一种基于最短距离的激光切割的总能耗预测方法专利检索-孤岛分销网络和设备专利检索查询-专利查询网

一种基于最短距离的激光切割的总能耗预测方法

阅读：1028发布：2020-06-01

专利汇可以提供一种基于最短距离的激光切割的总能耗预测方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于最短距离的激光切割的总能耗预测方法，包括以下步骤：步骤一：输入代加工的工件图、加工工艺参数；步骤二：拆分加工工艺过程；步骤三：待机能耗计算：待机能耗为ESta＝EDSta*TSta；步骤四：辅助能耗计算：辅助能耗为EAux＝EWp+EEf+EBl；步骤五：激光脉冲能耗计算：激光脉冲能耗为Elaser＝Elaser-C+Elaser-S；步骤六：激光头移动能耗计算：激光头移动能耗为EM＝EPM+EEM；步骤七：激光切割总能耗计算：激光切割总能耗为ETotal＝ESta+EAux+Elaser+EM。本发明能够基于图片的灰度特征以及几何特征，结合加工工艺参数，完成加工总能耗的事前预测；基于最短距离，完成空走总能耗的事前预测；从而为节能优化、资源管控等研究奠定了基础。，下面是一种基于最短距离的激光切割的总能耗预测方法专利的具体信息内容。

权利要求

1.一种基于最短距离的激光切割的总能耗预测方法，其特征在于：包括以下步骤：
步骤一：输入代加工的工件图、加工工艺参数；
步骤二：拆分加工工艺过程：将激光切割加工工艺过程拆分为待机事件、辅助加工事
件、激光脉冲加工事件、激光头移动事件；
步骤三：待机能耗计算：待机能耗为ESta＝EDSta*TSta，其中EDSta为单位时间内机床待机状态下的能耗、TSta为机床待机时间；
步骤四：辅助能耗计算：辅助能耗为EAux＝EWp+EEf+EBl，其中EWp为水泵能耗、EEf为抽风机能耗、EBl为吹气风机能耗；所述水泵能耗为EWp＝EDWp*TWp，其中EDWp为单位时间内的水泵运行能耗、TWp为水泵运行时间；抽风机能耗为EEf＝EDEf*TEf，其中EDEf为单位时间内的抽风机运行能耗、TEf为抽风机运行时间；吹气风机能耗为EBl＝EDBl*TBl，其中EDBl为单位时间内的吹气风机运行能耗、TBl为吹气风机运行时间；
步骤五：激光脉冲能耗计算：激光脉冲能耗为Elaser＝Elaser-C+Elaser-S，其中Elaser-C为激光切割加工能耗、Elaser-S为激光扫描加工能耗；所述激光切割加工能耗为Elaser-C＝ED-laser*(Tlaser-C1*λP1+…+Tlaser-Cn*λPn)，其中ED-laser为单位时间内的激光切割加工能耗、Tlaser-Cn为第n种激光功率下的的加工时间、λPn为第n种激光功率的激光比例系数；所述激光扫描加工能耗为Elaser-S＝ED-laser*λScan*(Tlaser-S1*λgray-S1+…+Tlaser-Sm*λgray-Sm)，其中λScan为激光扫描功率系数、Tlaser-Sm为第m种灰度值的加工时间、λgray-Sm为第m种灰度值的灰度系数；
步骤六：激光头移动能耗计算：激光头移动能耗为EM＝EPM+EEM，其中EPM为激光头加工移
动能耗、EEM为激光头空走能耗；所述激光头加工移动能耗为EPM＝EX-m+EY-m+EA-m+ED-m，其中EX-m为X轴移动能耗、EY-m为Y轴移动能耗、EA-m为弧形移动能耗、ED-m为斜线移动能耗；所述X轴移动能耗为EX-m＝EDX-m*(TX-m-1*λX-m-1+…+TX-m-a*λX-m-a)、Y轴移动能耗为EY-m＝EDY-m*(TY-m-1*λY-m-1+…+TY-m-b*λY-m-b)、弧形移动能耗为EA-m＝EDA-m*(TA-m-c*λA-m-1*λC-1+…+TA-m-c*λA-m-c*λC-c)、斜线移动能耗为ED-m＝EDD-m*(TD-m-1*λD-m-1*λSlope-1+…+TD-m-d*λD-m-d*λSlope-d)，其中EDX-m为单位时间X轴移动标准能耗、TX-m-a为速度为amm/s的X轴移动时间、λX-m-a为速度为amm/s的X轴移动速度系数、EDY-m为单位时间Y轴移动标准能耗、TY-m-b为速度为bmm/s的Y轴移动时间、λY-m-b为速度为bmm/s的Y轴移动速度系数、EDA-m为单位时间弧形移动标准能耗、TA-m-c为速度为cmm/s的弧形移动时间、λA-m-c为速度为cmm/s的弧形移动速度系数、λC为曲率系数、EDD-m为单位时间斜线移动标准能耗、TD-m-d为速度为dmm/s的斜线移动时间、λD-m-d为速度为dmm/s的斜线移动速度系数、λSlope为斜率系数；所述激光头空走能耗为EEM＝EEM-Ori+EEM-Island，其中EEM-Ori为机器原点与加工原点之间的空走能耗、EEM-Island为加工孤岛间的空走能耗，所述EEM-Ori为EEM-Ori＝EDE-m*TE-m-Ori*λE-m-Ori*λSlope-Ori，其中EDE-m为单位时间空走标准能耗、TE-m-Ori为机器原点与加工原点之间的空走时间、λE-m-Ori为设备复位速度下的斜线移动速度系数、λSlope-Ori为机器原点与加工原点之间的斜率下的斜率系数；所述EEM-Island为EEM-Island＝ET-s-EM-Island+ET-t-EM-Island，ET-s-EM-Island为扫描加工的图形外轮廓的激光头最短距离总空走能耗、ET-t-EM-Island为激光切割加工的单个任务之间的激光头最短距离总空走能耗；
步骤七：激光切割总能耗计算：激光切割总能耗为ETotal＝ESta+EAux+Elaser+EM。
2.如权利要求1所述的一种基于最短距离的激光切割的总能耗预测方法，其特征在于：
所述辅助加工事件包括水泵运行事件、抽风机运行事件、吹气风机运行事件，激光脉冲加工事件包括激光扫描加工事件和激光切割加工事件，激光头移动事件包括激光头加工移动事
件和激光头空走事件。
3.如权利要求1所述的一种基于最短距离的激光切割的总能耗预测方法，其特征在于：
所述单位时间内机床待机状态下的能耗、单位时间内的水泵运行能耗、单位时间内的抽风
机运行能耗、单位时间内的吹气风机运行能耗、单位时间内的激光切割加工能耗、单位时间内的激光切割加工能耗、单位时间X轴移动标准能耗、单位时间Y轴移动标准能耗、单位时间斜线移动标准能耗、单位时间空走标准能耗均通过能耗采集装置的单变量实验法获得，具
体步骤为：
步骤s11：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，
获得功率曲线；
步骤s12：功率曲线基本水平时，标记此时所稳定的功率值为P1；
步骤s13：触发需要测的能耗的影响因素所对应的事件发生，直至所获得的功率曲线基
本水平，功率曲线所稳定的功率值为P2；
步骤s14：则单位时间的该影响因素对应的标准能耗为ED1＝(P2-P1)·tD，其中tD为单位
时间，tD为1s。
4.如权利要求1所述的一种基于最短距离的激光切割的总能耗预测方法，其特征在于：
所述激光扫描功率系数、灰度系数、X轴移动速度系数、Y轴移动速度系数、斜线移动速度系数、弧形移动速度系数、激光比例系数、斜率系数均通过能耗采集装置实验获得，具体步骤为：
步骤s21：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，
获得功率曲线；
步骤s22：功率曲线基本水平时，标记此时所稳定的功率值为P3；
步骤s23：触发被测系数的影响因素的标准定值所对应的事件发生，直至所获得的功率
曲线基本水平，功率曲线所稳定的功率值为P4；
步骤s24：触发被测系数的影响因素设为A时所对应的事件发生，直至所获得的功率曲
线基本水平，功率曲线所稳定的功率值为P5；
步骤s25：获得数值A下的被测系数为
5.如权利要求1所述的一种基于最短距离的激光切割的总能耗预测方法，其特征在于：
所述扫描加工的图形外轮廓的激光头最短距离总空走能耗为ET-s-EM-Island＝EDE-m*λT-s*TT-s，其中λT-s为轮廓间移动速度下的速度系数、TT-s为扫描加工图形外轮廓时激光头移动的总时长；所述激光切割加工的单个任务之间的激光头最短距离总空走能耗为ET-t-EM-Island＝EDE-m*λT-t*TT-t，其中λT-t为任务间移动速度下的速度系数、TT-t为激光切割加工单个任务之间激光头空走的总时长。

说明书全文

一种基于最短距离的激光切割的总能耗预测方法

【技术领域】

[0001] 本发明涉及激光切割能耗的技术领域，特别是基于最短距离的激光切割的总能耗预测方法的技术领域。
【背景技术】

[0002] 激光切割机是将从激光器发射出的激光，经光路系统，聚焦成高功率密度的激光束。激光束照射到工件表面，使工件达到熔点或沸点，同时与光束同轴的高压气体将熔化或气化金属吹走。随着光束与工件相对位置的移动，最终使材料形成切缝，从而达到切割的目的。

[0003] 激光切割加工是用不可见的光束代替了传统的机械刀，具有精度高，切割快速，不局限于切割图案限制，自动排版节省材料，切口平滑，加工成本低等特点，将逐渐改进或取代于传统的金属切割工艺设备。激光刀头的机械部分与工件无接触，在工作中不会对工件表面造成划伤；激光切割速度快，切口光滑平整，一般无需后续加工；切割热影响区小，板材变形小，切缝窄(0.1mm-0.3mm)；切口没有机械应力，无剪切毛刺；加工精度高，重复性好，不损伤材料表面；数控编程，可加工任意的平面图，可以对幅面很大的整板切割，无需开模具，经济省时。

[0004] 激光切割的过程中，能耗源包括水泵、激光脉冲发生器、抽风机、吹气风机、移动电机等。对于不同能耗源在激光切割工艺过程中的作用，可以分层进行求解，因而可以进行预测。针对图像的切割，常常用于激光切割木质照片，不同于几何图的外加工，因此需完成对几何图和图像扫描加工的预测。同时，加工过程中，激光头的移动存在时间大于激光加工，激光头空走能耗大。激光头空走出现在机器原点至加工原点、几何图内的不同任务之间、图像扫描的外轮廓之间。为了综合节约能耗，常常根据路径的最短距离来运动，因而亦可利用最短距离来预测该部分能耗。为此，需要一种根据最短距离预测空走能耗并结合几何图、图像预测加工能耗，从而实现加工总能耗的预测的方法。【发明内容】

[0005] 本发明的目的就是解决现有技术中的问题，提出一种基于最短距离的激光切割的总能耗预测方法，能够基于图片的灰度特征以及几何特征，结合加工工艺参数，完成加工总能耗的事前预测；基于最短距离，完成空走总能耗的事前预测；从而为节能优化、资源管控等研究奠定了基础。

[0006] 为实现上述目的，本发明提出了一种基于最短距离的激光切割的总能耗预测方法，包括以下步骤：

[0007] 步骤一：输入代加工的工件图、加工工艺参数；

[0008] 步骤二：拆分加工工艺过程：将激光切割加工工艺过程拆分为待机事件、辅助加工事件、激光脉冲加工事件、激光头移动事件；

[0009] 步骤三：待机能耗计算：待机能耗为ESta＝EDSta*TSta，其中EDSta为单位时间内机床待机状态下的能耗、TSta为机床待机时间；

[0010] 步骤四：辅助能耗计算：辅助能耗为EAux＝EWp+EEf+EBl，其中EWp为水泵能耗、EEf为抽风机能耗、EBl为吹气风机能耗；所述水泵能耗为EWp＝EDWp*TWp，其中EDWp为单位时间内的水泵运行能耗、TWp为水泵运行时间；抽风机能耗为EEf＝EDEf*TEf，其中EDEf为单位时间内的抽风机运行能耗、TEf为抽风机运行时间；吹气风机能耗为EBl＝EDBl*TBl，其中EDBl为单位时间内的吹气风机运行能耗、TBl为吹气风机运行时间；

[0011] 步骤五：激光脉冲能耗计算：激光脉冲能耗为Elaser＝Elaser-C+Elaser-S，其中Elaser-C为激光切割加工能耗、Elaser-S为激光扫描加工能耗；所述激光切割加工能耗为Elaser-C＝ED-laser*(Tlaser-C1*λP1+…+Tlaser-Cn*λPn)，其中ED-laser为单位时间内的激光切割加工能耗、Tlaser-Cn为第n种激光功率下的的加工时间、λPn为第n种激光功率的激光比例系数；所述激光扫描加工能耗为Elaser-S＝ED-laser*λScan*(Tlaser-S1*λgray-S1+…+Tlaser-Sm*λgray-Sm)，其中λScan为激光扫描功率系数、Tlaser-Sm为第m种灰度值的加工时间、λgray-Sm为第m种灰度值的灰度系数；

[0012] 步骤六：激光头移动能耗计算：激光头移动能耗为EM＝EPM+EEM，其中EPM为激光头加工移动能耗、EEM为激光头空走能耗；所述激光头加工移动能耗为EPM＝EX-m+EY-m+EA-m+ED-m，其中EX-m为X轴移动能耗、EY-m为Y轴移动能耗、EA-m为弧形移动能耗、ED-m为斜线移动能耗；所述X轴移动能耗为EX-m＝EDX-m*(TX-m-1*λX-m-1+…+TX-m-a*λX-m-a)、Y轴移动能耗为EY-m＝EDY-m*(TY-m-1*λY-m-1+…+TY-m-b*λY-m-b)、弧形移动能耗为EA-m＝EDA-m*(TA-m-c*λA-m-1*λC-1+…+TA-m-c*λA-m-c*λC-c)、斜线移动能耗为ED-m＝EDD-m*(TD-m-1*λD-m-1*λSlope-1+…+TD-m-d*λD-m-d*λSlope-d)，其中EDX-m为单位时间X轴移动标准能耗、TX-m-a为速度为amm/s的X轴移动时间、λX-m-a为速度为amm/s的X轴移动速度系数、EDY-m为单位时间Y轴移动标准能耗、TY-m-b为速度为bmm/s的Y轴移动时间、λY-m-b为速度为bmm/s的Y轴移动速度系数、EDA-m为单位时间弧形移动标准能耗、TA-m-c为速度为cmm/s的弧形移动时间、λA-m-c为速度为cmm/s的弧形移动速度系数、λC为曲率系数、EDD-m为单位时间斜线移动标准能耗、TD-m-d为速度为dmm/s的斜线移动时间、λD-m-d为速度为dmm/s的斜线移动速度系数、λSlope为斜率系数；所述激光头空走能耗为EEM＝EEM-Ori+EEM-Island，其中EEM-Ori为机器原点与加工原点之间的空走能耗、EEM-Island为加工孤岛间的空走能耗，所述EEM-Ori为EEM-Ori＝EDE-m*TE-m-Ori*λE-m-Ori*λSlope-Ori，其中EDE-m为单位时间空走标准能耗、TE-m-Ori为机器原点与加工原点之间的空走时间、λE-m-Ori为设备复位速度下的斜线移动速度系数、λSlope-Ori为机器原点与加工原点之间的斜率下的斜率系数；所述EEM-Island为EEM-Island＝ET-s-EM-Island+ET-t-EM-Island，ET-s-EM-Island为扫描加工的图形外轮廓的激光头最短距离总空走能耗、ET-t-EM-Island为激光切割加工的单个任务之间的激光头最短距离总空走能耗；

[0013] 步骤七：激光切割总能耗计算：激光切割总能耗为ETotal＝ESta+EAux+Elaser+EM。

[0014] 作为优选，所述辅助加工事件包括水泵运行事件、抽风机运行事件、吹气风机运行事件，激光脉冲加工事件包括激光扫描加工事件和激光切割加工事件，激光头移动事件包括激光头加工移动事件和激光头空走事件。

[0015] 作为优选，所述单位时间内机床待机状态下的能耗、单位时间内的水泵运行能耗、单位时间内的抽风机运行能耗、单位时间内的吹气风机运行能耗、单位时间内的激光切割加工能耗、单位时间内的激光切割加工能耗、单位时间X轴移动标准能耗、单位时间Y轴移动标准能耗、单位时间斜线移动标准能耗、单位时间空走标准能耗均通过能耗采集装置的单
变量实验法获得，具体步骤为：

[0016] 步骤s11：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，获得功率曲线；

[0017] 步骤s12：功率曲线基本水平时，标记此时所稳定的功率值为P1；

[0018] 步骤s13：触发需要测的能耗的影响因素所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P2；

[0019] 步骤s14：则单位时间的该影响因素对应的标准能耗为ED1＝(P2-P1)·tD，其中tD为单位时间，tD为1s。

[0020] 作为优选，所述激光扫描功率系数、灰度系数、X轴移动速度系数、Y轴移动速度系数、斜线移动速度系数、弧形移动速度系数、激光比例系数、斜率系数均通过能耗采集装置实验获得，具体步骤为：

[0021] 步骤s21：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，获得功率曲线；

[0022] 步骤s22：功率曲线基本水平时，标记此时所稳定的功率值为P3；

[0023] 步骤s23：触发被测系数的影响因素的标准定值所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P4；

[0024] 步骤s24：触发被测系数的影响因素设为A时所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P5；

[0025] 步骤s25：获得数值A下的被测系数为

[0026] 作为优选，所述扫描加工的图形外轮廓的激光头最短距离总空走能耗为ET-s-EM-Island＝EDE-m*λT-s*TT-s，其中λT-s为轮廓间移动速度下的速度系数、TT-s为扫描加工图形外轮廓时激光头移动的总时长；所述激光切割加工的单个任务之间的激光头最短距离总空
走能耗为ET-t-EM-Island＝EDE-m*λT-t*TT-t，其中λT-t为任务间移动速度下的速度系数、TT-t为激光切割加工单个任务之间激光头空走的总时长。

[0027] 本发明的有益效果：本发明能够基于图片的灰度特征以及几何特征，结合加工工艺参数，完成加工总能耗的事前预测；基于最短距离，完成空走总能耗的事前预测；从而为节能优化、资源管控等研究奠定了基础。

[0028] 本发明的特征及优点将通过实施例结合附图进行详细说明。【附图说明】

[0029] 图1是本发明一种基于最短距离的激光切割的总能耗预测方法的能耗组成图。【具体实施方式】

[0030] 参阅图1，本发明，包括以下步骤：

[0031] 步骤一：输入代加工的工件图、加工工艺参数；

[0032] 步骤二：拆分加工工艺过程：将激光切割加工工艺过程拆分为待机事件、辅助加工事件、激光脉冲加工事件、激光头移动事件；

[0033] 步骤三：待机能耗计算：待机能耗为ESta＝EDSta*TSta，其中EDSta为单位时间内机床待机状态下的能耗、TSta为机床待机时间；

[0034] 步骤四：辅助能耗计算：辅助能耗为EAux＝EWp+EEf+EBl，其中EWp为水泵能耗、EEf为抽风机能耗、EBl为吹气风机能耗；所述水泵能耗为EWp＝EDWp*TWp，其中EDWp为单位时间内的水泵运行能耗、TWp为水泵运行时间；抽风机能耗为EEf＝EDEf*TEf，其中EDEf为单位时间内的抽风机运行能耗、TEf为抽风机运行时间；吹气风机能耗为EBl＝EDBl*TBl，其中EDBl为单位时间内的吹气风机运行能耗、TBl为吹气风机运行时间；

[0035] 步骤五：激光脉冲能耗计算：激光脉冲能耗为Elaser＝Elaser-C+Elaser-S，其中Elaser-C为激光切割加工能耗、Elaser-S为激光扫描加工能耗；所述激光切割加工能耗为Elaser-C＝ED-laser*(Tlaser-C1*λP1+…+Tlaser-Cn*λPn)，其中ED-laser为单位时间内的激光切割加工能耗、Tlaser-Cn为第n种激光功率下的的加工时间、λPn为第n种激光功率的激光比例系数；所述激光扫描加工能耗为Elaser-S＝ED-laser*λScan*(Tlaser-S1*λgray-S1+…+Tlaser-Sm*λgray-Sm)，其中λScan为激光扫描功率系数、Tlaser-Sm为第m种灰度值的加工时间、λgray-Sm为第m种灰度值的灰度系数；

[0036] 步骤六：激光头移动能耗计算：激光头移动能耗为EM＝EPM+EEM，其中EPM为激光头加工移动能耗、EEM为激光头空走能耗；所述激光头加工移动能耗为EPM＝EX-m+EY-m+EA-m+ED-m，其中EX-m为X轴移动能耗、EY-m为Y轴移动能耗、EA-m为弧形移动能耗、ED-m为斜线移动能耗；所述X轴移动能耗为EX-m＝EDX-m*(TX-m-1*λX-m-1+…+TX-m-a*λX-m-a)、Y轴移动能耗为EY-m＝EDY-m*(TY-m-1*λY-m-1+…+TY-m-b*λY-m-b)、弧形移动能耗为EA-m＝EDA-m*(TA-m-c*λA-m-1*λC-1+…+TA-m-c*λA-m-c*λC-c)、斜线移动能耗为ED-m＝EDD-m*(TD-m-1*λD-m-1*λSlope-1+…+TD-m-d*λD-m-d*λSlope-d)，其中EDX-m为单位时间X轴移动标准能耗、TX-m-a为速度为amm/s的X轴移动时间、λX-m-a为速度为amm/s的X轴移动速度系数、EDY-m为单位时间Y轴移动标准能耗、TY-m-b为速度为bmm/s的Y轴移动时间、λY-m-b为速度为bmm/s的Y轴移动速度系数、EDA-m为单位时间弧形移动标准能耗、TA-m-c为速度为cmm/s的弧形移动时间、λA-m-c为速度为cmm/s的弧形移动速度系数、λC为曲率系数、EDD-m为单位时间斜线移动标准能耗、TD-m-d为速度为dmm/s的斜线移动时间、λD-m-d为速度为dmm/s的斜线移动速度系数、λSlope为斜率系数；所述激光头空走能耗为EEM＝EEM-Ori+EEM-Island，其中EEM-Ori为机器原点与加工原点之间的空走能耗、EEM-Island为加工孤岛间的空走能耗，所述EEM-Ori为EEM-Ori＝EDE-m*TE-m-Ori*λE-m-Ori*λSlope-Ori，其中EDE-m为单位时间空走标准能耗、TE-m-Ori为机器原点与加工原点之间的空走时间、λE-m-Ori为设备复位速度下的斜线移动速度系数、λSlope-Ori为机器原点与加工原点之间的斜率下的斜率系数；所述EEM-Island为EEM-Island＝ET-s-EM-Island+ET-t-EM-Island，ET-s-EM-Island为扫描加工的图形外轮廓的激光头最短距离总空走能耗、ET-t-EM-Island为激光切割加工的单个任务之间的激光头最短距离总空走能耗；

[0037] 步骤七：激光切割总能耗计算：激光切割总能耗为ETotal＝ESta+EAux+Elaser+EM。

[0038] 作为优选，所述辅助加工事件包括水泵运行事件、抽风机运行事件、吹气风机运行事件，激光脉冲加工事件包括激光扫描加工事件和激光切割加工事件，激光头移动事件包括激光头加工移动事件和激光头空走事件。

[0039] 作为优选，所述单位时间内机床待机状态下的能耗、单位时间内的水泵运行能耗、单位时间内的抽风机运行能耗、单位时间内的吹气风机运行能耗、单位时间内的激光切割加工能耗、单位时间内的激光切割加工能耗、单位时间X轴移动标准能耗、单位时间Y轴移动标准能耗、单位时间斜线移动标准能耗、单位时间空走标准能耗均通过能耗采集装置的单
变量实验法获得，具体步骤为：

[0040] 步骤s11：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，获得功率曲线；

[0041] 步骤s12：功率曲线基本水平时，标记此时所稳定的功率值为P1；

[0042] 步骤s13：触发需要测的能耗的影响因素所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P2；

[0043] 步骤s14：则单位时间的该影响因素对应的标准能耗为ED1＝(P2-P1)·tD，其中tD为单位时间，tD为1s。

[0044] 作为优选，所述激光扫描功率系数、灰度系数、X轴移动速度系数、Y轴移动速度系数、斜线移动速度系数、弧形移动速度系数、激光比例系数、斜率系数均通过能耗采集装置实验获得，具体步骤为：

[0045] 步骤s21：将激光切割机、泵机、抽风机的总电源接入能耗采集装置进行能耗数据采集，获得功率曲线；

[0046] 步骤s22：功率曲线基本水平时，标记此时所稳定的功率值为P3；

[0047] 步骤s23：触发被测系数的影响因素的标准定值所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P4；

[0048] 步骤s24：触发被测系数的影响因素设为A时所对应的事件发生，直至所获得的功率曲线基本水平，功率曲线所稳定的功率值为P5；

[0049] 步骤s25：获得数值A下的被测系数为

[0050] 作为优选，所述扫描加工的图形外轮廓的激光头最短距离总空走能耗为ET-s-EM-Island＝EDE-m*λT-s*TT-s，其中λT-s为轮廓间移动速度下的速度系数、TT-s为扫描加工图形外轮廓时激光头移动的总时长；所述激光切割加工的单个任务之间的激光头最短距离总空
走能耗为ET-t-EM-Island＝EDE-m*λT-t*TT-t，其中λT-t为任务间移动速度下的速度系数、TT-t为激光切割加工单个任务之间激光头空走的总时长。

[0051] 本发明工作过程：

[0052] 本发明一种基于最短距离的激光切割的总能耗预测方法在工作过程中，结合附图进行说明。

[0053] 能耗采集装置包括电压传感器、电流传感器、数据采集卡，220V型能耗采集装置内设有空开，激将光切割机、泵机、抽风机的总电源的进线和出线接入到220V型能耗采集装置的进线和出线上，从而利用装置的空开，使得线路能经过传感器检测其实时电流、电压。

[0054] 实例所对应设备为CM1309型激光切割机，工作幅面为1300mm*900mm*210mm，切割速度≤4800cm/min。

[0055] 单位时间标准能耗的获得，例如水泵能耗的获得步骤为：其他条件不变，功率曲线稳定的情况下，打开水泵主机，直至所获得的功率曲线再次基本水平，功率曲线所稳定的功率值为水泵能耗实验功率PWp，实验记录时间为水泵能耗稳定后的实验时间TWp，则单位时间水泵能耗为

[0056] 系数的获得，例如X轴移动速度系数的获得步骤为：其他条件不变，功率曲线稳定的情况下，获得该稳定的功率为Ps1，让激光切割机按照标准速度100mm/s进行X轴移动，直至所获得的功率曲线再次基本水平，功率曲线所稳定的功率值为X轴移动能耗实验功率PX-m；
让激光切割机按照速度50mm/s进行X轴移动，直至所获得的功率曲线再次基本水平，功率曲线所稳定的功率值为50mm/s速度下的X轴移动能耗实验功率PX-m-50；则50mm/s速度下的X轴移动速度系数为激光比例系数、激光扫描系数在激光切割软件
RDWorksV8上设置，与X轴移动速度系数的获得方法类似。

[0057] 上述参数获得后，构成了基础数据库。

[0058] 能耗预测实例：扫描图片，加工方式为激光扫描、速度为100mm/s、加工功率为30％；图片外边框，加工方式为激光切割、速度为80mm/s、加工功率为30％；切割对象为木板。

[0059] 代入公式，获得待机能耗、辅助能耗、激光脉冲能耗、激光头移动能耗；需要注意的是图片的激光头移动能耗的移动是以图片外轮廓为区域进行规划，Y轴方向上的密集程度由设备本身特性决定，在图片边缘有空走能耗；激光切割的部分需要用到80mm/s对应的速
度系数以及30％功率对应的激光比例系数，激光扫描的部分需要用到30％功率对应的激光
比例系数以及激光扫描系数，系数均通过检索数据库获得。数据库为实验事先获得；从而可以获得总能耗。

[0060] 激光头移动的方式会影响能耗预测，通常以最节省能耗的策略来进行运行。因而采用最短距离的方式。激光头空走能耗持续久、能耗大，伴随着整个加工。激光头空走能耗依据最短距离的控制策略获得。激光头空走能耗为，图片最外轮廓内的最短距离空走、任务间的最短距离空走、机器原点到加工原点的最短距离空走。

[0061] 本发明，能够基于图片的灰度特征以及几何特征，结合加工工艺参数，完成加工总能耗的事前预测；基于最短距离，完成空走总能耗的事前预测；从而为节能优化、资源管控等研究奠定了基础。

[0062] 上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

标题	发布/更新时间	阅读量
基于网络镜像和全局传播率的微电网通信拓扑设计方法	2020-05-08	951
一种基于同步相量测量装置的孤岛同步并网方法	2020-05-12	769
一种基于多代理系统的冰灾下主动配电网融冰及故障修复方法	2020-05-12	700
一种发电机组与逆变电源并联的方法	2020-05-08	727
用于地图生成的处理方法、装置、系统、电子设备与介质	2020-05-08	521
一种基于BS架构的分布式电源并网监控装置设计	2020-05-08	145
一种并网逆控一体机的测试方法	2020-05-11	387
一种基于通信的自适应距离保护方法	2020-05-12	851
一种大容量可调模拟RLC试验负载的匹配与控制方法	2020-05-12	421
基于一张图的林业大数据建设方法	2020-05-11	550

一种基于最短距离的激光切割的总能耗预测方法

一种基于最短距离的激光切割的总能耗预测方法

该功能需要专业版企业版VIP权限，您可以：