CN113275261A - 一种电磁铁可动铁芯的分拣装置及其方法 - Google Patents

一种电磁铁可动铁芯的分拣装置及其方法 Download PDF

Info

Publication number
CN113275261A
CN113275261A CN202110568231.2A CN202110568231A CN113275261A CN 113275261 A CN113275261 A CN 113275261A CN 202110568231 A CN202110568231 A CN 202110568231A CN 113275261 A CN113275261 A CN 113275261A
Authority
CN
China
Prior art keywords
iron core
movable iron
fuzzy
sorting
subset
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
Application number
CN202110568231.2A
Other languages
English (en)
Other versions
CN113275261B (zh
Inventor
庞继红
代金坤
周鸿勇
罗中伦
李勇
綦法群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shaoxing
Wenzhou University
Original Assignee
University of Shaoxing
Wenzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shaoxing, Wenzhou University filed Critical University of Shaoxing
Priority to CN202110568231.2A priority Critical patent/CN113275261B/zh
Publication of CN113275261A publication Critical patent/CN113275261A/zh
Application granted granted Critical
Publication of CN113275261B publication Critical patent/CN113275261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04Sorting according to size
    • B07C5/10Sorting according to size measured by light-responsive means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36Sorting apparatus characterised by the means used for distribution
    • B07C5/363Sorting apparatus characterised by the means used for distribution by means of air
    • B07C5/367Sorting apparatus characterised by the means used for distribution by means of air using a plurality of separation means

Landscapes

  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种电磁铁可动铁芯的分拣装置及其方法,涉及质量检测领域,包括传送履带、红外线扫描装置、电子图纸传输装置、感光板、图像对比仪、控制装置以及回收装置,所述回收装置与感光板在传送履带一侧,所述红外线扫描装置在传送履带另一侧的最前端且与所述感光板相对应,所述红外扫描装置的后方依次为图像对比仪、电子图纸传输装置以及控制装置,所述控制装置上设有用于将可动铁芯吹进回收装置中的喷气嘴,所述图像对比仪与控制装置、感光板以及电子图纸传输装置之间都分别通过数据线连接。本发明具有节省人工,分拣精度高,准确性好的优点。

Description

一种电磁铁可动铁芯的分拣装置及其方法
技术领域
本发明涉及质量检测领域,具体涉及一种电磁铁可动铁芯的分拣装置及其方法。
背景技术
电磁铁在当今的企业生产、生活中随处可见,其工作原理为通电线圈产生电磁力推动可动铁芯进行运动,但电磁铁在制造工程中存在一些问题,尤其是执行机构可动铁芯。
例如可动铁芯尺寸过大,会造成装配过紧,其运动受到阻碍,如果尺寸过小,会造成装配太松,其运动时水平度不够,只有保证在其公差范围内,可动铁芯才能正常运动,其使用寿命才能得到最大的保障,另外可动铁芯设计的尺寸一般较小,公差范围就会更小,而且还不止一个关键尺寸,因此在生产制造中可动铁芯不容易去分拣。
发明内容
为了克服背景技术的不足,本发明提供一种节省人工,分拣精度高,准确性好的电磁铁可动铁芯的分拣装置及其方法。
本发明所采用的技术方案:一种电磁铁可动铁芯的分拣装置,包括传送履带、红外线扫描装置、电子图纸传输装置、感光板、图像对比仪、控制装置以及回收装置,所述回收装置与感光板在传送履带一侧,所述红外线扫描装置在传送履带另一侧的最前端且与所述感光板相对应,所述红外扫描装置的后方依次为图像对比仪、电子图纸传输装置以及控制装置,所述控制装置上设有用于将可动铁芯吹进回收装置中的喷气嘴,所述图像对比仪与控制装置、感光板以及电子图纸传输装置之间都分别通过数据线连接。
所述控制装置采用Mamdani型模糊控制器。
一种电磁铁可动铁芯的分拣方法,其采用上述的电磁铁可动铁芯的分拣装置,其步骤包括:
步骤A:将可动铁芯放置传送履带上,传送至红外线扫描装置处,红外线扫描装置发射红外线对整个可动铁芯进行扫描,由于红外线被可动铁芯挡到,因此感光板上留下可动铁芯的阴影区域;
步骤B:将可动铁芯的阴影区域与电子图纸上的关键尺寸相对比,得到关键尺寸的差值,然后再将差值作为输入数据传输到Mamdani型模糊控制器中;
步骤C:经过Mamdani型模糊控制器的数据处理,输出最终操作命令,喷气嘴根据命令将可动铁芯吹到回收装置中。
所述步骤B采用如下步骤输出操作命令:
步骤B1、将差值作为Mamdani型模糊控制的论域,然后对其进行模糊化处理;根据差值的特点,使用三角模糊数将论域范围内的数转化为三个模糊子集,得出两个不确定信息;
步骤B2、D-S证据理论将这两个不确定信息进行融合;
步骤B3、将论域转化为模糊子集后,通过模糊控制规则,将输入的模糊子集转化为输出的模糊子集;
步骤B4、由于输出的结果是一个模糊子集,因此需要将模糊子集进行清晰化;采取最大隶属度法中的最大值法对输出的模糊子集进行清晰化。
论域范围划分为[-0.4,0.4];
所述步骤B1采用如下公式:
L(Large)子集:
Figure BDA0003080331960000021
N(Normal)子集:
Figure BDA0003080331960000022
S(Small)子集:
Figure BDA0003080331960000031
所述步骤B2中D-S融合的表达式为:
Figure BDA0003080331960000032
式中m(c),m(x),m(y)分别表示c,x,y的隶属度;c满足
Figure BDA0003080331960000033
表示第i个证据中的隶属度,识别框架也即是一个事件可能出现的所有结果,记为θ;识别框架为θ={S,N,L}。
本发明的有益效果是:本技术方案通过红外线扫描装置发射红外线对传送履带上的可动铁芯进行扫描,由于红外线被可动铁芯挡到,因此感光板上留下可动铁芯的阴影区域;将可动铁芯的阴影区域与电子图纸上的关键尺寸相对比,得到关键尺寸的差值,然后再将差值作为输入数据传输到控制装置中,控制装置触发相应的喷气嘴将可动铁芯吹到相应的回收装置中,完成可动铁芯的分拣工作,具有节省人工,分拣精度高的优点;
另外,对于传统Mamdani模糊控制器运用D-S证据理论进行了优化,弥补了Mamdani模糊控制系统中多种不确定信息融合存在的空白;不仅分拣速度快,不占用仓库空间,而且准确性还高,不需要进行复拣。
附图说明
图1为本发明实施例电磁铁可动铁芯的分拣装置的结构示意图。
图2为电磁铁可动铁芯的分拣步骤流程图。
图3为三角模糊数分布示例。
图4为最大隶属度最大值清晰化模型。
图5为Mamdani型模糊控制的原理图。
图6为Mamdani型模糊控制中数据处理流程。
具体实施方式
下面结合附图对本发明实施例作进一步说明:
如图所示,一种电磁铁可动铁芯的分拣装置,包括传送履带8、红外线扫描装置3、电子图纸传输装置4、感光板1、图像对比仪5、控制装置6以及回收装置9,所述回收装置与感光板在传送履带一侧,所述红外线扫描装置在传送履带另一侧的最前端且与所述感光板相对应,所述红外扫描装置的后方依次为图像对比仪、电子图纸传输装置以及控制装置,所述控制装置上设有用于将可动铁芯吹进回收装置中的喷气嘴7,所述图像对比仪与控制装置、感光板以及电子图纸传输装置之间都分别通过数据线连接;所述控制装置采用Mamdani型模糊控制器;本技术方案通过红外线扫描装置发射红外线对传送履带上的可动铁芯进行扫描,由于红外线被可动铁芯2挡到,因此感光板上留下可动铁芯的阴影区域;将可动铁芯的阴影区域与电子图纸上的关键尺寸相对比,得到关键尺寸的差值,然后再将差值作为输入数据传输到控制装置中,控制装置触发相应的喷气嘴将可动铁芯吹到相应的回收装置中,完成可动铁芯的分拣工作,具有节省人工,分拣精度高的优点。
一种电磁铁可动铁芯的分拣方法,其采用上述的电磁铁可动铁芯的分拣装置,其步骤包括:
步骤A:将可动铁芯放置传送履带上,传送至红外线扫描装置处,红外线扫描装置发射红外线对整个可动铁芯进行扫描,由于红外线被可动铁芯挡到,因此感光板上留下可动铁芯的阴影区域;
步骤B:将可动铁芯的阴影区域与电子图纸上的关键尺寸相对比,得到关键尺寸的差值,然后再将差值作为输入数据传输到Mamdani型模糊控制器中;
步骤C:经过Mamdani型模糊控制器的数据处理,输出最终操作命令,喷气嘴根据命令将可动铁芯吹到回收装置中。
所述步骤B采用如下步骤输出操作命令:
步骤B1、将差值作为Mamdani型模糊控制的论域,然后对其进行模糊化处理;根据差值的特点,使用三角模糊数将论域范围内的数转化为三个模糊子集,得出两个不确定信息;
步骤B2、D-S证据理论将这两个不确定信息进行融合;
步骤B3、将论域转化为模糊子集后,通过模糊控制规则,将输入的模糊子集转化为输出的模糊子集;
步骤B4、由于输出的结果是一个模糊子集,因此需要将模糊子集进行清晰化;采取最大隶属度法中的最大值法对输出的模糊子集进行清晰化;所谓最大隶属度法中的最大值法就是选择模糊子集中取得最大隶属度中最大的值,例如,如图4所示当最大隶属度取0.75时,有差值0.15与0.25最终隶属度都为0.75,那么最大值法就是取0.25作为这个模糊子集清晰化后的值。
论域范围划分为[-0.4,0.4];
所述步骤B1采用如下公式:
L(Large)子集:
Figure BDA0003080331960000051
N(Normal)子集:
Figure BDA0003080331960000052
S(Small)子集:
Figure BDA0003080331960000053
例如当差值为0.15时,根据N的三角模糊数计算公式,此时隶属度为
Figure BDA0003080331960000054
若根据L的三角模糊数计算公式,此时隶属度为
Figure BDA0003080331960000055
这时如果不考虑这两个不确定信息的融合,果断将其认定为N或者L,这样最终Mamdani型模糊控制器输出的结果肯定存在较大误差,因此选择D-S证据理论将这两个不确定信息进行融合。
D-S证据理论大致可分为三个部分分别为:识别框架、基本概率分配函数与D-S理论的合成规则,识别框架也即是一个事件可能出现的所有结果,记为θ;识别框架为θ={S,N,L}。,此外θ中包含的所有元素均相互独立且互不影响。D-S理论中的基本概率分配函数(Basic Probability Assignment,BPA)是用来表达每个基元之间不确定性的大小,从而实现识别框架θ的识别性,本专利中的BPA为感光板映射的可动铁芯实际尺寸差值所对应的识别框架θ的隶属度。由于识别框架θ的BPA分为信任函数Bel(Belief function)与似然函数Pl(Plausibility function),其中信任函数Bel反映对识别框架θ的信任下限,似然函数Pl反映对识别框架θ的信任上限,并且这两个函数代表基于BPA的实际意义,因此在合成过程中要考虑到这两个函数,提高多信息融合的准确性。
所述步骤B2中D-S融合的表达式为:
Figure BDA0003080331960000061
式中m(c),m(x),m(y)分别表示c,x,y的隶属度;c满足
Figure BDA0003080331960000062
表示第i个证据中的隶属度,识别框架也即是一个事件可能出现的所有结果,记为θ;识别框架为θ={S,N,L}。
根据D-S理论当差值为0.15时,N隶属度为
Figure BDA0003080331960000063
L隶属度为
Figure BDA0003080331960000064
所以信息融合的结果为
Figure BDA0003080331960000065
参照三角模糊数分布图,最终融合后的结果是属于L的。
所述步骤B3的模糊控制规则如表1所示:
表1模糊控制规则
Figure BDA0003080331960000066
模糊控制规则的正确表达为,这里以第一行第一列的控制规则为例:
if尺寸A=S and尺寸B=S then输出=S,
同理其余的八条控制规则也是这种形式。
本技术方案采用的Mamdani模糊控制器运用D-S证据理论进行了优化,弥补了Mamdani模糊控制系统中多种不确定信息融合存在的空白;不仅分拣速度快,不占用仓库空间,而且准确性还高,不需要进行复拣。
在本发明的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
各位技术人员须知:虽然本发明已按照上述具体实施方式做了描述,但是本发明的发明思想并不仅限于此发明,任何运用本发明思想的改装,都将纳入本专利专利权保护范围内。

Claims (6)

1.一种电磁铁可动铁芯的分拣装置,其特征在于:包括传送履带(8)、红外线扫描装置(3)、电子图纸传输装置(4)、感光板(1)、图像对比仪(5)、控制装置(6)以及回收装置(9),所述回收装置与感光板在传送履带一侧,所述红外线扫描装置在传送履带另一侧的最前端且与所述感光板相对应,所述红外扫描装置的后方依次为图像对比仪、电子图纸传输装置以及控制装置,所述控制装置上设有用于将可动铁芯吹进回收装置中的喷气嘴(7),所述图像对比仪与控制装置、感光板以及电子图纸传输装置之间都分别通过数据线连接。
2.根据权利要求1所述的电磁铁可动铁芯的分拣装置,其特征在于:所述控制装置采用Mamdani型模糊控制器。
3.一种电磁铁可动铁芯的分拣方法,其特征在于,其采用如权利要求1或2所述的电磁铁可动铁芯的分拣装置,其步骤包括:
步骤A:将可动铁芯放置传送履带上,传送至红外线扫描装置处,红外线扫描装置发射红外线对整个可动铁芯进行扫描,由于红外线被可动铁芯挡到,因此感光板上留下可动铁芯的阴影区域;
步骤B:将可动铁芯的阴影区域与电子图纸上的关键尺寸相对比,得到关键尺寸的差值,然后再将差值作为输入数据传输到Mamdani型模糊控制器中;
步骤C:经过Mamdani型模糊控制器的数据处理,输出最终操作命令,喷气嘴根据命令将可动铁芯吹到回收装置中。
4.根据权利要求3所述的电磁铁可动铁芯的分拣方法,其特征在于,所述步骤B采用如下步骤输出操作命令:
步骤B1、将差值作为Mamdani型模糊控制的论域,然后对其进行模糊化处理;根据差值的特点,使用三角模糊数将论域范围内的数转化为三个模糊子集,得出两个不确定信息;
步骤B2、D-S证据理论将这两个不确定信息进行融合;
步骤B3、将论域转化为模糊子集后,通过模糊控制规则,将输入的模糊子集转化为输出的模糊子集;
步骤B4、由于输出的结果是一个模糊子集,因此需要将模糊子集进行清晰化;采取最大隶属度法中的最大值法对输出的模糊子集进行清晰化。
5.根据权利要求4所述的电磁铁可动铁芯的分拣方法,其特征在于,论域范围划分为[-0.4,0.4];
所述步骤B1采用如下公式:
L(Large)子集:
Figure FDA0003080331950000021
N(Normal)子集:
Figure FDA0003080331950000022
S(Small)子集:
Figure FDA0003080331950000023
6.根据权利要求4所述的电磁铁可动铁芯的分拣方法,其特征在于,所述步骤B2中D-S融合的表达式为:
Figure FDA0003080331950000024
式中m(c),m(x),m(y)分别表示c,x,y的隶属度;c满足
Figure FDA0003080331950000025
表示第i个证据中的隶属度,识别框架也即是一个事件可能出现的所有结果,记为θ;识别框架为θ={S,N,L}。
CN202110568231.2A 2021-05-24 2021-05-24 一种电磁铁可动铁芯的分拣装置及其方法 Active CN113275261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110568231.2A CN113275261B (zh) 2021-05-24 2021-05-24 一种电磁铁可动铁芯的分拣装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110568231.2A CN113275261B (zh) 2021-05-24 2021-05-24 一种电磁铁可动铁芯的分拣装置及其方法

Publications (2)

Publication Number Publication Date
CN113275261A true CN113275261A (zh) 2021-08-20
CN113275261B CN113275261B (zh) 2022-11-04

Family

ID=77281244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110568231.2A Active CN113275261B (zh) 2021-05-24 2021-05-24 一种电磁铁可动铁芯的分拣装置及其方法

Country Status (1)

Country Link
CN (1) CN113275261B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2528972A1 (fr) * 1982-06-22 1983-12-23 Duneau Patrick Dispositif opto-electronique de mesure du diametre des fruits
CN102101110A (zh) * 2009-12-21 2011-06-22 上海爱普生磁性器件有限公司 磁体分选装置
CN102601061A (zh) * 2012-03-23 2012-07-25 杭州师范大学 一种定时器极片不良品自动分拣装置
CN107886499A (zh) * 2017-10-13 2018-04-06 西安工程大学 一种物体表面检测照明系统及照明方法
CN108760779A (zh) * 2018-06-29 2018-11-06 江苏法拉电子有限公司 一种基于x光的自动检测装置
CN110841934A (zh) * 2019-11-27 2020-02-28 广州小出钢管有限公司 乘用车用管件的检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2528972A1 (fr) * 1982-06-22 1983-12-23 Duneau Patrick Dispositif opto-electronique de mesure du diametre des fruits
CN102101110A (zh) * 2009-12-21 2011-06-22 上海爱普生磁性器件有限公司 磁体分选装置
CN102601061A (zh) * 2012-03-23 2012-07-25 杭州师范大学 一种定时器极片不良品自动分拣装置
CN107886499A (zh) * 2017-10-13 2018-04-06 西安工程大学 一种物体表面检测照明系统及照明方法
CN108760779A (zh) * 2018-06-29 2018-11-06 江苏法拉电子有限公司 一种基于x光的自动检测装置
CN110841934A (zh) * 2019-11-27 2020-02-28 广州小出钢管有限公司 乘用车用管件的检测装置

Also Published As

Publication number Publication date
CN113275261B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN107067044A (zh) 一种财务报销全票据智能审核系统
CN109685110B (zh) 图像分类网络的训练方法、图像分类方法及装置、服务器
US3764978A (en) Combined magnetic optical character reader
US11715281B2 (en) System and method for detecting objects in a digital image, and system and method for rescoring object detections
CN107194400A (zh) 一种财务报销全票据图片识别处理方法
CN102609714A (zh) 基于信息增益和在线支持向量机的新型分类器及分类方法
CN103914680A (zh) 一种喷印字符图像识别与校验系统及方法
CN101256631A (zh) 一种字符识别的方法、装置、程序和可读存储介质
CN108334805A (zh) 检测文档阅读顺序的方法和装置
CN110516098A (zh) 基于卷积神经网络及二进制编码特征的图像标注方法
CN102799888A (zh) 人眼检测方法和人眼检测设备
CN111781922B (zh) 一种基于深度强化学习的多机器人协同导航方法
CN105930792A (zh) 一种基于视频局部特征字典的人体动作分类方法
CN113275261B (zh) 一种电磁铁可动铁芯的分拣装置及其方法
CN105745618A (zh) 在无超高多项式成本的情况下求解np完全问题
CN111597943B (zh) 一种基于图神经网络的表格结构识别方法
CN113096147A (zh) 一种基于matlab的激光标记阴影的自动生成方法
CN106611156A (zh) 一种自适应深度空间特征的行人识别方法和系统
CN109359664A (zh) 自我学习更新训练样本的高效质检模型构建方法及系统
CN114515915A (zh) 一种激光切割加工路径优化方法
CN114638219A (zh) 一种基于机器学习算法的错误字词智能识别方法
CN111461130B (zh) 一种高精度图像语义分割算法模型及分割方法
Unceta et al. From batch to online learning using copies
CN102262614A (zh) 纵向校对方法和装置
CN116229493B (zh) 跨模态的图片文本命名实体识别方法、系统及电子设备

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