CN117400363B - 一种汽车褥垫的双工位切割装置及精度控制方法 - Google Patents
一种汽车褥垫的双工位切割装置及精度控制方法 Download PDFInfo
- Publication number
- CN117400363B CN117400363B CN202311409734.0A CN202311409734A CN117400363B CN 117400363 B CN117400363 B CN 117400363B CN 202311409734 A CN202311409734 A CN 202311409734A CN 117400363 B CN117400363 B CN 117400363B
- Authority
- CN
- China
- Prior art keywords
- cutting
- double
- image
- label
- automobile
- 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.)
- Active
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims 1
- 210000002569 neuron Anatomy 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26F—PERFORATING; PUNCHING; CUTTING-OUT; STAMPING-OUT; SEVERING BY MEANS OTHER THAN CUTTING
- B26F3/00—Severing by means other than cutting; Apparatus therefor
- B26F3/004—Severing by means other than cutting; Apparatus therefor by means of a fluid jet
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
- B26D5/00—Arrangements for operating and controlling machines or devices for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
- B26D5/005—Computer numerical control means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B26—HAND CUTTING TOOLS; CUTTING; SEVERING
- B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
- B26D7/00—Details of apparatus for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
- B26D7/26—Means for mounting or adjusting the cutting member; Means for adjusting the stroke of the cutting member
- B26D7/2628—Means for adjusting the position of the cutting member
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Forests & Forestry (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Laser Beam Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种汽车褥垫的双工位切割装置及精度控制方法，适用于汽车生产领域，精度控制方法包括：通过位于机床上部的图像采集装置，获得大量样本切割流程中的图像集，基于切割结果赋予标签获得标签图像集，通过构建改进的Alexnet网络标签预测模型，进行模型训练和验证，获得基于改进Alexnet网络的精度控制模型应用于实际工作中，相对于传统的人工方法，本方法具有识别速度快，准确率高，大大缩减成本等优势。
Description
技术领域
本发明涉及一种汽车褥垫的双工位切割装置及精度控制方法，适用于汽车零配件生产领域。
背景技术
随着汽车工程技术的不断发展和完善，再加上消费者对汽车舒适性的高要求，目前汽车生产过程中存在大量的满足消费者舒适性的零配件的生产和切割，但是在零配件的切割过程中，目前主要采用人工的方式进行辅助切割以保证误差满足要求，但是人工操作效率低，受人员熟练程度的影响产品的一致性难以保证，且用工成本较高。
发明内容
有鉴于此，本申请提出一种汽车褥垫的双工位切割装置及精度控制方法，以解决上述问题。
本申请提出一种汽车褥垫的双工位切割精度控制方法，主要通过以下技术方案达到：
S101，根据切割路程以及水刀移动速度，计算汽车褥垫在双工位切割全流程时间为T，将切割时间T均分为n份，定义时刻Ti。
S102，对大量汽车褥垫样本采用双工位切割装置进行切割，获取切割结果，样本编号为j，j＝1,2...n；通过图像采集装置，获得大量样本的图像集Gij，定义标签，将标签赋予图像集Gij，获得带标签的样本集Gij’。
S103，对获得图像进行预处理，获得处理后图像集，针对每个时刻Ti的图像集划分训练集和验证集。
S104，针对每一个时刻Ti构建改进的ALexent神经网络识别模型Mi进行标签预测。
S105，采用训练集图像训练模型，采用验证集图像对模型效果进行验证。
S106，获得训练好的模型，应用于汽车褥垫切割精度控制工作中。
进一步的上述S102中，对样本j的切割结果进行评判，定义阈值ε，规定切割结果超过阈值ε定义标签结果为0，未超过阈值ε，定义标签为1，根据切割结果对图像集Gij赋予标签，获得含标签的图像集Gij’。
进一步的上述S103中，预处理采用措施为图像大小归一化，图像灰度化，直方图均衡化。
进一步的上述S104中，改进的ALexent神经网络识别模型一共分为7层，由卷积层、池化层、全连接层等叠加形成，同时加入一层展平层。
进一步的上述S104中，改进的ALexent神经网络识别模型激活函数采用自然对数修正线性单元函数NLReLU函数，表达式为式(2)，
式中，β为激活函数相应增速。
进一步的上述S104中，改进的Alexnet网络模型采用Droput正则化，对所有的神将元按照40％的概率进行消除处理。
进一步的上述S104中，改进的Alexnet网络模型主要参数设置为：Batchsize为64，动量设置为0.95，ω衰减率设置为0.0001，学习率为0.0001。
进一步的上述S106中，网络训练效果采用精确率P作为评估指标，表达式见式(3)，P≥95％，该模型符合要求，
式中：TP表示将实际正样本数预测为正样本的个数，FP表示将实际负样本预测为正样本的个数。
本申请提出一种汽车褥垫的双工位切割装置，其特征在于，包括：机床床身，横梁，横梁支撑板，纵向移动装置，水刀，图像采集装置，控制中心，动力装置，所述水刀和所述图像采集装置固定在所述横梁上，所述横梁通过所述横梁支撑版固定于所述纵向移动装置上，所述图像采集装置将采集信息传输于所述控制中心，所述控制中心根据采集信息发出指令予所述动力装置，所述动力装置控制所述纵向移动装置和所述水刀。
本发明的有益效果是：
本发明的有益效果是：提供了一种汽车褥垫的双工位切割装置及精度控制方法，具有效率高、速度快、准确率高和低成本等优点，可广泛的应用于汽车零配件生产领域。
附图说明
图1：为本发明的一种汽车褥垫的双工位切割精度控制方法的流程图。
图2：为本发明的一种汽车褥垫的双工位切割精度控制方法的改进Alexnet网络模型结构。
图3：为本发明的一种汽车褥垫的双工位切割装置图。
其中：机床床身(1)，横梁(2)，横梁支撑板(3)，纵向移动装置(4)，水刀(5)，图像采集装置(6)，控制中心(7)，动力装置(8)。
具体实施方式
以下结合附图对本发明的具体实施例进行详细说明；应当理解的是此处所给出的具体实施例仅用于说明和解释本发明，并不能用来限制本发明。
下面是一种汽车褥垫的双工位切割精度控制方法的具体实施例。
如图1所示，为根据本发明的一种汽车褥垫的双工位切割精度控制方法流程图。
S101，根据切割路程以及水刀移动速度，计算汽车褥垫在双工位切割全流程时间为T，将切割时间T均分为n份，定义时刻Ti。
S102，对大量汽车褥垫样本采用双工位切割装置进行切割，获取切割结果，样本编号为j，j＝1,2...n；通过图像采集装置，获得大量样本的图像集Gij，定义标签，将标签赋予图像集Gij，获得带标签的样本集Gij’。
进一步的，对样本j的切割结果进行评判，定义阈值ε，规定切割结果超过阈值ε定义标签结果为0，未超过阈值ε，定义标签为1，根据切割结果对图像集Gij赋予标签，获得含标签的图像集Gij’。
S103，对获得图像进行预处理，获得处理后图像集，针对每个时刻Ti的图像集划分训练集和验证集。
进一步的，预处理采用措施为图像大小归一化，图像灰度化，直方图均衡化。
S104，针对每一个时刻Ti构建改进的ALexent神经网络识别模型Mi进行标签预测。
进一步的，改进的ALexent神经网络识别模型一共分为7层，由卷积层、池化层、全连接层等叠加形成，同时加入一层展平层。
进一步的，改进的ALexent神经网络识别模型激活函数采用自然对数修正线性单元函数NLReLU函数，表达式为式(2)，
式中，β为激活函数相应增速。
进一步的，改进的Alexnet网络模型采用Droput正则化，对所有的神将元按照40％的概率进行消除处理。
进一步的，改进的Alexnet网络模型主要参数设置为：Batchsize为64，动量设置为0.95，ω衰减率设置为0.0001，学习率为0.0001。
S105，采用训练集图像训练模型，采用验证集图像对模型效果进行验证。
S106，获得训练好的模型，应用于汽车褥垫切割精度控制工作中。
进一步的，网络训练效果采用精确率P作为评估指标，表达式见式(3)，P≥95％，该模型符合要求，
式中：TP表示将实际正样本数预测为正样本的个数，FP表示将实际负样本预测为正样本的个数。
本申请提出一种汽车褥垫的双工位切割装置，其特征在于，包括：机床床身(1)，横梁(2)，横梁支撑板(3)，纵向移动装置(4)，水刀(5)，图像采集装置(6)，控制中心(7)，动力装置(8)，所述水刀(5)和所述图像采集装置(6)固定在所述横梁(2)上，所述横梁(2)通过所述横梁支撑版(3)固定于所述纵向移动装置(4)上，所述图像采集装置(6)将采集信息传输于所述控制中心(7)，所述控制中心(7)根据采集信息发出指令予所述动力装置(8)，所述动力装置(8)控制所述纵向移动装置(4)和所述水刀(5)。
本发明提供了一种汽车褥垫的双工位切割装置及精度控制方法，适用于汽车生产领域，精度控制方法包括：通过位于机床上部的图像采集装置，获得大量样本切割流程中的图像集，基于切割结果赋予标签获得标签图像集，通过构建改进的Alexnet网络标签预测模型，进行模型训练和验证，获得基于改进Alexnet网络的精度控制模型应用于实际工作中，相对于传统的人工方法，本方法具有识别速度快，准确率高，大大缩减成本等优势。
以上所述为本发明的较佳实施例，并不以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种汽车褥垫的双工位切割精度控制方法，其特征在于，所述方法包含以下步骤：
1)根据切割路程以及水刀移动速度，计算汽车褥垫在双工位切割全流程时间为T，将切割时间T均分为n份，定义时刻Ti；
2)对大量汽车褥垫样本采用双工位切割装置进行切割，获取切割结果，样本编号为j，j＝1,2...n；通过图像采集装置，获得大量样本的图像集Gij，定义标签，将标签赋予图像集Gij，获得带标签的样本集Gij’；
所述双工位切割装置包括机床床身，横梁，横梁支撑板，纵向移动装置，水刀，图像采集装置，控制中心，动力装置，所述水刀和所述图像采集装置固定在所述横梁上，所述横梁通过所述横梁支撑板固定于所述纵向移动装置上，所述图像采集装置将采集信息传输于所述控制中心，所述控制中心根据采集信息发出指令予所述动力装置，所述动力装置控制所述纵向移动装置和所述水刀；
3)对获得图像进行预处理，获得处理后图像集，针对每个时刻Ti的图像集划分训练集和验证集；
4)针对每一个时刻Ti构建改进的ALexnet神经网络识别模型Mi进行标签预测；
5)采用训练集图像训练模型，采用验证集图像对模型效果进行验证；
6)获得训练好的模型，应用于汽车褥垫切割精度控制工作中。
2.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述1)中，时刻Ti，i＝0,1...n代表汽车褥垫放置于切割机床上水刀开始工作后的Ti时刻，
式中，T为切割总耗时，n为时间切分数量。
3.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述2)中，对样本j的切割结果进行评判，定义阈值ε，规定切割结果超过阈值ε定义标签结果为0，未超过阈值ε，定义标签为1，根据切割结果对图像集Gij赋予标签，获得含标签的图像集Gij’。
4.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述3)中，预处理采用措施为图像大小归一化，图像灰度化，直方图均衡化。
5.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述4)中，改进的ALexnet神经网络识别模型一共分为7层，由卷积层、池化层、全连接层等叠加形成，同时加入一层展平层。
6.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述4)中，改进的ALexnet神经网络识别模型激活函数采用自然对数修正线性单元函数NLReL U函数，表达式为式(2)，
式中，β为激活函数相应增速。
7.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述4)中，改进的Alexnet网络模型采用Droput正则化，对所有的神经元按照40％的概率进行消除处理。
8.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述4)中，改进的Alexnet网络模型主要参数设置为：Batchsize为64，动量设置为0.95，ω衰减率设置为0.0001，学习率为0.0001。
9.根据权利要求1所述的一种汽车褥垫的双工位切割精度控制方法，其特征在于：所述6)中，网络训练效果采用精确率P作为评估指标，表达式见式(3)，P≥95％，该模型符合要求，
式中：TP表示将实际正样本数预测为正样本的个数，FP表示将实际负样本预测为正样本的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311409734.0A CN117400363B (zh) | 2023-10-27 | 2023-10-27 | 一种汽车褥垫的双工位切割装置及精度控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311409734.0A CN117400363B (zh) | 2023-10-27 | 2023-10-27 | 一种汽车褥垫的双工位切割装置及精度控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117400363A CN117400363A (zh) | 2024-01-16 |
| CN117400363B true CN117400363B (zh) | 2024-04-19 |
Family
ID=89486725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311409734.0A Active CN117400363B (zh) | 2023-10-27 | 2023-10-27 | 一种汽车褥垫的双工位切割装置及精度控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117400363B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106564094A (zh) * | 2016-10-28 | 2017-04-19 | 重庆泰奥豪骋科技有限公司 | 一种汽车内饰件水切割机及加工方法 |
| CN114393520A (zh) * | 2022-01-19 | 2022-04-26 | 无锡井上华光汽车部件有限公司 | 一种机器人智能化冲切工艺监测方法及系统 |
| CN116524317A (zh) * | 2023-03-13 | 2023-08-01 | 北京理工大学重庆创新中心 | 一种图像切割及预测频率统计的方法、装置、设备及介质 |
| CN219787988U (zh) * | 2023-05-19 | 2023-10-03 | 佛山市锐驰科技有限公司 | 一种双刀头流水线式水刀切割设备 |
| WO2023197566A1 (zh) * | 2022-04-13 | 2023-10-19 | 中铁第四勘察设计院集团有限公司 | 基于图像处理的水射流钢轨打磨车吹吸污方法及系统 |
-
2023
- 2023-10-27 CN CN202311409734.0A patent/CN117400363B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106564094A (zh) * | 2016-10-28 | 2017-04-19 | 重庆泰奥豪骋科技有限公司 | 一种汽车内饰件水切割机及加工方法 |
| CN114393520A (zh) * | 2022-01-19 | 2022-04-26 | 无锡井上华光汽车部件有限公司 | 一种机器人智能化冲切工艺监测方法及系统 |
| WO2023197566A1 (zh) * | 2022-04-13 | 2023-10-19 | 中铁第四勘察设计院集团有限公司 | 基于图像处理的水射流钢轨打磨车吹吸污方法及系统 |
| CN116524317A (zh) * | 2023-03-13 | 2023-08-01 | 北京理工大学重庆创新中心 | 一种图像切割及预测频率统计的方法、装置、设备及介质 |
| CN219787988U (zh) * | 2023-05-19 | 2023-10-03 | 佛山市锐驰科技有限公司 | 一种双刀头流水线式水刀切割设备 |
Non-Patent Citations (2)
| Title |
|---|
| 机器人水切割技术在汽车内饰件中的应用;董丽娟;;科技风;20181015(第31期);252-253 * |
| 董丽娟 ; .机器人水切割技术在汽车内饰件中的应用.科技风.2018,(第31期),252-253. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117400363A (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110509109B (zh) | 基于多尺度深度卷积循环神经网络的刀具磨损监测方法 | |
| US8781982B1 (en) | System and method for estimating remaining useful life | |
| CN102091972B (zh) | 一种数控机床刀具磨损监测方法 | |
| EP3529669B1 (de) | Verfahren und steuereinrichtung zum steuern eines technischen systems | |
| CN111716150B (zh) | 一种刀具状态智能监测的进化学习方法 | |
| CN103362507B (zh) | 一种提高采煤机记忆截割执行精度的方法 | |
| CN109822576B (zh) | 一种机器人加工虚拟夹具的生成方法 | |
| CN110298403A (zh) | 一种财经新闻中企业主体的情感分析方法和系统 | |
| CN106384122A (zh) | 一种基于改进cs‑lssvm的设备故障模式识别方法 | |
| CN117400363B (zh) | 一种汽车褥垫的双工位切割装置及精度控制方法 | |
| CN113536681B (zh) | 一种基于时序外推预测的电动舵机健康评估方法 | |
| CN114810100B (zh) | 一种基于深度神经网络的盾构掘进姿态预测方法 | |
| CN113536682B (zh) | 一种基于二次自编码融合机制的电动液压舵机参数退化时序外推预测方法 | |
| CN114742987B (zh) | 一种用于非金属材料切割的自动定位控制方法及系统 | |
| CN113414638A (zh) | 一种基于铣削力时序图深度学习的变工况铣刀磨损状态预测方法 | |
| CN113536683B (zh) | 一种基于深度神经网络的人工特征与卷积特征融合的特征提取方法 | |
| CN108956783B (zh) | 一种基于hdp-hsmm的磨削声砂轮钝化状态检测方法 | |
| DE102019200482A1 (de) | Verfahren und Vorrichtung zum automatisierten Bearbeiten eines Werkstücks mit einer Werkzeugmaschine | |
| CN111006941B (zh) | 一种真三轴试验力转变形及峰后扰动自动化控制方法 | |
| DE112020006810T5 (de) | Betriebszustands-klassifikationssystem und betriebszustands-klassifikationsverfahren | |
| CN115879047A (zh) | 一种基于梯度提升决策的煤矿井下钻进过程工况识别方法 | |
| CN110164471B (zh) | 基于空中交通管制员陆空通话语音的疲劳监测方法 | |
| CN104866716A (zh) | 一种无传感器的切削状态识别方法 | |
| CN110647117B (zh) | 一种化工过程故障识别方法及系统 | |
| CN109754069B (zh) | 基于改进elm和多源参数的煤壁性质识别装置及方法 |
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 |