【技术实现步骤摘要】
本专利技术涉及风叶轮廓测量，具体涉及一种工业用冷却风机的风叶轮廓高精度测量方法。
技术介绍
1、工业用冷却风机是一种重要的工业制冷设备。工业用冷却风机通过冷却降温和对流换气，从而有效地降低温度。工业用冷却风机工业冷风机在工业生产和加工过程中发挥着重要作用，能有效防止设备过热、保证机器的正常运行和提高生产效率。风叶是工业用冷却风机的核心部件，风叶结构的可靠性及性能的好坏将直接影响工业用冷却风机的性能。风叶轮廓高精度测量，有助于可以确保风叶符合质量要求，减少因风叶不合格影响工业用冷却风机性能。
2、由于工业用冷却风机的风叶叶片较大，难以直接测量风叶轮廓，现有技术点云数据建模法根据风叶的点云数据，对风叶进行建模，进而进行风叶的高精度测量。然而，现有技术点云数据建模法对风叶进行建模过程中，由于工业用冷却风机的风叶具有较为复杂的形状和结构，导致在风叶点云数据中不同位置的数据点可能具有不同的细节表现能力，传统的点云数据建模法构建数据点的权重难以反映数据点所处风叶结构区域的细节表现能力，导致风叶建模难以准确反映真实风叶轮廓，影响风叶轮廓测量的准确性。
技术实现思路
1、为了解决现有技术点云数据建模法对风叶进行建模过程中，由于工业用冷却风机的风叶具有较为复杂的形状和结构，导致在风叶点云数据中不同风叶结构区域的数据点可能具有不同的细节表现能力，导致风叶建模难以准确反映真实风叶轮廓，影响风叶轮廓测量的准确性的技术问题，本专利技术的目的在于提供一种工业用冷却风机的风叶轮廓高精度测量方法，所采
2、一种工业用冷却风机的风叶轮廓高精度测量方法，方法包括：
3、获取风叶的点云数据集合；点云数据集合中每个数据点有对应的特征向量；
4、在点云数据集合中，根据数据点之间的特征向量的差异和空间分布间隔，对所有数据点进行聚类，获取各个层级对应的所有节点集合；根据数据点所属的节点集合的分布特征，获取数据点的分布聚集特征值；根据在节点集合中数据点的分布聚集特征值的大小以及波动性，获取节点集合的信息提取特征值；在层级对应的所有节点集合中，根据所有节点集合的数据点对应特征向量之间的差异程度、每个节点集合中所有数据点对应特征向量的相似程度、所有节点集合的信息提取特征值的波动性和大小，获取层级的分类效果值；根据层级的分类效果值，获取最佳层级；
5、根据最佳层级对应节点集合中数据点的特征向量，获取各个数据点的数据权重；根据在风叶的点云数据集合中所有数据点的数据权重，进行风叶轮廓测量。
6、进一步地，层级对应的所有节点集合的获取方法包括：
7、基于层次聚类法，根据两个数据点之间的特征向量的差异和空间分布间隔，确定两个数据点之间特征距离；根据每两个数据点之间特征距离，对所有数据点进行聚类，获取各个层级对应的所有节点集合。
8、进一步地，分布聚集特征值的获取方法包括：
9、将数据点作为待分析数据点；将待分析数据点所属的节点集合中的各数据点，作为待分析数据点的各参考数据点；根据待分析数据点对应的参考数据点的分布，构建待分析数据点的预设参考邻域范围；根据待分析数据点的预设参考邻域范围的尺寸以及在待分析数据点的预设参考邻域范围中参考数据点的占比，获取待分析数据点的分布聚集特征值。
10、获取待分析数据点的预设参考邻域范围的空间距离；
11、在待分析数据点的预设参考邻域范围中，计算所有参考数据点的总数量和所有数据点的总数量之间的比值，得到待分析数据点的参考密度特征值；
12、根据空间距离和参考密度特征值，获取待分析数据点的分布聚集特征值；空间距离和分布聚集特征值呈负相关关系；参考密度特征值和分布聚集特征值呈正相关关系。
13、进一步地，信息提取特征值的获取方法包括：
14、根据在节点集合中数据点的分布聚集特征值的大小，获取节点集合的分位数聚集值；
15、根据在节点集合中所有数据点的分布聚集特征值的波动性，获取节点集合的聚集不均匀程度值；
16、根据节点集合的分位数聚集值和节点集合的聚集不均匀程度值，获取节点集合的信息提取特征值；分位数聚集值和信息提取特征值呈正相关关系；聚集不均匀程度值和信息提取特征值呈负相关关系。
17、进一步地，分类效果值的获取方法包括：
18、根据层级对应的所有节点集合的信息提取特征值的大小和层级对应的所有节点集合的信息提取特征值的波动性，获取层级提取信息值；
19、根据层级对应的所有节点集合的数据点特征向量之间的差异程度，获取层级细节区分值；
20、根据层级对应的每个节点集合中所有数据点对应特征向量的波动程度，获取层级细节不稳定值；
21、根据层级细节区分值和层级细节不稳定值，获取层级的特征区分程度值；层级细节区分值和特征区分程度值呈正相关关系；层级细节不稳定值和特征区分程度值呈负相关关系；
22、根据层级提取信息值和特征区分程度值，获取层级的分类效果值；分类效果值和层级提取信息值呈正相关关系；分类效果值和特征区分程度值呈正相关关系。
23、进一步地，层级提取信息值的获取方法包括：
24、根据层级对应的所有节点集合的信息提取特征值的大小，获取层级提取特征值；
25、根据层级对应的所有节点集合的信息提取特征值的波动性，获取层级提取不稳定值；
26、根据层级提取特征值和层级提取不稳定值，获取层级提取信息值；层级提取特征值和层级提取信息值呈正相关关系；层级提取不稳定值和层级提取信息值呈负相关关系。
27、进一步地，数据权重的获取方法包括：
28、在最佳层级对应的所有节点集合中，根据节点集合中所有数据点的特征向量，获取节点集合的节点向量；
29、根据数据点所属的节点集合的节点向量和所有节点集合的节点向量，获取数据点的数据权重。
30、进一步地，最佳层级的获取方法包括：
31、将最大的分类效果值对应的层级，作为最佳层级。
32、进一步地，预设参考邻域范围的获取方法包括：
33、以待分析数据点为球心，构建预设参考邻域范围，预设参考邻域范围为包括预设参考数量的参考数据点的最小球体。
34、本专利技术具有如下有益效果：
35、考虑到同一风叶结构区域对应点云数据集合中数据点，具有相似的风叶细节表现能力，为了聚类出不同风叶结构区域对应的数据点，本专利技术首先对所有数据点进行聚类，获取各个层级对应的所有节点集合。以供后续对分析层级对应的不同节点集合反映不同风叶结构区域准确性。考虑到同一节点集合中数据点的聚集特征越差，反映对风叶结构区域提取不完整，获取数据点的分布聚集特征值；数据点的分布聚集特征值越大，代表数据点周围的相似数据点较多，数据点处于较为聚集的同类区域。考虑到在节点集合中数据点的分布聚集特征值越大，数据点的分布聚集特征值的稳定程度越大，代表节点集本文档来自技高网...
【技术保护点】
1.一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述层级对应的所有节点集合的获取方法包括：
3.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述分布聚集特征值的获取方法包括：
4.根据权利要求3所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述分布聚集特征值的获取方法包括：
5.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，信息提取特征值的获取方法包括：
6.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述分类效果值的获取方法包括：
7.根据权利要求6所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述层级提取信息值的获取方法包括：
8.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述数据权重的获取方法包括：
9.根据权利要求
10.根据权利要求3所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述预设参考邻域范围的获取方法包括：
...【技术特征摘要】
1.一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述层级对应的所有节点集合的获取方法包括：
3.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述分布聚集特征值的获取方法包括：
4.根据权利要求3所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，所述分布聚集特征值的获取方法包括：
5.根据权利要求1所述的一种工业用冷却风机的风叶轮廓高精度测量方法，其特征在于，信息提取特征值的获取方法包括：
6.根...
【专利技术属性】
技术研发人员：濮晓明，唐晓强，吴放明，
申请(专利权)人：无锡市明通动力工业有限公司，
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。