【技术实现步骤摘要】
本专利技术属于粗糙度测量领域，具体来说，特别涉及应用于电机转子冲片的表面粗糙度智能测量系统及方法。
技术介绍
1、电机转子冲片表面粗糙度会引起电机的电磁损耗，特别是涡流损耗和杂散损耗；且会增加磁通的不连续性，降低电机的效率；其中，电机转子冲片的表面粗糙度与其制造的工艺参数具有直接的联系，若不能对制造出的电机转子冲片表面粗糙度进行预先测量并对制造的工艺参数进行合理的设置，会导致制造出的电机转子冲片的表面粗糙度较高，进而影响其在电机的应用，给企业造成损失。
技术实现思路
1、针对相关技术中的问题，本专利技术提出应用于电机转子冲片的表面粗糙度智能测量系统及方法，以克服现有相关技术所存在的上述技术问题。
2、为解决上述技术问题，本专利技术是通过以下技术方案实现的：
3、本专利技术为应用于电机转子冲片的表面粗糙度智能测量方法，包括以下步骤：
4、s1、对多个电机转子冲片样品在静止状态以及工作状态下的粗糙度数据进行测量，得到平均粗糙度数据集以及第二粗糙度数据矩阵；采集多个电机转子冲片样品对应的制造参数数据以及工作状态参数数据，得到制造参数数据矩阵集以及工作状态参数数据集矩阵；
5、s2、根据制造参数数据矩阵集以及平均粗糙度数据集构建最终映射方程；根据工作状态参数数据集矩阵以及第二粗糙度数据矩阵构建最终svm分类模型；采集待测电机转子冲片对应的制造参数数据，得到待测制造参数数据矩阵；采集待测电机转子冲片对应的工作状态参数数据，得到待测工作状态参数数
6、s3、分别采用最终映射方程以及最终svm分类模型对待测制造参数数据矩阵以及待测工作状态参数数据矩阵进行映射分类，得到第一待测粗糙度数据以及待测粗糙度数据集；
7、s4、根据第一待测粗糙度数据以及待测粗糙度数据集分别对待测制造参数数据矩阵以及待测工作状态参数数据矩阵进行调整；
8、在电机转子冲片的制造过程中，制造参数的选择对于制造出来的电机转子冲片的表面粗糙度具有较大的影响；同时，电机转子冲片的状态也会影响其表面粗糙度，例如当电机转子冲片处于非工作状态时，即处于静止状态时，表面粗糙度与制造过程中设定的制造参数具有直接影响；而当电机转子冲片处于工作状态时，表面粗糙度与其工作过程中设定的工作参数就有直接的联系；基于此，本方案中首先测量多个电机转子冲片样品在静止状态以及工作状态下的粗糙度数据，为后续构建最终映射方程以及最终svm分类模型提供了训练依据以及测试依据；接着采集多个电机转子冲片样品对应的制造参数数据以及工作状态参数数据，为后续构建起制造参数数据与静止状态下的粗糙度数据以及工作状态参数数据与工作状态下的粗糙度数据之间的映射分类模型提供了数据支持；通过构建最终映射方程以及最终svm分类模型，为后续对待测电机转子冲片的制造参数数据以及工作状态参数数据进行映射分类提供了映射工具模型；之所以构建映射工具模型，是为了不需要对表面粗糙度数据进行直接的测量，使得后续对待测电机转子冲片的制造参数数据以及工作状态参数数据进行优化调整的过程更加简便，更加便于操作；通过对待测电机转子冲片的制造参数数据以及工作状态参数数据预先进行调整，使得对应映射得到的粗糙度数据维持在正常水平，从而优化了电机转子冲片的制造过程以及工作过程，使得电机转子冲片的使用寿命更加长久。
9、优选地，所述s1包括以下步骤：
10、s11、采集多个电机转子冲片样品，得到冲片样品集a＝{a1,a2,...,ai,...,aa′}，ai表示采集的第i个电机转子冲片样品，a′表示采集的电机转子冲片样品的总数量；
11、采用影像测量法多次采集所述冲片样品集a＝{a1,a2,...,ai,...,aa′}中每个电机转子冲片样品在静止状态下的粗糙度数据，得到第一粗糙度数据矩阵再采用激光干涉仪在多个历史时间点采集所述冲片样品集a＝{a1,a2,...,ai,...,aa′}中每个电机转子冲片样品在工作状态下的粗糙度数据，得到第二粗糙度数据矩阵f；f分别如下，
12、
13、其中，表示针对第i个电机转子冲片样品在静止状态下采集的第j个粗糙度数据，表示针对每个电机转子冲片样品采集的粗糙度数据的总数量；fij表示针对第i个电机转子冲片样品在工作状态下采集的第j个历史时间点的粗糙度数据，f′表示针对每个电机转子冲片样品采集的粗糙度数据对应的历史时间点的总数量；
14、对所述第一粗糙度数据矩阵中每个电机转子冲片样品的多个粗糙度数据的平均值进行计算，得到平均粗糙度数据集b＝{b1,b2,...,bi,...,ba′}，bi表示采集的第i个电机转子冲片样品的平均粗糙度数据；计算公式如下，
15、
16、s12、设定电机转子冲片制造步骤集b′＝{b1′,b2′,b3′,b4′,b5′}以及工作状态参数类型集b1′、b2′、b3′、b4′、b5′分别表示材料切割步骤、冲压加工步骤、冷加工步骤、热处理步骤以及表面处理步骤，表示设定的第i个工作状态参数类型，表示设定的工作状态参数类型的总数量；设定所述电机转子冲片制造步骤集b′＝{b1′,b2′,b3′,b4′,b5′}中每个制造步骤中的多个参数类型，得到制造参数类型矩阵如下，
17、
18、其中，分别表示材料切割步骤、冲压加工步骤、冷加工步骤、热处理步骤以及表面处理步骤中的第j个制造参数类型，表示设定的每个电机转子冲片制造步骤中制造参数类型的总数量；
19、s13、根据所述制造参数类型矩阵采集冲片样品集a＝{a1,a2,...,ai,...,aa′}中每个电机转子冲片样品在制造过程中的制造参数数据，得到制造参数数据矩阵集c＝{c1,c2,...,ci,...,ca′}，ci表示采集的第i个电机转子冲片样品在制造过程中的制造参数数据矩阵；根据所述工作状态参数类型集采集与第二粗糙度数据矩阵f中每个粗糙度数据相对应的工作状态参数数据，得到工作状态参数数据集矩阵g；ci、g分别如下，
20、
21、其中，ci1j、ci2j、ci3j、ci4j、ci5j分别表示采集的第i个电机转子冲片样品在材料切割步骤、冲压加工步骤、冷加工步骤、热处理步骤以及表面处理步骤中的第j个制造参数类型对应的制造参数数据；gij表示fij对应的工作状态参数数据集，gijk表示gij中第k个类型的工作状态参数数据；
22、影像测量法是一种利用光学系统和图像处理技术来测量物体尺寸和形状的方法，能够较为精确的测量出电机转子冲片在静止状态下的表面粗糙度数据；激光干涉仪利用光学或激光技术，通过测量表面反射或散射的光线来计算表面的粗糙度适用于快速、无损地测量表面粗糙度，能够实时测量出电机转子冲片在工作状态下的表面粗糙度数据；制造参数类型矩阵中包括冲切速度以及冲切力等；工作状态参数类型集中包括磁通密度、电流密度、铁损、温升、冷却效率、转速、负载、电压、频率、调速范围以及转矩特性等。
23、优选地，所述s2包括本文档来自技高网...
【技术保护点】
1.应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述S1包括以下步骤：
3.根据权利要求2所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述S2包括以下步骤：
4.根据权利要求3所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于：S22中对所述初始映射方程进行优化采用野马优化算法。
5.根据权利要求4所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述S23包括以下步骤：
6.根据权利要求5所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述S3包括以下步骤：
7.根据权利要求6所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述S4包括以下步骤：
8.根据权利要求7所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，S41中对所述待测制造参数数据矩阵进行调整包括以下步骤：
9.一种实现如权利要求1-8
...【技术特征摘要】
1.应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述s1包括以下步骤：
3.根据权利要求2所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于，所述s2包括以下步骤：
4.根据权利要求3所述的应用于电机转子冲片的表面粗糙度智能测量方法，其特征在于：s22中对所述初始映射方程进行优化采用野马优化算法。
5.根据权利要求4所述的应用于电机转子冲片的表面粗糙度智能测量...
【专利技术属性】
技术研发人员：王锦波，金爱民，金超，吕傲宁，
申请(专利权)人：安徽飞翔电器有限公司，
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。