CN113267139A - 具有大数据分析的压铸件形变量检测系统 - Google Patents
具有大数据分析的压铸件形变量检测系统 Download PDFInfo
- Publication number
- CN113267139A CN113267139A CN202110814273.XA CN202110814273A CN113267139A CN 113267139 A CN113267139 A CN 113267139A CN 202110814273 A CN202110814273 A CN 202110814273A CN 113267139 A CN113267139 A CN 113267139A
- Authority
- CN
- China
- Prior art keywords
- die casting
- deformation
- data
- detection
- detected
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种具有大数据分析的压铸件形变量检测系统,其特征在于,包括:模型搭建模块,所述模型搭建模块用于对待检测压铸件类型的标准模型数据进行获取,并完成该标准模型对应的数据模型的搭建;形变量初检模块,所述形变量初检模块用于通过水容方式及压铸件局部区域检测的方式对压铸件的形变量进行初步检测,判断该压铸件是否发生形变。本发明不仅能够根据对压铸件的检测情况自动调整检测部位,实时对检测部位进行更新,同时还采用多种检测方式同时对压铸件是否发生形变情况进行判断,对于发生形变的情况,对形变量进一步检测,该检测方式不仅高效,而且检测结果精准。
Description
技术领域
本发明涉及检测系统技术领域,具体为一种具有大数据分析的压铸件形变量检测系统。
背景技术
随着计算机技术的发展,大数据逐渐走进人们的生活中,通过获取海量数据进行分析,不但能够查找出数据本身存在的一些共性,而且分析出的数据共性具有普遍、准确的特点。将大数据运用到压铸件形变量检测方面,能够帮助人们快速实现对出现形变的压铸件的检测,有效节省劳动力,同时检测效率更高。但是当前对压铸件形变量的检测技术尚不完善,要么是直接对压铸件进行全检,效率较低,要么只是单纯的对某个指定部位进行抽检,无法进行调节,比较呆板,同时检测精度存在不足。
针对上述情况,我们需要一种具有大数据分析的压铸件形变量检测系统,不仅能够根据对压铸件的检测情况自动调整检测部位,实时对检测部位进行更新,同时还采用多种检测方式同时对压铸件是否发生形变情况进行判断,对于发生形变的情况,对形变量进一步检测,该检测方式不仅高效,而且检测结果精准。
发明内容
本发明的目的在于提供一种具有大数据分析的压铸件形变量检测系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种具有大数据分析的压铸件形变量检测系统,包括:
模型搭建模块,所述模型搭建模块用于对待检测压铸件类型的标准模型数据进行获取,并完成该标准模型对应的数据模型的搭建;
形变量初检模块,所述形变量初检模块用于通过水容方式及压铸件局部区域检测的方式对压铸件的形变量进行初步检测,判断该压铸件是否发生形变;
形变量详检模块,所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,参照模型搭建模块的模型数据,匹配出压铸件的形变位置及相应的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新;
形变量分析调整模块,所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,对获取数据进行分析处理,并根据处理结果对压铸件的生产工序进行调节。
本发明通过各个模块的协同合作,共同实现对压铸件形变量的检测,先通过形变量初检模块确认压铸件是否出现形变,然后通过形变量详检模块对出现形变的压铸件进行详细检测,检测压铸件出现形变的位置及对应的形变量,最后通过形变量分析调整模块对形变量详检模块检测的结果进行分析,调节该压铸件对应的生产工序。该检测方式不仅高效,且对压铸件形变量的检测结果较为准确。
进一步的,所述模型搭建模块通过激光扫描传感器对待检测压铸件类型的标准模型进行扫描,获取对应的扫描信息,并通过扫描的信息搭建对应的数据模型,
所述模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法包括以下步骤:
S1.1、通过支撑夹具对待检测压铸件类型的标准模型进行支撑固定;
S1.2、通过激光扫描传感器在待检测压铸件类型的标准模型的内外两侧同时进行扫描,所述内、外两侧的激光扫描传感器均围绕同一点进行转动,所述内、外两侧的激光扫描传感器的运动轨迹均为球形,且两者的球心为同一点;
S1.3、以步骤S1.2中的球心为原点,以水平面上过原点的从西向东的方向为x轴的正方向,以水平面上过原点的从南向北的方向为y轴的正方向,以过原点竖直向上的方向为z轴的正方向建立空间直角坐标系;
S1.4、以步骤S1.3中x轴正方向为基础线,分别记录内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1),所述激光扫描传感器扫描的数据结果(a1,b1,c1)的求取包括以下内容:
待检测压铸件类型的标准模型内、外两侧的激光扫描传感器与空间直角坐标系中
z轴坐标为0所在平面的夹角a2,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐
标为0所在平面上方,则,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴
坐标为0所在平面下方,则,
c1为内、外两侧的激光扫描传感器所在射线与原点的距离,所述内、外两侧的激光扫描传感器所在射线方向与内、外两侧的激光扫描传感器发射激光的方向相同;
S1.5、获取步骤S1.4内内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1),
将所得数据结果转化为空间直角坐标系内对应的坐标点,进一步搭建对应的数据模型,所
述数据结果(a1,b1,c1)在空间直角坐标系中对应的点为(,,)。
本发明模型搭建模块中将内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1)转化为空间直角坐标系中的点是为了方便计算任意两点之间的距离,a1为待检测压铸件类型的标准模型内、外两侧的激光扫描传感器与空间直角坐标系中z轴坐标为0所在平面的夹角,且所得夹角分为两种情况,当内、外两侧的激光扫描传感器在该平面上方时,选取小于180°的夹角,当内、外两侧的激光扫描传感器在该平面下方时,选取大于180°的夹角,b1为内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐标为0所在平面的投影点与原点的连线按逆时针方向与x轴正方向的夹角,单纯依靠数据结果进行计算的话,计算量较为复杂,先将数据结果转化为坐标点然后进行距离计算,一方面计算较为简单,另一方面计算思路较为清晰。
进一步的,所述形变量初检模块包括水容检测模块和局部形变量检测模块,
所述水容检测模块是在堵住压铸件出口的情况下,向压铸件内注水,记录在压铸件内注满水时,注水的总体积V1,计算V1与待检测压铸件类型的标准模型的注水总体积V2的差值,并将所得差值除以V2,所得的商为压铸件注水误差率,通过注水误差率对该压铸件的形变情况进行判断;
所述局部形变量检测模块通过局部查询数据库查询该压铸件类型需要检测的局部部位,然后通过内、外两侧的激光扫描传感器对需要检测的局部部位进行检测,并将检测数据与待检测压铸件类型的标准模型对应的数据模型进行比较,判断该数据模型中对应的局部部位数据与检测数据之间的误差,所述该数据模型中对应的局部部位数据与检测数据之间的误差为某点的检测数据与数据模型中对应点之间的距离大于第一预设值的点的个数d,进而通过d对该压铸件的形变情况进行判断。
本发明形变量初检模块通过水容检测模块和局部形变量检测模块这两种方式进行检测,两者的侧重点不同,水容检测模块是偏重于压铸件整体情况进行形变量初检,局部形变量检测模块偏重于压铸件局部情况进行初检,相比于水容检测模块,局部形变量检测模块对压铸件的检测精度更高,但是对局部检测的位置需要数据的参考获取,局部检测的位置精度越高,局部形变量检测模块的检测精度越高,效率越高,因此将两者结合共同实现对压铸件的形变量初检,能够实现互补,提高形变量初检模块总体的检测效率及检测精度;局部查询数据库查询用于存储各压铸件类型需要检测的局部部位。
进一步的,所述形变量初检模块还包括固定位置敲击模块,该固定位置敲击模块与水容检测模块两者不兼容,
所述固定位置敲击模块通过对压铸件指定位置进行指定力度的敲击动作,然后通过声音传感器对敲击的音色信息进行提取,并将提取的音色信息与预设结果进行比较,判断两者的相似度,对于相似度小于预设值的情况,判定该压铸件发生了形变。
本发明形变量初检模块中还可以使用固定位置敲击模块实现对水容检测模块的替换,当压铸件的通孔较多不易进行密封时,使用固定位置敲击模块替换水容检测模块会更加高效,固定位置敲击模块是根据压铸件不同位置对应的结构不同,而不同结构使用相同的力度进行敲击时,发出的音色也不相同,对比压铸件指定位置的音色,即可判断压铸件是否出现形变。
进一步的,所述形变量初检模块获取水容检测模块和局部形变量检测模块的检测结果,然后进行统一判断,
当注水误差率大于等于第二预设值或d大于等于第三预设值时,则判定该压铸件发生了形变,需要进一步通过形变量详检模块对该压铸件进一步进行检测;
反之,则判定该压铸件正常,不需要通过形变量详检模块对该压铸件进一步进行检测。
进一步的,所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,
即按照模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法,对形变量初检模块的检测结果中发生了形变的压铸件进行检测,建立该压铸件对应的数据模型,将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行比较,判断出该压铸件的形变位置及具体的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新。
本发明形变量详检模块会按照模型搭建模块搭建数据模型的方式对压铸件进行数据采集,搭建该压铸件对应的数据模型,然后将该所述模型与待检测压铸件类型的标准模型对应的数据模型进行比较,根据两者的差异,得到该压铸件的形变位置及对应的形变量。
进一步的,所述该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较的方法包括以下步骤:
S2.1、将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行重合,即为使两个数据模型的原点重合,进而使得两个模型中共用统一的一个空间坐标系;
S2.2、待检测压铸件类型的标准模型对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果为(a1,b1,c1),将该压铸件对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果记为(a3,b3,c3),计算两个数据模型中对应点之间的距离;
S2.4、将|c3-c1|与第四预设值进行比较,
当|c3-c1|大于等于第四预设值时,则判定|c3-c1|在该压铸件对应的数据模型中对应的点异常,并对其进行标记,
反之,则判定|c3-c1|在该压铸件对应的数据模型中对应的点正常,不对其进行标记;
S2.5、获取标记点的在空间直角坐标系中的坐标,通过任意两个标记点的坐标,计算两者之间的距离e,并将e与第五预设值进行比较,
当e大于等于第五预设值时,则将该两个标记点用同一种颜色进行二次标记,
若需要进行二次标记的两个标记点中有一个标记点已经与另外一个标记点进行了二次标记,则剩余的这个标记点进行二次标记的颜色与另一个已经进行二次标记的标记点颜色相同,
当e小于第五预设值时,则不对该两个标记点进行二次标记;
S2.6、分别统计进行二次标记的标记点中每种颜色对应的点的个数n,
当n大于等于第六预设值时,将二次标记的标记点中每种颜色对应的点的坐标在该压铸件对应的数据模型中对应的局部区域进行划分,将该压铸件对应的数据模型中存在二次标记点的局部区域作为该压铸件的形变位置,并将该压铸件对应的数据模型各局部区域中二次标记点与待检测压铸件类型的标准模型对应的数据模型中对应点之间距离的平均值作为该压铸件该形变位置对应的具体形变量。
本发明该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较的方法中在对两点之间的距离进行计算时,采用了两种方式,一种是当两点分别与原点的连线在同一条直线上时直接通过传感器扫描的数据结果进行求取,另一种方式是先将传感器扫描的数据结果转化为空间直角坐标系中的坐标点,然后根据距离公式对两个坐标点之间的距离进行求取。
进一步的,所述形变量详检模块在获取到该压铸件的形变位置及对应的具体形变量后,所述形变量详检模块会将该压铸件的形变位置添加到形变量初检模块里局部查询数据库中该压铸件类型需要检测的局部部位,并针对各局部部位检测到出现形变的压铸件个数按从大到小的顺序对各局部部位检测的优先级进行排序,某局部部位检测到出现形变的压铸件个数越多,该局部部位在局部查询数据库中该压铸件类型需要检测的局部部位排名越靠前,越优先进行检测。
本发明形变量详检模块会根据获取到的该压铸件的形变位置及对应的具体形变量对局部查询数据库中的数据进行更新,使得形变量初检模块对该压铸件类型初检的局部位置更加精准,进而使得初检效率更高。
进一步的,所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,
当某一批次压铸件中出现形变压铸件的比率w大于等于第一阈值时,则需要对该类型压铸件的生产工序进行调节,所述某一批次压铸件中出现形变压铸件的比率w为已经检测的压铸件中出现形变的个数与已经检测的压铸件总个数的比值,
计算对该类型压铸件的生产工序进行调节后的压铸件中出现形变压铸件的比率w1,
若w1大于w,则判定对生产工序调节成功,
若w1小于等于w,则判定对生产工序调节失败,恢复原有的生产工序;
当某一批次压铸件中出现形变压铸件的比率w小于第一阈值时,则不需要对该类型压铸件的生产工序进行调节。
本发明形变量分析调整模块根据压铸件出现形变的比率进行判断,判断该压铸件类型在生产制造过程中是否出现问题,进而对生产工序进行调节优化,进一步降低该压铸件类型出现形变的比率。
与现有技术相比,本发明所达到的有益效果是:本发明不仅能够根据对压铸件的检测情况自动调整检测部位,实时对检测部位进行更新,同时还采用多种检测方式同时对压铸件是否发生形变情况进行判断,对于发生形变的情况,对形变量进一步检测,该检测方式不仅高效,而且检测结果精准。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明具有大数据分析的压铸件形变量检测系统的结构示意图;
图2是本发明具有大数据分析的压铸件形变量检测系统中模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型方法的流程示意图;
图3是本发明具有大数据分析的压铸件形变量检测系统形变量详检模块中压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-3,本发明提供技术方案:一种具有大数据分析的压铸件形变量检测系统,包括:
模型搭建模块,所述模型搭建模块用于对待检测压铸件类型的标准模型数据进行获取,并完成该标准模型对应的数据模型的搭建;
形变量初检模块,所述形变量初检模块用于通过水容方式及压铸件局部区域检测的方式对压铸件的形变量进行初步检测,判断该压铸件是否发生形变;
形变量详检模块,所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,参照模型搭建模块的模型数据,匹配出压铸件的形变位置及相应的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新;
形变量分析调整模块,所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,对获取数据进行分析处理,并根据处理结果对压铸件的生产工序进行调节。
本发明通过各个模块的协同合作,共同实现对压铸件形变量的检测,先通过形变量初检模块确认压铸件是否出现形变,然后通过形变量详检模块对出现形变的压铸件进行详细检测,检测压铸件出现形变的位置及对应的形变量,最后通过形变量分析调整模块对形变量详检模块检测的结果进行分析,调节该压铸件对应的生产工序。该检测方式不仅高效,且对压铸件形变量的检测结果较为准确。
所述模型搭建模块通过激光扫描传感器对待检测压铸件类型的标准模型进行扫描,获取对应的扫描信息,并通过扫描的信息搭建对应的数据模型,
所述模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法包括以下步骤:
S1.1、通过支撑夹具对待检测压铸件类型的标准模型进行支撑固定;
S1.2、通过激光扫描传感器在待检测压铸件类型的标准模型的内外两侧同时进行扫描,所述内、外两侧的激光扫描传感器均围绕同一点进行转动,所述内、外两侧的激光扫描传感器的运动轨迹均为球形,且两者的球心为同一点;
S1.3、以步骤S1.2中的球心为原点,以水平面上过原点的从西向东的方向为x轴的正方向,以水平面上过原点的从南向北的方向为y轴的正方向,以过原点竖直向上的方向为z轴的正方向建立空间直角坐标系;
S1.4、以步骤S1.3中x轴正方向为基础线,分别记录内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1),所述激光扫描传感器扫描的数据结果(a1,b1,c1)的求取包括以下内容:
待检测压铸件类型的标准模型内、外两侧的激光扫描传感器与空间直角坐标系中
z轴坐标为0所在平面的夹角a2,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐
标为0所在平面上方,则,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴
坐标为0所在平面下方,则,
c1为内、外两侧的激光扫描传感器所在射线与原点的距离,所述内、外两侧的激光扫描传感器所在射线方向与内、外两侧的激光扫描传感器发射激光的方向相同;
S1.5、获取步骤S1.4内内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1),
将所得数据结果转化为空间直角坐标系内对应的坐标点,进一步搭建对应的数据模型,所
述数据结果(a1,b1,c1)在空间直角坐标系中对应的点为(,,)。
本发明模型搭建模块中将内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1)转化为空间直角坐标系中的点是为了方便计算任意两点之间的距离,a1为待检测压铸件类型的标准模型内、外两侧的激光扫描传感器与空间直角坐标系中z轴坐标为0所在平面的夹角,且所得夹角分为两种情况,当内、外两侧的激光扫描传感器在该平面上方时,选取小于180°的夹角,当内、外两侧的激光扫描传感器在该平面下方时,选取大于180°的夹角,b1为内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐标为0所在平面的投影点与原点的连线按逆时针方向与x轴正方向的夹角,单纯依靠数据结果进行计算的话,计算量较为复杂,先将数据结果转化为坐标点然后进行距离计算,一方面计算较为简单,另一方面计算思路较为清晰。
所述形变量初检模块包括水容检测模块和局部形变量检测模块,
所述水容检测模块是在堵住压铸件出口的情况下,向压铸件内注水,记录在压铸件内注满水时,注水的总体积V1,计算V1与待检测压铸件类型的标准模型的注水总体积V2的差值,并将所得差值除以V2,所得的商为压铸件注水误差率,通过注水误差率对该压铸件的形变情况进行判断;
所述局部形变量检测模块通过局部查询数据库查询该压铸件类型需要检测的局部部位,然后通过内、外两侧的激光扫描传感器对需要检测的局部部位进行检测,并将检测数据与待检测压铸件类型的标准模型对应的数据模型进行比较,判断该数据模型中对应的局部部位数据与检测数据之间的误差,所述该数据模型中对应的局部部位数据与检测数据之间的误差为某点的检测数据与数据模型中对应点之间的距离大于第一预设值的点的个数d,进而通过d对该压铸件的形变情况进行判断。
本发明形变量初检模块通过水容检测模块和局部形变量检测模块这两种方式进行检测,两者的侧重点不同,水容检测模块是偏重于压铸件整体情况进行形变量初检,局部形变量检测模块偏重于压铸件局部情况进行初检,相比于水容检测模块,局部形变量检测模块对压铸件的检测精度更高,但是对局部检测的位置需要数据的参考获取,局部检测的位置精度越高,局部形变量检测模块的检测精度越高,效率越高,因此将两者结合共同实现对压铸件的形变量初检,能够实现互补,提高形变量初检模块总体的检测效率及检测精度。
所述形变量初检模块还包括固定位置敲击模块,该固定位置敲击模块与水容检测模块两者不兼容,
所述固定位置敲击模块通过对压铸件指定位置进行指定力度的敲击动作,然后通过声音传感器对敲击的音色信息进行提取,并将提取的音色信息与预设结果进行比较,判断两者的相似度,对于相似度小于预设值的情况,判定该压铸件发生了形变。
本发明形变量初检模块中还可以使用固定位置敲击模块实现对水容检测模块的替换,当压铸件的通孔较多不易进行密封时,使用固定位置敲击模块替换水容检测模块会更加高效,固定位置敲击模块是根据压铸件不同位置对应的结构不同,而不同结构使用相同的力度进行敲击时,发出的音色也不相同,对比压铸件指定位置的音色,即可判断压铸件是否出现形变。
所述形变量初检模块获取水容检测模块和局部形变量检测模块的检测结果,然后进行统一判断,
当注水误差率大于等于第二预设值或d大于等于第三预设值时,则判定该压铸件发生了形变,需要进一步通过形变量详检模块对该压铸件进一步进行检测;
反之,则判定该压铸件正常,不需要通过形变量详检模块对该压铸件进一步进行检测。
所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,
即按照模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法,对形变量初检模块的检测结果中发生了形变的压铸件进行检测,建立该压铸件对应的数据模型,将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行比较,判断出该压铸件的形变位置及具体的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新。
本发明形变量详检模块会按照模型搭建模块搭建数据模型的方式对压铸件进行数据采集,搭建该压铸件对应的数据模型,然后将该所述模型与待检测压铸件类型的标准模型对应的数据模型进行比较,根据两者的差异,得到该压铸件的形变位置及对应的形变量。
所述该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较的方法包括以下步骤:
S2.1、将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行重合,即为使两个数据模型的原点重合,进而使得两个模型中共用统一的一个空间坐标系;
S2.2、待检测压铸件类型的标准模型对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果为(a1,b1,c1),将该压铸件对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果记为(a3,b3,c3),计算两个数据模型中对应点之间的距离;
本实施例中压铸件对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果中扫描点A的扫描数据为(30°,45°,6),
点A在待检测压铸件类型的标准模型对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果中对应的扫描点B的扫描数据为(30°,45°,8),则A、B两点的距离为|6-8|=2。
S2.4、将|c3-c1|与第四预设值进行比较,
当|c3-c1|大于等于第四预设值时,则判定|c3-c1|在该压铸件对应的数据模型中对应的点异常,并对其进行标记,
反之,则判定|c3-c1|在该压铸件对应的数据模型中对应的点正常,不对其进行标记;
S2.5、获取标记点的在空间直角坐标系中的坐标,通过任意两个标记点的坐标,计算两者之间的距离e,并将e与第五预设值进行比较,
本实施例中标记点C对应的扫描数据为(45°,30°,7),标记点D对应的扫描数据(45°,60°,7),
则(45°,30°,7)在空间直角坐标系中对应的标记点C的坐标为
则(45°,60°,7)在空间直角坐标系中对应的标记点D的坐标为
当e大于等于第五预设值时,则将该两个标记点用同一种颜色进行二次标记,
若需要进行二次标记的两个标记点中有一个标记点已经与另外一个标记点进行了二次标记,则剩余的这个标记点进行二次标记的颜色与另一个已经进行二次标记的标记点颜色相同,
当e小于第五预设值时,则不对该两个标记点进行二次标记;
S2.6、分别统计进行二次标记的标记点中每种颜色对应的点的个数n,
当n大于等于第六预设值时,将二次标记的标记点中每种颜色对应的点的坐标在该压铸件对应的数据模型中对应的局部区域进行划分,将该压铸件对应的数据模型中存在二次标记点的局部区域作为该压铸件的形变位置,并将该压铸件对应的数据模型各局部区域中二次标记点与待检测压铸件类型的标准模型对应的数据模型中对应点之间距离的平均值作为该压铸件该形变位置对应的具体形变量。
本发明该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较的方法中在对两点之间的距离进行计算时,采用了两种方式,一种是当两点分别与原点的连线在同一条直线上时直接通过传感器扫描的数据结果进行求取,另一种方式是先将传感器扫描的数据结果转化为空间直角坐标系中的坐标点,然后根据距离公式对两个坐标点之间的距离进行求取。
所述形变量详检模块在获取到该压铸件的形变位置及对应的具体形变量后,所述形变量详检模块会将该压铸件的形变位置添加到形变量初检模块里局部查询数据库中该压铸件类型需要检测的局部部位,并针对各局部部位检测到出现形变的压铸件个数按从大到小的顺序对各局部部位检测的优先级进行排序,某局部部位检测到出现形变的压铸件个数越多,该局部部位在局部查询数据库中该压铸件类型需要检测的局部部位排名越靠前,越优先进行检测。
本发明形变量详检模块会根据获取到的该压铸件的形变位置及对应的具体形变量对局部查询数据库中的数据进行更新,使得形变量初检模块对该压铸件类型初检的局部位置更加精准,进而使得初检效率更高。
所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,
当某一批次压铸件中出现形变压铸件的比率w大于等于第一阈值时,则需要对该类型压铸件的生产工序进行调节,所述某一批次压铸件中出现形变压铸件的比率w为已经检测的压铸件中出现形变的个数与已经检测的压铸件总个数的比值,
计算对该类型压铸件的生产工序进行调节后的压铸件中出现形变压铸件的比率w1,
若w1大于w,则判定对生产工序调节成功,
若w1小于等于w,则判定对生产工序调节失败,恢复原有的生产工序;
当某一批次压铸件中出现形变压铸件的比率w小于第一阈值时,则不需要对该类型压铸件的生产工序进行调节。
本发明形变量分析调整模块根据压铸件出现形变的比率进行判断,判断该压铸件类型在生产制造过程中是否出现问题,进而对生产工序进行调节优化,进一步降低该压铸件类型出现形变的比率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种具有大数据分析的压铸件形变量检测系统,其特征在于,包括:
模型搭建模块,所述模型搭建模块用于对待检测压铸件类型的标准模型数据进行获取,并完成该标准模型对应的数据模型的搭建;
形变量初检模块,所述形变量初检模块用于通过水容方式及压铸件局部区域检测的方式对压铸件的形变量进行初步检测,判断该压铸件是否发生形变;
形变量详检模块,所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,参照模型搭建模块的模型数据,匹配出压铸件的形变位置及相应的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新;
形变量分析调整模块,所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,对获取数据进行分析处理,并根据处理结果对压铸件的生产工序进行调节。
2.根据权利要求1所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述模型搭建模块通过激光扫描传感器对待检测压铸件类型的标准模型进行扫描,获取对应的扫描信息,并通过扫描的信息搭建对应的数据模型,
所述模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法包括以下步骤:
S1.1、通过支撑夹具对待检测压铸件类型的标准模型进行支撑固定;
S1.2、通过激光扫描传感器在待检测压铸件类型的标准模型的内外两侧同时进行扫描,所述内、外两侧的激光扫描传感器均围绕同一点进行转动,所述内、外两侧的激光扫描传感器的运动轨迹均为球形,且两者的球心为同一点;
S1.3、以步骤S1.2中的球心为原点,以水平面上过原点的从西向东的方向为x轴的正方向,以水平面上过原点的从南向北的方向为y轴的正方向,以过原点竖直向上的方向为z轴的正方向建立空间直角坐标系;
S1.4、以步骤S1.3中x轴正方向为基础线,分别记录内、外两侧的激光扫描传感器扫描的数据结果(a1,b1,c1),所述激光扫描传感器扫描的数据结果(a1,b1,c1)的求取包括以下内容:
待检测压铸件类型的标准模型内、外两侧的激光扫描传感器与空间直角坐标系中z轴
坐标为0所在平面的夹角a2,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐标
为0所在平面上方,则,当内、外两侧的激光扫描传感器在空间直角坐标系中z轴坐
标为0所在平面下方,则,
c1为内、外两侧的激光扫描传感器所在射线与原点的距离,所述内、外两侧的激光扫描传感器所在射线方向与内、外两侧的激光扫描传感器发射激光的方向相同;
3.根据权利要求2所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量初检模块包括水容检测模块和局部形变量检测模块,
所述水容检测模块是在堵住压铸件出口的情况下,向压铸件内注水,记录在压铸件内注满水时,注水的总体积V1,计算V1与待检测压铸件类型的标准模型的注水总体积V2的差值,并将所得差值除以V2,所得的商为压铸件注水误差率,通过注水误差率对该压铸件的形变情况进行判断;
所述局部形变量检测模块通过局部查询数据库查询该压铸件类型需要检测的局部部位,然后通过内、外两侧的激光扫描传感器对需要检测的局部部位进行检测,并将检测数据与待检测压铸件类型的标准模型对应的数据模型进行比较,判断该数据模型中对应的局部部位数据与检测数据之间的误差,所述该数据模型中对应的局部部位数据与检测数据之间的误差为某点的检测数据与数据模型中对应点之间的距离大于第一预设值的点的个数d,进而通过d对该压铸件的形变情况进行判断。
4.根据权利要求3所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量初检模块还包括固定位置敲击模块,该固定位置敲击模块与水容检测模块两者不兼容,
所述固定位置敲击模块通过对压铸件指定位置进行指定力度的敲击动作,然后通过声音传感器对敲击的音色信息进行提取,并将提取的音色信息与预设结果进行比较,判断两者的相似度,对于相似度小于预设值的情况,判定该压铸件发生了形变。
5.根据权利要求3所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量初检模块获取水容检测模块和局部形变量检测模块的检测结果,然后进行统一判断,
当注水误差率大于等于第二预设值或d大于等于第三预设值时,则判定该压铸件发生了形变,需要进一步通过形变量详检模块对该压铸件进一步进行检测;
反之,则判定该压铸件正常,不需要通过形变量详检模块对该压铸件进一步进行检测。
6.根据权利要求5所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量详检模块获取形变量初检模块的检测结果,对发生形变的压铸件进行详细检测,
即按照模型搭建模块搭建待检测压铸件类型的标准模型对应的数据模型的方法,对形变量初检模块的检测结果中发生了形变的压铸件进行检测,建立该压铸件对应的数据模型,将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行比较,判断出该压铸件的形变位置及具体的形变量,同时对形变量初检模块中压铸件局部区域检测对应的检测区域进行更新。
7.根据权利要求6所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型比较的方法包括以下步骤:
S2.1、将该压铸件对应的数据模型与待检测压铸件类型的标准模型对应的数据模型进行重合,即为使两个数据模型的原点重合,进而使得两个模型中共用统一的一个空间坐标系;
S2.2、待检测压铸件类型的标准模型对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果为(a1,b1,c1),将该压铸件对应的数据模型中内、外两侧的激光扫描传感器扫描的数据结果记为(a3,b3,c3),计算两个数据模型中对应点之间的距离;
S2.4、将|c3-c1|与第四预设值进行比较,
当|c3-c1|大于等于第四预设值时,则判定|c3-c1|在该压铸件对应的数据模型中对应的点异常,并对其进行标记,
反之,则判定|c3-c1|在该压铸件对应的数据模型中对应的点正常,不对其进行标记;
S2.5、获取标记点的在空间直角坐标系中的坐标,通过任意两个标记点的坐标,计算两者之间的距离e,并将e与第五预设值进行比较,
当e大于等于第五预设值时,则将该两个标记点用同一种颜色进行二次标记,
若需要进行二次标记的两个标记点中有一个标记点已经与另外一个标记点进行了二次标记,则剩余的这个标记点进行二次标记的颜色与另一个已经进行二次标记的标记点颜色相同,
当e小于第五预设值时,则不对该两个标记点进行二次标记;
S2.6、分别统计进行二次标记的标记点中每种颜色对应的点的个数n,
当n大于等于第六预设值时,将二次标记的标记点中每种颜色对应的点的坐标在该压铸件对应的数据模型中对应的局部区域进行划分,将该压铸件对应的数据模型中存在二次标记点的局部区域作为该压铸件的形变位置,并将该压铸件对应的数据模型各局部区域中二次标记点与待检测压铸件类型的标准模型对应的数据模型中对应点之间距离的平均值作为该压铸件该形变位置对应的具体形变量。
8.根据权利要求7所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量详检模块在获取到该压铸件的形变位置及对应的具体形变量后,所述形变量详检模块会将该压铸件的形变位置添加到形变量初检模块里局部查询数据库中该压铸件类型需要检测的局部部位,并针对各局部部位检测到出现形变的压铸件个数按从大到小的顺序对各局部部位检测的优先级进行排序,某局部部位检测到出现形变的压铸件个数越多,该局部部位在局部查询数据库中该压铸件类型需要检测的局部部位排名越靠前,越优先进行检测。
9.根据权利要求8所述的一种具有大数据分析的压铸件形变量检测系统,其特征在于:所述形变量分析调整模块用于获取形变量详检模块对压铸件的检测数据,
当某一批次压铸件中出现形变压铸件的比率w大于等于第一阈值时,则需要对该类型压铸件的生产工序进行调节,所述某一批次压铸件中出现形变压铸件的比率w为已经检测的压铸件中出现形变的个数与已经检测的压铸件总个数的比值,
计算对该类型压铸件的生产工序进行调节后的压铸件中出现形变压铸件的比率w1,
若w1大于w,则判定对生产工序调节成功,
若w1小于等于w,则判定对生产工序调节失败,恢复原有的生产工序;
当某一批次压铸件中出现形变压铸件的比率w小于第一阈值时,则不需要对该类型压铸件的生产工序进行调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110814273.XA CN113267139B (zh) | 2021-07-19 | 2021-07-19 | 具有大数据分析的压铸件形变量检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110814273.XA CN113267139B (zh) | 2021-07-19 | 2021-07-19 | 具有大数据分析的压铸件形变量检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113267139A true CN113267139A (zh) | 2021-08-17 |
CN113267139B CN113267139B (zh) | 2021-10-29 |
Family
ID=77236731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110814273.XA Active CN113267139B (zh) | 2021-07-19 | 2021-07-19 | 具有大数据分析的压铸件形变量检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113267139B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994060A (zh) * | 2022-07-15 | 2022-09-02 | 君享科技(深圳)有限公司 | 一种机器视觉下的磁环外观缺陷智能检测系统及方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007333508A (ja) * | 2006-06-14 | 2007-12-27 | Toyota Motor Corp | 形状評価方法及び形状評価システム |
TW200908929A (en) * | 2007-08-20 | 2009-03-01 | Univ Nat Pingtung Sci & Tech | Examination method and system for physiological function |
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及系统 |
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN106872476A (zh) * | 2017-03-31 | 2017-06-20 | 武汉理工大学 | 一种基于线结构光的铸造类工件表面质量检测方法与系统 |
CN109141232A (zh) * | 2018-08-07 | 2019-01-04 | 常州好迪机械有限公司 | 一种基于机器视觉的盘类铸件在线检测方法 |
CN109509170A (zh) * | 2018-09-11 | 2019-03-22 | 韶关学院 | 一种压铸件缺陷检测方法及装置 |
CN109580572A (zh) * | 2019-01-11 | 2019-04-05 | 中国科学院上海光学精密机械研究所 | 潜在指印的快速检测装置及检测方法 |
CN111006601A (zh) * | 2019-11-12 | 2020-04-14 | 黑龙江工程学院 | 三维激光扫描在变形监测中的关键技术 |
CN112098326A (zh) * | 2020-08-20 | 2020-12-18 | 东南大学 | 针对桥梁病害的自动检测方法和系统 |
CN212483387U (zh) * | 2020-07-03 | 2021-02-05 | 武汉锦瑞技术有限公司 | 一种铸造用产品下线快速识别外观缺陷检测仪 |
CN112883997A (zh) * | 2021-01-11 | 2021-06-01 | 武汉坤能轨道系统技术有限公司 | 一种轨道交通扣件检测系统及检测方法 |
CN113125564A (zh) * | 2021-05-28 | 2021-07-16 | 中国特种设备检测研究院 | 一种风机塔筒早期损伤的在线检测方法 |
-
2021
- 2021-07-19 CN CN202110814273.XA patent/CN113267139B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007333508A (ja) * | 2006-06-14 | 2007-12-27 | Toyota Motor Corp | 形状評価方法及び形状評価システム |
TW200908929A (en) * | 2007-08-20 | 2009-03-01 | Univ Nat Pingtung Sci & Tech | Examination method and system for physiological function |
CN101738394A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 室内烟雾检测方法及系统 |
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN106872476A (zh) * | 2017-03-31 | 2017-06-20 | 武汉理工大学 | 一种基于线结构光的铸造类工件表面质量检测方法与系统 |
CN109141232A (zh) * | 2018-08-07 | 2019-01-04 | 常州好迪机械有限公司 | 一种基于机器视觉的盘类铸件在线检测方法 |
CN109509170A (zh) * | 2018-09-11 | 2019-03-22 | 韶关学院 | 一种压铸件缺陷检测方法及装置 |
CN109580572A (zh) * | 2019-01-11 | 2019-04-05 | 中国科学院上海光学精密机械研究所 | 潜在指印的快速检测装置及检测方法 |
CN111006601A (zh) * | 2019-11-12 | 2020-04-14 | 黑龙江工程学院 | 三维激光扫描在变形监测中的关键技术 |
CN212483387U (zh) * | 2020-07-03 | 2021-02-05 | 武汉锦瑞技术有限公司 | 一种铸造用产品下线快速识别外观缺陷检测仪 |
CN112098326A (zh) * | 2020-08-20 | 2020-12-18 | 东南大学 | 针对桥梁病害的自动检测方法和系统 |
CN112883997A (zh) * | 2021-01-11 | 2021-06-01 | 武汉坤能轨道系统技术有限公司 | 一种轨道交通扣件检测系统及检测方法 |
CN113125564A (zh) * | 2021-05-28 | 2021-07-16 | 中国特种设备检测研究院 | 一种风机塔筒早期损伤的在线检测方法 |
Non-Patent Citations (1)
Title |
---|
王湘明等: "自动上料机器人视觉识别系统", 《沈阳工业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994060A (zh) * | 2022-07-15 | 2022-09-02 | 君享科技(深圳)有限公司 | 一种机器视觉下的磁环外观缺陷智能检测系统及方法 |
CN114994060B (zh) * | 2022-07-15 | 2022-11-15 | 君享科技(深圳)有限公司 | 一种机器视觉下的磁环外观缺陷智能检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113267139B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11704833B2 (en) | Monocular vision tracking method, apparatus and non-transitory computer-readable storage medium | |
CN107907124B (zh) | 基于场景重识的定位方法、电子设备、存储介质、系统 | |
Sharp et al. | ICP registration using invariant features | |
CN110910359B (zh) | 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法 | |
CN113267139B (zh) | 具有大数据分析的压铸件形变量检测系统 | |
CN114396871B (zh) | 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法 | |
CN106447698B (zh) | 一种基于距离传感器的多行人跟踪方法和系统 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN114332233B (zh) | 一种激光slam回环检测方法和系统 | |
CN113947714B (zh) | 一种视频监控和遥感的多模态协同优化方法及系统 | |
WO2023103285A1 (zh) | 定位方法、装置、机器人及计算机可读存储介质 | |
CN110554405B (zh) | 一种基于组合聚类的正态扫描配准方法和系统 | |
CN113498016A (zh) | 一种电子围栏跨区检测方法 | |
CN116524382A (zh) | 一种桥梁转体合拢准确性检验方法系统、设备 | |
Goto et al. | 3D environment measurement using binocular stereo and motion stereo by mobile robot with omnidirectional stereo camera | |
CN110853103A (zh) | 一种用于深度学习姿态估计的数据集制作方法 | |
CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
CN113256721B (zh) | 一种室内多人三维高精度定位方法 | |
CN100383806C (zh) | 基于鲁棒位置保留映射的人脸识别方法 | |
CN117952565B (zh) | 基于bim模型的装配式建筑智能管理方法及系统 | |
US11887271B2 (en) | Method and system for global registration between 3D scans | |
Le et al. | A machine vision based automatic optical inspection system for detecting defects of rubber keypads of scanning machine | |
CN116124010B (zh) | 一种视觉位移测量系统及方法 | |
CN116361665B (zh) | 一种基于环境信息的建筑物面要素匹配方法及系统 | |
CN118097038B (zh) | 一种基于转台的3d扫描方法及系统 |
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 |