定多个小于预设分拣剔除数量值的多个历史加工数据内工件高度范围的均值确定当前操作模块的高度范围。然后为了考虑测量误差对结果的影响，使得最终的高度检测更加准确可靠。会根据工件高度与前置传感器的误差值，在当前空调压缩机外壳的工件高度上加入该误差值后确定出当前空调压缩机外壳的工件高度覆盖范围。例如：检测的当前空调压缩机外壳的工件高度为270mm,而前置传感器的误差值在3mm内，那么当前空调压缩机外壳的工件高度覆盖范围是267mm?273mm。然后根据工件高度覆盖范围与当前操作模块的高度范围的重叠度，也就是说确定当前操作模块的高度范围是否在当前空调压缩机外壳的工件高度覆盖范围内来确定出第一检测结果。其中，需要说明的是第一检测结果包括：合格与不合格。如果合格，则将当前空调压缩机外壳传输到当前操作模块进行加工处理。而如果不合格，那么就启动第二高度单元。通过将合格的工件，直接传输到当前操作模块进行加工实现了加工前的检测，避免了当前操作模块的无效加工提高了生产效率。而对于不合格的工件，启动第二高度单元进行进一步检测，确保产品质量，通过分流处理在保证产品质量的同时提高了自动化生产加工过程的灵活性。[0063] 在本说明书另一个实施例中如图2所示，在当前空调压缩机外壳上料后第一高度单元，具体用于通过当前操作模块例如倒角机设备所对应的前置传感器与后置传感器，获取当前空调压缩机外壳的工件高度，以基于所述工件高度对当前操作单元进行反馈调整。具体地，该实施例中第一高度单元获取当前操作模块所对应的前置传感器的有效检测范围，从而在当前空调压缩机外壳到达有效检测范围时，获取前置传感器检测的当前空调压缩机外壳的第一工件高度，然后获取倒角机后置传感器检测的第二工件高度。其中，需要说明的是，检测过程中当前空调压缩机外壳可以通过双工位机械臂抓取到所述当前操作模块，例如通过双工位机械臂抓取到倒角机设备。然后，基于所述当前空调压缩机外壳的订单信息确定目标工件高度与目标误差范围，并获取与所述目标工件高度以及所述目标误差范围相匹配的多个历史加工数据；根据所述多个历史加工数据所对应的当前操作模块的分拣剔除数量，确定所述当前操作模块的高度范围；基于所述工件高度与所述前置传感器的误差值确定所述当前空调压缩机外壳的工件高度覆盖范围，对比所述第二工件高度与所述工件高度覆盖范围，确定所述当前空调压缩机外壳是否符合要求，若是则继续后续加工。若否，则基于所述第一工件高度与所述第二工件高度确定所述当前操作模块的加工高度，确定所述加工高度相对于工件高度覆盖范围的调整高度，以基于所述调整高度对所述当前操作模块进行反馈调整。[0064] 该实施例中，通过前置和后置传感器联合检测空调压缩机外壳的工件高度，可以显著提高高度测量的精度。这种双重检测机制有助于减少测量误差，确保加工过程中的尺寸控制更加精确。同时，自动化检测和调整流程提高了加工效率，减少了人工干预的需要。系统能够根据订单信息中的目标工件高度和目标误差范围，自动检索并匹配相关的历史加工数据。这种灵活性使得系统能够针对不同的订单需求进行快速调整，增强了生产线的适应性和灵活性。支持双工位机械臂的使用，使得系统能够同时处理多个工件，进一步提高了生产线的灵活性和产能。[0065] 具体地，在本说明书一个或多个实施例中，为了提高产品加工精度并方便进行后续加工过程的反馈调整。第二高度单元，具体用于：[0066] 首先，第二高度单元通过预置扫描设备获取当前空调压缩机外壳所对应的点云数据，然后根据点云数据的三轴极大值与极小值，获得当前空调压缩机外壳所对应的点云最小包围盒。例如点云数据1为（150，200,300），点云数据2为（400,250,200），点云数据3为（50,100,400）点云数据4为（300，350,100）那么遍历这些点能够得到以下边界值X轴：minX=50，maxX=400；Y轴：minY=100，maxY=350；Z轴：minZ=100，maxZ=400。基于这些边界值可以依次确定各个顶点坐标例如：左下角：(minX，minY，minZ)，右下角：(minX，maxY，minZ)，左上角：(maxX，minY，maxZ)等，基于这些顶点可以获得平行于坐标轴的长方体作为最小包围盒。然后根据区域生长算法将具有相似属性的点进行组合从而实现对点云最小包围盒范围内的点云数据进行筛。簿褪侨肥等啡纤械愣荚谡飧龇段诨竦么侗鸬阍剖。其中，区域生长算法是一种基于像素或点云数据相似性的图像分割或点云分割技术。其基本思想是从一组预先定义的种子点开始，通过逐步将具有相似属性的相邻像素或点加入到相应的区域中，来形成更大的区域，直到满足一定的停止条件为止。此处不再对区域生长算法进行赘述。[0067] 然后为了便于对于实际工件高度的检测，第二高度单元通过预置扫描设备的内参矩阵与外参矩阵确定了三维到二维的转换关系，从而将待识别点云数据投影到二维空间内，获得点云数据所对应的二维投影数据。然后基于预置边缘检测算法对二维投影数据进行边缘检测，获得当前空调压缩机外壳的边缘数据，将边缘数据转换到参数空间，以基于参数空间的峰值点识别出当前空调压缩机外壳的直线数据。再根据最小二乘法对直线数据进行拟合，以基于拟合后的直线数据对工件高度进行修正获得实际工件高度。该过程中通过区域生长算法和边缘检测算法能够在一定程度上处理不完全或：纳枋，能够适应于生产加工过程中的环境噪声和复杂背景，而基于最小二乘法拟合直线数据能够平滑处理数据中的微小波动，提高结果的稳定性。[0068] 进一步地，第二高度单元基于预置边缘检测算法对所述二维投影数据进行边缘检测，获得所述当前空调压缩机外壳的边缘数据，将所述边缘数据转换到参数空间，以基于所述参数空间的峰值点识别所述当前空调压缩机外壳的直线数据，具体包括以下过程：[0069] 为了能够更加全面的捕获边缘信息从而提高后续高度检测的准确性，本说明书实施例中通过基于预置多方向梯度算子获取二维投影数据在多个方向的梯度，从而根据多个方向的梯度确定二维投影数据所对应的梯度图，而预置多方向梯度算子进行多方向梯度的获。蚰芄淮佣喔龇较蚣觳獗咴敌畔，避免了单一方向检测可能导致的信息遗漏，从而更全面地捕获边缘特征，提高后续边缘检测和高度检测的准确性。在边缘检测过程中，噪声可能会干扰边缘的准确检测，同时传统的滤波方法可能会导致边缘细节的丢失，所以为了能够突出边缘的主要特征本说明书说实施例中获取梯度图各方向的局部最大值数据作为初始边缘数据，从而根据预置双边滤波器对初始边缘数据进行过滤，获得当前空调压缩机外壳的边缘数据。通过使用预置双边滤波器进行过滤，能够在去除噪声的同时，较好地保留边缘的细节信息，使得到的边缘数据更加准确和可靠。然后为了在获取直线特征的同时挖掘潜在的直线特征，本说明书实施例中第二高度单元首先将边缘数据映射到参数空间，从而根据累加器数据对参数空间内各边缘数据进行记录，确定出参数空间内的峰值点，并将峰值点所对应的参数转换到二维投影数据所对应的空间，获得当前空调压缩机外壳的初始直线数据。通过该方式将边缘数据转换到参数空间并利用累加器数据进行记录，可以更有效地检测和表示直线特征，而由于峰值点对应着图像中最显著的直线，所以进一步的确定参数空间内的峰值点，以便实现既可以准确地识别出潜在的直线信息，又能够对噪声和遮挡起到一定的鲁棒性，从而为后续的高度检测提供有力支持。然后为了去除与检测方向不相关的直线信息，进一步减少误检和漏检提高检测的针对性和准确性，使得最终得到的直线数据更符合实际需求，在识别到直线特征之后会基于当前空调压缩机外壳的高度检测方向对初始直线数据进行过滤，获得与高度检测方向相对应的直线数据。[0070] 具体地，在本说明书一个或多个实施例中，对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件，具体包括：[0071] 主控中心根据多数据源获取各空调压缩机外壳的历史加工事件，为了避免随机选定聚类中心导致的聚类结果缺乏可解释性的问题，本说明书实施例中主控中心根据预设聚类中心数量对历史加工事件进行均分获得多个历史加工事件组，从而随机确定各历史加工事件组内的历史加工事件作为初始聚类中心。该过程中将历史加工事件进行均分并随机确定初始聚类中心，能够在一定程度上避免初始中心选择的随机性对聚类结果的不良影响，为后续的聚类过程提供了一个相对合理的起点。然后遍历各历史加工事件组内的历史加工事件，从而确定各个历史加工事件组内的历史加工事件与初始聚类中心的欧氏距离，以基于欧氏距离对各历史加工事件进行聚类获得多个聚类簇。基于欧氏距离进行聚类，可以将相似的历史加工事件归为一类，有助于发现数据中的潜在模式和规律。然后基于各聚类簇内的历史加工事件重新确定聚类中心的位置，进而迭代获得历史加工事件的聚类结果，确定聚类结果所对应的最优聚类簇。通过不断迭代更新聚类中心的位置，使得聚类结果更加准确和稳定。确定最优聚类簇可以帮助找到最具有代表性和区分度的聚类结果，为后续的分析和应用提供有价值的信息。获得最优聚类簇后基于各最优聚类簇内的历史加工事件与历史加工事件所对应的刀具调整参数，确定与各历史加工事件相对应的刀具调整参数与关联触发事件。将聚类结果与刀具调整参数和关联触发事件相结合，可以深入了解不同类型的历史加工事件与刀具调整之间的关系。这有助于在实际加工过程中，根据历史经验更准确地进行刀具调整，提高加工质量和效率。解决了现有技术中缺乏将历史加工事件与刀具调整参数和关联触发事件进行有效结合，导致在实际加工中难以根据历史经验进行优化的问题，通过确定最优聚类簇内的历史加工事件与刀具调整参数及关联触发事件的关系，为实际加工中闭环调整提供更加具有针对性的依据。[0072] 具体地，在本说明书一个或多个实施例中，基于刀具调整参数的数据特征确定关联触发事件的协同因素，以构建关联触发事件的协同加工图谱，具体包括：[0073] 处理刀具调整参数时，现有技术可能仅关注单一维度或少数几个维度的数据，忽略了数据之间的多维度关联性和复杂性，且缺乏全面收集和分析刀具调整参数多个属性信息例如如调整对象、时间顺序、空间位置等的能力，导致无法准确反映刀具在加工过程中的实际状态。因此本说明书实施例中对刀具调整参数进行收集，以基于刀具调整参数所对应的多个属性信息分别对刀具调整参数进行排序获得多维刀具调整参数序列；其中需要说明的是，属性信息至少包括：调整对象、时间顺序、空间位置。基于该方式能够全面捕捉刀具调整过程中的各种信息，为后续分析提供丰富的数据基础。[0074] 现有方式中当生产加工过程中出现高度检测不合格情况时一般为生产后的检测，难以在经过操作单元前进行识别并基于检测高度进行后续加工的调整。因此本说明书实施例中为了能够实现对于生产加工的调整，确定与高度相关的各个加工事件所对应的关联操作，本说明书实施例中后续将同一关联触发事件所对应的多维刀具调整参数序列转换为多维刀具调整参数分布图，以基于多维刀具调整参数分布图的属性信息重合度，确定关联触发事件的第一协同因素。将多维刀具调整参数序列转换为分布图，直观展示了参数在不同维度上的分布情况。这种可视化方法有助于快速识别参数之间的关联性和变化趋势，为后续确定协同因素提供了直观的参考。而通过分析多维刀具调整参数分布图的属性信息重合度，能够精确识别出导致关联触发事件发生的直接因素。这种方法基于数据的内在关联性，避免了主观判断的干扰，提高了协同因素识别的准确性和可靠性。然后为了增加对于环境因素以及加工过程的影响，主控中心基于各关联触发事件所对应的操作设备逻辑日志，确定触发关联触发事件的第二协同因素，通过结合操作设备的逻辑日志，能够深入了解加工过程中设备的运行状态和操作人员的行为模式，这有助于识别出除刀具调整参数外，其他可能影响关联触发事件的外部因素。这种方法综合考虑了设备、操作和环境等多方面因素，使得协同因素的确定更加全面和深入。然后如图3所示汇总第一协同因素与第二协同因素作为关联触发事件的协同因素，将协同因素作为图谱边并将所述关联触发事件作为节点，以构建所述关联触发事件的协同加工图谱；其中，所述协同加工图谱为一个或多个连通图谱。基于构建的协同加工图谱不仅展示了不同触发事件之间的关联关系，还揭示了导致这些事件发生的协同因素。通过图谱的连通性，可以直观地了解整个加工过程中各个环节的相互影响和依赖关系，为优化加工过程、提高生产效率提供了有力的支持。解决了现有技术中无法全面理解加工过程中各个环节的相互作用和依赖关系，导致生产加工过程中基于人工调度调整或基于经验调整优化的方式，实施效果有限且效率低的问题。[0075] 具体地，在本说明书一个或多个实施例中，主控中心用于基于实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定当前空调压缩机外壳所对应的指定协同加工图谱，具体包括以下过程：[0076] 首先，筛选历史加工数据内与实际工件高度相对应的第一历史加工数据。然后根据基础加工数据与第一历史加工数据的匹配度，确定出和基础加工数据相对应的匹配历史加工数据。然后再获取匹配历史加工数据所对应的历史加工事件，以根据历史加工事件所包含的协同因素确定出当前空调压缩机外壳所对应的指定协同加工图谱。通过匹配实际工件高度与历史加工数据，能够迅速找到类似或相同的加工案例，从而基于这些成功案例的参数设定，为当前工件定制最合适的加工图谱。这有助于减少试错过程，提高加工精度和效率。该过程中通过自动筛选、匹配和确定加工图谱，减少了人工干预，提高了生产线的灵活性和响应速度。同时利用基础加工数据与历史加工数据的匹配度来确定最佳加工路径，是数据驱动决策的典型应用。这种方法能够充分利用历史经验，避免重复错误，提升决策的科学性和准确性。且该过程能够灵活应对不同高度和规格的空调压缩机外壳，通过动态匹配历史数据，为每一种事件和尺寸的空调压缩机外壳找到最适合的加工图谱，这种适应性强的特点使得生产线能够处理更多样化的产品，满足市场需求。[0077] 具体地，在本说明书一个或多个实施例中，所述主控中心还用于：[0078] 如果确定当前空调压缩机外壳完成了当前操作单元的生产加工，则基于操作模块控制子系统存储的标准刀具参数，对当前操作单元进行恢复。在完成当前操作单元的生产加工后，基于标准刀具参数对操作单元进行恢复，有助于确保下一次加工时操作单元处于标准的初始状态，为后续加工的准确性和一致性提供保障。然后再确定当前空调压缩机外壳的残次率是否低于预置残次率值。如果低于预置残次率值那么就记录当前操作单元的刀具调整参数，并基于当前空调压缩机外壳的实际工件高度与对应的指定协同加工图谱对当前操作单元的刀具调整参数进行标记。当残次率低于预置值时，记录当前操作单元的刀具调整参数，这些数据实现了经验积累可以为后续的生产提供宝贵的参考，有助于进一步优化刀具参数，提高加工精度和效率。基于实际工件高度与对应的指定协同加工图谱对当前操作单元的刀具调整参数进行标记，实现了参数的个性化定制。这种标记有助于在后续生产中快速识别和应用适合特定工件和加工图谱的刀具参数，提高了生产的灵活性和适应性。通过上述过程使得端部数智化处置系统成的整个处置过程形成了一个能够持续改进的闭环流程，能够通过不断地检查残次率、记录和调整刀具参数，并基于实际生产数据进行标记，使得主控中心能够不断地优化生产流程，提高生产效率和产品质量。[0079] 如图4所示，本说明书一个或多个实施例中提供了一种空调压缩机外壳的端部数智化处置方法，应用于主控中心与所述主控中心相连接的第一高度单元，以及与所述主控中心基于预置通信接口相连接的各操作模块控制子系统，还包括与所述第一高度单元以及所述主控中心相连接的第二高度检测单元构成的端部数智化处置系统，方法包括：[0080] S401：所述第一高度单元通过当前操作模块所对应的前置传感器，获取当前空调压缩机外壳的工件高度，以基于所述工件高度对应的检测结果启动第二高度单元；[0081] S402：所述第二高度单元通过预置扫描设备获取所述当前空调压缩机外壳所对应的点云数据，以基于所述点云数据对所述工件高度进行修正获得实际工件高度；[0082] S403：所述主控中心对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件；[0083] S404：所述主控中心基于所述刀具调整参数的数据特征确定关联触发事件的协同因素，以构建所述关联触发事件的协同加工图谱；[0084] S405：所述主控中心接收所述第二高度单元反馈的实际工件高度，并基于所述实际工件高度以及当前操作模块的基础加工数据与历史加工数据的匹配度，确定所述当前空调压缩机外壳所对应的指定协同加工图谱，以基于各操作模块控制子系统结合所述指定协同加工图谱对当前操作单元进行反馈调整。[0085] 进一步地，在本说明书一个或多个实施例中，对各空调压缩机外壳的历史加工事件进行聚类处理，确定各所述历史加工事件所对应的刀具调整参数与关联触发事件，具体包括：[0086] 基于多数据源获取各空调压缩机外壳的历史加工事件，并根据预设聚类中心数量对所述历史加工事件进行均分获得多个历史加工事件组，以随机确定各所述历史加工事件组内的历史加工事件作为初始聚类中心；[0087] 遍历各所述历史加工事件组内的历史加工事件，以确定各所述历史加工事件组内的历史加工事件与所述初始聚类中心的欧氏距离，以基于所述欧氏距离对各所述历史加工事件进行聚类获得多个聚类簇；[0088] 基于各所述聚类簇内的历史加工事件重新确定聚类中心的位置，以迭代获得所述历史加工事件的聚类结果，确定聚类结果所对应的最优聚类簇；[0089] 基于各所述最优聚类簇内的历史加工事件与所述历史加工事件所对应的刀具调整参数，确定与各所述历史加工事件相对应的刀具调整参数与关联触发事件。[0090] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例而言，由于其基本相似于系统实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。[0091] 上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0092] 以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

专利地区：山东

专利申请日期：2024-08-19

专利公开日期：2024-11-22

专利公告号：CN118732602B