工作台负载重量的控制方法、装置、设备及存储介质

摘要

本发明涉及机械技术领域，公开了一种工作台负载重量的控制方法、装置、设备及存储介质，所述方法包括：获取目标工作台的当前运行状态信息，根据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，若当前负载重量信息大于等于预设负载重量信息，则获取目标卸荷策略；根据目标卸荷策略对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；根据目标流量信息和目标压力信息确定目标工作台的目标荷载量；在当前负载重量信息大于预设负载重量信息时，通过目标卸荷策略降低目标工作台的荷载，实现对目标目标工作台负载重量的控制，相较于现有技术通过调节升降设备控制工作台的负载重量，能够有效提高控制负载重量的精准度。

权利要求

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。

7.一种工作台负载重量的控制装置，其特征在于，所述工作台负载重量的控制装置包括：确定模块，用于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；

获取模块，用于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；

降低模块，用于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；

控制模块，用于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；

所述确定模块，还用于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。

8.一种工作台负载重量的控制设备，其特征在于，所述工作台负载重量的控制设备包括：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工作台负载重量的控制程序，所述工作台负载重量的控制程序配置有实现如权利要求1至6中任一项所述的工作台负载重量的控制方法。

9.一种存储介质，其特征在于，所述存储介质上存储有工作台负载重量的控制程序，所述工作台负载重量的控制程序被处理器执行时实现如权利要求1至6中任一项所述的工作台负载重量的控制方法。

说明书

工作台负载重量的控制方法、装置、设备及存储介质

技术领域

[0001] 本发明涉及机械技术领域，尤其涉及工作台负载重量的控制方法、装置、设备及存储介质。

背景技术

[0002] 滚齿机作为加工齿轮的专用机床，滚齿机分为立式滚齿机，也有卧式滚齿机。立式滚齿机由于水平的立柱导轨和垂直立柱与卧式滚齿机工作轴存在区别，使得两者之间的工作台不同，由于工作台是用户与滚齿机之间的桥梁，在对滚齿机的运行起着至关重要的作用，而工作台的负载重量关系着滚齿机的性能，在工作台的负载重量超过设定的阈值时，会造成滚齿机的损坏，因此，在滚齿机的运行过程中需要对工作台的负载重量进行实时监测，并对负载重量进行控制，而目前常用的控制方式是通过设置在工作台的重量传感器对其负载重量进行监测，在负载重量大于阈值时，通过人工调节升降设备以控制工作台的负载重量，但是使用该控制方式对工作台的控制精准度较低，无法满足生产需求。

[0003] 上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

[0004] 本发明的主要目的在于提供一种工作台负载重量的控制方法、装置、设备及存储介质，旨在解决现有技术无法有效提高控制负载重量的精准度的技术问题。

[0005] 为实现上述目的，本发明提供了一种工作台负载重量的控制方法，所述工作台负载重量的控制方法包括以下步骤:

[0006] 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；

[0007] 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；

[0008] 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；

[0009] 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。

[0010] 可选地，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：

[0011] 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；

[0012] 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；

[0013] 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。

[0014] 可选地，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：

[0015] 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；

[0016] 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；

[0017] 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。

[0018] 可选地，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：

[0019] 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；

[0020] 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。

[0021] 可选地，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：

[0022] 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；

[0023] 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。

[0024] 可选地，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：

[0025] 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；

[0026] 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；

[0027] 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；

[0028] 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；

[0029] 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。

[0030] 可选地，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：

[0031] 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；

[0032] 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。

[0033] 此外，为实现上述目的，本发明还提出一种工作台负载重量的控制装置，所述工作台负载重量的控制装置包括：

[0034] 确定模块，用于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；

[0035] 获取模块，用于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；

[0036] 降低模块，用于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；

[0037] 控制模块，用于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。

[0038] 此外，为实现上述目的，本发明还提出一种工作台负载重量的控制设备，所述工作台负载重量的控制设备包括：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工作台负载重量的控制程序，所述工作台负载重量的控制程序配置为实现如上文所述的工作台负载重量的控制方法。

[0039] 此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有工作台负载重量的控制程序，所述工作台负载重量的控制程序被处理器执行时实现如上文所述的工作台负载重量的控制方法。

[0040] 本发明提出的工作台负载重量的控制方法，通过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；在当前负载重量信息大于预设负载重量信息时，通过目标卸荷策略降低目标工作台的荷载，以实现对目标目标工作台负载重量的控制，相较于现有技术通过调节升降设备控制工作台的负载重量，能够有效提高控制负载重量的精准度。

附图说明

[0041] 图1是本发明实施例方案涉及的硬件运行环境的工作台负载重量的控制设备的结构示意图；

[0042] 图2为本发明工作台负载重量的控制方法第一实施例的流程示意图；

[0043] 图3为本发明工作台负载重量的控制方法第二实施例的流程示意图；

[0044] 图4为本发明工作台负载重量的控制方法第三实施例的流程示意图；

[0045] 图5为本发明工作台负载重量的控制装置第一实施例的功能模块示意图。

[0046] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0047] 应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0048] 参照图1，图1为本发明实施例方案涉及的硬件运行环境的工作台负载重量的控制设备结构示意图。

[0049] 如图1所示，该工作台负载重量的控制设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless‑FIdelity，WI‑FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non‑Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

[0050] 本领域技术人员可以理解，图1中示出的结构并不构成对工作台负载重量的控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

[0051] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及工作台负载重量的控制程序。

[0052] 在图1所示的工作台负载重量的控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明工作台负载重量的控制设备中的处理器1001、存储器1005可以设置在工作台负载重量的控制设备中，所述工作台负载重量的控制设备通过处理器1001调用存储器1005中存储的工作台负载重量的控制程序，并执行本发明实施例提供的工作台负载重量的控制方法。

[0053] 基于上述硬件结构，提出本发明工作台负载重量的控制方法实施例。

[0054] 参照图2，图2为本发明工作台负载重量的控制方法第一实施例的流程示意图。

[0055] 在第一实施例中，所述工作台负载重量的控制方法包括以下步骤：

[0056] 步骤S10，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。

[0057] 需要说明的是，本实施例的执行主体为工作台负载重量的控制设备，还可为其他可实现相同或相似功能的设备，例如负载重量控制器等，本实施例对此不作限制，在本实施例中，以负载重量控制器为例进行说明。

[0058] 应当理解的是，目标工作台的当前运行状态信息指的是在采集瞬间工作台的运行状态信息，而目标工作台指的是需要控制负载重量的工作台，若在生产过程中出现多工作台均需要控制负载重量，则该多工作台均为目标工作台，在得到目标工作台的当前运行状态信息后，由于目标工作台对应的生产线会存在多条，那么此时目标工作台的负载重量会根据生产条的条数确定，例如，工作台的生产线分为两条，分别为左生产线和右生产线，则目标工作台的负载重量由左生产线的负载重量和右生产线的负载重量共同决定，但是由于负载重量的实际值与通过设置在目标工作台上的压力传感器读取的数值是存在区别的，因此，若直接将读取到的数值直接当做目标工作台的实际负载重量，则会造成较大的误差，此时，需要通过左负载重量和右负载重量的特征信息共同计算出目标工作台的当前负载重量信息。

[0059] 可以理解的是，由于目标工作台的负载重量指的是整个全部负载量，但是同一加工件的放置不同的位置会使得重量存在差异，为了增加得到当前负载重量信息的准确性，将整个目标工作台分为左右两部分，其中左部分工作台得到的负载重量为左负载重量，右部分得到的负载重量为右负载重量，因此，根据左负载重量信息和右负载重量信息的特征信息计算目标工作台的当前负载重量信息。

[0060] 在具体实施中，负载重量控制器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。

[0061] 步骤S20，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。

[0062] 应当理解的是，预设负载重量信息指的是目标工作台所能承受的最大负载重量信息，在超过预设负载重量信息对应的负载重量会导致生产线的性能降低和工作台的损坏，因此，在开始生产的过程中需要对目标工作台的负载重量信息进行实时监测，在当前负载重量信息无线趋近于预设负载重量信息时，需要根据生成线的当前生产状态预测当前负载重量无线趋近预设负载重量的时间，在当前负载重量大于预设负载重量的瞬间，通过获取到的目标卸荷策略对目标工作台的负载重量进行控制，其目的是为了有效降低目标工作台的负载重量。

[0063] 可以理解的是，由于目标工作台的负载重量降低的措施分为两种，一种是流量卸载，另外一种是压力卸载，而目标卸荷策略指的是减小流量和降低压力的策略，通过减小流量和降低压力的策略均可以降低目标工作台的负载重量，其中，在根据减小流量和降低压力的策略对目标工作的负载重量进行降低时，需要两者相互配合使用，即在减小流量时，需要同步降低压力，防止出现其一减小过大或者降低过度导致变量泵的损坏。

[0064] 在具体实施中，负载重量控制器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。

[0065] 步骤S30，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。

[0066] 应当理解的是，目标工作台的载荷由目标工作台运行时的当前流量信息和当前压力信息组合而成，因此，在对目标工作台的荷载降低的本质是对当前流量信息和当前压力信息进行降低，由于目标卸荷策略为减小流量和降低压力策略，通过目标卸荷策略将当前流量信息中对应的当前流量或者当前压力信息中对应的压力值进行降低，以得到目标流量信息和目标压力信息。

[0067] 在具体实施中，负载重量控制器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。

[0068] 步骤S40，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。

[0069] 应当理解的是，在得到目标流量信息和目标压力信息后，获取预设神经网络模型，将预设神经网络模型中的节点信息和函数信息提取出来，根据目标流量信息和目标压力信息分别对节点信息和函数信息进行修改，得到目标节点信息和目标函数信息，获取预设神经网络策略，根据预设神经网络策略对目标节点信息和目标函数信息进行训练，得到目标神经网络模型，根据目标神经网络模型对目标流量信息和目标压力信息进行预测，以得到目标工作台的目标载荷量，其中，预设神经网络模型可以为卷积神经网络模型，也可以为其他神经网络模型，本实施例对此不作限制，并以卷积神经网络模型为例进行说明，而节点信息和函数信息为预设网络模型的组成元素，由于预设神经网络模型的节点数量和函数参数对目标流量信息和目标压力信息不兼容，因此，需要根据目标流量信息和目标压力信息对节点信息和函数信息进行修改，以得到目标节点信息和目标函数信息，预设神经网络策略指的是将参数信息或者数据训练成神经网络模型的策略，通过预设神经网络策略训练得到与参数信息或者数据对应的同类型的神经网络模型。

[0070] 进一步的，为了提高得到目标工作台的载荷量的准确性，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：

[0071] 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。

[0072] 可以理解的是，预设载荷量阈值指的是介入目标工作台所能承受的最大负载重量和合格负载重量之间的载荷量，由于预设载荷量阈值并不是在安全范围内，若预测得到的目标载荷量大于预设载荷量值，需要将预设载荷量的流量信息和压力信息再次提取，并在目标神经网络模型中进行重新预测，以得到目标工作台的预测载荷量，此时的预测载荷量即为控制后的目标工作台的负载重量。

[0073] 在具体实施中，负载重量控制器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。

[0074] 本实施例通过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；在当前负载重量信息大于预设负载重量信息时，通过目标卸荷策略降低目标工作台的荷载，以实现对目标目标工作台负载重量的控制，相较于现有技术通过调节升降设备控制工作台的负载重量，能够有效提高控制负载重量的精准度。

[0075] 在一实施例中，如图3所述，基于第一实施例提出本发明工作台负载重量的控制方法第二实施例，所述步骤S10，包括：

[0076] 步骤S101，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。

[0077] 应当理解的是，在得到目标工作台的当前运行状态信息后，为了增加得到当前负载重量信息的准确性，将整个目标工作台分为左右两部分，根据当前运行状态信息分别得到目标工作台的左负载重量信息和右负载重量信息，其中，左负载重量信息指的是目标工作台左边承受的重量信息，右负载重量信息指的是目标工作台右边承受的重量信息。

[0078] 在具体实施中，负载重量控制器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。

[0079] 步骤S102，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。

[0080] 可以理解的是，特征信息指的是左负载重量信息和右负载重量信息的特征信息，若目标工作台对应的生产线为一条时，则左负载重量信息的特征信息与右负载重量信息的特征信息一致，若目标工作台左右部分对应的生产线不同，则左负载重量信息的特征信息与右负载重量信息的特征信息不一致，两者的特征信息取决于生产线上生产产品的类型，根据产品的类型确定左负载重量信息和右负载重量信息的特征信息，在确定产品的类型后，分别对左负载重量信息和右负载重量信息的特征信息进行提取。

[0081] 在具体实施中，负载重量控制器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。

[0082] 步骤S103，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。

[0083] 应当理解的是，历史负载重量信息指的是目标工作台在生产线加工不同产品时的所有负载重量信息，由于生产线加工产品类型的不同，使得历史负载重量信息也不同，因此，历史负载重量信息为目标工作台负载重量信息的集合，在得到特征信息后，根据特征信息在历史负载重量信息中查找到对应的负载重量信息，将查找到的负载重量信息作为目标工作台的当前负载重量信息。

[0084] 进一步的，为了有效提高得到当前负载重量信息的准确性，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：

[0085] 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。

[0086] 可以理解的是，预设线性算法指的是将特征信息进行排列和连接成拟合曲线的算法，通过预设线性算法可将特征信息的相互关系进行展示，以得到对应的特征曲线图，此时的特征曲线图中包括多个特征信息，每个特征信息对应的运行状态信息不同，因此，需要根据目标工作台的当前运行信息在特征曲线图中选择目标特征信息，通过目标特征信息在历史负载重量信息中查找到对应的当前负载重量信息。

[0087] 在具体实施中，负载重量控制器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。

[0088] 本实施例通过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；分别提取通过当前运行状态信息得到的左负载重量信息和右负载重量信息的特征信息，基于特征信息在历史负载重量信息查找到当前负载重量信息，从而有效提高得到当前负载重量信息的准确性。

[0089] 在一实施例中，如图4所述，基于第一实施例提出本发明工作台负载重量的控制方法第三实施例，所述步骤S30，包括：

[0090] 步骤S301，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。

[0091] 可以理解的是，当前参数信息指的是在采集瞬间工作台的运行状态信息时液压泵的参数信息，通过该当前参数信息可得到液压泵的性能状态，而目标工作台性能由液压泵的性能状态所决定，两者是呈正相关的关系，即液压泵的性能状态越好，目标工作台的性能也越好，在得到液压泵的当前参数信息后，根据当前参数信息计算出液压泵的当前流量信息和当前压力信息。

[0092] 在具体实施中，负载重量控制器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。

[0093] 步骤S302，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。

[0094] 可以理解的是，在得到目标卸荷策略后，通过目标卸荷策略分别对当前流量信息和当前压力信息进行降低，在卸荷的过程中需要将当前流量信息和当前压力信息同步降低，即在当前流量减小时，也需要对当前压力值进行降低，不能直接将当前流量减小至最低，然后再降低当前压力值，通过此操作会对目标工作台和生产线造成损坏，在将当前流量信息和当前压力信息降低后，即可得到目标流量信息和目标压力信息。

[0095] 进一步的，为了有效控制降低当前流量信息和当前压力信息的精准度，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：

[0096] 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。

[0097] 应当理解的是，在通过目标卸荷策略降低当前流量信息和当前压力信息时，需要有先后顺序，首先将当前流量信息中对应的当前流量进行减小，判断减小得到的目标流量信息是否大于预设流量阈值，通过预设流量阈值判断以防止出现过度减小而损坏目标工作台，进而在目标流量信息中的流量大于预设流量阈值时，再对当前压力信息中的压力值进行降低，以得到目标压力信息。

[0098] 在具体实施中，负载重量控制器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。

[0099] 本实施例通过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；通过目标卸荷策略对当前流量信息中的流量进行减小和对当前压力信息中的压力值进行降低，得到目标流量信息和目标压力信息，从而有效控制降低当前流量信息和当前压力信息的精准度。

[0100] 此外，本发明实施例还提出一种存储介质，所述存储介质上存储有工作台负载重量的控制程序，所述工作台负载重量的控制程序被处理器执行时实现如上文所述的工作台负载重量的控制方法的步骤。

[0101] 由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

[0102] 此外，参照图5，本发明实施例还提出一种工作台负载重量的控制装置，所述工作台负载重量的控制装置包括：

[0103] 确定模块10，用于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。

[0104] 应当理解的是，目标工作台的当前运行状态信息指的是在采集瞬间工作台的运行状态信息，而目标工作台指的是需要控制负载重量的工作台，若在生产过程中出现多工作台均需要控制负载重量，则该多工作台均为目标工作台，在得到目标工作台的当前运行状态信息后，由于目标工作台对应的生产线会存在多条，那么此时目标工作台的负载重量会根据生产条的条数确定，例如，工作台的生产线分为两条，分别为左生产线和右生产线，则目标工作台的负载重量由左生产线的负载重量和右生产线的负载重量共同决定，但是由于负载重量的实际值与通过设置在目标工作台上的压力传感器读取的数值是存在区别的，因此，若直接将读取到的数值直接当做目标工作台的实际负载重量，则会造成较大的误差，此时，需要通过左负载重量和右负载重量的特征信息共同计算出目标工作台的当前负载重量信息。

[0105] 可以理解的是，由于目标工作台的负载重量指的是整个全部负载量，但是同一加工件的放置不同的位置会使得重量存在差异，为了增加得到当前负载重量信息的准确性，将整个目标工作台分为左右两部分，其中左部分工作台得到的负载重量为左负载重量，右部分得到的负载重量为右负载重量，因此，根据左负载重量信息和右负载重量信息的特征信息计算目标工作台的当前负载重量信息。

[0106] 在具体实施中，负载重量控制器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。

[0107] 获取模块20，用于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。

[0108] 应当理解的是，预设负载重量信息指的是目标工作台所能承受的最大负载重量信息，在超过预设负载重量信息对应的负载重量会导致生产线的性能降低和工作台的损坏，因此，在开始生产的过程中需要对目标工作台的负载重量信息进行实时监测，在当前负载重量信息无线趋近于预设负载重量信息时，需要根据生成线的当前生产状态预测当前负载重量无线趋近预设负载重量的时间，在当前负载重量大于预设负载重量的瞬间，通过获取到的目标卸荷策略对目标工作台的负载重量进行控制，其目的是为了有效降低目标工作台的负载重量。

[0109] 可以理解的是，由于目标工作台的负载重量降低的措施分为两种，一种是流量卸载，另外一种是压力卸载，而目标卸荷策略指的是减小流量和降低压力的策略，通过减小流量和降低压力的策略均可以降低目标工作台的负载重量，其中，在根据减小流量和降低压力的策略对目标工作的负载重量进行降低时，需要两者相互配合使用，即在减小流量时，需要同步降低压力，防止出现其一减小过大或者降低过度导致变量泵的损坏。

[0110] 在具体实施中，负载重量控制器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。

[0111] 降低模块30，用于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。

[0112] 应当理解的是，目标工作台的载荷由目标工作台运行时的当前流量信息和当前压力信息组合而成，因此，在对目标工作台的荷载降低的本质是对当前流量信息和当前压力信息进行降低，由于目标卸荷策略为减小流量和降低压力策略，通过目标卸荷策略将当前流量信息中对应的当前流量或者当前压力信息中对应的压力值进行降低，以得到目标流量信息和目标压力信息。

[0113] 在具体实施中，负载重量控制器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。

[0114] 控制模块40，用于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。

[0115] 应当理解的是，在得到目标流量信息和目标压力信息后，获取预设神经网络模型，将预设神经网络模型中的节点信息和函数信息提取出来，根据目标流量信息和目标压力信息分别对节点信息和函数信息进行修改，得到目标节点信息和目标函数信息，获取预设神经网络策略，根据预设神经网络策略对目标节点信息和目标函数信息进行训练，得到目标神经网络模型，根据目标神经网络模型对目标流量信息和目标压力信息进行预测，以得到目标工作台的目标载荷量，其中，预设神经网络模型可以为卷积神经网络模型，也可以为其他神经网络模型，本实施例对此不作限制，并以卷积神经网络模型为例进行说明，而节点信息和函数信息为预设网络模型的组成元素，由于预设神经网络模型的节点数量和函数参数对目标流量信息和目标压力信息不兼容，因此，需要根据目标流量信息和目标压力信息对节点信息和函数信息进行修改，以得到目标节点信息和目标函数信息，预设神经网络策略指的是将参数信息或者数据训练成神经网络模型的策略，通过预设神经网络策略训练得到与参数信息或者数据对应的同类型的神经网络模型。

[0116] 进一步的，为了提高得到目标工作台的载荷量的准确性，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：

[0117] 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。

[0118] 可以理解的是，预设载荷量阈值指的是介入目标工作台所能承受的最大负载重量和合格负载重量之间的载荷量，由于预设载荷量阈值并不是在安全范围内，若预测得到的目标载荷量大于预设载荷量值，需要将预设载荷量的流量信息和压力信息再次提取，并在目标神经网络模型中进行重新预测，以得到目标工作台的预测载荷量，此时的预测载荷量即为控制后的目标工作台的负载重量。

[0119] 在具体实施中，负载重量控制器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。

[0120] 本实施例通过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；在当前负载重量信息大于预设负载重量信息时，通过目标卸荷策略降低目标工作台的荷载，以实现对目标目标工作台负载重量的控制，相较于现有技术通过调节升降设备控制工作台的负载重量，能够有效提高控制负载重量的精准度。

[0121] 需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

[0122] 另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的工作台负载重量的控制方法，此处不再赘述。

[0123] 在一实施例中，所述确定模块10，还用于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。

[0124] 在一实施例中，所述确定模块10，还用于获取预设线性算法，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。

[0125] 在一实施例中，所述降低模块30，还用于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。

[0126] 在一实施例中，所述降低模块30，还用于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。

[0127] 在一实施例中，所述控制模块40，还用于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。

[0128] 在一实施例中，所述控制模块40，还用于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。

[0129] 本发明所述工作台负载重量的控制装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不在赘余。

[0130] 此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0131] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0132] 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上述实施例方法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，但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

[0133] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。