[发明专利]工作台负载重量的控制方法、装置、设备及存储介质有效

专利信息
申请号: 202110786985.5 申请日: 2021-07-12
公开(公告)号: CN113504763B 公开(公告)日: 2022-08-09
发明(设计)人: 汪重道;陈昳;龚西文;徐妍妍 申请(专利权)人: 武汉武重机床有限公司
主分类号: G05B19/4065 分类号: G05B19/4065;B23F23/12
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 梁爽
地址: 430000 湖北省武汉市东湖新技术开发*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 工作台 负载 重量 控制 方法 装置 设备 存储 介质
【权利要求书】:

1.一种工作台负载重量的控制方法,其特征在于,所述工作台负载重量的控制方法包括以下步骤:

获取目标工作台的当前运行状态信息,根据所述当前运行状态信息确定对应的当前负载重量信息;

获取预设负载重量信息,若所述当前负载重量信息大于等于所述预设负载重量信息,则获取目标卸荷策略;

根据所述目标卸荷策略对所述目标工作台的荷载进行降低,得到目标流量信息和目标压力信息;

根据所述目标流量信息和所述目标压力信息确定所述目标工作台的目标荷载量,以实现对所述目标工作台负载重量的控制;

所述获取目标工作台的当前运行状态信息,根据所述当前运行状态信息确定对应的当前负载重量信息,包括:

获取目标工作台的当前运行状态信息,根据所述当前运行状态信息得到所述目标工作台的左负载重量信息和右负载重量信息;

分别提取所述左负载重量信息和所述右负载重量信息的特征信息;

获取历史负载重量信息,根据所述特征信息在所述历史负载重量信息查找对应的当前负载重量信息。

2.如权利要求1所述的工作台负载重量的控制方法,其特征在于,所述获取历史负载重量信息,根据所述特征信息在所述历史负载重量信息查找对应的当前负载重量信息,包括:

获取预设线性算法,根据所述预设线性算法对所述特征信息进行曲线拟合,得到对应的特征曲线图;

根据所述当前运行状态信息对所述特征曲线图进行选取,得到目标特征信息;

获取历史负载重量信息,根据所述目标特征信息在所述历史负载重量信息中查找对应的当前负载重量信息。

3.如权利要求1所述的工作台负载重量的控制方法,其特征在于,所述根据所述目标卸荷策略对所述目标工作台的荷载进行降低,得到目标流量信息和目标压力信息,包括:

获取布设在所述目标工作台的液压泵的当前参数信息,根据所述当前参数信息得到对应的当前流量信息和当前压力信息;

根据所述目标卸荷策略对所述当前流量信息和所述当前压力信息进行降低,得到目标流量信息和目标压力信息。

4.如权利要求3所述的工作台负载重量的控制方法,其特征在于,所述根据所述目标卸荷策略对所述当前流量信息和所述当前压力信息进行降低,得到目标流量信息和目标压力信息,包括:

根据所述目标卸荷策略对所述当前流量信息进行降低,得到目标流量信息;

获取预设流量阈值,若所述目标流量信息中的流量大于预设流量阈值,则根据所述目标卸荷策略对所述当前压力信息进行减压,得到目标压力信息。

5.如权利要求1至4中任一项所述的工作台负载重量的控制方法,其特征在于,所述根据所述目标流量信息和所述目标压力信息确定所述目标工作台的目标荷载量,包括:

获取预设神经网络模型,提取所述预设神经网络模型中的节点信息和函数信息;

根据所述目标流量信息和所述目标压力信息对所述节点信息进行修改,得到目标节点信息;

根据所述目标流量信息和所述目标压力信息对所述函数信息进行调整,得到目标函数信息;

获取预设神经网络策略,根据所述预设神经网络策略对所述目标节点信息和所述目标函数信息进行训练,得到目标神经网络模型;

根据所述目标神经网络模型对所述目标流量信息和所述目标压力信息进行预测,以得到所述目标工作台的目标载荷量。

6.如权利要求5所述的工作台负载重量的控制方法,其特征在于,所述根据所述目标神经网络模型对所述目标流量信息和所述目标压力信息进行预测之后,还包括:

获取预设载荷量阈值,若所述目标载荷量大于所述预设载荷量阈值,则提取所述预设载荷量的流量信息和压力信息;

根据所述目标神经网络模型对提取后的流量信息和压力信息进行预测,以得到所述目标工作台的预测载荷量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉武重机床有限公司,未经武汉武重机床有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110786985.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top