一种基于深度学习算法的零配件压配装置制造方法及图纸

本实用新型专利技术提供了一种基于深度学习算法的零配件压配系统，包括底板（7），所述底板（7）两侧设有导柱（8），所述导柱（8）上端固定连接电缸安装板（3），所述底板（7）上固定设有产品固定工装（6），所述产品固定工装正上方设有压板（5），所述压板（5）上方装有压力传感器（4），所述压板（5）两侧设有导柱（9），所述导柱（9）穿过电缸安装板（3），可上下移动；所述电缸安装板（3）上固定设有伺服电机（1），所述伺服电机（1）与位于底板下方的控制器（10）通过信号线连接，所述控制器(10)与人机交互一体机(2)通过网线连接，所述控制器(10)实时采集传感器(4)数据。该压配装置，可对压配过程进行实时检测、可精确判定压配的结果和质量、可预测性地调整压配压力。力。力。

【技术实现步骤摘要】
一种基于深度学习算法的零配件压配装置


[0001]本技术涉及零配件压配
，具体是涉及一种基于深度学习算法的零配件压配装置。

技术介绍

[0002]在零配件压配领域中，传统上采用液压压配机对零配件进行压配，而传统的液压压配机是一种以液体为工作介质，用来传递能量以实现压配的机器。但是传统液压机压力不稳定、标准模糊，压配的质量无法精确判断，只能靠外部尺寸测量和工人的感知，由于零配件在公差上的差异，可能出现过压，导致产品形变。传统上要精确的判定零配件是否完成压配，需要通过二次测量的方式。传统上要判断压配件的压接质量需要使用复杂的方式，而进一步导致压配件成本升高。
[0003]此外，针对不同的产品，传统上靠工人通过手动方式一次次调试摸索来获得生产标准参数，且所获得的结果也不精确。同时整个压配过程没有反馈，需要人肉眼判断完成质量。

技术实现思路

[0004]本技术所要解决的技术问题是克服上述现有的缺陷，提供基于深度学习算法的零配件压配装置，该装置可对压配过程进行实时监测，可在压配过程中计算实时压力数据，预测性地调整压力。并可在压配完成之后可精确、实时给出压配结果。
[0005]为实现上述目的，本专利技术通过以下技术方案得以实现。
[0006]本技术提供了一种基于深度学习算法的零配件压配装置，其特征在于包括底板7，所述底板7两侧设有导柱8，所述导柱8上端固定连接电缸安装板3，所述底板7上固定设有产品固定工装6，所述产品固定工装正上方设有压板5，所述压板5上方设有压力传感器4，所述压板5两侧设有导柱9，所述导柱9穿过电缸安装板3，可上下移动；所述电缸安装板3上固定设有伺服电机1，所述伺服电机1与位于底板下方的控制器10通过信号线连接，所述控制器10与人机交互一体机2通过网线连接，所述控制器10实时采集压力传感器4数据。
[0007]所述人机交互一体机内装载有软件，所述软件可调用算法，对零配件的压配数据进行深度学习。
[0008]所述人机交互一体机，可下发控制信号，设定压配压力、压配速度，并获取伺服电机的距离数据、压力传感器的压力数据。
[0009]所述人机交互一体机通过其装载的软件，可调用历史数据训练算法模型，可调用算法模块对实时的压力
‑
距离数据进行计算，并将计算的结果反馈给对外接口并保存数据，外部接口可将结果提供给外部系统。
[0010]所述压力传感器为高精密压力传感器。
[0011]所述一种基于深度学习算法的零配件压配装置，可实时监测压配过程，实时监测的过程中，先建立过程控制边界，再将实时的距离
‑
压力数据与过程控制边界对比，若出现
任何异常，可及时提醒并反馈给上级系统，可实时筛选出配合过于紧或配合过于松的零配件，可避免不合格品继续流转到下一道工序，浪费人力、物力。
[0012]所述一种基于深度学习算法的零配件压配装置，可在压配过程中精确判定压配的结果和质量。
[0013]所述一种基于深度学习算法的零配件压配装置，可在压配过程中预测性的调整压力，尽可能地减少被压配的零配件变形量。
[0014]综上所述，本专利技术具有如下有益效果：
[0015]1、压配过程可控，通过本专利技术提供的基于统计学算法的零配件压配过程的监测方法，可以在压配过程中，筛选出过松或过紧的压装配合，控制压配质量。
[0016]2、精确即时反馈压配结果，通过本专利技术提供的基于力学特征的零配件压配结果的判定方法，可以精确检定压配完成与否，在压配完成后立刻反馈压配使用的压力和过压压力。
[0017]3、尽可能减少零件因为高压产生的形变，通过本专利技术提供的基于深度学习算法的零配件压配过程中可预测性调整压力的方法，可在保证压配结果的情况下动态调整压配压力，以尽可能低的压力完成压配，从而减少零件的形变。
附图说明
[0018]图1为本技术提供的基于深度学习算法的零配件压配装置示意图。
[0019]图2为涡轮扩压器和压壳两个零配件压配过程距离
‑
压力数据图。
具体实施方式
[0020]下面将结合本技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0021]本技术的目的是提供一种基于深度学习算法的零配件压配装置，如图1 所示。包括底板7，所述底板7两侧设有导柱8，所述导柱8上端固定连接电缸安装板3，所述底板7上固定设有产品固定工装6，所述产品固定工装正上方设有压板5，所述压板5上方设有压力传感器4，所述压板5两侧设有导柱9，所述导柱9穿过电缸安装板3，可上下移动；所述电缸安装板3上固定设有伺服电机1，所述伺服电机1与位于底板下方的控制器10通过信号线连接，所述控制器10与人机交互一体机2通过网线连接，所述控制器10实时采集压力传感器4 数据。
[0022]下面以涡轮件扩压器和压壳的压配过程为例具体说明基于深度学习算法的零配件压配装置的工作过程。
[0023]压配过程中需要将扩压器和压壳紧密压配到一起，不能留有缝隙，否则会影响涡轮的工作性能。用户通过人机交互一体机2，设置扩压器和压壳压配过程的压配速度和压力；然后用户将待压配的扩压器和压壳置于产品固定工装6上；用户通过人机交互一体机2启动压配过程，压板5在伺服电机1的驱动下，向下运动，对扩压器和压壳进行压配，同时压力传感器4测得压配过程的实时压力数据，并将数据传输给控制器10，对压配过程进行监
测，同时控制器10将实时的压配距离数据也传输给人机交互一体机2，人机交互一体机2就获取对应扩压器和压壳的压力
‑
距离数据和扩压器和压壳的整体弹性系数点k；人机交互一体机2利用所获的数据，计算出过程控制边界、扩压器和压壳的整体弹性系数k，得到扩压器和压壳的压配完成点。
[0024]所建立的过程控制边界，即包络线，如图2所示，曲线1对应上部的过程控制边界，当扩压器和压壳配合过于松的边界情况，当压配过程中的压力
‑
距离数据超出这一过程控制边界，表明压配过程中扩压器和压壳尺寸不匹配，而无法实现两个零配件的紧密结合。曲线2对应下部的过程控制边界，当扩压器和压壳配合过于紧的情况。当压配过程中的压力
‑
距离数据超出这一过程控制边界，表明压配过程中扩压器和压壳尺寸不匹配，容易的导致零配件变形甚至损坏。
[0025]由图2中曲线3数据可知，扩压器和压壳的距离
‑
压力数据曲线没有超过过程控制边界，说明扩压器和压壳的压配合格。图2中曲线3的拐点即为压配完成点。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习算法的零配件压配装置，其特征在于包括底板，所述底板两侧设有导柱，所述导柱上端固定连接电缸安装板，所述底板上固定设有产品固定工装，所述产品固定工装正上方设有压板，所述压板上方设有压力传感器，所述压板两侧设有导柱，所述导柱穿过电缸安装板，可上下移动；所述电缸安装板上固定设有伺服电机，所述伺服电机与位于底板下方的控制器通过信号线连接，所述控制器与人机交互一体机通过网线连接，所述控制器实时采集压力传感器数据。2.根据权利要求1所述...

【专利技术属性】
技术研发人员：董海波，董文龙，沈程鹏，
申请(专利权)人：浙江一木智能科技有限公司，
类型：新型
国别省市：