一种热缩式刀柄的生产工艺制造技术

技术编号:38557987 阅读:16 留言:0更新日期:2023-08-22 21:00
本发明专利技术公开了一种热缩式刀柄的生产工艺,属于刀柄生产技术领域,该生产工艺具体步骤如下:(1)接收刀柄工程图以确定刀柄各参数信息;(2)实时采集不锈钢处理过程影像信息并进行图像优化;(3)对制作影像进行级联分析并中断异常制作进程;(4)打磨制作完成的热缩式刀柄表面并测试该刀柄偏差精度;(5)对操作日志进行风险分析并区块存储该批次刀柄信息;本发明专利技术能够实现自动化控制刀柄生产,无需工作人员人工监控生产,降低刀柄生产难度,有效提高刀柄生产量,同时减少工作人员工作量,提高工作人员使用体验,能够降低数据处理能耗,有效提高数据处理效率,同时保证数据安全性,防止数据被恶意篡改。恶意篡改。恶意篡改。

【技术实现步骤摘要】
一种热缩式刀柄的生产工艺


[0001]本专利技术涉及刀柄生产
,尤其涉及一种热缩式刀柄的生产工艺。

技术介绍

[0002]高速加工在航空航天、机械制造、汽车和模具等工业等领域正在得到日益广泛的应用,刀柄作为高速加工工具系统中刀具/主轴连接的关键部件,直接影响高速加工的质量和效率,目前已成为国内外专家学者关注和研究的热点,随着先进制造工.艺及其装备技术的快速发展,机床主轴的转速越来越高,对零部件加工精度及其表面质量的要求也日益苛刻;因此,专利技术出一种热缩式刀柄的生产工艺变得尤为重要。
[0003]现有的热缩式刀柄的生产工艺需工作人员人工监控生产,刀柄生产难度高,增加工作人员工作量;此外,现有的热缩式刀柄的生产工艺数据处理能耗较高,降低数据处理效率,且数据安全性差;为此,我们提出一种热缩式刀柄的生产工艺。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷,而提出的一种热缩式刀柄的生产工艺。
[0005]为了实现上述目的,本专利技术采用了如下技术方案:
[0006]一种热缩式刀柄的生产工艺,该生产工艺具体步骤如下:
[0007](1)接收刀柄工程图以确定刀柄各参数信息;
[0008](2)实时采集不锈钢处理过程影像信息并进行图像优化;
[0009](3)对制作影像进行级联分析并中断异常制作进程;
[0010](4)打磨制作完成的热缩式刀柄表面并测试该刀柄偏差精度;
[0011](5)对操作日志进行风险分析并区块存储该批次刀柄信息。
[0012]作为本专利技术的进一步方案,步骤(1)中所述图像优化具体步骤如下:
[0013]步骤一:将采集到的影像信息进行逐帧提取以获取图片数据,之后依据各图片数据显示比列进行分块处理,之后对分块后的各组图片数据通过傅里叶变换对数据中高频成分进行分析提取,并通过高斯滤波进行平滑处理;
[0014]步骤二:分别计算各图片数据的灰度值的平均值,之后将分块后各图片数据中每组像素的灰度值与计算出的均值进行比较,并将所有灰度值大于均值的像素构成分割目标,将所有灰度值小于均值的像素构成分割图像的背景。
[0015]作为本专利技术的进一步方案,步骤一中所述傅里叶变换具体变换公式如下:
[0016][0017][0018]其中,u以及v均为频率变量,x以及y为该图片数据各像素点坐标,公式(1)为傅里
叶正变换,公式(2)为傅里叶反变换。
[0019]作为本专利技术的进一步方案,步骤(3)中所述级联分析具体步骤如下:
[0020]步骤

:获取过往刀柄制作信息并将其整合成样本数据集,之后计算该样本数据集的标准偏差以对异常样本数据进行剔除,对剩余数据作标准化处理,再将各组处理后的数据通过归一化方法转换至规定区间内;
[0021]步骤

:构建一组卷积神经网络,并将样本数据集输入神经网络输入层中以获取输出层为隐节点输出的线性组合,并采用最小二乘递推法定义该卷积神经网络多轮学习的能量函数,当能量函数小于目标误差时,训练过程结束并输出分析神经模型;
[0022]步骤

:分析神经模型对各影像信息实际视频帧的间隔时间进行计算,再通过卡尔曼滤波理论建立运动模型,同时通过构建的运动模型实时获取跟踪目标的运动状态,之后收集不锈钢在当前视频帧中的运动状态,并构建预测方程对各不锈钢在下一视频帧中的运动状态进行估计;
[0023]步骤

:通过图像金字塔对各图片数据进行尺度归一化处理,并对各组图片数据进行特征提取,再将提取出的特征送入双向特征金字塔进行特征融合,同时对融合结果进行分类回归以获取检测框,依据生产的检测框对相关图片数据进行扩大化剪裁,之后对裁剪出的不锈钢图像进行分析,若存在制作偏差,则中断该制作过程并反馈给相关工作人员。
[0024]作为本专利技术的进一步方案,步骤

中所述标准偏差具体计算公式如下:
[0025][0026][0027]其中,v
n
为样本数据集的数据偏差,s为标准偏差,若任一数据x
i
的偏差v
n
满足|v
n
|>3σ,则判断该数据为异常数据,并剔除;
[0028]步骤

所述间隔时间具体计算公式如下:
[0029][0030][0031]式中,Δt
k+1
代表两组视频帧之间的间隔时间,代表下采样得到的视频帧与原始视频流中的之间的延迟时间,代表跟踪算法处理视频帧的消耗时间。
[0032]作为本专利技术的进一步方案,步骤(5)中所述风险分析具体步骤如下:
[0033]步骤Ⅰ:在不同的系统的监测平台部署相关的日志采集插件或者通过syslog服务器获取不同系统的监测平台中所记录的操作日志,并筛选出满足工作人员预设条件的日志信息;
[0034]步骤Ⅱ:将剩余操作日志处理为统一格式的数据,再将处理后的日中记录的用户操作行为与异常行为特征进行匹配,并依据匹配结果生成相对应的告警信息,同时对各告警信息风险分数进行计算并输出计算结果,之后将该告警信息反馈给相关工作人员,并中断相关操作进程。
[0035]作为本专利技术的进一步方案,步骤(5)中所述区块存储具体步骤如下:
[0036]第一步:将刀柄信息以及制造信息预处理成统一格式,并将其处理成符合条件的
区块,在入网时,区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识码,当某一节点等待本地角色成为候选节点时,向网络中其他节点广播领导申请并发送;
[0037]第二步:申请通过后,该候选节点成为领导节点,其他节点成为跟随节点,之后领导节点广播区块记录信息,跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数,并使用重复次数最多的信息生成区块头,并向领导节点发送验证申请;
[0038]第三步:验证通过后,领导节点发送添加命令并进入沉睡期,在沉睡期内不能再次申请成为领导节点,直到结束沉睡期,跟随节点收到确认信息后,将新生成的各组区块添加至区块链上并返回候选身份。
[0039]相比于现有技术,本专利技术的有益效果在于:
[0040]1、该热缩式刀柄的生产工艺通过获取过往刀柄制作信息并将其整合成样本数据集,之后计算该样本数据集的标准偏差以对异常样本数据进行剔除,对剩余数据作标准化处理,并获取相关分析神经模型,之后分析神经模型对各影像信息实际视频帧的间隔时间进行计算,再通过卡尔曼滤波理论建立运动模型,并构建预测方程对各不锈钢在下一视频帧中的运动状态进行估计,通过图像金字塔对各图片数据进行尺度归一化处理,并对各组图片数据进行特征提取,再将提取出的特征送入双向特征金字塔进行特征融合,同时对融合结果进行分类回归以获取检测框,依据生产的检测框对相关图片数据进行扩大化剪裁,之后对裁剪出的不锈钢图像进行分析,若存在制作偏差,则中断该制作过程并反馈给相关工作本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种热缩式刀柄的生产工艺,其特征在于,该生产工艺具体步骤如下:(1)接收刀柄工程图以确定刀柄各参数信息;(2)实时采集不锈钢处理过程影像信息并进行图像优化;(3)对制作影像进行级联分析并中断异常制作进程;(4)打磨制作完成的热缩式刀柄表面并测试该刀柄偏差精度;(5)对操作日志进行风险分析并区块存储该批次刀柄信息。2.根据权利要求1所述的一种热缩式刀柄的生产工艺,其特征在于,步骤(1)中所述图像优化具体步骤如下:步骤一:将采集到的影像信息进行逐帧提取以获取图片数据,之后依据各图片数据显示比列进行分块处理,之后对分块后的各组图片数据通过傅里叶变换对数据中高频成分进行分析提取,并通过高斯滤波进行平滑处理;步骤二:分别计算各图片数据的灰度值的平均值,之后将分块后各图片数据中每组像素的灰度值与计算出的均值进行比较,并将所有灰度值大于均值的像素构成分割目标,将所有灰度值小于均值的像素构成分割图像的背景。3.根据权利要求2所述的一种热缩式刀柄的生产工艺,其特征在于,步骤一中所述傅里叶变换具体变换公式如下:叶变换具体变换公式如下:其中,u以及v均为频率变量,x以及y为该图片数据各像素点坐标,公式(1)为傅里叶正变换,公式(2)为傅里叶反变换。4.根据权利要求3所述的一种热缩式刀柄的生产工艺,其特征在于,步骤(3)中所述级联分析具体步骤如下:步骤

:获取过往刀柄制作信息并将其整合成样本数据集,之后计算该样本数据集的标准偏差以对异常样本数据进行剔除,对剩余数据作标准化处理,再将各组处理后的数据通过归一化方法转换至规定区间内;步骤

:构建一组卷积神经网络,并将样本数据集输入神经网络输入层中以获取输出层为隐节点输出的线性组合,并采用最小二乘递推法定义该卷积神经网络多轮学习的能量函数,当能量函数小于目标误差时,训练过程结束并输出分析神经模型;步骤

:分析神经模型对各影像信息实际视频帧的间隔时间进行计算,再通过卡尔曼滤波理论建立运动模型,同时通过构建的运动模型实时获取跟踪目标的运动状态,之后收集不锈钢在当前视频帧中的运动状态,并构建预测方程对各不锈钢在下一视频帧中的运动状态进行估计;步骤

:通过图像金字塔对各图片数据进行尺度归一化处理,并对各组图片数据进行特征提取,再将提取出的特征送入双向特征金字塔进行特征融合,同时对融合结果进...

【专利技术属性】
技术研发人员:莫敦廖明航王超覃平
申请(专利权)人:江油市长祥特殊钢制造有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1