CN112907572A - 一种电机控制精准度的评估方法及系统 - Google Patents
一种电机控制精准度的评估方法及系统 Download PDFInfo
- Publication number
- CN112907572A CN112907572A CN202110316760.3A CN202110316760A CN112907572A CN 112907572 A CN112907572 A CN 112907572A CN 202110316760 A CN202110316760 A CN 202110316760A CN 112907572 A CN112907572 A CN 112907572A
- Authority
- CN
- China
- Prior art keywords
- information
- image information
- obtaining
- motor
- workpiece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种电机控制精准度的评估方法及系统,其中,所述方法包括:获通第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。解决了现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题。
Description
技术领域
本发明涉及机械控制领域,尤其涉及一种电机控制精准度的评估方法及系统。
背景技术
电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置,它的主要作用是产生驱动转矩,利用机械能转化为电能,作为用电器或各种机械的动力源。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题。
发明内容
本申请实施例通过提供一种电机控制精准度的评估方法及系统,解决了现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题,达到电机工件检测自动化,实现数据智能采集、全生产周期管理,高效稳定,进而保证电机控制精确度评估准确性的技术效果。
鉴于上述问题,提出了本申请实施例提供一种电机控制精准度的评估方法及系统。
第一方面,本申请实施例提供了一种电机控制精准度的评估方法,所述方法包括:获通过所述图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得第二图像信息,所述第二图像信息为标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;获得预定区别度阈值;判断所述第一区别度信息是否超过所述预定区别度阈值;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
另一方面,本申请还提供了一种电机控制精准度的评估系统,所述系统包括:第一获得单元,所述第一获得单元用于获通过图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;第二获得单元,所述第二获得单元用于获得第二图像信息,所述第二图像信息为标准工件的图像信息;第三获得单元,所述第三获得单元用于对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;第四获得单元,所述第四获得单元用于将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;第五获得单元,所述第五获得单元用于获得预定区别度阈值;第一判断单元,所述第一判断单元用于判断所述第一区别度信息是否超过所述预定区别度阈值;第六获得单元,所述第六获得单元用于如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
第三方面,本发明提供了一种电机控制精准度的评估系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获通第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果,进而达到电机工件检测自动化,实现数据智能采集、全生产周期管理,高效稳定,进而保证电机控制精确度评估准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种电机控制精准度的评估方法的流程示意图;
图2为本申请实施例一种电机控制精准度的评估系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第一判断单元16,第六获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种电机控制精准度的评估方法及系统,解决了现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题,达到电机工件检测自动化,实现数据智能采集、全生产周期管理,高效稳定,进而保证电机控制精确度评估准确性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置,它的主要作用是产生驱动转矩,利用机械能转化为电能,作为用电器或各种机械的动力源。但现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种电机控制精准度的评估方法,所述方法包括:获通过所述图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得第二图像信息,所述第二图像信息为标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;获得预定区别度阈值;判断所述第一区别度信息是否超过所述预定区别度阈值;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种电机控制精准度的评估方法,其中,所述方法包括:
步骤S100:获通过所述图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;
具体而言,所述第一电机的自动生产线生产是指由自动化机器体系实现电机产品工艺过程的一种生产组织形式,其特点是:加工对象自动地由一台机床传送到另一台机床,并由机床自动地进行加工、装卸、检验等,生产检验过程是高度连续的。所述第一工件为基于第一电机的自动生产线生产的电机配件,是指电机的原配零部件,如电机定子,电机转子,定子绕组,电机外壳,端盖,电机风叶,轴承等。通过所述图像采集装置获得第一图像信息,所述第一图像信息为所述第一工件的图像信息,包括其尺寸大小、形状组成、颜色结构、配合方式、是否有裂纹等。
步骤S200:获得第二图像信息,所述第二图像信息为标准工件的图像信息;
步骤S300:对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;
具体而言,所述第二图像信息为标准工件的图像信息,所述标准工件为表面结构、尺寸大小、形状组成等各个方面完全标准化,符合生产要求标准,因此可将生产的电机工件与相应的标准工件进行对比,以此来确定生产工件是否满足标准。对比所述第一工件的图像信息和所述标准工件的图像信息进行工件特征比对,得到区别于标准件的区别特征信息,如尺寸大小特征与标准件有所区别。
步骤S400:将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;
进一步而言,其中,所述将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息,本申请实施例步骤S400还包括:
步骤S410:将所述第一图像信息、所述第二图像信息和所述第一区别特征信息作为输入信息,输入区别度估计模型,所述区别度估计模型通过多组数据训练至收敛状态获得,其中,所述度组数据中的每组数据均包括所述第一图像信息、所述第二图像信息、所述第一区别特征信息以及用于标识区别度的标识信息;
步骤S420:获得所述区别度估计模型的输出结果,所述输出结果包括所述第一区别度信息。
具体而言,所述区别度估计模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入神经网络模型,则输出所述第一区别度信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一图像信息、所述第二图像信息、所述第一区别特征信息以及用于标识区别度的标识信息,将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入到神经网络模型中,根据用来标识区别度的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的所述第一区别度信息更加合理、准确,进而达到通过与标准件的自动特征对比,使得到的工件区别度更加精确高效的技术效果。
步骤S500:获得预定区别度阈值;
步骤S600:判断所述第一区别度信息是否超过所述预定区别度阈值;
步骤S700:如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
具体而言,所述预定区别度阈值为预先设定的电机工件区别度范围,判断输出的所述第一区别度信息是否超过所述预定区别度阈值,如果所述第一区别度信息超过所述预定区别度阈值,即生产的电机工件不满足标准工件的要求,特征区别度超出规定范围。根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,如工件尺寸偏差0.5mm超出所允许偏差要求,工件表面出现裂纹、毛刺和飞边不符合标准要求等,所述第一精准度评估结果为对电机工件区别特征的控制精度进行评估后的结果,评估其对电机控制精度所产生的影响。
进一步而言,本申请实施例还包括:
步骤S810:对所述标准工件进行三维全景识别,获得加工特征集合;
步骤S820:获得所述第一电机的精度控制参数;
步骤S830:按照所述第一电机的精度控制参数,对所述加工特征集合进行分类;
步骤S840:对不同类别的加工特征进行等级划分,获得与各类别加工特征相对应的等级信息;
步骤S850:根据所述分类后的所述加工特征集合,获得所述第一区别特征的第一类别信息以及与所述第一类别信息相对应的第一等级信息;
步骤S860:根据所述第一等级信息,对所述第一精准度评估结果进行调整。
具体而言,所述三维全景识别为基于全景图像的真实场景虚拟现实技术,全景是把相机环360度拍摄的一组或多组照片拼接成一个全景图像,也有通过一次拍摄就可以实现的,通过拼接成像之后,经过一系列是数学计算可以得到其球形全景的矩形投影图,或者立方体图,然后通过计算机技术实现全方位互动式观看的真实场景还原展示。对所述标准工件进行三维全景识别,即通过多角度还原识别所述标准工件的加工特征,所述加工特征集合为工件机械加工的特征集合,如钻削加工、车削与镗孔加工、铣削加工、磨削加工、刨削加工和插削加工等加工特征。所述第一电机的精度控制参数为使电机运行达到标准时的控制精度参数,如空载启动频率、速度、转矩、力矩等参数,即从发出起、停电机的信号到电机真正启动、或停车时的电机转子与给定起、停位置的角位移,角位移越小控制精度越高,越大说明电机的控制精度越差。按照所述第一电机的精度控制参数,对所述加工特征集合进行分类,如将所述加工特征集合分为与转矩有关的,与力矩有关的等,对不同类别的加工特征进行等级划分,获得与各类别加工特征相对应的等级信息,如力矩类别加工特征按重要程度划分为相对应的特征等级。根据所述分类后的所述加工特征集合,可以得到所述第一区别特征的加工特征类别信息以及与所述加工特征类别信息相对应的第一等级信息,并根据所述第一等级信息,对所述第一精准度评估结果进行调整。达到结合电机工件加工特征对电机控制精确度进行评估,使精确度评估结果更加高效准确的技术效果。
进一步而言,其中,所述根据所述第一等级信息,对所述第一精准度评估结果进行调整,本申请实施例步骤S860还包括:
步骤S861:根据所述第一等级信息,获得与所述第一等级信息相匹配的第一权重值;
步骤S862:根据所述第一权重值,获得第一调整因子;
步骤S863:根据所述第一调整因子,对所述第一精准度评估结果进行调整。
具体而言,所述第一权重值为根据所述第一区别特征的加工特征类别相对应的等级信息在电机控制精准度中所占的重要程度,按照与其等级相对应的权重值,获得对评估结果产生影响的调整因素,并根据所述调整因子,对所述第一精准度评估结果进行调整。达到结合电机工件加工特征等级的重要程度对电机控制精确度进行相应调整,使得到的精确度评估结果更加高效准确的技术效果。
进一步而言,本申请实施例还包括:
步骤S910:获得所述第一工件的第一温度信息,所述第一温度信息为所述第一工件第一位置处的温度信息;
步骤S920:根据所述第一位置,获得所述第一位置的预定温度等级划分规则;
步骤S930:根据所述第一位置的预定温度等级划分规则,获得所述第一温度信息的第一温度等级信息;
步骤S940:根据所述第一温度等级信息,获得第二精准度评估结果。
具体而言,所述第一温度信息为电机运行时所述第一工件的第一位置处的温度信息,如电机滚动轴承温度、滑动轴承的温度、机壳温度、工件表层温度等,所述预定温度等级划分规则为根据所述工件的所处位置的不同,要求的运行温度等级也不同,如电机工件的滚动轴承温度应不超过95℃,滑动轴承的温度应不超过80℃,因温度太高会使油质发生变化和破坏油膜。所述第一温度信息的第一温度等级信息为按照所述第一位置的预定温度等级划分规则,所述第一温度所处的温度等级,如工件表面温度按照温度等级划分规则可分为正常运行温度等级、预警运行温度等级和极限运行温度等级等,因当运行温度过高时,会影响电机控制的精准度,根据所述第一温度等级信息,获得第二精准度评估结果。达到通过对电机不同位置运行温度的实时监测,对电机控制精确度进行评估,保证评估结果有效准确的技术效果。
进一步而言,其中,所述根据所述第一位置,获得所述第一位置的预定温度等级划分规则,本申请实施例步骤S920还包括:
步骤S921:根据所述第一位置,获得所述第一位置与所述第一电机工作的关联性度;
步骤S922:获得预定关联度阈值;
步骤S923:如果所述第一位置与所述第一电机工作的关联度在所述预定关联度阈值之内,获得所述第一电机控制精准度与所述第一温度信息的第一函数关系;
步骤S924:根据所述第一函数关系,获得所述第一位置的预定温度等级划分规则。
具体而言,根据所述第一位置,获得所述第一位置与所述第一电机工作的关联性度,如轴承转动位置在电机运行时的关联度,关系电机的运行速度和旋转精度,轴承是电机的一个关键部件,轴承的性能和寿命直接关系到电机的性能和寿命,是保证电机正常运行的关键因素。所述预定关联度阈值为预先设定的关联度范围,如果所述第一位置与所述第一电机工作的关联度在所述预定关联度阈值之内,表明该工件位置与电机控制精确度有关,获得所述第一电机控制精准度与所述第一温度信息的第一函数关系。所述第一函数关系表明随该工件温度的变化,电机控制精确度也随之变化的数学关系,并根据所述第一函数关系,确定所述第一位置的预定温度等级划分规则,如在轴承温度的第一阶段等级,电机运行控制精确度较高,在轴承温度的第二阶段等级,对电机运行控制精确度影响较大。达到通过温度与电机控制精确度的函数关系,确定温度等级划分规则,使得对温度的等级划分标准更加标准有效的技术效果。
进一步而言,本申请实施例步骤S940还包括:
步骤S941:获得所述第一工件的第二温度信息,所述第二温度信息为所述第一工件第二位置处的温度信息;
步骤S942:根据所述第二位置,获得所述第二位置的预定温度等级划分规则;
步骤S943:根据所述第二位置的预定温度等级划分规则,获得所述第二温度信息的第二温度等级信息;
步骤S944:获得所述第二位置和所述第一位置在所述第一工件中的重要度信息;
步骤S945:根据所述重要度信息,确定位置权重比;
步骤S946:根据所述位置权重比对所述第一温度等级信息、所述第二温度等级信息进行加权计算,获得第三精准度评估结果。
具体而言,所述第二温度信息为所述第一工件第二位置处的温度信息,如所述第一位置为轴承外圈,所述第二位位置为轴承内圈,不同位置有不同的运行温度要求,根据所述第二位置与电机控制精确度的关联函数关系,确定温度等级划分规则,并根据所述第二位置的预定温度等级划分规则,确定等级划分后的所述第二温度信息的第二温度等级信息。分别获取所述第二位置和所述第一位置在所述第一工件中的重要程度,如轴承外圈和轴承内圈分别在轴承中的重要程度,根据所述重要度信息,确定其位置在电机控制精确度中的权重比值,根据所述位置权重比对所述第一温度等级信息、所述第二温度等级信息进行加权计算,获得第三精准度评估结果。达到通过加权计算工件不同位置的温度等级,对电机控制精确度进行评估,保证评估结果有效准确的技术效果。
综上所述,本申请实施例所提供的一种电机控制精准度的评估方法及系统具有如下技术效果:
1、由于采用了获通第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果,进而达到电机工件检测自动化,实现数据智能采集、全生产周期管理,高效稳定,进而保证电机控制精确度评估准确性的技术效果。
2、由于采用了将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入神经网络模型的方式,进而使得输出的所述第一区别度信息更加合理、准确,进而达到通过与标准件的自动特征对比,使得到的工件区别度更加精确高效的技术效果。
3、由于采用了结合电机工件加工特征对电机控制精确度进行评估,结合电机工件加工特征等级的重要程度对电机控制精确度进行相应调整,对电机不同位置运行温度的实时监测,通过温度与电机控制精确度的函数关系,确定温度等级划分规则,达到对温度的等级划分标准更加标准有效,使得到的精确度评估结果更加高效准确的技术效果。
实施例二
基于与前述实施例中一种电机控制精准度的评估方法同样发明构思,本发明还提供了一种电机控制精准度的评估系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获通过图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;
第二获得单元12,所述第二获得单元12用于获得第二图像信息,所述第二图像信息为标准工件的图像信息;
第三获得单元13,所述第三获得单元13用于对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;
第四获得单元14,所述第四获得单元14用于将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;
第五获得单元15,所述第五获得单元15用于获得预定区别度阈值;
第一判断单元16,所述第一判断单元16用于判断所述第一区别度信息是否超过所述预定区别度阈值;
第六获得单元17,所述第六获得单元17用于如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于对所述标准工件进行三维全景识别,获得加工特征集合;
第八获得单元,所述第八获得单元用于获得所述第一电机的精度控制参数;
第一分类单元,所述第一分类单元用于按照所述第一电机的精度控制参数,对所述加工特征集合进行分类;
第九获得单元,所述第九获得单元用于对不同类别的加工特征进行等级划分,获得与各类别加工特征相对应的等级信息;
第十获得单元,所述第十获得单元用于根据所述分类后的所述加工特征集合,获得所述第一区别特征的第一类别信息以及与所述第一类别信息相对应的第一等级信息;
第一调整单元,所述第一调整单元用于根据所述第一等级信息,对所述第一精准度评估结果进行调整。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一等级信息,获得与所述第一等级信息相匹配的第一权重值;
第十二获得单元,所述第十二获得单元用于根据所述第一权重值,获得第一调整因子;
第十三获得单元,所述第十三获得单元用于根据所述第一调整因子,对所述第一精准度评估结果进行调整。
进一步的,所述系统还包括:
第一输入单元,所述第一输入单元用于将所述第一图像信息、所述第二图像信息和所述第一区别特征信息作为输入信息,输入区别度估计模型,所述区别度估计模型通过多组数据训练至收敛状态获得,其中,所述度组数据中的每组数据均包括所述第一图像信息、所述第二图像信息、所述第一区别特征信息以及用于标识区别度的标识信息;
第十四获得单元,所述第十四获得单元用于获得所述区别度估计模型的输出结果,所述输出结果包括所述第一区别度信息。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于获得所述第一工件的第一温度信息,所述第一温度信息为所述第一工件第一位置处的温度信息;
第十六获得单元,所述第十六获得单元用于根据所述第一位置,获得所述第一位置的预定温度等级划分规则;
第十七获得单元,所述第十七获得单元用于根据所述第一位置的预定温度等级划分规则,获得所述第一温度信息的第一温度等级信息;
第十八获得单元,所述第十八获得单元用于根据所述第一温度等级信息,获得第二精准度评估结果。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于根据所述第一位置,获得所述第一位置与所述第一电机工作的关联性度;
第二十获得单元,所述第二十获得单元用于获得预定关联度阈值;
第二十一获得单元,所述第二十一获得单元用于如果所述第一位置与所述第一电机工作的关联度在所述预定关联度阈值之内,获得所述第一电机控制精准度与所述第一温度信息的第一函数关系;
第二十二获得单元,所述第二十二获得单元用于根据所述第一函数关系,获得所述第一位置的预定温度等级划分规则。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于获得所述第一工件的第二温度信息,所述第二温度信息为所述第一工件第二位置处的温度信息;
第二十四获得单元,所述第二十四获得单元用于根据所述第二位置,获得所述第二位置的预定温度等级划分规则;
第二十五获得单元,所述第二十五获得单元用于根据所述第二位置的预定温度等级划分规则,获得所述第二温度信息的第二温度等级信息;
第二十六获得单元,所述第二十六获得单元用于获得所述第二位置和所述第一位置在所述第一工件中的重要度信息;
第一确定单元,所述第一确定单元用于根据所述重要度信息,确定位置权重比;
第二十七获得单元,所述第二十五获得单元用于根据所述位置权重比对所述第一温度等级信息、所述第二温度等级信息进行加权计算,获得第三精准度评估结果。
前述图1实施例一中的一种电机控制精准度的评估方法的各种变化方式和具体实例同样适用于本实施例的一种电机控制精准度的评估系统,通过前述对一种电机控制精准度的评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种电机控制精准度的评估系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种电机控制精准度的评估方法的发明构思,本发明还提供一种电机控制精准度的评估系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种电机控制精准度的评估方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种电机控制精准度的评估方法,所述方法包括:获通过所述图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;获得第二图像信息,所述第二图像信息为标准工件的图像信息;对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;获得预定区别度阈值;判断所述第一区别度信息是否超过所述预定区别度阈值;如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。解决了现有技术存在人工检测电机工件准确性低,导致无法保证电机控制精确度评估准确性且效率低的技术问题,达到电机工件检测自动化,实现数据智能采集、全生产周期管理,高效稳定,进而保证电机控制精确度评估准确性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种电机控制精准度的评估方法,其中,所述方法应用于一自动生产线电机控制精准度的评估系统,所述系统包括一图像采集装置,所述方法包括:
获通过所述图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;
获得第二图像信息,所述第二图像信息为标准工件的图像信息;
对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;
将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;
获得预定区别度阈值;
判断所述第一区别度信息是否超过所述预定区别度阈值;
如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
2.如权利要求1所述的方法,其中,所述方法包括:
对所述标准工件进行三维全景识别,获得加工特征集合;
获得所述第一电机的精度控制参数;
按照所述第一电机的精度控制参数,对所述加工特征集合进行分类;
对不同类别的加工特征进行等级划分,获得与各类别加工特征相对应的等级信息;
根据所述分类后的所述加工特征集合,获得所述第一区别特征的第一类别信息以及与所述第一类别信息相对应的第一等级信息;
根据所述第一等级信息,对所述第一精准度评估结果进行调整。
3.如权利要求2所述的方法,其中,所述根据所述第一等级信息,对所述第一精准度评估结果进行调整,包括:
根据所述第一等级信息,获得与所述第一等级信息相匹配的第一权重值;
根据所述第一权重值,获得第一调整因子;
根据所述第一调整因子,对所述第一精准度评估结果进行调整。
4.如权利要求1所述的方法,其中,所述将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息,包括:
将所述第一图像信息、所述第二图像信息和所述第一区别特征信息作为输入信息,输入区别度估计模型,所述区别度估计模型通过多组数据训练至收敛状态获得,其中,所述度组数据中的每组数据均包括所述第一图像信息、所述第二图像信息、所述第一区别特征信息以及用于标识区别度的标识信息;
获得所述区别度估计模型的输出结果,所述输出结果包括所述第一区别度信息。
5.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一工件的第一温度信息,所述第一温度信息为所述第一工件第一位置处的温度信息;
根据所述第一位置,获得所述第一位置的预定温度等级划分规则;
根据所述第一位置的预定温度等级划分规则,获得所述第一温度信息的第一温度等级信息;
根据所述第一温度等级信息,获得第二精准度评估结果。
6.如权利要求5所述的方法,其中,所述根据所述第一位置,获得所述第一位置的预定温度等级划分规则,包括;
根据所述第一位置,获得所述第一位置与所述第一电机工作的关联性度;
获得预定关联度阈值;
如果所述第一位置与所述第一电机工作的关联度在所述预定关联度阈值之内,获得所述第一电机控制精准度与所述第一温度信息的第一函数关系;
根据所述第一函数关系,获得所述第一位置的预定温度等级划分规则。
7.如权利要求5所述的方法,其中,所述方法包括:
获得所述第一工件的第二温度信息,所述第二温度信息为所述第一工件第二位置处的温度信息;
根据所述第二位置,获得所述第二位置的预定温度等级划分规则;
根据所述第二位置的预定温度等级划分规则,获得所述第二温度信息的第二温度等级信息;
获得所述第二位置和所述第一位置在所述第一工件中的重要度信息;
根据所述重要度信息,确定位置权重比;
根据所述位置权重比对所述第一温度等级信息、所述第二温度等级信息进行加权计算,获得第三精准度评估结果。
8.一种电机控制精准度的评估系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获通过图像采集装置获得第一图像信息,所述第一图像信息为第一工件的图像信息,所述第一工件为基于第一电机的自动生产线生产获得;
第二获得单元,所述第二获得单元用于获得第二图像信息,所述第二图像信息为标准工件的图像信息;
第三获得单元,所述第三获得单元用于对比所述第一图像信息和所述第二图像信息进行特征比对,获得第一区别特征信息;
第四获得单元,所述第四获得单元用于将所述第一图像信息、所述第二图像信息和所述第一区别特征信息输入区别度估计模型,获得第一区别度信息;
第五获得单元,所述第五获得单元用于获得预定区别度阈值;
第一判断单元,所述第一判断单元用于判断所述第一区别度信息是否超过所述预定区别度阈值;
第六获得单元,所述第六获得单元用于如果所述第一区别度信息超过所述预定区别度阈值,根据所述第一区别特征信息和所述第一区别度信息对所述第一电机的控制精度进行评估,获得第一精准度评估结果。
9.一种电机控制精准度的评估系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110316760.3A CN112907572B (zh) | 2021-03-24 | 2021-03-24 | 一种电机控制精准度的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110316760.3A CN112907572B (zh) | 2021-03-24 | 2021-03-24 | 一种电机控制精准度的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907572A true CN112907572A (zh) | 2021-06-04 |
CN112907572B CN112907572B (zh) | 2022-02-08 |
Family
ID=76106274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110316760.3A Active CN112907572B (zh) | 2021-03-24 | 2021-03-24 | 一种电机控制精准度的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907572B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487200A (zh) * | 2021-07-14 | 2021-10-08 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路工程的项目质量评定方法及系统 |
CN113531838A (zh) * | 2021-09-15 | 2021-10-22 | 江苏宽程装备科技有限公司 | 一种智能化调整空间温度的制冷控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0382466A2 (en) * | 1989-02-09 | 1990-08-16 | Philip Morris Products Inc. | Methods and apparatus for optically determining the acceptability of products |
CN208476813U (zh) * | 2018-08-10 | 2019-02-05 | 北京旷视科技有限公司 | 工业零部件缺陷检测装置 |
CN109559304A (zh) * | 2018-11-23 | 2019-04-02 | 聚时科技(上海)有限公司 | 用于工业视觉检测的图像品质在线评估方法、装置及应用 |
CN111784663A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 零部件的检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-24 CN CN202110316760.3A patent/CN112907572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0382466A2 (en) * | 1989-02-09 | 1990-08-16 | Philip Morris Products Inc. | Methods and apparatus for optically determining the acceptability of products |
CN208476813U (zh) * | 2018-08-10 | 2019-02-05 | 北京旷视科技有限公司 | 工业零部件缺陷检测装置 |
CN109559304A (zh) * | 2018-11-23 | 2019-04-02 | 聚时科技(上海)有限公司 | 用于工业视觉检测的图像品质在线评估方法、装置及应用 |
CN111784663A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 零部件的检测方法、装置、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487200A (zh) * | 2021-07-14 | 2021-10-08 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路工程的项目质量评定方法及系统 |
CN113487200B (zh) * | 2021-07-14 | 2022-10-25 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路工程的项目质量评定方法及系统 |
CN113531838A (zh) * | 2021-09-15 | 2021-10-22 | 江苏宽程装备科技有限公司 | 一种智能化调整空间温度的制冷控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112907572B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907572B (zh) | 一种电机控制精准度的评估方法及系统 | |
Klancnik et al. | Computer vision-based approach to end mill tool monitoring | |
CN106767564A (zh) | 一种应用于手机外壳表面粗糙度的检测方法 | |
JP2003344300A (ja) | 表面欠陥判別方法 | |
Lutz et al. | Evaluation of deep learning for semantic image segmentation in tool condition monitoring | |
CN109934223B (zh) | 实例分割结果评价参数确定方法及装置 | |
CN107544432A (zh) | 寿命判定装置、寿命判定方法及计算机可读取的记录介质 | |
Somawirata et al. | Road detection based on the color space and cluster connecting | |
CN114972258B (zh) | 基于机器视觉的电池表面缺陷检测方法、系统及相关设备 | |
García-Pérez et al. | CNN-based in situ tool wear detection: A study on model training and data augmentation in turning inserts | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN114037673A (zh) | 一种基于机器视觉的硬件衔接接口监测方法及系统 | |
US20170322186A1 (en) | Processing Apparatus | |
CN110243826B (zh) | 一种产品在线检测方法及装置 | |
CN115945743B (zh) | 一种对非标零件试加工的方法及系统 | |
Frayman et al. | Machine vision system for automatic inspection of surface defects in aluminum die casting | |
CN111275758A (zh) | 混合型3d视觉定位方法、装置、计算机设备及存储介质 | |
JP7229338B2 (ja) | 検査装置及び検査方法 | |
CN114708247A (zh) | 基于深度学习的烟盒包装缺陷识别方法和装置 | |
GB2572953A (en) | Surface Analysis | |
CN114227378A (zh) | 一种夹具状态的检测方法、装置、终端和存储介质 | |
Zhang et al. | Automatic 3D model reconstruction of cutting tools from a single camera | |
JP2005108206A (ja) | 円中心位置検出方法および装置並びにプログラム | |
CN117170306B (zh) | 一种刀具状态监控方法、系统、电子设备及存储介质 | |
CN111291800A (zh) | 房屋装修类型分析方法、系统、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |