CN116882063A - 一种汽车配件的自适应选型分析方法及系统 - Google Patents
一种汽车配件的自适应选型分析方法及系统 Download PDFInfo
- Publication number
- CN116882063A CN116882063A CN202310909113.2A CN202310909113A CN116882063A CN 116882063 A CN116882063 A CN 116882063A CN 202310909113 A CN202310909113 A CN 202310909113A CN 116882063 A CN116882063 A CN 116882063A
- Authority
- CN
- China
- Prior art keywords
- accessory
- automobile
- fitting
- model
- information
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 74
- 238000003466 welding Methods 0.000 claims abstract description 68
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000013433 optimization analysis Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 238000012357 Gap analysis Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 15
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种汽车配件的自适应选型分析方法及系统，涉及数据处理技术领域，该方法包括：获取第一配件信息，第一配件信息包括第一配件类型信息和第一配件尺寸信息；获取初始汽车配件集；构建第一汽车配装模型；生成第一汽车配件集的第一配件模型集；获取第一配件模拟结果；获取第一配件缝隙评估结果；对初始汽车配件集进行优化分析，获取最优汽车配件集，解决了现有技术中存在大多通过对配件本身的尺寸、性能等进行分析，而缺乏对配件组装后的配件缝隙对于配件焊接效果的影响分析，进而导致汽车配件的选型效果不佳，影响汽车装配质量的技术问题，达到提升汽车配件选型效果，进而保证汽车装配质量的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种汽车配件的自适应选型分析方法及系统。
背景技术
随着汽车行业的发展，汽车零部件的选择变得越来越重要。汽车零部件是汽车的重要组成部分，而且汽车的性能和安全性都与零部件的质量有着密切的关系。因此，如何在汽车配件商城中选择质量优良的汽车零部件成为了每个车主必须面对的问题。
目前，现有技术中存在大多通过对配件本身的尺寸、性能等进行分析，而缺乏对配件组装后的配件缝隙对于配件焊接效果的影响分析，进而导致汽车配件的选型效果不佳，影响汽车装配质量的技术问题。
发明内容
本发明提供了一种汽车配件的自适应选型分析方法及系统，用以解决现有技术中存在大多通过对配件本身的尺寸、性能等进行分析，而缺乏对配件组装后的配件缝隙对于配件焊接效果的影响分析，进而导致汽车配件的选型效果不佳，影响汽车装配质量的技术问题。
根据本发明的第一方面，提供了一种汽车配件的自适应选型分析方法，包括：获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；构建第一汽车配装模型；根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
根据本发明的第二方面，提供了一种汽车配件的自适应选型分析系统，包括：第一配件信息获取模块，所述第一配件信息获取模块用于获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；配件筛选模块，所述配件筛选模块用于获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；汽车配装模型构建模块，所述汽车配装模型构建模块用于构建第一汽车配装模型；配件模型集生成模块，所述配件模型集生成模块用于根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；组装模拟模块，所述组装模拟模块用于根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；配件缝隙分析模块，所述配件缝隙分析模块用于根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；配件集优化模块，所述配件集优化模块用于根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
本发明提供的一个或多个技术方案可达到的有益效果如下：
获取第一待配装汽车的第一汽车型号信息，根据第一汽车型号信息获取第一配件信息，第一配件信息包括第一配件类型信息和第一配件尺寸信息；获取汽车配件数据库，根据第一配件类型信息和第一配件尺寸信息，结合预定需求性能信息在汽车配件数据库中进行筛选，获取初始汽车配件集；构建第一汽车配装模型；根据初始汽车配件集提取第一汽车配件集，并生成第一汽车配件集的第一配件模型集；根据第一汽车配装模型对第一配件模型集进行组装模拟，获取第一配件模拟结果；根据第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；根据第一配件缝隙评估结果对初始汽车配件集进行优化分析，获取最优汽车配件集，达到提升汽车配件选型效果，进而保证汽车装配质量的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种汽车配件的自适应选型分析方法的流程示意图；
图2为本发明实施例一种汽车配件的自适应选型分析方法中获得第一汽车配件集的流程示意图；
图3为本发明实施例一种汽车配件的自适应选型分析方法中获取第一配件缝隙评估结果的流程示意图；
图4为本发明实施例提供的一种汽车配件的自适应选型分析系统的结构示意图。
附图标记说明：第一配件信息获取模块11，配件筛选模块12，汽车配装模型构建模块13，配件模型集生成模块14，组装模拟模块15，配件缝隙分析模块16，配件集优化模块17。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
图1为本发明实施例提供的一种汽车配件的自适应选型分析方法图，所述方法包括：
步骤S100：获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；
具体而言，第一待配装汽车是指使用本发明实施例提供的一种汽车配件的自适应选型分析方法进行汽车配件选型分析的任意类型的汽车，第一汽车型号信息用于表征第一待配装汽车的类型，比如小型车、微型车、紧凑车型、中等车型、高级车型、豪华车型、三厢车型、CDV车型、MPV车型、SUV等车型，可由用户通过用户端自行输入上传。根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息，具体来说，第一待配装汽车的配件包括发动机、汽车轴承、刹车片、手刹多种汽车零件，不同型号的汽车的配件尺寸不同，由此，可基于现有技术构建汽车型号-配件数据库，汽车型号-配件数据库中包含不同型号汽车分别对应的配件的尺寸，根据第一汽车型号信息在汽车型号-配件数据库中进行遍历匹配，获得第一汽车型号对应的配件和配件尺寸信息作为第一配件类型信息和第一配件尺寸信息，第一配件类型信息包括发动机、刹车片等配件类型，第一配件尺寸信息发动机、刹车片等配件类型的尺寸。
步骤S200：获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；
其中，如图2所示，本发明实施例步骤S200还包括：
步骤S210：根据所述汽车配件数据库，获取多组配件数据集，其中，所述多组配件数据集包括第一配件数据集，且所述第一配件数据集包括尺寸记录信息和性能记录信息；
步骤S220：基于所述第一配件类型信息，在所述多组配件数据集中提取第一配件数据集；
步骤S230：根据所述第一配件尺寸信息和所述预定需求性能信息在所述第一配件数据集中进行遍历筛选，获得第一汽车配件集；
步骤S240：根据所述第一汽车配件集获取所述初始汽车配件集。
具体而言，所述汽车配件数据库可基于汽车配件商城构建，就是根据实际情况汽车配件商城中所包含的所有配件对应的配件类型、配件尺寸、配件性能组合到一起作为汽车配件数据库，进而根据所述汽车配件数据库，获取多组配件数据集，其中，所述多组配件数据集包括第一配件数据集，且所述第一配件数据集包括尺寸记录信息和性能记录信息，第一配件数据集是指汽车配件数据库中任意一种配件类型对应的配件数据库，比如多个发动机的尺寸记录信息和性能记录信息，简单来说，汽车配件商城包含有多种汽车配件，且每一类型的汽车配件均有多个，只是尺寸和性能会有不同，就是按照配件类型，对汽车配件数据库中的配件数据进行聚类，第一配件数据集即为其中任意一个聚类结果。
基于所述第一配件类型信息，在所述多组配件数据集中提取第一配件数据集，简单来说，多组配件数据集包括多组不同类型的配件集，从中提取出与第一配件类型信息相同类型的配件对应的第一配件数据集，比如刹车片的配件数据集。预定需求性能由用户根据实际情况自己设定，包括对配件的重量、绝缘性、防腐蚀性等要求，且不同类型的配件的预定需求性能可以不同，进一步根据所述第一配件尺寸信息和所述预定需求性能信息在所述第一配件数据集中进行遍历筛选，就是筛选出满足所述第一配件尺寸信息和所述预定需求性能信息的配件组合得到所述第一汽车配件集。需要说明的是，第一汽车配件集泛指任意一种类型的配件集，采用相同的方法，获取第一待配装汽车对应的所有类型的配件的多个第一汽车配件集，比如发动机的配件集、刹车片的配件集等，多个第一汽车配件集组成所述初始汽车配件集，由此实现对汽车配件的初步筛选，为后续的汽车配件选型提供基础。
步骤S300：构建第一汽车配装模型；
其中，本发明实施例步骤S300还包括：
步骤S310：根据所述第一汽车型号信息获取第一汽车配装设计图；
步骤S320：根据所述第一汽车配装设计图拆解获取第一配件设计图；
步骤S330：根据所述第一配件设计图生成第一配件三维模型；
步骤S340：结合所述第一汽车配装设计图和所述第一配件三维模型，进行配件组装模拟，得到具有第一配件组装位置标识的所述第一汽车配装模型。
具体而言，根据所述第一汽车型号信息进行汽车设计图纸查询，获取第一汽车配装设计图，对所述第一汽车配装设计图进行拆解，获取第一配件设计图，第一配件设计图泛指任意一个汽车配件的设计图，比如发动机的设计图、方向盘的设计图等，根据第一配件设计图提取出第一配件的尺寸，按照第一配件的尺寸通过现有的三维绘图软件生成第一配件三维模型，第一配件三维模型即为第一零件的虚拟三维模型，进一步结合所述第一汽车配装设计图和所述第一配件三维模型，按照第一汽车配装设计图显示的配件之间的连接关系，进行配件组装模拟，并对不同类型的配件组装位置进行标记，即可得到具有第一配件组装位置标识的所述第一汽车配装模型。
步骤S400：根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；
具体而言，根据所述初始汽车配件集提取第一汽车配件集，初始汽车配件集中包含不同类型的配件集，将每一种类型的配件随机提取一个，组合得到并第一汽车配件集，第一汽车配件集包括多个配件，且多个配件的类型不同，多个配件刚好可以组装一辆第一待配装汽车，按照第一汽车配件集中的配件的尺寸通过现有的三维绘图软件生成第一配件模型集。
步骤S500：根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；
其中，本发明实施例步骤S500还包括：
步骤S510：根据所述第一配件组装位置标识，获取所述第一配件模型集中的第一配件模型的第一组装位置；
步骤S520：按照所述第一组装位置，将所述第一配件模型覆盖至所述第一汽车配装模型，得到所述第一配件模拟结果。
具体而言，根据所述第一配件组装位置标识，获取所述第一配件模型集中的第一配件模型的第一组装位置，第一配件模型是指第一配件模型集中的任一配件模型，根据所述第一配件组装位置标识匹配获得第一配件模型在第一汽车配装模型中的配装位置作为第一组装位置，进一步按照所述第一组装位置，将所述第一配件模型覆盖至所述第一汽车配装模型，获得第一配件模拟组装结果，需要说明的是，第一配件模型是指第一配件模型集中的任一配件模型，因此需要根据第一配件组装位置标识将第一配件模型集中的所有配建模型覆盖至所述第一汽车配装模型，所得结果即为所述第一配件模拟结果。
步骤S600：根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；
其中，如图3所示，本发明实施例步骤S600还包括：
步骤S610：根据所述第一汽车型号信息，获取配件焊接部位信息和预定焊接部位图像数据；
步骤S620：根据所述配件焊接部位信息，在所述第一配件模拟结果上进行焊接部位标记，得到焊接部位标记结果；
步骤S630：根据所述焊接部位标记结果和所述第一配件模拟结果，获取第一焊接部位图像；
步骤S640：根据所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙质量分析，获取所述第一配件缝隙评估结果。
其中，本发明实施例步骤S640还包括：
步骤S641：搭建第一孪生网络模型，所述第一孪生网络模型包括第一分支网络和第二分支网络；
步骤S642：将所述预定焊接部位图像数据输入所述第一分支网络、所述第一焊接部位图像输入第二分支网络，得到预定图像特征集和第一图像特征集；
步骤S643：对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果；
步骤S644：根据所述第一损失分析结果得到所述第一配件缝隙评估结果。
其中，本发明实施例步骤S644还包括：
步骤S6441：对所述预定图像特征集和所述第一图像特征集进行特征比较分析，获取第一特征偏差；
步骤S6442：获取预定特征偏差阈值；
步骤S6443：根据所述第一特征偏差和所述预定特征偏差阈值进行损失分析，输出第一损失分析结果。
具体而言，根据所述第一汽车型号信息，获取配件焊接部位信息和预定焊接部位图像数据，通俗地讲，汽车的车身是通过不同零件焊接组装而成的，在进行汽车的设计时，就会确定需要焊接的配件，因此根据所述第一汽车型号信息可直接获取配件焊接部位信息和预定焊接部位图像数据，焊接部位信息即为任意两个需要焊接在起一起的配件的焊接位置，比如车门、发动机盖与其他配件连接的位置，预定焊接部位图像数据是根据历史车辆组装记录提取的标准的焊接部位的两个配件之间在不同角度下的缝隙图像，就是说，针对汽车中需要焊接的两个或者多个配件之间的缝隙的宽度和形状不符合装配标准时，会影响到配件之间的焊接强度，进而影响汽车装配效果，可能导致装配完成的汽车不合格，因此，需要对相邻部件之间的缝隙进行分析评估，从而辅助用户筛选出最优配件进行车辆组装，提升车辆组装质量。
进一步根据所述配件焊接部位信息，在所述第一配件模拟结果上进行焊接部位标记，比如将焊接部位圈选出来，即可得到焊接部位标记结果，根据所述焊接部位标记结果和所述第一配件模拟结果，对焊接部位进行图像截取获得第一焊接部位图像，需要说明的是，截取的第一焊接部位图像的角度与预定焊接部位图像数据的角度相同，从而便于进行配件缝隙质量分析，为配件选型提供支持，提升配件选型的准确性，进而保证汽车配装质量。
根据所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙质量分析，获取所述第一配件缝隙评估结果的具体过程如下：
首先搭建第一孪生网络模型，所述第一孪生网络模型包括第一分支网络和第二分支网络，孪生网络常用于对两幅图像进行相似度分析，在本实施例中，用于分析所述预定焊接部位图像数据和所述第一焊接部位图像之间的偏差，第一分支网络和第二分支网络均为基于方向梯度直方图构建的图像中目标(即配件缝隙)的形状的图像处理模型，可用于进行图像中目标物形状特征的提取，当然，实际应用中，可对第一分支网络和第二分支网络内嵌的图像中目标物形状特征提取算法进行更换，可自行选择现有的图像中目标物形状特征提取算法，比如轮廓提取等，对图像中目标物进行形状特征提取是本领域技术人员常用技术手段，故在此不进行展开，进而将第一分支网络和第二分支网络拼接得到第一孪生网络模型。将所述预定焊接部位图像数据输入所述第一分支网络、所述第一焊接部位图像输入第二分支网络，分别对所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙的形状特征提取，即可得到预定图像特征集和第一图像特征集，进而对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果，第一损失分析结果用于表征所述预定焊接部位图像数据和所述第一焊接部位图像之间的偏差大小，偏差越小，第一损失分析结果越小，配件缝隙越符合标准，即配件的选型效果越好，根据所述第一损失分析结果得到所述第一配件缝隙评估结果，第一损失分析结果越小，第一配件缝隙质量就越高，以第一配件缝隙质量作为所述第一配件缝隙评估结果，由此实现对配件缝隙的质量评估，便于提升汽车配件的选型效果，进而保证汽车配件组装质量。
具体地，对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果的过程如下：对所述预定图像特征集和所述第一图像特征集进行特征比较分析，获取两者之间的差异值作为第一特征偏差，进一步获取预定特征偏差阈值，预定特征偏差阈值是指配件组装时允许配件缝隙存在，即保证配件焊接质量可以合格的误差值，具体可基于历史经验由本领域技术人员设置，进一步根据所述第一特征偏差和所述预定特征偏差阈值进行损失分析，具体来说，计算所述第一特征偏差和所述预定特征偏差阈值之间的差值的绝对值作为损失分析结果，可对第一配件模拟结果中的所有需要进行焊接的配件缝隙进行损失分析，获取所有配件缝隙的损失分析结果后进行加和，以加和结果作为第一损失分析结果进行输出，由此实现对配件缝隙的损失分析，便于进行配件缝隙的质量评估，提升汽车配件的选型效果。
步骤S700：根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
具体而言，根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，也就是说，步骤S200中，根据第一配件类型信息和第一配件尺寸信息，结合预定需求性能信息在汽车配件数据库中进行了初步筛选，获得了初始汽车配件集，后续对初始汽车配件集进行随机组合，得到了第一汽车配件集，第一汽车配件集泛指进行随机组合获得的多个汽车配件集，对第一汽车配件集进行配件组装缝隙质量进行了评估，得到了第一配件缝隙评估结果，第一配件缝隙评估结果泛指多个汽车配件集对应的多个配件缝隙评估结果，基于此，获取多个配件缝隙评估结果中的最小配件缝隙评估结果对应的汽车配件集作为最优汽车配件集，用户可根据最优汽车配件集在汽车配件商城中进行配件的选择、购买，由此实现对汽车配件的选型分析，提升汽车配件选型效果，进而保证汽车装配质量。
基于上述分析可知，本发明提供的一个或多个技术方案可达到的有益效果如下：
获取第一待配装汽车的第一汽车型号信息，根据第一汽车型号信息获取第一配件信息，第一配件信息包括第一配件类型信息和第一配件尺寸信息；获取汽车配件数据库，根据第一配件类型信息和第一配件尺寸信息，结合预定需求性能信息在汽车配件数据库中进行筛选，获取初始汽车配件集；构建第一汽车配装模型；根据初始汽车配件集提取第一汽车配件集，并生成第一汽车配件集的第一配件模型集；根据第一汽车配装模型对第一配件模型集进行组装模拟，获取第一配件模拟结果；根据第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；根据第一配件缝隙评估结果对初始汽车配件集进行优化分析，获取最优汽车配件集，达到提升汽车配件选型效果，进而保证汽车装配质量的技术效果。
实施例二
基于与前述实施例中一种汽车配件的自适应选型分析方法同样的发明构思，如图4所示，本发明还提供了一种汽车配件的自适应选型分析系统，所述系统包括：
第一配件信息获取模块11，所述第一配件信息获取模块11用于获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；
配件筛选模块12，所述配件筛选模块12用于获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；
汽车配装模型构建模块13，所述汽车配装模型构建模块13用于构建第一汽车配装模型；
配件模型集生成模块14，所述配件模型集生成模块14用于根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；
组装模拟模块15，所述组装模拟模块15用于根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；
配件缝隙分析模块16，所述配件缝隙分析模块16用于根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；
配件集优化模块17，所述配件集优化模块17用于根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
进一步而言，所述配件筛选模块12还用于：
根据所述汽车配件数据库，获取多组配件数据集，其中，所述多组配件数据集包括第一配件数据集，且所述第一配件数据集包括尺寸记录信息和性能记录信息；
基于所述第一配件类型信息，在所述多组配件数据集中提取第一配件数据集；
根据所述第一配件尺寸信息和所述预定需求性能信息在所述第一配件数据集中进行遍历筛选，获得第一汽车配件集；
根据所述第一汽车配件集获取所述初始汽车配件集。
进一步而言，所述汽车配装模型构建模块13还用于：
根据所述第一汽车型号信息获取第一汽车配装设计图；
根据所述第一汽车配装设计图拆解获取第一配件设计图；
根据所述第一配件设计图生成第一配件三维模型；
结合所述第一汽车配装设计图和所述第一配件三维模型，进行配件组装模拟，得到具有第一配件组装位置标识的所述第一汽车配装模型。
进一步而言，所述组装模拟模块15还用于：
根据所述第一配件组装位置标识，获取所述第一配件模型集中的第一配件模型的第一组装位置；
按照所述第一组装位置，将所述第一配件模型覆盖至所述第一汽车配装模型，得到所述第一配件模拟结果。
进一步而言，所述配件缝隙分析模块16还用于：
根据所述第一汽车型号信息，获取配件焊接部位信息和预定焊接部位图像数据；
根据所述配件焊接部位信息，在所述第一配件模拟结果上进行焊接部位标记，得到焊接部位标记结果；
根据所述焊接部位标记结果和所述第一配件模拟结果，获取第一焊接部位图像；
根据所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙质量分析，获取所述第一配件缝隙评估结果。
进一步而言，所述配件缝隙分析模块16还用于：
搭建第一孪生网络模型，所述第一孪生网络模型包括第一分支网络和第二分支网络；
将所述预定焊接部位图像数据输入所述第一分支网络、所述第一焊接部位图像输入第二分支网络，得到预定图像特征集和第一图像特征集；
对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果；
根据所述第一损失分析结果得到所述第一配件缝隙评估结果。
进一步而言，所述配件缝隙分析模块16还用于：
对所述预定图像特征集和所述第一图像特征集进行特征比较分析，获取第一特征偏差；
获取预定特征偏差阈值；
根据所述第一特征偏差和所述预定特征偏差阈值进行损失分析，输出第一损失分析结果。
前述实施例一中的一种汽车配件的自适应选型分析方法具体实例同样适用于本实施例的一种汽车配件的自适应选型分析系统，通过前述对一种汽车配件的自适应选型分析方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种汽车配件的自适应选型分析系统，所以为了说明书的简洁，在此不再详述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (8)
1.一种汽车配件的自适应选型分析方法，其特征在于，所述方法包括：
获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；
获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；
构建第一汽车配装模型；
根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；
根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；
根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；
根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
2.如权利要求1所述一种汽车配件的自适应选型分析方法，其特征在于，所述根据所述第一配件类型信息和第一配件尺寸信息结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集，包括：
根据所述汽车配件数据库，获取多组配件数据集，其中，所述多组配件数据集包括第一配件数据集，且所述第一配件数据集包括尺寸记录信息和性能记录信息；
基于所述第一配件类型信息，在所述多组配件数据集中提取第一配件数据集；
根据所述第一配件尺寸信息和所述预定需求性能信息在所述第一配件数据集中进行遍历筛选，获得第一汽车配件集；
根据所述第一汽车配件集获取所述初始汽车配件集。
3.如权利要求1所述一种汽车配件的自适应选型分析方法，其特征在于，所述构建第一汽车配装模型，包括：
根据所述第一汽车型号信息获取第一汽车配装设计图；
根据所述第一汽车配装设计图拆解获取第一配件设计图；
根据所述第一配件设计图生成第一配件三维模型；
结合所述第一汽车配装设计图和所述第一配件三维模型，进行配件组装模拟，得到具有第一配件组装位置标识的所述第一汽车配装模型。
4.如权利要求3所述一种汽车配件的自适应选型分析方法，其特征在于，所述根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果，包括：
根据所述第一配件组装位置标识，获取所述第一配件模型集中的第一配件模型的第一组装位置；
按照所述第一组装位置，将所述第一配件模型覆盖至所述第一汽车配装模型，得到所述第一配件模拟结果。
5.如权利要求4所述一种汽车配件的自适应选型分析方法，其特征在于，所述根据所述第一配件模拟结果对配件缝隙进行分析，获取第一配件缝隙评估结果，包括：
根据所述第一汽车型号信息，获取配件焊接部位信息和预定焊接部位图像数据；
根据所述配件焊接部位信息，在所述第一配件模拟结果上进行焊接部位标记，得到焊接部位标记结果；
根据所述焊接部位标记结果和所述第一配件模拟结果，获取第一焊接部位图像；
根据所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙质量分析，获取所述第一配件缝隙评估结果。
6.如权利要求5所述一种汽车配件的自适应选型分析方法，其特征在于，所述根据所述预定焊接部位图像数据和所述第一焊接部位图像进行配件缝隙质量分析，包括：
搭建第一孪生网络模型，所述第一孪生网络模型包括第一分支网络和第二分支网络；
将所述预定焊接部位图像数据输入所述第一分支网络、所述第一焊接部位图像输入第二分支网络，得到预定图像特征集和第一图像特征集；
对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果；
根据所述第一损失分析结果得到所述第一配件缝隙评估结果。
7.如权利要求6所述一种汽车配件的自适应选型分析方法，其特征在于，对所述预定图像特征集和所述第一图像特征集进行损失分析，输出第一损失分析结果，包括：
对所述预定图像特征集和所述第一图像特征集进行特征比较分析，获取第一特征偏差；
获取预定特征偏差阈值；
根据所述第一特征偏差和所述预定特征偏差阈值进行损失分析，输出第一损失分析结果。
8.一种汽车配件的自适应选型分析系统，其特征在于，用于执行权利要求1至7所述的一种汽车配件的自适应选型分析方法中任意一项方法的步骤，所述系统包括：
第一配件信息获取模块，所述第一配件信息获取模块用于获取第一待配装汽车的第一汽车型号信息，根据所述第一汽车型号信息获取第一配件信息，所述第一配件信息包括第一配件类型信息和第一配件尺寸信息；
配件筛选模块，所述配件筛选模块用于获取汽车配件数据库，根据所述第一配件类型信息和所述第一配件尺寸信息，结合预定需求性能信息在所述汽车配件数据库中进行筛选，获取初始汽车配件集；
汽车配装模型构建模块，所述汽车配装模型构建模块用于构建第一汽车配装模型；
配件模型集生成模块，所述配件模型集生成模块用于根据所述初始汽车配件集提取第一汽车配件集，并生成所述第一汽车配件集的第一配件模型集；
组装模拟模块，所述组装模拟模块用于根据所述第一汽车配装模型对所述第一配件模型集进行组装模拟，获取第一配件模拟结果；
配件缝隙分析模块，所述配件缝隙分析模块用于根据所述第一配件模拟结果对第一配件缝隙进行分析，获取第一配件缝隙评估结果；
配件集优化模块，所述配件集优化模块用于根据所述第一配件缝隙评估结果对所述初始汽车配件集进行优化分析，获取最优汽车配件集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310909113.2A CN116882063A (zh) | 2023-07-24 | 2023-07-24 | 一种汽车配件的自适应选型分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310909113.2A CN116882063A (zh) | 2023-07-24 | 2023-07-24 | 一种汽车配件的自适应选型分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116882063A true CN116882063A (zh) | 2023-10-13 |
Family
ID=88261897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310909113.2A Pending CN116882063A (zh) | 2023-07-24 | 2023-07-24 | 一种汽车配件的自适应选型分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882063A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111630342A (zh) * | 2018-08-29 | 2020-09-04 | 深圳配天智能技术研究院有限公司 | 视觉焊接系统的缝隙检测方法以及系统 |
| CN112184704A (zh) * | 2020-10-28 | 2021-01-05 | 广西科技大学 | 一种基于卷积神经网络的焊缝处理方法 |
| AU2020103882A4 (en) * | 2020-12-03 | 2021-02-11 | Zhimin Li | A Method for Allocating Assembly Tolerance of car body considering the Influence of Welding Deformation |
| CN114119931A (zh) * | 2020-08-31 | 2022-03-01 | Oppo广东移动通信有限公司 | 部件的装配方法、装置、存储介质以及终端 |
| CN115687426A (zh) * | 2022-11-16 | 2023-02-03 | 张家港亚琛机械有限公司 | 一种汽车金属配件选型的适应度检测方法及系统 |
| CN116008301A (zh) * | 2022-11-11 | 2023-04-25 | 大唐互联科技(武汉)有限公司 | 一种基于车身板材焊接质量检测的方法 |
-
2023
- 2023-07-24 CN CN202310909113.2A patent/CN116882063A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111630342A (zh) * | 2018-08-29 | 2020-09-04 | 深圳配天智能技术研究院有限公司 | 视觉焊接系统的缝隙检测方法以及系统 |
| CN114119931A (zh) * | 2020-08-31 | 2022-03-01 | Oppo广东移动通信有限公司 | 部件的装配方法、装置、存储介质以及终端 |
| CN112184704A (zh) * | 2020-10-28 | 2021-01-05 | 广西科技大学 | 一种基于卷积神经网络的焊缝处理方法 |
| AU2020103882A4 (en) * | 2020-12-03 | 2021-02-11 | Zhimin Li | A Method for Allocating Assembly Tolerance of car body considering the Influence of Welding Deformation |
| CN116008301A (zh) * | 2022-11-11 | 2023-04-25 | 大唐互联科技(武汉)有限公司 | 一种基于车身板材焊接质量检测的方法 |
| CN115687426A (zh) * | 2022-11-16 | 2023-02-03 | 张家港亚琛机械有限公司 | 一种汽车金属配件选型的适应度检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872305B (zh) | 一种基于质量图生成网络的无参考立体图像质量评价方法 | |
| CN107341776B (zh) | 基于稀疏编码与组合映射的单帧超分辨率重建方法 | |
| JP2003242181A (ja) | ユニット設計装置およびユニット設計方法 | |
| CN104820738A (zh) | 基于消费者偏好的快速构建suv产品族基因池与新产品生成方法 | |
| Sun et al. | Virtualisation and automation of curved shell plates’ manufacturing plan design process for knowledge elicitation | |
| CN113269680A (zh) | 一种基于排序学习和孪生神经网络的图像修复质量评价方法 | |
| CN116882063A (zh) | 一种汽车配件的自适应选型分析方法及系统 | |
| CN105849776A (zh) | 图像处理装置、主题识别方法和程序 | |
| JP2002056040A (ja) | ３次元ｃａｄによるケーブルクランプとケーブルの形状設計方法およびコンピュータ読み取り可能な記録媒体 | |
| US20210279377A1 (en) | Generative design using style grammars | |
| JP4092637B2 (ja) | 形状モデル簡略化装置 | |
| CN116881034A (zh) | 一种车载数据筛选方法、装置、电子设备及存储介质 | |
| CN115687426A (zh) | 一种汽车金属配件选型的适应度检测方法及系统 | |
| JP2004013284A (ja) | ワイヤーハーネス屈曲寿命予測方法 | |
| US7363197B2 (en) | Analytical shell model forming apparatus | |
| Pandremenos et al. | Modular product design and customization | |
| CN112783799B (zh) | 软件守护测试方法及装置 | |
| CN115797601A (zh) | 一种Brep三维模型的中面自动提取方法及系统 | |
| Ando et al. | Aerodynamic performance evaluation system at the early concept stage of automotive styling development based on CFD | |
| CN112613533B (zh) | 基于排序约束的图像分割质量评价网络系统、方法 | |
| US9840072B2 (en) | Method for arranging joints to 3D model, arranging apparatus for the method, and application program for using the same | |
| CN111681081B (zh) | 交互式产品配置方法及系统、计算机可读存储介质、终端 | |
| CN108334594A (zh) | 信息确定方法、装置、电子设备及计算机可读存储介质 | |
| CN114972062A (zh) | 一种基于平行自适应引导网络的图像修复模型及其方法 | |
| CN101111844A (zh) | 用于使部件设计和模设计同步的系统以及用于其的服务器、部件设计终端设备和模设计终端设备 |
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 |