System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一体压铸自动校准,具体为一种基于人工智能的一体压铸车架自动型校准系统及方法。
技术介绍
1、随着工业技术的不断进步,传统的制造方法已经难以满足现代工业对高效、高质、高精度的要求;一体压铸工艺的出现正好解决了这一问题,一体压铸是指将多个零件通过压铸工艺集成到一个整体中的制造方法,能够大幅减少零部件数量和组装工序,提高生产效率;一体压铸工艺通过优化工艺流程、提高材料利用率、降低生产成本等方式,实现了制造过程的升级和转型。一体压铸技术在汽车制造、航空航天以及其他工业领域有着广泛的应用,尤其是汽车制造领域,随着消费者对汽车安全性、舒适性和性能要求的不断提高,一体压铸工艺的出现使得汽车制造商能够制造出更加坚固、轻便、美观的汽车零部件,提升了汽车的整体性能和品质。
2、在现有的技术下,通过对压铸产品进行测量来间接评估模具的磨损程度,但是在对压铸产品测量的过程中会存在压铸产品发生偏移的情况从而会导致测量的数据信息不准确,影响后续对压铸模具的磨损程度的评估,从而会导致产品质量下降,生产效率下降,资源的浪费和成本增加等问题出现。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的一体压铸车架自动型校准系统及方法,以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题,本专利技术提供如下技术方案:一种基于人工智能的一体压铸车架自动型校准方法,所述一体压铸车架自动型校准方法的具体包括以下步骤:
3、s100、利用测量设备对一体压铸车架的数据
4、s200、由于在对车架的数据信息进行测量时,需要将车架放置在测量平台或专用夹具上,对车架进行固定,若在测量的过程中车架发生位移等现状时会导致车辆数据不准确,所以依据图像数据信息对车架进行数据信息测量时的偏移程度进行分析;
5、s300、根据终端数据库中的车架存放图像构建数据准确评估模型,利用数据准确评估模型对车架的测量数据信息的准确度进行分析;
6、s400、当所述测量数据信息的准确度小于预设准确阈值时,进行告警提醒并且对车架的数据信息进行重新测量;当所述测量数据信息的准确度大于等于预设准确阈值时,对压铸模具的使用周期进行分析预警。
7、进一步的,所述s100包括:s101、在车架进行一体压铸成型后,对车架进行冷却至室温后,利用测量设备对车架的数据信息进行测量,因为车架刚从压铸机中取出时处于高温状态,材料会存在一定的热膨胀、导致尺寸并不稳定,所以需要待车架冷却至室温后,材料达到稳定状态时进行测量,此时测量的数据信息最能反映车架的真实数据信息;根据所述车架的数据信息生成车架数据信息集s,s= {s1、s2、s3...si...si},si表示为一体压铸车架的第i个测量的数据信息,其中测量的数据信息可以包括尺寸数据、形状数据和位置数据,尺寸数据是指车架的各个关键部位的长度、宽度、高度等具体尺寸;形状数据是指车架的轮廓、曲线、角度等形状特征,这些数据对于确保车架的结构强度和稳定性至关重要;位置数据是指车架上的安装孔、定位销、接口等部件的位置信息,这些数据对于后续的装配和调试工作具有指导意义;i=1、2、3...i,i表示为测量车架数据信息的总量;
8、s102、在车架冷却至室温放置在测量平台或者专用夹具上进行数据信息的测量时,使用拍照设备对车架进行定位拍摄,生成图像集u,u={u1、u2、u3...uj...uj},uj表示为在对车架的数据信息进行测量时拍摄的第j张图像,j=1、2、3...j,j表示为在对车架的数据信息进行测量时拍摄的图像总数,在拍摄过程中确保车架和相关部位和测量点都在镜头范围内,避免因为图像中车架的位置不完整而影响后期对车架测量的数据信息准确性的分析。
9、进一步的,所述s200中依据图像数据信息对车架进行数据信息测量时的偏移程度进行分析的具体方法如下:
10、s201、对图像集进行预处理,包括去噪、滤波、二值化等操作以提高图像的质量和对比度,并提取出关键特征点或区域,这些特征点或区域应能够稳定地表示车架在进行数据信息测量时的位置和形态,不受光照、角度等因素的影响,关键特征点或区域是在车架发生偏移时,图像集中能够代表车架发生偏移的特征点或区域,可以是图像中车架的四角,也可以是图像中车架上的任意一个孔位;将图像集中图像的关键特征点或区域之间进行特征匹配,这通常通过计算特征点之间的相似度或距离来实现,匹配成功后,可以得到特征点在不同图像之间的对应关系;根据匹配结果确定图像中关键特征点或区域是否发生偏移,若关键特征点或区域发生偏移,则将关键特征点或区域发生偏移的事件标记为偏移事件;
11、s202、对图像集中第一张和最后一张图像的偏移事件进行识别分析,并且进行统计图像中偏移事件发生数量为z,以及图像中关键特征点或区域偏移距离dr’,根据公式:
12、w(u1→uj)=α*z*∑r' r'=1dr’
13、计算得到车架进行数据信息测量时的偏移程度;其中,w(u1→uj)表示为车架进行开始数据信息测量时以及测量结束时的偏移程度,α表示为系数,dr’表示为图像中第r’个关键特征点或区域偏移的距离,r’=1、2、3...r’,r’表示为图像集中第一张和最后一张图像发生偏移的关键特征点或区域的数量即为偏移事件发生数量。
14、进一步的,所述s300中利用数据准确评估模型对车架的测量数据信息的准确度进行分析的具体方法如下:构建数据准确评估模型:h=h’-β*w(u1→uj),计算得到当前车架的测量数据信息的准确值;其中h表示为当前车架的测量数据信息的准确值,h’表示为测量数据信息准确初始值,β表示为常数。
15、进一步的,所述s400中对压铸模具的使用周期进行分析预警的具体方法如下:
16、s401、利用终端数据库获取历史车架数据信息,依据历史车架的数据信息分别生成历史车架数据信息集sn,sn={s1n、s2n、s3n...sin...sin},所述历史车架数据信息是指与当前测量车架数据信息使用的同一个压铸模具压铸的历史车架的数据信息;其中,sn表示为第n个历史车架数据信息集,sin表示为第n个历史车架的第i个测量的数据信息,n=1、2、3...n,n表示为历史车架数量,通过根据历史车架数据信息之间的相似度进行分析能够得到压铸机在压铸完每一个车架后,依据车架数据信息获取到压铸磨具的磨损变化程度,根据公式:p[sn,s(n+1)]=|sn∩s(n+1)|/|sn∪s(n+1)|,计算得到第n个历史车架数据信息集与第n+1历史车架数据信息的相似值集,其中p[sn,s(n+1)]表示为第n个历史车架数据信息集与第n+1历史车架数据信息集的相似值本文档来自技高网...
【技术保护点】
1.一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述一体压铸车架自动型校准方法的具体包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述S100包括:S101、在车架进行一体压铸成型后,对车架进行冷却至室温后,利用测量设备对车架的数据信息进行测量,根据所述车架的数据信息生成车架数据信息集S,S={S1、S2、S3...Si...SI},Si表示为一体压铸车架的第i个测量的数据信息,i=1、2、3...I,I表示为测量车架数据信息的总量;
3.根据权利要求2所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述S200中依据图像数据信息对车架进行数据信息测量时的偏移程度进行分析的具体方法如下:
4.根据权利要求3所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述S300中利用数据准确评估模型对车架的测量数据信息的准确度进行分析的具体方法如下:构建数据准确评估模型:H=H’-β*W(U1→UJ),计算得到当前车架的测量数据信息的准确值;其中H表示为当前车
5.根据权利要求4所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述S400中对压铸模具的使用周期进行分析预警的具体方法如下:
6.一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述一体压铸车架自动型校准系统包括数据采集模块、数据分析模块、校准管控模块和告警提醒模块;所述数据采集模块的输出端与数据分析模块的输入端连接,所述数据分析模块的输出端与校准管控模块的输入端连接,所述校准管控模块的输出端与告警提醒模块的输入端连接;所述数据采集模块是用于采集图像数据和一体压铸车架数据信息;所述数据分析模块是依据数据采集模块采集的数据信息分析车架数据信息集的相似值以及压铸模具的使用周期;所述校准管控模块是用于对车架在测量时的偏移程度进行分析判断测量数据的准确性;所述告警提醒模块是当测量数据的准确性低于预设阈值时进行告警提醒,并且根据压铸模具的使用周期进行预警。
7.根据权利要求6所述的一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述数据采集模块包括图像数据采集单元和车架数据信息采集单元;所述图像数据采集单元是利用拍照设备对车架进行定位拍摄,对拍摄得到的图像进行采集;所述车架数据信息采集单元是采集当前车架和历史车架的数据信息。
8.根据权利要求7所述的一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述数据分析模块包括车架数据信息集相似值分析单元和压铸模具的使用周期分析单元;所述车架数据信息集相似值分析单元是用于分析压铸相邻两个车架数据信息集的相似值;所述压铸模具的使用周期分析单元是依据车架数据信息集的差异值生成线性回归方程从而分析得到压铸模具的压铸上限值即压铸模具的使用周期。
9.根据权利要求8所述的一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述校准管控模块包括车架测量偏移程度分析单元和数据准确评估模型构建单元;所述车架测量偏移程度分析单元是对车架在进行数据信息测量的过程中对车架的偏移程度进行分析;所述数据准确评估模型构建单元是依据车架测量偏移程度分析判断测量得到的车架数据信息的准确性。
10.根据权利要求9所述的一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述告警提醒模块包括告警提醒单元和模具磨损监测预警单元;所述告警提醒单元是当测量数据信息的准确度小于预设准确阈值时,进行告警提醒并且对车架的数据信息进行重新测量;所述模具磨损监测预警单元是依据压铸模具的使用周期对模具磨损进行监测并进行预警提醒。
...【技术特征摘要】
1.一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述一体压铸车架自动型校准方法的具体包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述s100包括:s101、在车架进行一体压铸成型后,对车架进行冷却至室温后,利用测量设备对车架的数据信息进行测量,根据所述车架的数据信息生成车架数据信息集s,s={s1、s2、s3...si...si},si表示为一体压铸车架的第i个测量的数据信息,i=1、2、3...i,i表示为测量车架数据信息的总量;
3.根据权利要求2所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述s200中依据图像数据信息对车架进行数据信息测量时的偏移程度进行分析的具体方法如下:
4.根据权利要求3所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述s300中利用数据准确评估模型对车架的测量数据信息的准确度进行分析的具体方法如下:构建数据准确评估模型:h=h’-β*w(u1→uj),计算得到当前车架的测量数据信息的准确值;其中h表示为当前车架的测量数据信息的准确值,h’表示为测量数据信息准确初始值,β表示为常数。
5.根据权利要求4所述的一种基于人工智能的一体压铸车架自动型校准方法,其特征在于:所述s400中对压铸模具的使用周期进行分析预警的具体方法如下:
6.一种基于人工智能的一体压铸车架自动型校准系统,其特征在于:所述一体压铸车架自动型校准系统包括数据采集模块、数据分析模块、校准管控模块和告警提醒模块;所述数据采集模块的输出端与数据分析模块的输入端连接,所述数据分析模块的输出端与校准管控模块的输入端连接,所述校准管控模块的输出端与告警提醒模块的输入端连接;所述数据采集模块是用于采集图像数据和一体压铸车架数据信息;所述数据分析模块...
【专利技术属性】
技术研发人员:章明,徐林森,于海武,陈抒涵,
申请(专利权)人:江苏中科云控智能工业装备有限公司,
类型:发明
国别省市:
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。