一种工件抖动抑制方法、装置、电子设备及存储介质专利检索-控制调节专利检索查询-专利查询网

一种工件抖动抑制方法、装置、电子设备及存储介质
申请号	CN202311392723.6	申请日	2023-10-25	公开(公告)号	CN117908469A	公开(公告)日	2024-04-19
申请人	上海诺倬力机电科技有限公司;			发明人	杨之乐; 张云涛; 胡天宇;
摘要	本发明提供一种工件抖动抑制方法、装置、电子设备及存储介质，涉及工件加工控制技术领域，方法包括：获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态；将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度；若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。本发明可实现工件抖动控制，有效减少抖动对加工精度的影响，提升加工过程的质量和稳定性。
权利要求	1.一种工件抖动抑制方法，其特征在于，包括：获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态；将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度；若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 2.根据权利要求1所述的工件抖动抑制方法，其特征在于，所述获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，包括：获取所述工件的工件信息，并基于所述工件信息，确定所述工件属性，其中，所述工件信息用于反映所述工件的材料、形状以及尺寸；获取所述工件的加工工序信息，基于所述加工工序信息，确定所述加工参数；获取所述机床的震动数据，并基于所述震动数据，确定所述机床状态信息。 3.根据权利要求1所述的工件抖动抑制方法，其特征在于，所述抖动分析模型的训练过程包括：获取每一个样本工件所对应的样本工件属性、样本加工参数以及机床样本状态数据；基于振动传感器采集每一个所述样本工件的样本抖动幅度；针对每一个所述样本工件，建立所述样本工件属性、所述样本加工参数、所述机床样本状态数据以及所述样本抖动幅度之间的映射关系，得到样本数据集，其中，所述样本数据集包括训练数据集与验证数据集；基于所述训练数据集对预设的神经网络模型进行训练，得到所述抖动分析模型。 4.根据权利要求3所述的工件抖动抑制方法，其特征在于，所述抖动分析模型的训练过程还包括：基于所述验证数据集对所述抖动分析模型进行验证，得到所述抖动分析模型的验证结果；若所述验证结果为验证不通过时，则对所述训练数据集进行批量标准化处理，以对所述训练数据集进行更新；使用更新后的训练数据集对所述抖动分析模型进行强化训练，以增强所述抖动分析模型的稳定性。 5.根据权利要求4所述的工件抖动抑制方法，其特征在于，所述若所述验证结果为验证不通过时，则对所述训练数据集进行批量标准化处理，以对所述训练数据集进行更新，包括：从所述训练数据集中筛选出当样本工件属性、样本加工参数以及机床样本状态数据均相同时所对应的目标样本抖动幅度；当所述目标样本抖动幅度存在差异时，对所述目标样本抖动幅度进行标准化处理，以使当样本工件属性、样本加工参数以及机床样本状态数据均相同时，对应的样本抖动幅度也相同，得到更新后的训练数据集。 6.根据权利要求1所述的工件抖动抑制方法，其特征在于，所述若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制，包括：将所述抖动幅度与所述幅度阈值进行比较；若所述抖动幅度超过所述幅度阈值，则根据所述工件的工件属性以及所述加工参数，确定所述抖动抑制方案；根据所述抖动抑制方案，对所述机床的工作参数进行调整，以抑制所述工件的抖动幅度。 7.根据权利要求1所述的工件抖动抑制方法，其特征在于，所述方法还包括：在执行所述抖动抑制方案后，基于振动传感器实时获取所述工件的抖动变化数据；基于所述抖动变化数据，对所述抖动抑制方案进行评估，输出评估结果。 8.一种工件抖动抑制装置，其特征在于，包括：工件分析模块，用于获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态；抖动分析模块，用于将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度；抖动抑制模块，用于若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述工件抖动抑制方法。 10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述工件抖动抑制方法。
说明书全文	一种工件抖动抑制方法、装置、电子设备及存储介质技术领域 [0001] 本发明涉及工件加工控制技术领域，尤其涉及一种工件抖动抑制方法、装置、电子设备及存储介质。背景技术 [0002] 机床在对工件进行加工时，由于被加工的工件的刚性不足、机床本身状态不稳定等因素，因此在加工过程中，工件会出现抖动，尤其是在加工细长或薄壁的工件时，出现抖动的概率也就越大，从而严重影响了加工精度。而现有技术中，在出现抖动的情况时，基本都是采用暂停加工或者更换夹具等方式，但是也无法达到很好的抑制抖动的效果。发明内容 [0003] 本发明提供一种工件抖动抑制方法、装置、电子设备及存储介质，用以解决现有技术中在出现工件抖动的情况时，基本都是采用暂停加工或者更换夹具等方式，但是也无法达到很好的抑制抖动的效果的缺陷，实现工件抖动控制，有效减少抖动对加工精度的影响。 [0004] 本发明提供一种工件抖动抑制方法，包括： [0005] 获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态； [0006] 将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度； [0007] 若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0008] 根据本发明提供的工件抖动抑制方法，所述获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，包括： [0009] 获取所述工件的工件信息，并基于所述工件信息，确定所述工件属性，其中，所述工件信息用于反映所述工件的材料、形状以及尺寸； [0010] 获取所述工件的加工工序信息，基于所述加工工序信息，确定所述加工参数； [0011] 获取所述机床的震动数据，并基于所述震动数据，确定所述机床状态信息。 [0012] 根据本发明提供的工件抖动抑制方法，所述抖动分析模型的训练过程包括： [0013] 获取每一个样本工件所对应的样本工件属性、样本加工参数以及机床样本状态数据； [0014] 基于振动传感器采集每一个所述样本工件的样本抖动幅度； [0015] 针对每一个所述样本工件，建立所述样本工件属性、所述样本加工参数、所述机床样本状态数据以及所述样本抖动幅度之间的映射关系，得到样本数据集，其中，所述样本数据集包括训练数据集与验证数据集； [0016] 基于所述训练数据集对预设的神经网络模型进行训练，得到所述抖动分析模型。 [0017] 根据本发明提供的工件抖动抑制方法，所述抖动分析模型的训练过程还包括： [0018] 基于所述验证数据集对所述抖动分析模型进行验证，得到所述抖动分析模型的验证结果； [0019] 若所述验证结果为验证不通过时，则对所述训练数据集进行批量标准化处理，以对所述训练数据集进行更新； [0020] 使用更新后的训练数据集对所述抖动分析模型进行强化训练，以增强所述抖动分析模型的稳定性。 [0021] 根据本发明提供的工件抖动抑制方法，所述若所述验证结果为验证不通过时，则对所述训练数据集进行批量标准化处理，以对所述训练数据集进行更新，包括： [0022] 从所述训练数据集中筛选出当样本工件属性、样本加工参数以及机床样本状态数据均相同时所对应的目标样本抖动幅度； [0023] 当所述目标样本抖动幅度存在差异时，对所述目标样本抖动幅度进行标准化处理，以使当样本工件属性、样本加工参数以及机床样本状态数据均相同时，对应的样本抖动幅度也相同，得到更新后的训练数据集。 [0024] 根据本发明提供的工件抖动抑制方法，所述若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制，包括： [0025] 将所述抖动幅度与所述幅度阈值进行比较； [0026] 若所述抖动幅度超过所述幅度阈值，则根据所述工件的工件属性以及所述加工参数，确定所述抖动抑制方案； [0027] 根据所述抖动抑制方案，对所述机床的工作参数进行调整，以抑制所述工件的抖动幅度。 [0028] 根据本发明提供的工件抖动抑制方法，所述方法还包括： [0029] 在执行所述抖动抑制方案后，基于振动传感器实时获取所述工件的抖动变化数据； [0030] 基于所述抖动变化数据，对所述抖动抑制方案进行评估，输出评估结果。 [0031] 本发明还提供一种工件抖动抑制装置，包括： [0032] 工件分析模块，用于获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态； [0033] 抖动分析模块，用于将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度； [0034] 抖动抑制模块，用于若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0035] 本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述工件抖动抑制方法。 [0036] 本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述工件抖动抑制方法。 [0037] 本发明提供的工件抖动抑制方法，通过获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，并将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，就可以得到所述工件的抖动幅度，从而实现抖动分析。当所述抖动幅度超过预设的幅度阈值，则就可以基于所述抖动幅度确定抖动抑制方案，然后基于所述抖动抑制方案对所述工件的抖动进行控制。由此可见，本发明可自动分析工件的抖动幅度，并自动输出抖动抑制方案，从而实现工件抖动控制，有效减少抖动对加工精度的影响，提升加工过程的质量和稳定性。附图说明 [0038] 为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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他的附图。 [0039] 图1是本发明提供的工件抖动抑制方法的流程示意图； [0040] 图2是本发明提供的工件抖动抑制装置的结构示意图； [0041] 图3是本发明提供的电子设备的结构示意图。具体实施方式 [0042] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，都属于本发明保护的范围。 [0043] 下面结合图1描述本发明的工件抖动抑制方法，基于本实施例的方法，可自动分析出分析工件的抖动幅度，并自动输出抖动抑制方案，从而实现工件抖动控制，有效减少抖动对加工精度的影响，提升加工过程的质量和稳定性。本实施例的工件抖动抑制方法可以应用于终端设备中，所述终端设备包括手机、智能电视以及电脑等智能化产品终端。当然，在具体应用时，本实施例的终端设备也可以为机床的控制系统。具体地，如图1中所示，本实施例的工件抖动抑制方法包括步骤： [0044] S100、获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态。 [0045] 工件的抖动是和很多因素有关的，不同类型的工件在加工时，发生抖动的概率也是不一样的，比如细长型的工件在加工时更容易发生抖动。而在加工时，不同的加工参数，同样会造成工件抖动，比如切削速度越大，越容易发生抖动。而在加工时，机床的工作状态也是会造成工件的抖动的，比如当机床处于的转轴处于高速运转的状态时，工件也就越容易出现抖动。为此，本实施例首先获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，以便在后续步骤中基于工件属性、加工参数以及机床状态信息来对工件的抖动进行分析。 [0046] 在一种实现方式中，所述获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，包括： [0047] 获取所述工件的工件信息，并基于所述工件信息，确定所述工件属性，其中，所述工件信息用于反映所述工件的材料、形状以及尺寸； [0048] 获取所述工件的加工工序信息，基于所述加工工序信息，确定所述加工参数； [0049] 获取所述机床的震动数据，并基于所述震动数据，确定所述机床状态信息。 [0050] 本实施例的终端设备可首先获取工件的工件信息，该工件信息包括了工件的材料、形状以及尺寸，基于这些工件信息，终端设备可确定出工件所对应的工件属性，该工件属性可用于反映出该工件是属于什么类型的工件。比如，工件信息中的材料为韧性材料，则说明该工件具有不易断裂的能力，而该工件形状为圆柱状，且该工件的尺寸为长20cm，直径1cm，则说明该工件属于细长且具有韧性的工件，工件属性也就为细长韧性型。再比如，如果工件的形状为片状，工件的尺寸为长20cm，宽5cm，厚度1cm，则说明该工件属于薄壁且具有韧性的工件，工件属性也就为薄壁韧性型。对于某些工件来说，工件的工件属性是可以反映出工件是否会发生抖动情况的，但是对于某些工件来说，仅仅是基于工件属性不足以准确地判断是否会发生抖动，因此，本实施例的终端设备还会进一步获取工件在被机床进行加工时的加工参数以及机床此时的机床状态信息，以便后续步骤中可基于这三个数据同时进行分析，从而准确地确定出工件是否会发生抖动以及发生抖动时的抖动幅度。 [0051] 具体地，工件在机床上加工时，终端设备首先可读取工件的加工工序信息，该加工工序信息可反映此时的工件正在进行的加工阶段，以及该加工阶段所对应的加工参数，比如，工件的加工工序信息反映的是机床正在对工件进行车削端面的加工阶段，此时就可以获取车削速度、机床主轴转速以及刀具进给速度等加工参数。而这些加工参数也同样会对工件的抖动发生比较明显的影响。此外，终端设备还可以在工件加工过程中基于相关的传感器来获取机床的震动数据，该震动数据反映的是机床是否发生震动以及震动程度，以便基于震动数据确定出机床状态信息。本实施例中的震动数据包括了机床震动幅度以及机床震动噪音，当终端设备获取到震动数据后，将其中的机床震动幅度和机床震动噪音分别与预设的震动阈值以及噪音阈值进行比较，如果机床震动幅度超过震动阈值和/或机床震动噪音超过噪音阈值，则就可以确定机床状态信息为强烈震动，也就是说，机床此时的工作状态是正在处于加工中；而如果机床震动幅度超过震动阈值并且机床震动噪音超过噪音阈值时，则就可以确定机床状态信息为轻微震动，也就是说，机床此时的工作状态是正在处于刚刚启动中或者加工停止中。而机床处于不同的工作状态对工件是否会发生抖动及抖动幅度会产生不同的影响，为此，本实施例通过获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，有利于后续步骤中更准确地分析出工件的抖动幅度。 [0052] S200、将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度。 [0053] 当终端设备获取到工件属性、所述加工参数以及所述机床状态信息后，将工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，就可以基于该抖动分析模型来确定出工件的抖动幅度，也就是说，本实施例是通过预先训练一个抖动分析模型来对工件进行抖动分析，该抖动分析模型是基于样本工件属性、样本加工参数、机床样本状态数据以及样本抖动幅度这四者之间的映射关系训练得到的模型。 [0054] 在一种实现方式中，本实施例在训练抖动分析模型时，包括如下步骤： [0055] S201、获取每一个样本工件所对应的样本工件属性、样本加工参数以及机床样本状态数据； [0056] S202、基于振动传感器采集每一个所述样本工件的样本抖动幅度； [0057] S203、针对每一个所述样本工件，建立所述样本工件属性、所述样本加工参数、所述机床样本状态数据以及所述样本抖动幅度之间的映射关系，得到样本数据集，其中，所述样本数据集包括训练数据集与验证数据集； [0058] S204、基于所述训练数据集对预设的神经网络模型进行训练，得到所述抖动分析模型。 [0059] 具体地，本实施例在训练抖动分析模型时，首先选取不同类型的样本工件，然后获取每一个样本工件所对应的样本工件属性、样本加工参数以及机床样本状态数据，该样本工件属性、样本加工参数以及机床样本状态数据都可以基于上述描述的方式来进行获取。接着，本实施例的终端设备基于振动传感器来采集每一个样本工件在被机床加工时的样本振动幅度，该样本振动幅度反映的样本工件不同部位的振动幅度，本实施例可将每一个样本工件的所有部位的振动幅度汇总分析，将其中最大的振动幅度作为样本振动幅度。接着，本实施例针对每一个所述样本工件，建立所述样本工件属性、所述样本加工参数、所述机床样本状态数据以及所述样本抖动幅度这四者之间的映射关系，得到样本数据集。也就是说，本实施例的样本数据集所反映的是每一个样本工件的样本工件属性、所述样本加工参数、所述机床样本状态数据以及所述样本抖动幅度这四者之间的映射关系。为了便于训练，本实施例将样本数据集分为训练数据集与验证数据集，训练数据集用于对训练抖动分析模型，验证数据集用于对抖动分析模型进行验证。具体应用时，训练数据集与验证数据集可按照7:3进行划分。最后，终端设备可将该训练数据集输入至预设的神经网络模型，该神经网络模型就会将样本工件属性、样本加工参数以及机床样本状态数据作为输入，将样本抖动幅度作为输出，训练得到抖动分析模型。该抖动分析模型就可以基于样本工件属性、样本加工参数以及机床样本状态数据，自动输出工件的抖动幅度。 [0060] 当训练得到抖动分析模型后，本实施例还可基于所述验证数据集对所述抖动分析模型进行验证，得到所述抖动分析模型的验证结果，该验证数据集可反映出抖动分析模型是否训练到位，也就是说，验证该抖动分析模型是否可准确地分析出抖动幅度，以验证出抖动分析模型的鲁棒性。若所述验证结果为验证不通过时，则本实施例可对所述训练数据集进行批量标准化处理，以对所述训练数据集进行更新。然后再使用更新后的训练数据集对所述抖动分析模型进行强化训练，以增强所述抖动分析模型的稳定性。 [0061] 具体地，本实施例可从所述训练数据集中筛选出当样本工件属性、样本加工参数以及机床样本状态数据均相同时所对应的目标样本抖动幅度；而由于训练数据集的来源可能存在不稳定的情况，因此，即便样本工件属性、样本加工参数以及机床样本状态数据均相同时，也可能存在对应的样本抖动幅度不相同的情况。为了提高抖动分析模型的稳定性，本实施例对训练过程增加约束行为，控制当样本工件属性、样本加工参数以及机床样本状态数据均相同时，对应的样本抖动幅度也相同。为此，本实施例筛选出上述目标样本抖动幅度，然后彼此比较目标样本抖动幅度，当所述目标样本抖动幅度存在差异时，对所述目标样本抖动幅度进行标准化处理，以使当样本工件属性、样本加工参数以及机床样本状态数据均相同时，对应的样本抖动幅度也相同。在本实施例中，标准化处理时可将基于目标样本抖动幅度计算平均值，得到抖动幅度均值，将该抖动幅度均值作为样本工件属性、样本加工参数以及机床样本状态数据均相同时所对应的样本抖动幅度，就可以对训练数据集进行更新。终端设备可基于更新后的训练数据集进行强化训练，以增强所述抖动分析模型的稳定性，更新后的抖动分析模型可以准确地分析出抖动幅度。当终端设备将当前采集到的所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，就可以自动输出对应的抖动幅度。本实施例中抖动分析模型输出的抖动幅度是一个具体的数值，用于直观地反映出工件抖动幅度的大小，当然，如果抖动分析模型输出的抖动幅度为0，则说明此时的工件并未发生抖动。 [0062] 在其他实现方式中，本实施例在训练抖动分析模型时，还可以引入工况条件，采集到的样本数据集中包括样本工件在不同工况条件下的样本工件属性、样本加工参数、机床样本状态数据以及样本抖动幅度，通过使用引入工况条件后建立的映射关系来训练出抖动分析模型，此时的抖动分析模型就可以结合当前工况来更为精准地分析出工件的抖动幅度。 [0063] S300、若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0064] 当终端设备基于抖动分析模型分析出工件的抖动幅度后，终端设备可将该抖动幅度与预设的幅度阈值进行比较，如果抖动幅度超过预设的幅度阈值，则说明此时工件发生了剧烈振动，为了避免持续的剧烈振动对工件的加工质量的影响，本实施例的终端设备基于所述抖动幅度确定抖动抑制方案，然后基于所述抖动抑制方案对所述工件的抖动进行控制。 [0065] 在一种实现方式中，本实施例在对工件进行抖动抑制时，包括如下步骤： [0066] S301、将所述抖动幅度与所述幅度阈值进行比较； [0067] S302、若所述抖动幅度超过所述幅度阈值，则根据所述工件的工件属性以及所述加工参数，确定所述抖动抑制方案； [0068] S303、根据所述抖动抑制方案，对所述机床的工作参数进行调整，以抑制所述工件的抖动幅度。 [0069] 具体地，本实施例预先设置一个幅度阈值，由于针对不同的工件属性来说，不同的抖动幅度对其的加工质量影响也是不一样的，因此本实施例可根据不同工件属性来设置幅度阈值，不同的工件属性所对应幅度阈值是不同的。终端设备可基于工件属性获取对应的幅度阈值，将该工件的抖动幅度与该幅度阈值进行比较。若所述抖动幅度超过所述幅度阈值，则说明此时的工件发生剧烈抖动。终端设备此时可根据所述工件的工件属性以及所述加工参数，确定所述抖动抑制方案。由于抖动抑制方案是基于该工件的工件属性和工作参数来确定的，因此该抖动抑制方案对该工件具有一定的针对性，以便更好地进行抖动控制。在一种实现方式中，由于本实施例的抖动抑制方案的目的就是减少工件的抖动幅度，降低因抖动造成的加工质量的影响，而在加工过程中，机床的工作参数是最为容易调整与设置。因此，本实施例的抖动抑制方案其实质是如何通过调整对机床的工作参数进行调整来达到抑制工件抖动的目的。本实施例可通过调整机床的工作参数从而达到调整对工件的加工参数的目的，进而减少工件抖动。比如，终端设备可控制机床的主轴转速降低、控制刀具的移动速度降低等，从而改变工件的加工参数，这样就可以实现抖动抑制。在其他实现方式中，本实施例还可以预先建立抖动幅度与抖动抑制方案的映射关系，然后基于该映射关系训练神经网络模型，得到一个可以自动基于抖动幅度来输出抖动抑制方案的方案输出模型，这样可以更为有效地输出对应的抖动抑制方案，从而实现更为高效且精准地抖动抑制。 [0070] 此外，本实施例的终端设备还可在执行所述抖动抑制方案后，基于振动传感器实时获取所述工件的抖动变化数据，该抖动变化数据可反映终端设备在执行该抖动抑制方案前后，工件的抖动幅度的变化。接着，终端设备基于所述抖动变化数据，对所述抖动抑制方案进行评估，输出评估结果。该评估结果可反映抖动抑制方案是否有效，当发现工件的抖动变化数据没有很大的差异时，则说明抖动幅度不变化，此时可及时对抖动抑制方案进行调整。 [0071] 下面对本发明提供的工件抖动抑制装置进行描述，下文描述的工件抖动抑制装置与上文描述的工件抖动抑制方法可相互对应参照。 [0072] 如图2中所示，本实施例的工件抖动抑制装置包括：工件分析模块210、抖动分析模块220以及抖动抑制模块230。具体地，所述工件分析模块210，用于获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态。所述抖动分析模块220，用于将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度。所述抖动抑制模块230，用于若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0073] 图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行工件抖动抑制方法，该方法包括： [0074] 获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态； [0075] 将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度； [0076] 若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0077] 此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。 [0078] 另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的工件抖动抑制方法，该方法包括： [0079] 获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态； [0080] 将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度； [0081] 若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0082] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的工件抖动抑制方法，该方法包括： [0083] 获取工件所对应的工件属性、所述工件在加工时的加工参数以及机床状态信息，其中，所述机床状态信息用于反映加工所述工件的机床的工作状态； [0084] 将所述工件属性、所述加工参数以及所述机床状态信息输入至预设的抖动分析模型中，得到所述工件的抖动幅度； [0085] 若所述抖动幅度超过预设的幅度阈值，则基于所述抖动幅度确定抖动抑制方案，并基于所述抖动抑制方案对所述工件的抖动进行控制。 [0086] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。 [0087] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。 [0088] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

意见反馈