本申请涉及工件加工领域，尤其涉及用于数控加工刀具的路径智能优化方法及系统。
背景技术：
1、数控加工刀具切割金属工件指的是在数控机床上使用特定刀具对金属材料进行精确加工的过程。这种加工方式广泛应用于工业制造领域，用于生产各种金属零件和组件。
2、数控机床是一种装有程序控制系统的机床，能够根据预设的程序自动执行加工任务。刀具沿着预先设置的切割路径移动进行加工，以确保加工效率和加工质量，减少材料浪费。如专利公开号为cn116205059a的中国专利公开了车削加工工件表面三维形貌预测方法，包括步骤：构建目标曲面的marching cubes等值面；对目标曲面进行均匀随机采样；对目标曲面进行三维形貌预测：基于复杂自由曲面路径规划的刀位点数据，对车刀走刀轨迹进行建模，并计算每个随机采样点上的残余高度，实现对目标曲面的三维形貌预测。
3、在实际的切割过程中，由于过高或过低的切削速度或切削深度的不同，都可能导致刀具和工件发生振动，振动会导致刀具路径偏离预定路径，降低了加工件的尺寸精度和形状精度。
技术实现思路
1、为了提高加工件的尺寸精度和形状精度，本申请提供用于数控加工刀具的路径智能优化方法及系统。
2、第一方面，本申请提供用于数控加工刀具的路径智能优化方法，采用如下的技术方案：
3、用于数控加工刀具的路径智能优化方法，包括步骤：对历史数据中的振动数据进行筛选，得到异常的振动幅值；获取工件的相邻帧的边缘图像，计算振动幅值对应的切割评价；构建数据集，数据集内包含历史数据中的振动幅值和标签，标签为振动幅值对应的切割评价，根据数据集训练神经网络模型得到预测模型；在刀具沿预设路径切割的过程中，将实时的振动数据输入到预测模型中，输出切割评价预测值，响应于切割评价预测值大于预设阈值，降低刀具的切割速度并校准刀具的位置；其中，切割评价的计算公式为：，其中，为切割评价，为当前帧边缘图像连通域中像素点个数，为前一帧边缘图像连通域中像素点个数，为当前帧边缘图像与前一帧边缘图像中像素值为1的像素点的非交集个数，e表示归一化函数。
4、有益效果为：在加工的过程中，对刀具的移动路径进行优化，使刀具的移动路径能够精准与预设的路径贴合，具体地，当刀具的振动使切割位置产生较大的偏移时，降低刀具的切割速度，纠正刀具的位置，以达到优化刀具切割路径的目的。
5、可选的，对历史数据中的振动数据进行筛选，得到异常的振动幅值，包括步骤：确定幅值范围；计算各时刻的振动异常评价，表达式为：
6、，其中，为时刻的振动异常评价，为时刻的振动幅值，为幅值范围中振动幅值的最小值，为幅值范围中振动幅值的最大值，表示最大值函数；去除振动异常评价不大于预设的评价阈值的振动幅值，得到异常的振动幅值。
7、有益效果为：通过计算振动异常评价，量化了振动幅值相对于正常幅值范围的偏差，当小于评价阈值时，判定时刻的振动幅值偏差较大，此时刀具位置异常的可能性越大，反之，振动幅值的偏差越小，刀具此时刻的位置为正常位置的可能性越大。
8、可选的，幅值范围的确定方法为：对历史数据中的振动幅值进行正态分布，将正态分布曲线中（）作为幅值范围，其中为正态分布中的数据的均值，表示正态分布中的数据的标准差。
9、有益效果为：将振动幅值数据中的异常值或离群点去除，以去除极端振动噪声对于后续计算的影响，提高振动异常评价计算的精度。
10、可选的，根据数据集训练神经网络模型得到预测模型，包括：模型训练的损失函数为均方差损失函数，当损失函数达到预设值或训练次数达到预设次数时，停止训练，得到预测模型。
11、可选的，还包括步骤：当切割评价预测值的均值大于修正阈值时，修正损失函数。
12、有益效果为：调整或修正损失函数，以对预测模型进行不断的修正，使预测模型的预测结果更精准，更贴合实际的应用场景，更有效地优化模型的预测性能。
13、可选的，修正损失函数包括步骤：计算各时刻切割评价预测值与真实的切割评价值的差值；将预设个数的差值作为修正项，将修正项进行加和为1的权重计算，得到各切割评价预测值对应的权重系数，更新损失函数，表达式为：，其中，表示更新后的损失函数，为第个切割评价预测值对应的权重系数，为第个切割评价值，为第个切割评价预测值，为预设个数。
14、可选的，获取工件的相邻帧的边缘图像，包括步骤：获取加工过程的视频流，抽帧得到相邻帧的rgb图像；使用语义分割网络，提取rgb图像中的工件区域，删除背景区域后，采用canny边缘算法对工件区域进行边缘检测，得到边缘图像。
15、第二方面，本申请提供用于数控加工刀具的路径智能优化系统，采用如下的技术方案：
16、用于数控加工刀具的路径智能优化系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据上述的用于数控加工刀具的路径智能优化方法。
17、有益效果为：将上述的用于数控加工刀具的路径智能优化方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作系统，方便使用。
18、本申请具有以下技术效果：
19、1、在加工的过程中，对刀具的移动路径进行优化，使刀具的移动路径能够精准与预设的路径贴合。
20、2、调整或修正损失函数，以对预测模型进行不断的修正，使预测模型的预测结果更精准，更贴合实际的应用场景，更有效地优化模型的预测性能。
1.用于数控加工刀具的路径智能优化方法，其特征在于，包括步骤：
2.根据权利要求1所述的用于数控加工刀具的路径智能优化方法，其特征在于，对历史数据中的振动数据进行筛选，得到异常的振动幅值，包括步骤：
3.根据权利要求2所述的用于数控加工刀具的路径智能优化方法，其特征在于，幅值范围的确定方法为：对历史数据中的振动幅值进行正态分布，将正态分布曲线中（）作为幅值范围，其中为正态分布中的数据的均值，表示正态分布中的数据的标准差。
4.根据权利要求1所述的用于数控加工刀具的路径智能优化方法，其特征在于，根据数据集训练神经网络模型得到预测模型，包括：
5.根据权利要求4所述的用于数控加工刀具的路径智能优化方法，其特征在于，还包括步骤：当切割评价预测值的均值大于修正阈值时，修正损失函数。
6.根据权利要求5所述的用于数控加工刀具的路径智能优化方法，其特征在于，修正损失函数包括步骤：
7.根据权利要求1所述的用于数控加工刀具的路径智能优化方法，其特征在于，获取工件的相邻帧的边缘图像，包括步骤：
8.用于数控加工刀具的路径智能优化系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-7任一项所述的用于数控加工刀具的路径智能优化方法。
