本发明提供一种多工位刀具专用磨床控制方法、系统和存储介质，所述方法包括：根据目标刀具的形状将刀具加工过程分成多个依序的工位；基于每个工位的加工工艺选定适配种类的加工机构；获取每种加工机构完成对应工位的单件加工时间；按照各个加工机构的单件加工时间的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；启动磨床加工，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的完成收纳槽中取出刀具A，并进行下一个工位加工。本发明能够提升刀具的生产效率，并确保成品刀具的合格率。
1.一种多工位刀具专用磨床控制方法，其特征在于，所述方法包括：根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
获取每种加工机构完成对应工位的单件加工时间 ， ，表示第 种加工机构完成对应工位的单件加工时间；
按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理；
预设相同种类的加工机构集中设置在底座的对应的工位区域；
分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
对多个工位区域的中心点进行聚类计算，得到异常查验中心；
基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息；
基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发生概率；
以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概率和；
将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取第一分段点的纵坐标；
采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第二分段点的横坐标；
基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐标等于第一分段点的纵坐标。
2.根据权利要求1所述的一种多工位刀具专用磨床控制方法，其特征在于，在由异常查验传感器实时查验所述磨床多个工位的工作状态之后，所述方法还包括：记录所述异常查验传感器实时查验的多个历史异常数据，所述历史异常数据至少包括发生异常的坐标位置以及发生异常时的环境数据；
构建异常预测模型，基于多个历史异常数据对所述异常预测模型进行训练，以得到优化后的异常预测模型；
采集获取当前的环境数据，基于当前的环境数据并通过所述异常预测模型预测出异常位置；
3.根据权利要求1所述的一种多工位刀具专用磨床控制方法，其特征在于，在上一个工位的某个加工机构完成对刀具A的加工之后，所述方法还包括：通过预置在上一个工位的图像传感器对刀具A进行图像采集，得到原始图像；
采用图像识别技术对所述原始图像进行图像识别，并分割出上一个工位的加工图像D；
预设上一个工位每完成一个刀具加工，均需要由图像传感器进行图像采集，并将每个刀具对应的历史加工图像依时间先后顺序记录在历史图像库中，从所述历史图像库中就近选取r个历史加工图像；
将加工图像D中的每个像素点的灰度值分别与r个历史加工图像的对应像素点的灰度值进行逐一作差计算，并判断差值绝对值是否大于第二预设阈值，如果大于，则记录该加工图像D中的对应像素点为疑似差异点一次；
待所述加工图像D中所有像素点的灰度值分别完成与r个历史加工图像的对应像素点的灰度值进行逐一作差后，则统计所述加工图像D中每个像素点被记录疑似差异点的次数；
判断所述加工图像D中每个像素点被记录疑似差异点的次数是否大于第三预设阈值，如果是，则判定对应像素点为异常点；
基于所述加工图像D的异常点，并通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，如果不合格，则传送至不良品处理站。
4.根据权利要求3所述的一种多工位刀具专用磨床控制方法，其特征在于，通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，具体包括：
预设加工图像D内不同的划分区域对合格与否的影响权重不同，获取加工图像D中的不同划分区域的影响权重；
获取加工图像D中所有的异常点，并确定出每个异常点落入的划分区域；
统计每个划分区域内所有异常点的累计数量，并将每个划分区域内所有异常点的累计数量乘以对应的影响权重，得到每个划分区域的不合格区域评分；
将所有划分区域的不合格区域评分进行相加，得到加工图像D的不合格总评分；
判断加工图像D的不合格总评分是否大于第四预设阈值，如果是，则判定刀具A为不合格。
5.一种多工位刀具专用磨床控制系统，其特征在于，包括存储器和处理器，所述存储器中包括一种多工位刀具专用磨床控制方法程序，所述多工位刀具专用磨床控制方法程序被所述处理器执行时实现如下步骤：根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
获取每种加工机构完成对应工位的单件加工时间 ， ，表示第 种加工机构完成对应工位的单件加工时间；
按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理；
预设相同种类的加工机构集中设置在底座的对应的工位区域；
分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
对多个工位区域的中心点进行聚类计算，得到异常查验中心；
基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息；
基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发生概率；
以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概率和；
将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取第一分段点的纵坐标；
采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第二分段点的横坐标；
基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐标等于第一分段点的纵坐标。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种多工位刀具专用磨床控制方法程序，所述多工位刀具专用磨床控制方法程序被处理器执行时，实现如权利要求1至4中任一项所述的一种多工位刀具专用磨床控制方法的步骤。
一种多工位刀具专用磨床控制方法、系统和存储介质
技术领域
[0001] 本发明涉及刀具自动化加工技术领域，尤其涉及一种多工位刀具专用磨床控制方法、系统和存储介质。
背景技术
[0002] 刀具是机械制造中用于切削加工的工具，又称切削工具。绝大多数的刀具是机用的，但也有手用的。而磨床是专门用于刀具制造和刃磨的磨床，有万能刀具磨床、钻头刃磨
床、拉刀刃磨床、刀具曲线磨床等，目前的磨床在刀具生产过程中均为单工位设备，也就是
一台机器同一时间只生产一支刀具，刀具的生产效率不高。另外，传统的刀具加工方式，只
有磨床在刀具制造完成后，才能对刀具的合格与否进行检测，无法在刀具制造过程中对刀
具的合格与否进行实时检测，因此无法提前对不合格的刀具进行中止加工，继而增加了无
用的加工成本，同时，传统的检测方式多为人工检测，检测效率和精确度不高。
发明内容
[0003] 为了解决上述至少一个技术问题，本发明提出了一种多工位刀具专用磨床控制方法、系统和存储介质，能够有效提升刀具的生产效率，并能够在刀具制造过程实时对刀具进
行质量检测，并对不合格的刀具进行中止加工，节省无用的加工成本，确保成品刀具的合格
率。
[0004] 本发明第一方面提出了一种多工位刀具专用磨床控制方法，所述方法包括：
[0005] 根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
[0006] 基于每个工位的加工工艺选定适配种类的加工机构；
[0007] 获取每种加工机构完成对应工位的单件加工时间 ， ，表示第 种加工机构完成对应工位的单件加工时间；
[0008] 按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
[0009] 启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的
完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理。
[0010] 本方案中，在将配置好数量的每种加工机构固定在磨床的底座之后，所述方法还包括：
[0011] 预设相同种类的加工机构集中设置在底座的对应的工位区域；
[0012] 分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
[0013] 对多个工位区域的中心点进行聚类计算，得到异常查验中心；
[0014] 基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
[0015] 将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
[0016] 由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息。
[0017] 本方案中，基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
[0018] 获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发
生概率；
[0019] 以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
[0020] 基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
[0021] 针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概
率和；
[0022] 将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取
第一分段点的纵坐标；
[0023] 采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
[0024] 基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
[0025] 针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
[0026] 将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第
二分段点的横坐标；
[0027] 基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐
标等于第一分段点的纵坐标。
[0028] 本方案中，在由异常查验传感器实时查验所述磨床多个工位的工作状态之后，所述方法还包括：
[0029] 记录所述异常查验传感器实时查验的多个历史异常数据，所述历史异常数据至少包括发生异常的坐标位置以及发生异常时的环境数据；
[0030] 构建异常预测模型，基于多个历史异常数据对所述异常预测模型进行训练，以得到优化后的异常预测模型；
[0031] 采集获取当前的环境数据，基于当前的环境数据并通过所述异常预测模型预测出异常位置；
[0032] 将异常查验中心更新为预测出的异常位置。
[0033] 本方案中，在上一个工位的某个加工机构完成对刀具A的加工之后，所述方法还包括：
[0034] 通过预置在上一个工位的图像传感器对刀具A进行图像采集，得到原始图像；
[0035] 采用图像识别技术对所述原始图像进行图像识别，并分割出上一个工位的加工图像D；
[0036] 预设上一个工位每完成一个刀具加工，均需要由图像传感器进行图像采集，并将每个刀具对应的历史加工图像依时间先后顺序记录在历史图像库中，从所述历史图像库中
就近选取r个历史加工图像；
[0037] 将加工图像D中的每个像素点的灰度值分别与r个历史加工图像的对应像素点的灰度值进行逐一作差计算，并判断差值绝对值是否大于第二预设阈值，如果大于，则记录该
加工图像D中的对应像素点为疑似差异点一次；
[0038] 待所述加工图像D中所有像素点的灰度值分别完成与r个历史加工图像的对应像素点的灰度值进行逐一作差后，则统计所述加工图像D中每个像素点被记录疑似差异点的
次数；
[0039] 判断所述加工图像D中每个像素点被记录疑似差异点的次数是否大于第三预设阈值，如果是，则判定对应像素点为异常点；
[0040] 基于所述加工图像D的异常点，并通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，如果不合格，则传送至不良品处理站。
[0041] 本方案中，通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，具体包括：
[0042] 预设加工图像D内不同的划分区域对合格与否的影响权重不同，获取加工图像D中的不同划分区域的影响权重；
[0043] 获取加工图像D中所有的异常点，并确定出每个异常点落入的划分区域；
[0044] 统计每个划分区域内所有异常点的累计数量，并将每个划分区域内所有异常点的累计数量乘以对应的影响权重，得到每个划分区域的不合格区域评分；
[0045] 将所有划分区域的不合格区域评分进行相加，得到加工图像D的不合格总评分；
[0046] 判断加工图像D的不合格总评分是否大于第四预设阈值，如果是，则判定刀具A为不合格。
[0047] 本发明第二方面还提出一种多工位刀具专用磨床控制系统，包括存储器和处理器，所述存储器中包括一种多工位刀具专用磨床控制方法程序，所述多工位刀具专用磨床
控制方法程序被所述处理器执行时实现如下步骤：
[0048] 根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
[0049] 基于每个工位的加工工艺选定适配种类的加工机构；
[0050] 获取每种加工机构完成对应工位的单件加工时间 ， ，表示第 种加工机构完成对应工位的单件加工时间；
[0051] 按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
[0052] 启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的
完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理。
[0053] 本方案中，在将配置好数量的每种加工机构固定在磨床的底座之后，所述多工位刀具专用磨床控制方法程序被所述处理器执行时还实现如下步骤：
[0054] 预设相同种类的加工机构集中设置在底座的对应的工位区域；
[0055] 分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
[0056] 对多个工位区域的中心点进行聚类计算，得到异常查验中心；
[0057] 基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
[0058] 将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
[0059] 由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息。
[0060] 本方案中，基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
[0061] 获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发
生概率；
[0062] 以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
[0063] 基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
[0064] 针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概
率和；
[0065] 将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取
第一分段点的纵坐标；
[0066] 采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
[0067] 基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
[0068] 针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
[0069] 将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第
二分段点的横坐标；
[0070] 基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐
标等于第一分段点的纵坐标。
[0071] 本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种多工位刀具专用磨床控制方法程序，所述多工位刀具专用磨床控制方法程序被处理
器执行时，实现如上述的一种多工位刀具专用磨床控制方法的步骤。
[0072] 本发明提出的一种高效NMP回收方法、系统和计算机可读存储介质，能够有效提升刀具的生产效率，并能够在刀具制造过程实时对刀具进行质量检测，并对不合格的刀具进
行中止加工，节省无用的加工成本，确保成品刀具的合格率。
[0073] 本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0074] 图1示出了本发明一种多工位刀具专用磨床控制方法的流程图；
[0075] 图2示出了本发明一种多工位刀具专用磨床控制系统的框图。
具体实施方式
[0076] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施
例及实施例中的特征可以相互组合。
[0077] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开
的具体实施例的限制。
[0078] 图1示出了本发明一种多工位刀具专用磨床控制方法的流程图。
[0079] 如图1所示，本发明第一方面提出一种多工位刀具专用磨床控制方法，所述方法包括：
[0080] S102，根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
[0081] S104，基于每个工位的加工工艺选定适配种类的加工机构；
[0082] S106，获取每种加工机构完成对应工位的单件加工时间 ， ，表示第种加工机构完成对应工位的单件加工时间；
[0083] S108，按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
[0084] S110，启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个
工位的完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理。
[0085] 可以理解，当下一个工位的加工机构在加工刀具B时，则上一个工位的加工机构可能正在加工刀具C，且上述每个工位之间，以及相同工位的不同加工机构之间都是并行且独
立加工处理，相对传统的刀具加工方式，本发明可以有效提升刀具的生产效率。
[0086] 同时，本发明针对每种加工机构，基于单件加工时间进行配置适配数量，以避免多个工位之间存在因个别加工机构过快或过慢，而导致磨床的部分加工机构出现空闲等待或
刀具挤压的现象，从而使多个工位之间的加工过程配合的更加顺畅，进一步提升磨床加工
刀具的效率。
[0087] 根据本发明的实施例，在将配置好数量的每种加工机构固定在磨床的底座之后，所述方法还包括：
[0088] 预设相同种类的加工机构集中设置在底座的对应的工位区域；
[0089] 分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
[0090] 对多个工位区域的中心点进行聚类计算，得到异常查验中心；
[0091] 基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
[0092] 将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
[0093] 由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息。
[0094] 需要说明的是，为了实现磨床对刀具的稳定加工，提升磨床加工过程中的安全性，本发明通过设置异常查验传感器来实时查验磨床各个工位区域的工作状态，一旦有某个工
位区域出现异常，如停机、卡机、刀具挤压、起火等现象，则进行及时报警，以避免造成严重
的经济损失，提升磨床加工的安全性。
[0095] 可以理解，为了进一步节省成本，一个磨床通常设置异常查验传感器，为了更大可能的扩大该异常查验传感器的查验覆盖度，以及提升查验的准确度，则本发明计算出异常
查验中心，并将异常查验传感器设置在异常查验中心处。
[0096] 根据本发明的具体实施例，通过几何算法计算出多个工位区域的中心点，具体包括：
[0097] 预设每个工位区域为多边形，获取每个工位区域的多边形顶点坐标，其中多边形顶点坐标包括横坐标和纵坐标；
[0098] 对每个工位区域的所有多边形顶点的横坐标进行相加，得到横坐标和，然后将横坐标和除以多边形顶点的数量，得到每个工位区域的中心点的横坐标；对每个工位区域的
所有多边形顶点的纵坐标进行相加，得到纵坐标和，然后将纵坐标和除以多边形顶点的数
量，得到每个工位区域的中心点的纵坐标。
[0099] 根据本发明的实施例，基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
[0100] 获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发
生概率；
[0101] 以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
[0102] 基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
[0103] 针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概
率和；
[0104] 将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取
第一分段点的纵坐标；
[0105] 采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
[0106] 基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
[0107] 针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
[0108] 将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第
二分段点的横坐标；
[0109] 基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐
标等于第一分段点的纵坐标。
[0110] 需要说明的是，在对多个工位区域进行划分时，横轴或纵轴可能穿过某个工位区域，则该工位区域的划分方式则基于该工位区域的中心点落位进行划分，如果中心点落位
在第一部分，则该工位区域被划分在第一部分。
[0111] 可以理解，本发明进一步基于异常发生概率对异常查验中心的初始位置进行校正，并将异常查验传感器设置在修正后的异常查验中心或将异常查验传感器的查验中心聚
焦在修正后的异常查验中心。
[0112] 根据本发明的实施例，在由异常查验传感器实时查验所述磨床多个工位的工作状态之后，所述方法还包括：
[0113] 记录所述异常查验传感器实时查验的多个历史异常数据，所述历史异常数据至少包括发生异常的坐标位置以及发生异常时的环境数据；
[0114] 构建异常预测模型，基于多个历史异常数据对所述异常预测模型进行训练，以得到优化后的异常预测模型；
[0115] 采集获取当前的环境数据，基于当前的环境数据并通过所述异常预测模型预测出异常位置；
[0116] 将异常查验中心更新为预测出的异常位置。
[0117] 需要说明的是，在磨床加工一定时间后，则可以基于磨床的历史异常数据进行深度学习，根据当前的环境数据并通过异常预测模型来预测出异常位置，并实现对初始的异
常查验中心进行动态调整，从而便于异常查验传感器更加快速聚焦在容易发生异常的位
置。
[0118] 可以理解，本发明的环境数据多是极端环境数据，例如高温、高压等，在这种极端环境下，部分工位的加工机构容易受环境因素影响而出现异常。通常情况下，磨床的周围环
境数据为正常状态，则不会触发异常预测模型基于当前的环境数据预测，且异常查验中心
不更新；当周围的环境数据超出预设阈值时（说明已达到极端环境条件），则触发异常预测
模型基于当前的环境数据预测出异常位置，则异常查验中心将随着异常位置进行更新。
[0119] 根据本发明的具体实施例，在基于当前的环境数据并通过所述异常预测模型预测出异常位置之后，所述方法还包括：
[0120] 针对各个历史异常数据中发生异常时的环境数据分别进行特征计算，得到各个历史异常数据中的对应环境数据的特征值；
[0121] 针对当前的环境数据进行特征计算，得到当前的环境数据的特征值；
[0122] 比较当前的环境数据的特征值与各个历史异常数据中的对应环境数据的特征值之间的差异率，并将差异率小于第一预设阈值的历史异常数据加入修正库；
[0123] 对修正库中各个历史异常数据中的对应环境数据进行深度学习，并通过所述异常预测模型预测出异常预测位置；
[0124] 基于修正库中各个历史异常数据，分别将发生异常的坐标位置与异常预测位置进行向量计算，得到修正库中各个历史异常数据的向量；
[0125] 将修正库中各个历史索膜建筑物的向量进行向量和运算，并将运算结果除以修正库中历史异常数据的数量，得到修正向量；
[0126] 将预测出的异常位置基于所述修正向量进行移位，以得到修正后的异常位置。
[0127] 可以理解，异常预测模型主要基于深度学习进行预测，则预测结果可能存在一定的误差，本发明则通过对比异常预测模型的预测值与真实值之间的差异量，来实现对异常
预测模型的预测结果进行校正，从而进一步提升异常位置预测的准确度。
[0128] 根据本发明的实施例，在上一个工位的某个加工机构完成对刀具A的加工之后，所述方法还包括：
[0129] 通过预置在上一个工位的图像传感器对刀具A进行图像采集，得到原始图像；
[0130] 采用图像识别技术对所述原始图像进行图像识别，并分割出上一个工位的加工图像D；
[0131] 预设上一个工位每完成一个刀具加工，均需要由图像传感器进行图像采集，并将每个刀具对应的历史加工图像依时间先后顺序记录在历史图像库中，从所述历史图像库中
就近选取r个历史加工图像；
[0132] 将加工图像D中的每个像素点的灰度值分别与r个历史加工图像的对应像素点的灰度值进行逐一作差计算，并判断差值绝对值是否大于第二预设阈值，如果大于，则记录该
加工图像D中的对应像素点为疑似差异点一次；
[0133] 待所述加工图像D中所有像素点的灰度值分别完成与r个历史加工图像的对应像素点的灰度值进行逐一作差后，则统计所述加工图像D中每个像素点被记录疑似差异点的
次数；
[0134] 判断所述加工图像D中每个像素点被记录疑似差异点的次数是否大于第三预设阈值，如果是，则判定对应像素点为异常点；
[0135] 基于所述加工图像D的异常点，并通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，如果不合格，则传送至不良品处理站。
[0136] 需要说明的是，本发明在每个工位后均布设合格检验工序，一旦加工的刀具不合格，则停止对该工具的后续加工，避免对不合格产品过多生产资源的投入，以节省磨床的加
工成本。
[0137] 本发明采用图像对比的方式进行判定刀具是否合格，通常，多数刀具的加工是合格的，本发明则将刀具A的加工图像与最近时间内其他刀具的历史加工图像进行灰度值比
对，进而确定刀具A是否合格，以及找出刀具A异常点的位置。
[0138] 可以理解，刀具A的加工图像与多个历史加工图像具有相同的形状、尺寸，以使多个加工图像之间具有相对应的像素点，进而便满足两两加工图像之间进行相对应像素点的
灰度值比对。
[0139] 根据本发明的实施例，通过预设的合格与否判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，具体包括：
[0140] 预设加工图像D内不同的划分区域对合格与否的影响权重不同，获取加工图像D中的不同划分区域的影响权重；
[0141] 获取加工图像D中所有的异常点，并确定出每个异常点落入的划分区域；
[0142] 统计每个划分区域内所有异常点的累计数量，并将每个划分区域内所有异常点的累计数量乘以对应的影响权重，得到每个划分区域的不合格区域评分；
[0143] 将所有划分区域的不合格区域评分进行相加，得到加工图像D的不合格总评分；
[0144] 判断加工图像D的不合格总评分是否大于第四预设阈值，如果是，则判定刀具A为不合格。
[0145] 需要说明的是，本发明通过图像比对方式进行质检，替代了传统人工质检方式，有效提升质检效率以及质检准确度。
[0146] 需要说明的是，本发明基于加工图像D的不同划分区域的影响权重进行综合评判刀具A是否合格，实际上，加工图像D不同划分区域对应于刀具A在本工位加工的不同位置。
由于不同的位置对刀具的重要程度不同，例如部分位置重要程度高，则影响权重大。因此，
本发明可以基于不同位置的重要程度以及异常点累计数量计算出刀具的不合格总评分，并
根据不合格总评分判定刀具是否达到不合格限定阈值（即第四预设阈值）。
[0147] 根据本发明的具体实施例，通过预设的良品判定方法判定所述加工图像D对应的刀具A在上一个工位的加工过程是否合格，具体还包括：
[0148] 统计加工图像D中所有异常点总数量；
[0149] 获取加工图像D中所有像素点总数量；
[0150] 将异常点总数量除以像素点总数量，得到异常点占比；
[0151] 判断所述异常点占比是否大于第五预设阈值，如果是，则判定刀具A为不合格，如果否，则判定刀具A为合格。
[0152] 可以理解，在允许异常点数量的范围内，可以认定刀具A在本工位的加工是合格的。预设加工图像D内所有位置的影响权重相同，本发明还可以直接基于异常点占比进行对
刀具A的合格与否进行判定，以简化判定过程，提升质检效率，自动化程度高。
[0153] 图2示出了本发明一种多工位刀具专用磨床控制系统的框图。
[0154] 如图2所示，本发明第三方面还提出一种多工位刀具专用磨床控制系统2，包括存储器21和处理器22，所述存储器中包括一种多工位刀具专用磨床控制方法程序，所述多工
位刀具专用磨床控制方法程序被所述处理器执行时实现如下步骤：
[0155] 根据目标刀具的形状将刀具加工过程分成多个依序的工位，预设工位的数量为n；
[0156] 基于每个工位的加工工艺选定适配种类的加工机构；
[0157] 获取每种加工机构完成对应工位的单件加工时间 ， ，表示第 种加工机构完成对应工位的单件加工时间；
[0158] 按照 的比例关系配置每种加工机构的数量，并将配置好数量的每种加工机构固定在磨床的底座上；
[0159] 启动磨床加工过程，上一个工位的某个加工机构完成对刀具A的加工后，则放入上一个工位的完成收纳槽中，以待下一个工位的某个加工机构空闲时，自动从上一个工位的
完成收纳槽中取出刀具A，并对刀具A进行下一个工位的加工处理。
[0160] 根据本发明的实施例，在将配置好数量的每种加工机构固定在磨床的底座之后，所述多工位刀具专用磨床控制方法程序被所述处理器执行时还实现如下步骤：
[0161] 预设相同种类的加工机构集中设置在底座的对应的工位区域；
[0162] 分别获取多个工位区域，并通过几何算法计算出多个工位区域的中心点；
[0163] 对多个工位区域的中心点进行聚类计算，得到异常查验中心；
[0164] 基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心；
[0165] 将异常查验传感器设置在异常查验中心或将异常查验传感器的查验中心聚焦所述异常查验中心；
[0166] 由异常查验传感器实时查验所述磨床多个工位的工作状态，当异常查验传感器查验出所述磨床的某个工位出现异常时，则发出报警信息。
[0167] 根据本发明的实施例，基于各个工位区域发生异常的概率进行校正，并得到修正后的异常查验中心，具体包括：
[0168] 获取每个工位区域内的所有加工机构，并根据历史使用状况获取每个加工机构的异常发生概率，基于所有加工机构的异常发生概率进行累加计算出每个工位区域的异常发
生概率；
[0169] 以所述异常查验中心为坐标原点建立基于底座上表面的二维坐标系，采用二维坐标系的横轴将底座上表面的工位区域划分为第一部分和第二部分；
[0170] 基于第一部分内的多个工位区域的中心点进行聚类得到第一部分中心点，并基于第二部分内的多个工位区域的中心点进行聚类得到第二部分中心点；
[0171] 针对第一部分内的所有工位区域的异常发生概率进行累加，得到第一异常发生概率和，并针对第二部分内的所有工位区域的异常发生概率进行累加，得到第二异常发生概
率和；
[0172] 将第二异常发生概率和除以第一异常发生概率和，得到第一比例；将第一部分中心点与第二部分中心点之间的直线段按照第一比例进行分段，标记出第一分段点，并获取
第一分段点的纵坐标；
[0173] 采用二维坐标系的纵轴将底座上表面的工位区域划分为第三部分和第四部分；
[0174] 基于第三部分内的多个工位区域的中心点进行聚类得到第三部分中心点，并基于第四部分的多个工位区域的中心点进行聚类得到第四部分中心点；
[0175] 针对第三部分的所有工位区域的异常发生概率进行累加，得到第三异常发生概率和，并针对第四部分的所有工位区域的异常发生概率进行累加，得到第四异常发生概率和；
[0176] 将第四异常发生概率和除以第三异常发生概率和，得到第二比例；将第三部分中心点与第四部分中心点之间的直线段按照第二比例进行分段，得到第二分段点，并确定第
二分段点的横坐标；
[0177] 基于第一分段点的纵坐标和第二分段点的横坐标得到修正后的异常查验中心，且修正后的异常查验中心的横坐标等于第二分段点的横坐标，修正后的异常查验中心的纵坐
标等于第一分段点的纵坐标。
[0178] 本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种多工位刀具专用磨床控制方法程序，所述多工位刀具专用磨床控制方法程序被处理
器执行时，实现如上述的一种多工位刀具专用磨床控制方法的步骤。
[0179] 本发明提出的一种多工位刀具专用磨床控制方法、系统和计算机可读存储介质，能够有效提升刀具的生产效率，并能够在刀具制造过程实时对刀具进行质量检测，并对不
合格的刀具进行中止加工，节省无用的加工成本，确保成品刀具的合格率。
[0180] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为
一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或
可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部
分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合
或通信连接，可以是电性的、机械的或其它形式的。
[0181] 上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
[0182] 另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述
集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0183] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在
执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
[0184] 或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施
例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。
而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码
的介质。
[0185] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵
盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
