CN118011133B - 一种基于智能反馈的can总线线缆检测分析方法及系统 - Google Patents

一种基于智能反馈的can总线线缆检测分析方法及系统 Download PDF

Info

Publication number
CN118011133B
CN118011133B CN202410411816.7A CN202410411816A CN118011133B CN 118011133 B CN118011133 B CN 118011133B CN 202410411816 A CN202410411816 A CN 202410411816A CN 118011133 B CN118011133 B CN 118011133B
Authority
CN
China
Prior art keywords
bus cable
preset
model diagram
tested
actual
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
Application number
CN202410411816.7A
Other languages
English (en)
Other versions
CN118011133A (zh
Inventor
朱姣
贺广宇
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.)
Xi'an Qianjing Defense Technology Co ltd
Original Assignee
Xi'an Qianjing Defense Technology Co ltd
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 Xi'an Qianjing Defense Technology Co ltd filed Critical Xi'an Qianjing Defense Technology Co ltd
Priority to CN202410411816.7A priority Critical patent/CN118011133B/zh
Publication of CN118011133A publication Critical patent/CN118011133A/zh
Application granted granted Critical
Publication of CN118011133B publication Critical patent/CN118011133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0234—Metals, e.g. steel
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects
    • G01N2291/2697—Wafer or (micro)electronic parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • Operations Research (AREA)
  • Acoustics & Sound (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明涉及电气产品生产检测技术领域，特别是一种基于智能反馈的CAN总线线缆检测分析方法及系统。获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；若检测结果为不合格品，结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；计算实际特征模型图与预设特征模型图的重合度；根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，能够有效提高检测效率，实现了对线缆质量和性能的精准评估。

Description

一种基于智能反馈的CAN总线线缆检测分析方法及系统
技术领域
本发明涉及电气产品生产检测技术领域，特别是一种基于智能反馈的CAN总线线缆检测分析方法及系统。
背景技术
随着现代汽车电子系统的不断发展和普及，CAN（Controller Area Network）总线作为一种高性能、可靠的串行通信协议被广泛应用于汽车电子控制系统中。CAN总线线缆作为连接各个电子设备的重要组成部分，其质量和性能直接影响着整个汽车电子系统的稳定运行。然而，由于线缆生产过程的复杂性和多样性，传统的检测方法往往无法满足对线缆质量和性能的高要求。基于智能反馈的CAN总线线缆检测分析方法结合了人工智能、数据挖掘和机器学习等先进技术，旨在提高线缆生产过程的自动化水平和质量控制能力。在检测线缆过程中涉及的数据量庞大，需要进行实时处理和分析，然而，现有的数据处理算法和技术无法有效处理大规模数据，导致处理效率低下和分析结果不够准确。并且，通过检测分析出线缆生产过程中的异常情况，及时发现问题并进行反馈调整，是实现智能反馈的关键，然而，现有检测方法在运行实施过程中面临技术难题，如存在性能不稳定、收敛速度慢等问题，需要进一步优化和改进。
发明内容
本发明克服了现有技术的不足，提供了一种基于智能反馈的CAN总线线缆检测分析方法及系统。
为达到上述目的本发明采用的技术方案为：
本发明第一方面公开了一种基于智能反馈的CAN总线线缆检测分析方法，包括以下步骤：
通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化。
进一步地，本发明的一个较佳实施例中，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果，具体为：
根据待测CAN总线线缆的各项实际特征参数集生成若干实际特征参数曲线图，以及根据待测CAN总线线缆的各项预设特征参数集生成若干预设特征参数曲线图；
构建若干个二维坐标系，分别将同一类型的实际特征参数曲线图与预设特征参数曲线图映射到同一个二维坐标系中；
在各个二维坐标系中分别计算在同一横坐标上实际特征参数曲线图与预设特征参数曲线图之间的马氏距离，得到多个马氏距离；并将多个马氏距离求和后取平均值处理，得到平均马氏距离；
根据所述平均马氏距离确定出各个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度，并将所述重合度与预设重合度阈值进行比较；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度不大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为不合格参数；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为合格参数；
比较完毕后，判断该待测CAN总线线缆是否存在不合格参数；若存在不合格参数，则将待测CAN总线线缆判断为不合格品；若不存在不合格参数，则将待测CAN总线线缆判断为合格品。
进一步地，本发明的一个较佳实施例中，计算所述实际特征模型图与预设特征模型图的重合度，具体为：
将所述实际特征模型图与预设特征模型图分解为基本的几何元素，几何元素包括点、线以及面；并从分解后的几何元素中提取关键点，关键点包括顶点、角点以及边缘中点；
为每个关键点计算一个特征描述符，特征描述符包括关键点的局部几何属性，所述局部几何属性包括曲率、法向量以及邻域关系；
创建第一哈希表与第二哈希表，将实际特征模型图的各个关键点及其特征描述符存储在第一哈希表中；将预设特征模型图的各个关键点及其特征描述符存储在第二哈希表中；
在第一哈希表中获取实际特征模型图中各关键点的特征描述符，以及在第二哈希表中获取预设特征模型图中各关键点的特征描述符；
将实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符进行交叉比较，得到实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符之间的距离；
若实际特征模型图中某一个关键点的特征描述符与预设特征模型图中某一个关键点的特征描述符之间的距离小于预设阈值，则将这两个关键点标记为匹配点对；
比较完毕后，统计实际特征模型图与预设特征模型图中的匹配点对的数量，根据匹配点对的数量确定出所述实际特征模型图与预设特征模型图之间的重合度。
进一步地，本发明的一个较佳实施例中，根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因，具体为：
若所述实际特征模型图与预设特征模型图之间的重合度大于预设重合度，则说明该待测CAN总线线缆的不合格原因并不是由于缺陷问题造成的，此时则获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若不位于，则将该待测CAN总线线缆的不合格原因记录为环境因素问题；
若所述实际特征模型图与预设特征模型图之间的重合度不大于预设重合度，则说明该待测CAN总线线缆中存在缺陷，则根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息；
当分析得到该待测CAN总线线缆的缺陷位置后，获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题；若不位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题与环境因素问题。
进一步地，本发明的一个较佳实施例中，根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息，具体为：
构建三维坐标系，将所述实际特征模型图与预设特征模型图导入至所述三维坐标系中；
通过ICP算法将所述实际特征模型图与预设特征模型图进行配准处理，配准完毕后，在所述三维坐标系中检索出实际特征模型图与预设特征模型图不相重合的模型区域，并将实际特征模型图与预设特征模型图不相重合的模型区域定义为奇异区域，得到若干个奇异区域；
获取各个奇异区域的位置信息，根据各个奇异区域的位置信息得到该待测CAN总线线缆的缺陷位置信息。
进一步地，本发明的一个较佳实施例中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在环境因素问题，则获取生产车间中的实时环境参数，并获取制备CAN总线线缆所需的标准环境参数；
计算所述实时环境参数与标准环境参数之间的差值，得到环境参数差值，根据所述环境参数差值生成环境调控指令；
基于物联网方式将所述环境调控指令发送至生产车间中环境调控设备的控制终端上，以基于所述环境调控指令对生产车间中的环境参数进行调控。
进一步地，本发明的一个较佳实施例中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在缺陷因素问题，则获取该待测CAN总线线缆的缺陷位置信息；根据所述缺陷位置信息确定出缺陷所处的结构，将缺陷所处的结构标定为工艺缺陷结构；
获取与所述工艺缺陷结构存在生产关联性的生产设备，并获取所述生产设备的实时加工参数；并获取所述生产设备的标准加工参数；
计算所述实时加工参数与所述标准加工参数之间的差值，得到加工参数差值，并将所述加工参数差值与预设值进行比较；
若所述加工参数差值小于预设值，则说明该缺陷的产生与生产设备的加工参数无关，说明该缺陷属于偶发缺陷；
若所述加工参数差值不小于预设值，则说明该缺陷的产生与生产设备的加工参数有关，此时根据所述加工参数差值生成加工参数调控指令，基于物联网方式将所述加工参数调控指令发送至相应生产设备的控制终端上，以基于所述加工参数调控指令对相应生产设备的加工参数进行调控。
本发明第二方面公开了一种基于智能反馈的CAN总线线缆检测分析系统，所述CAN总线线缆检测分析系统包括存储器与处理器，所述存储器中存储有CAN总线线缆检测分析方法程序，当所述CAN总线线缆检测分析方法程序被所述处理器执行时，实现如下步骤：
通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化。
本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：通过结合智能算法对检测数据进行处理和分析，能够有效提高检测效率，实现了对线缆质量和性能的精准评估。同时，基于智能反馈的方法还实现对生产过程中异常情况的实时监控，从而有针对性地制定出相应的工艺优化方案，从而及时调整和优化质量控制流程，提高生产过程中的质量管控水平，确保线缆的质量和可靠性。
附图说明
为了更清楚地说明本发明实施例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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他实施例的附图。
图1为一种基于智能反馈的CAN总线线缆检测分析方法的整体方法流程图；
图2为一种基于智能反馈的CAN总线线缆检测分析方法的部分方法流程图；
图3为一种基于智能反馈的CAN总线线缆检测分析系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面公开了一种基于智能反馈的CAN总线线缆检测分析方法，包括以下步骤：
S102：通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
S104：获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
S106：若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
S108：获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
S110：根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化。
其中，特征参数包括电容、电阻、阻抗、电感以及传输延迟等。待测CAN总线线缆的预设特征参数集通过相关技术人员根据CAN总线线缆的性能要求提前制定得到，如根据CAN总线线缆的性能要求制定出待测CAN总线线缆在检测时间段内各预设时间节点对应的预设传输延迟。
其中，待测CAN总线线缆的工程图纸由设计人员制定得到，当获取得到待测CAN总线线缆的工程图纸后，可以结合CAD、SolidWorks等软件绘制得到待测CAN总线线缆的预设特征模型图。
需要说明的是，根据实际需求设置检测设备的检测参数和采样频率，然后在预设的时间节点（如每隔一定时间间隔）内，通过检测设备采集待测CAN总线线缆所反馈的实际特征参数。将采集到的特征参数数据记录下来，确保数据的准确性和完整性；可以使用数据记录设备或计算机等设备进行数据存储。然后对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集，如待测CAN总线线缆在检测时间段内各预设时间节点对应的实际传输延迟。
进一步地，本发明的一个较佳实施例中，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果，具体为：
根据待测CAN总线线缆的各项实际特征参数集生成若干实际特征参数曲线图，以及根据待测CAN总线线缆的各项预设特征参数集生成若干预设特征参数曲线图；
构建若干个二维坐标系，分别将同一类型的实际特征参数曲线图与预设特征参数曲线图映射到同一个二维坐标系中；
在各个二维坐标系中分别计算在同一横坐标上实际特征参数曲线图与预设特征参数曲线图之间的马氏距离，得到多个马氏距离；并将多个马氏距离求和后取平均值处理，得到平均马氏距离；
根据所述平均马氏距离确定出各个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度，并将所述重合度与预设重合度阈值进行比较；
其中，预设重合度阈值设置为98%；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度不大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为不合格参数；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为合格参数；
比较完毕后，判断该待测CAN总线线缆是否存在不合格参数；若存在不合格参数，则将待测CAN总线线缆判断为不合格品；若不存在不合格参数，则将待测CAN总线线缆判断为合格品。
需要说明的是，待测CAN总线线缆的各项实际特征参数集与各项预设特征参数集中的特征参数进行基于时间序列排序，从而根据特征参数的时间序列与具体数值情况生成相应的实际特征参数曲线图和预设特征参数曲线图，如实际电容曲线图与预设电容曲线图、实际电阻曲线图与预设电阻电容曲线图等。通过如CAD等工业软件构建若干个二维坐标系，然后通过自组织映射方法将同一类型的实际特征参数曲线图与预设特征参数曲线图映射到同一个二维坐标系中，如将实际电容曲线图与预设电容曲线图映射到同一个二维坐标系中。接着，在各个二维坐标系中分别计算在同一横坐标上实际特征参数曲线图与预设特征参数曲线图之间的马氏距离，此过程可以理解为是将实际特征参数曲线图与预设特征参数曲线图分解为若干个离散的点，然后计算同一横坐标上两个离散的点之间的马氏距离，然后将计算马氏距离求和后取平均值处理，得到平均马氏距离，从而计算出相应实际特征参数曲线图与预设特征参数曲线图之间的重合度，平均马氏距离越小，说明重合度越高。通过本方法能够有效提高数据处理效率，从而快速判断出待测CAN总线线缆是否为合格品，并且检测结果可靠度高。
进一步地，本发明的一个较佳实施例中，计算所述实际特征模型图与预设特征模型图的重合度，具体为：
将所述实际特征模型图与预设特征模型图分解为基本的几何元素，几何元素包括点、线以及面；并从分解后的几何元素中提取关键点，关键点包括顶点、角点以及边缘中点；
为每个关键点计算一个特征描述符，特征描述符包括关键点的局部几何属性，所述局部几何属性包括曲率、法向量以及邻域关系；
创建第一哈希表与第二哈希表，将实际特征模型图的各个关键点及其特征描述符存储在第一哈希表中；将预设特征模型图的各个关键点及其特征描述符存储在第二哈希表中；
在第一哈希表中获取实际特征模型图中各关键点的特征描述符，以及在第二哈希表中获取预设特征模型图中各关键点的特征描述符；
将实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符进行交叉比较，得到实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符之间的距离；
其中，交叉比较是指将实际特征模型图中的关键点特征描述符与预设特征模型图中的关键点特征描述符进行逐一比较。具体操作步骤如下：对于实际特征模型图中的每一个关键点，计算其特征描述符与预设关键点特征描述符之间的距离，可以使用欧氏距离、马氏距离等距离度量方法进行计算。然后将每一对实际关键点和预设关键点之间的距离记录下来，这将形成一个距离列表，其中，距离列表的每个元素表示实际特征模型图中一个关键点与预设特征模型图中一个关键点之间的距离，然后在距离列表中便能够查找得到实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符之间的距离。通过这种逐一比较的方式，可以对实际特征模型图中的关键点特征描述符与预设特征模型图中的关键点特征描述符进行交叉比较，从而快速得出它们之间的距离；
若实际特征模型图中某一个关键点的特征描述符与预设特征模型图中某一个关键点的特征描述符之间的距离小于预设阈值，则将这两个关键点标记为匹配点对；
其中，预设阈值的范围可以在0.5到0.8之间，优选设置为0.6；
比较完毕后，统计实际特征模型图与预设特征模型图中的匹配点对的数量，根据匹配点对的数量确定出所述实际特征模型图与预设特征模型图之间的重合度。
需要说明的是，通过几何哈希算法计算所述实际特征模型图与预设特征模型图的重合度，具体而言，将两个三维模型分解为基本的几何元素，如点、线、面等。从分解后的几何元素中提取关键点，关键点可以是顶点、角点、边缘中点等具有代表性的特征点。为每个关键点计算一个特征描述符。特征描述符可以包含关键点的局部几何属性，如曲率、法向量、邻域关系等，这些描述符应当对旋转、缩放和噪声具有一定的鲁棒性。为每个模型创建一个哈希表，将关键点及其特征描述符存储在表中。哈希表的键可以是特征描述符的某种哈希值，这样可以快速检索具有相似特征描述符的关键点。遍历一个模型中的关键点，使用哈希表查找另一个模型中具有相似特征描述符的关键点，设置一个阈值，当两个特征描述符之间的距离小于该阈值时，认为它们是匹配的。根据匹配的关键点对，计算两个模型之间的相似度。本发明通过几何哈希算法计算两个三维模型图之间的重合度，具有高效快速、精确度高、鲁棒性强、可扩展性强等优点。
如图2所示，进一步地，本发明的一个较佳实施例中，根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因，具体为：
S202：若所述实际特征模型图与预设特征模型图之间的重合度大于预设重合度，则说明该待测CAN总线线缆的不合格原因并不是由于缺陷问题造成的，此时则获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若不位于，则将该待测CAN总线线缆的不合格原因记录为环境因素问题；
S206：若所述实际特征模型图与预设特征模型图之间的重合度不大于预设重合度，则说明该待测CAN总线线缆中存在缺陷，则根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息；
S208：当分析得到该待测CAN总线线缆的缺陷位置后，获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题；若不位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题与环境因素问题。
需要说明的是，环境参数包括湿度、温度、粉尘度等；预设环境参数范围即是制备CAN总线线缆时生产车间的标准环境参数，如生产CAN总线线缆时，车间的标准湿度范围一般应该控制在40%至60%之间，这个范围可以确保生产过程中线缆材料的质量和稳定性，并且有助于避免静电和其他不良影响。
需要说明的是，缺陷因素是指在CAN总线线缆的生产过程中引发的各种质量问题，包括但不限于裂纹、撕裂、凹陷、焊缝、焊渣等问题，这些缺陷因素可能导致线缆的传输性能下降，信号质量不稳定，甚至完全失效。环境因素是指在线缆使用过程中受到的外部环境影响，包括但不限于电磁干扰、潮湿环境、高温、化学腐蚀等问题，例如，高湿度可能导致绝缘层吸湿，这些环境因素可能导致线缆的性能受到影响，信号传输质量下降，甚至出现故障。
若所述实际特征模型图与预设特征模型图之间的重合度大于预设重合度，且所述实时环境参数位于预设环境参数范围内，说明待测CAN总线线缆的不合格原因既不是缺陷因素问题也不是环境因素问题，为原材料质量问题，如使用了不合格或劣质的导体材料、绝缘材料、屏蔽材料等，导致线缆的性能不达标。
通过比较实际特征模型图和预设特征模型图的重合度，可以快速确定线缆是否存在缺陷因素问题或环境因素问题，从而精准识别不合格原因。
进一步地，本发明的一个较佳实施例中，根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息，具体为：
构建三维坐标系，将所述实际特征模型图与预设特征模型图导入至所述三维坐标系中；
通过ICP算法将所述实际特征模型图与预设特征模型图进行配准处理，配准完毕后，在所述三维坐标系中检索出实际特征模型图与预设特征模型图不相重合的模型区域，并将实际特征模型图与预设特征模型图不相重合的模型区域定义为奇异区域，得到若干个奇异区域；
获取各个奇异区域的位置信息，根据各个奇异区域的位置信息得到该待测CAN总线线缆的缺陷位置信息。
需要说明的是，ICP（Iterative Closest Point）算法是一种用于点云配准（点云匹配）的常用算法，点云配准是指将两个或多个点云数据集进行对齐，使它们在同一坐标系下重叠或对齐的过程。通过本方法快速分析得到待测CAN总线线缆的缺陷位置信息，可以帮助快速准确地定位缺陷位置，有效提高检测效率。
进一步地，本发明的一个较佳实施例中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在环境因素问题，则获取生产车间中的实时环境参数，并获取制备CAN总线线缆所需的标准环境参数；其中，制备CAN总线线缆所需的标准环境参数由相关技术人员提前制定得到；
计算所述实时环境参数与标准环境参数之间的差值，得到环境参数差值，根据所述环境参数差值生成环境调控指令；
基于物联网方式将所述环境调控指令发送至生产车间中环境调控设备的控制终端上，以基于所述环境调控指令对生产车间中的环境参数进行调控。
需要说明的是，当对待测CAN总线线缆检测完成后，若待测CAN总线线缆的不合格原因是由于环境因素问题造成的，此时根据生产车间中的实时环境情况快速生成环境调控指令，从而及时调整和优化CAN总线线缆的生产环境，实现了智能反馈与智能调控功能，从而有效提高生产过程中的质量管控水平，确保线缆的质量和可靠性。
进一步地，本发明的一个较佳实施例中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在缺陷因素问题，则获取该待测CAN总线线缆的缺陷位置信息；根据所述缺陷位置信息确定出缺陷所处的结构，将缺陷所处的结构标定为工艺缺陷结构；
获取与所述工艺缺陷结构存在生产关联性的生产设备，并获取所述生产设备的实时加工参数；并获取所述生产设备的标准加工参数；
其中，加工参数包括运行速度、加工压力、温度、湿度、电流、电压；生产设备的标准加工参数即是设备在加工生产中的正常参数，标准加工参数能够在设备中的生产规划方案中获取得到；
计算所述实时加工参数与所述标准加工参数之间的差值，得到加工参数差值，并将所述加工参数差值与预设值进行比较；
若所述加工参数差值小于预设值，则说明该缺陷的产生与生产设备的加工参数无关，说明该缺陷属于偶发缺陷；
若所述加工参数差值不小于预设值，则说明该缺陷的产生与生产设备的加工参数有关，此时根据所述加工参数差值生成加工参数调控指令，基于物联网方式将所述加工参数调控指令发送至相应生产设备的控制终端上，以基于所述加工参数调控指令对相应生产设备的加工参数进行调控。
需要说明的是，CAN总线线缆的结构包括导体、绝缘层、屏蔽层、护套以及连接器等结构。根据所述缺陷位置信息确定出缺陷所处的结构，将缺陷所处的结构标定为工艺缺陷结构，如若某一裂纹缺陷处于导体结构上，则将该待测CAN总线线缆的导体标定为工艺缺陷结构。然后获取与所述工艺缺陷结构存在生产关联性的生产设备，存在生产关联性的生产设备指的是在生产过程中与工艺缺陷有直接或间接关联的生产设备，这些设备可能会对产品的质量、稳定性或工艺流程产生影响，导致工艺缺陷的产生或加剧。如若某一裂纹缺陷处于导体结构上，则其存在生产关联性的生产设备包括导体成型、导体切割设备、导体打磨设备等。
当关联出生产关联性的生产设备后，通过物联网方式获取该设备的实时加工参数，计算实时加工参数与所述标准加工参数之间的差值，得到加工参数差值；若加工参数差值小于预设值，则说明该缺陷的产生与生产关联性的生产设备的加工参数无关，生产关联性的生产设备的运行状态正常，造成待测CAN总线线缆产生缺陷的原因属于偶然因素，如可能在某一时间节点设备受到震动碰撞等偶然因素，该缺陷属于偶发缺陷，此时不需要对生产关联性的生产设备进行优化调控处理。若加工参数差值不小于预设值，则说明该缺陷的产生与生产设备的加工参数有关，此时根据加工参数差值生成加工参数调控指令，基于物联网方式将所述加工参数调控指令发送至相应生产设备的控制终端上，以基于加工参数调控指令对相应生产设备的加工参数进行调控。从而及时调整和优化相应生产设备的加工参数，实现了智能反馈与智能调控功能，从而有效提高生产过程中的质量管控水平，确保线缆的质量和可靠性。
综上所述，根据检测结果对待测CAN总线线缆进行更进一步分析，从而有针对性地制定出相应的工艺优化方案，从而及时调整和优化质量控制流程，提高生产过程中的质量管理水平，确保线缆的质量和可靠性。
其中，对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集，具体包括以下步骤：
计算所采集得到的实际特征参数之间的余弦相似度，根据实际特征参数之间的余弦相似度构建相似度矩阵；
将所述相似度矩阵转换为拉普拉斯矩阵，对所述拉普拉斯矩阵进行特征值分解，得到特征值和对应的特征向量；
选择前k个最小的非零特征值所对应的特征向量，构成新的特征空间，使用选定的特征向量将原始高维的实际特征参数映射到低维空间；
根据实际特征参数的项数在所述低维空间中初始化若干个簇中心，并获取各实际特征参数在低维空间中的坐标信息；
根据所述坐标信息计算各实际特征参数与各簇中心之间的欧氏距离，将各实际特征参数分别聚类至欧氏距离最小的簇中心上，得到若干个实际特征参数簇族；
计算各实际特征参数簇族的轮廓系数，判断所述各实际特征参数簇族的轮廓系数是否大于预设系数值；
若某一实际特征参数簇族的轮廓系数大于预设系数值，则说明该实际特征参数簇族的聚类效果良好，则将实际特征参数簇族作为实际特征参数集输出；
若某一实际特征参数簇族的轮廓系数不大于预设系数值，则说明该实际特征参数簇族的聚类效果较差，则计算该实际特征参数簇族中各实际特征参数与该簇中心之间的切比雪夫距离，将切比雪夫距离最大的实际特征参数剔除，然后继续判断该实际特征参数簇族的轮廓系数是否大于预设系数值，直至该实际特征参数簇族的轮廓系数大于预设系数值后，则将实际特征参数簇族作为实际特征参数集输出。
其中，轮廓系数结合了聚类的内聚度和分离度，其取值范围在-1到1之间，接近1表示聚类效果越好，在本发明中预设系数值设置为0.9。
需要说明的是，当采集得到的实际特征参数后，通过拉普拉斯特征映射算法将高维的实际特征参数映射到低维空间中，以降低计算复杂度，然后在低维空间中将实际特征参数进行聚类处理。并且，由于所采集到的实际特征参数可能存在噪声数据，为了将这些噪声数据筛除，在得到实际特征参数簇族后，通过评估各实际特征参数簇族的轮廓系数，从而判断各实际特征参数簇族中是否存在噪声数据，并将存在于实际特征参数簇族中的噪声数据筛选，从而得到可靠性高的实际特征参数，能够有效提高检测结果可靠性。
此外，本方法还包括以下步骤：
若待测CAN总线线缆的不合格原因存在缺陷因素问题，则获取存在生产关联性的生产设备的实时加工参数；
引入决策树模型，将存在生产关联性的生产设备的实时加工参数导入所述决策模模型中，并在所述决策树模型中初始化若干分裂节点，根据所述分裂节点将所述实时加工参数进行持续分裂，生成若干个新的分裂节点；
获取各个新的分裂节点的加工参数的类别情况，当各个新的分裂节点的加工参数不再存在其他类别加工参数时，停止分裂，得到若干树枝干；
获取各树枝干的隶属度，根据各树枝干的隶属度，并结合马尔科夫链计算各项实时加工参数的状态转移概率；
根据各项实时加工参数的状态转移概率评估出该存在生产关联性的生产设备的故障概率，判断所述故障概率是否大于预设故障概率；
若大于，则生成故障预警信息，并将所述故障预警信息发送至预设终端上显示。
需要说明的是，当待测CAN总线线缆的不合格原因存在缺陷因素问题，预示着相应生产设备可能会发生故障，因此当待测CAN总线线缆的不合格原因存在缺陷因素问题，此时可以通过对相应生产设备的故障概率进行预测，从而动态评估设备发生故障的风险，及时进行预警和维护。马尔科夫链可以捕捉设备从正常到故障的连续状态转移过程，而决策树可以识别哪些参数的变化预示着状态转移的高风险。单独使用决策树可能无法充分考虑到设备状态转移的连续性和时间序列特性，而马尔科夫链恰好可以弥补这一点，两者结合可以提高预测的准确性，在本步骤中，通过实时加工参数，结合决策树和马尔科夫链，可以动态评估设备发生故障的风险，及时进行预警和维护，从而减少生产设备制造出大批量不合格的CAN总线线缆的概率。
如图3所示，本发明第二方面公开了一种基于智能反馈的CAN总线线缆检测分析系统，所述CAN总线线缆检测分析系统包括存储器60与处理器80，所述存储器60中存储有CAN总线线缆检测分析方法程序，当所述CAN总线线缆检测分析方法程序被所述处理器80执行时，实现如下步骤：
通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种基于智能反馈的CAN总线线缆检测分析方法，其特征在于，包括以下步骤：
通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化；
其中，计算所述实际特征模型图与预设特征模型图的重合度，具体为：
将所述实际特征模型图与预设特征模型图分解为基本的几何元素，几何元素包括点、线以及面；并从分解后的几何元素中提取关键点，关键点包括顶点、角点以及边缘中点；
为每个关键点计算一个特征描述符，特征描述符包括关键点的局部几何属性，所述局部几何属性包括曲率、法向量以及邻域关系；
创建第一哈希表与第二哈希表，将实际特征模型图的各个关键点及其特征描述符存储在第一哈希表中；将预设特征模型图的各个关键点及其特征描述符存储在第二哈希表中；
在第一哈希表中获取实际特征模型图中各关键点的特征描述符，以及在第二哈希表中获取预设特征模型图中各关键点的特征描述符；
将实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符进行交叉比较，得到实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符之间的距离；
若实际特征模型图中某一个关键点的特征描述符与预设特征模型图中某一个关键点的特征描述符之间的距离小于预设阈值，则将这两个关键点标记为匹配点对；
比较完毕后，统计实际特征模型图与预设特征模型图中的匹配点对的数量，根据匹配点对的数量确定出所述实际特征模型图与预设特征模型图之间的重合度；
其中，根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因，具体为：
若所述实际特征模型图与预设特征模型图之间的重合度大于预设重合度，则说明该待测CAN总线线缆的不合格原因并不是由于缺陷问题造成的，此时则获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若不位于，则将该待测CAN总线线缆的不合格原因记录为环境因素问题；
若所述实际特征模型图与预设特征模型图之间的重合度不大于预设重合度，则说明该待测CAN总线线缆中存在缺陷，则根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息；
当分析得到该待测CAN总线线缆的缺陷位置后，获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题；若不位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题与环境因素问题；
其中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在环境因素问题，则获取生产车间中的实时环境参数，并获取制备CAN总线线缆所需的标准环境参数；
计算所述实时环境参数与标准环境参数之间的差值，得到环境参数差值，根据所述环境参数差值生成环境调控指令；
基于物联网方式将所述环境调控指令发送至生产车间中环境调控设备的控制终端上，以基于所述环境调控指令对生产车间中的环境参数进行调控；
其中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在缺陷因素问题，则获取该待测CAN总线线缆的缺陷位置信息；根据所述缺陷位置信息确定出缺陷所处的结构，将缺陷所处的结构标定为工艺缺陷结构；
获取与所述工艺缺陷结构存在生产关联性的生产设备，并获取所述生产设备的实时加工参数；并获取所述生产设备的标准加工参数；
计算所述实时加工参数与所述标准加工参数之间的差值，得到加工参数差值，并将所述加工参数差值与预设值进行比较；
若所述加工参数差值小于预设值，则说明该缺陷的产生与生产设备的加工参数无关，说明该缺陷属于偶发缺陷；
若所述加工参数差值不小于预设值，则说明该缺陷的产生与生产设备的加工参数有关，此时根据所述加工参数差值生成加工参数调控指令，基于物联网方式将所述加工参数调控指令发送至相应生产设备的控制终端上，以基于所述加工参数调控指令对相应生产设备的加工参数进行调控。
2.根据权利要求1所述的一种基于智能反馈的CAN总线线缆检测分析方法，其特征在于，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果，具体为：
根据待测CAN总线线缆的各项实际特征参数集生成若干实际特征参数曲线图，以及根据待测CAN总线线缆的各项预设特征参数集生成若干预设特征参数曲线图；
构建若干个二维坐标系，分别将同一类型的实际特征参数曲线图与预设特征参数曲线图映射到同一个二维坐标系中；
在各个二维坐标系中分别计算在同一横坐标上实际特征参数曲线图与预设特征参数曲线图之间的马氏距离，得到多个马氏距离；并将多个马氏距离求和后取平均值处理，得到平均马氏距离；
根据所述平均马氏距离确定出各个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度，并将所述重合度与预设重合度阈值进行比较；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度不大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为不合格参数；
若某一个同一类型的实际特征参数曲线图与预设特征参数曲线图之间的重合度大于预设重合度阈值，则将待测CAN总线线缆相应的实际特征参数标记为合格参数；
比较完毕后，判断该待测CAN总线线缆是否存在不合格参数；若存在不合格参数，则将待测CAN总线线缆判断为不合格品；若不存在不合格参数，则将待测CAN总线线缆判断为合格品。
3.根据权利要求1所述的一种基于智能反馈的CAN总线线缆检测分析方法，其特征在于，根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息，具体为：
构建三维坐标系，将所述实际特征模型图与预设特征模型图导入至所述三维坐标系中；
通过ICP算法将所述实际特征模型图与预设特征模型图进行配准处理，配准完毕后，在所述三维坐标系中检索出实际特征模型图与预设特征模型图不相重合的模型区域，并将实际特征模型图与预设特征模型图不相重合的模型区域定义为奇异区域，得到若干个奇异区域；
获取各个奇异区域的位置信息，根据各个奇异区域的位置信息得到该待测CAN总线线缆的缺陷位置信息。
4.一种基于智能反馈的CAN总线线缆检测分析系统，其特征在于，所述CAN总线线缆检测分析系统包括存储器与处理器，所述存储器中存储有CAN总线线缆检测分析方法程序，当所述CAN总线线缆检测分析方法程序被所述处理器执行时，实现如下步骤：
通过检测设备对待测CAN总线线缆进行检测，并在多个预设时间节点采集待测CAN总线线缆所反馈的实际特征参数；对所采集得到的实际特征参数进行分类处理，得到待测CAN总线线缆的各项实际特征参数集；
获取待测CAN总线线缆的各项预设特征参数集，将待测CAN总线线缆的各项实际特征参数集与相应预设特征参数集进行比较分析，生成检测结果；
若检测结果为合格品，则将该待测CAN总线线缆转移至打包工作站上；若检测结果为不合格品，则通过超声波探测仪对该待测CAN总线线缆进行扫描探测，并结合超声波成像技术构建该待测CAN总线线缆的实际特征模型图；
获取待测CAN总线线缆的工程图纸信息，根据所述工程图纸信息构建待测CAN总线线缆的预设特征模型图；并计算所述实际特征模型图与预设特征模型图的重合度；
根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因；并基于该待测CAN总线线缆的不合格原因对生产工艺进行优化；
其中，计算所述实际特征模型图与预设特征模型图的重合度，具体为：
将所述实际特征模型图与预设特征模型图分解为基本的几何元素，几何元素包括点、线以及面；并从分解后的几何元素中提取关键点，关键点包括顶点、角点以及边缘中点；
为每个关键点计算一个特征描述符，特征描述符包括关键点的局部几何属性，所述局部几何属性包括曲率、法向量以及邻域关系；
创建第一哈希表与第二哈希表，将实际特征模型图的各个关键点及其特征描述符存储在第一哈希表中；将预设特征模型图的各个关键点及其特征描述符存储在第二哈希表中；
在第一哈希表中获取实际特征模型图中各关键点的特征描述符，以及在第二哈希表中获取预设特征模型图中各关键点的特征描述符；
将实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符进行交叉比较，得到实际特征模型图中各关键点的特征描述符与预设特征模型图中各关键点的特征描述符之间的距离；
若实际特征模型图中某一个关键点的特征描述符与预设特征模型图中某一个关键点的特征描述符之间的距离小于预设阈值，则将这两个关键点标记为匹配点对；
比较完毕后，统计实际特征模型图与预设特征模型图中的匹配点对的数量，根据匹配点对的数量确定出所述实际特征模型图与预设特征模型图之间的重合度；
其中，根据所述实际特征模型图与预设特征模型图的重合度对该待测CAN总线线缆进行分析，得到该待测CAN总线线缆的不合格原因，具体为：
若所述实际特征模型图与预设特征模型图之间的重合度大于预设重合度，则说明该待测CAN总线线缆的不合格原因并不是由于缺陷问题造成的，此时则获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若不位于，则将该待测CAN总线线缆的不合格原因记录为环境因素问题；
若所述实际特征模型图与预设特征模型图之间的重合度不大于预设重合度，则说明该待测CAN总线线缆中存在缺陷，则根据所述实际特征模型图与预设特征模型图分析得到该待测CAN总线线缆的缺陷位置信息；
当分析得到该待测CAN总线线缆的缺陷位置后，获取生产车间中的实时环境参数，判断所述实时环境参数是否位于预设环境参数范围内，若位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题；若不位于，则将该待测CAN总线线缆的不合格原因记录为缺陷因素问题与环境因素问题；
其中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在环境因素问题，则获取生产车间中的实时环境参数，并获取制备CAN总线线缆所需的标准环境参数；
计算所述实时环境参数与标准环境参数之间的差值，得到环境参数差值，根据所述环境参数差值生成环境调控指令；
基于物联网方式将所述环境调控指令发送至生产车间中环境调控设备的控制终端上，以基于所述环境调控指令对生产车间中的环境参数进行调控；
其中，基于该待测CAN总线线缆的不合格原因对生产工艺进行优化，具体为：
若待测CAN总线线缆的不合格原因存在缺陷因素问题，则获取该待测CAN总线线缆的缺陷位置信息；根据所述缺陷位置信息确定出缺陷所处的结构，将缺陷所处的结构标定为工艺缺陷结构；
获取与所述工艺缺陷结构存在生产关联性的生产设备，并获取所述生产设备的实时加工参数；并获取所述生产设备的标准加工参数；
计算所述实时加工参数与所述标准加工参数之间的差值，得到加工参数差值，并将所述加工参数差值与预设值进行比较；
若所述加工参数差值小于预设值，则说明该缺陷的产生与生产设备的加工参数无关，说明该缺陷属于偶发缺陷；
若所述加工参数差值不小于预设值，则说明该缺陷的产生与生产设备的加工参数有关，此时根据所述加工参数差值生成加工参数调控指令，基于物联网方式将所述加工参数调控指令发送至相应生产设备的控制终端上，以基于所述加工参数调控指令对相应生产设备的加工参数进行调控。
CN202410411816.7A 2024-04-08 2024-04-08 一种基于智能反馈的can总线线缆检测分析方法及系统 Active CN118011133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410411816.7A CN118011133B (zh) 2024-04-08 2024-04-08 一种基于智能反馈的can总线线缆检测分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410411816.7A CN118011133B (zh) 2024-04-08 2024-04-08 一种基于智能反馈的can总线线缆检测分析方法及系统

Publications (2)

Publication Number Publication Date
CN118011133A CN118011133A (zh) 2024-05-10
CN118011133B true CN118011133B (zh) 2024-06-21

Family

ID=90956763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410411816.7A Active CN118011133B (zh) 2024-04-08 2024-04-08 一种基于智能反馈的can总线线缆检测分析方法及系统

Country Status (1)

Country Link
CN (1) CN118011133B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118577526A (zh) * 2024-06-11 2024-09-03 深圳润元光电有限公司 一种基于智能控制的led灯具检测装置及方法
CN118758919A (zh) * 2024-09-03 2024-10-11 西安百跃羊乳集团有限公司 一种智能化奶粉生产监测控制方法及系统
CN118799332A (zh) * 2024-09-14 2024-10-18 深圳市正和楚基科技有限公司 一种冲压机床自动检测及包装装置的控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117790086A (zh) * 2024-02-23 2024-03-29 西安华联电力电缆有限公司 一种双米标电线电缆切割计量标识的方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827200B (zh) * 2016-03-01 2019-05-03 华为技术有限公司 光电系统中电池组串故障的识别方法、装置和设备
CN107390049A (zh) * 2017-06-23 2017-11-24 深圳市盛路物联通讯技术有限公司 一种电力电缆故障监测方法及装置
CN110264562B (zh) * 2019-05-23 2023-06-27 沈阳医学院 颅骨模型特征点自动标定方法
CN115810041B (zh) * 2023-01-10 2023-06-16 佛山光之瞳电子科技有限公司 一种基于多摄像头视觉的线缆尺寸检测方法及系统
KR102648377B1 (ko) * 2023-09-12 2024-03-15 (주)프롬 네트워크 케이블 품질 모니터링이 가능한 ai 통합배선반 및 이를 이용한 방법
CN117239930B (zh) * 2023-09-21 2024-05-17 国网智能科技股份有限公司 一种配电网智能巡检系统及方法
CN117237345B (zh) * 2023-11-13 2024-02-02 珠宝玉石首饰国检集团深圳研究所有限公司 一种基于脉冲涡流的贵金属检测方法及系统
CN117309891B (zh) * 2023-11-29 2024-02-06 深圳市润博电子有限公司 一种基于智能反馈机制的玻璃钢化膜检测方法及系统
CN117494072B (zh) * 2023-12-29 2024-04-19 深圳永泰数能科技有限公司 一种基于数据融合的换电柜运行状态监测方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117790086A (zh) * 2024-02-23 2024-03-29 西安华联电力电缆有限公司 一种双米标电线电缆切割计量标识的方法

Also Published As

Publication number Publication date
CN118011133A (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN118011133B (zh) 一种基于智能反馈的can总线线缆检测分析方法及系统
CN108333468B (zh) 一种有源配电网下不良数据的识别方法及装置
CN107682319A (zh) 一种基于增强型角度异常因子的数据流异常检测及多重验证的方法
CN110995153B (zh) 一种光伏电站的异常数据检测方法、装置及电子设备
CN111723862B (zh) 开关柜状态评估方法和装置
CN114861788A (zh) 一种基于dbscan聚类的负荷异常检测方法及系统
CN114998695A (zh) 一种提高图像识别速度的方法及系统
CN118091234B (zh) 一种用于故障诊断处理的电流互感器
CN117371875B (zh) 基于数据分析的音箱生产质量评价方法及系统
CN111582406A (zh) 一种电力设备状态监测数据聚类方法和系统
CN115756919A (zh) 一种面向多维数据的根因定位方法及系统
CN111428772B (zh) 基于k-近邻自适应投票的光伏系统深度异常检测方法
CN115664038B (zh) 一种用于电气安全管理的智能配电运维监控系统
CN116433653A (zh) 一种基于机器视觉的产品生产管理方法及系统
CN115293236A (zh) 一种基于混合聚类的电力设备并行故障诊断方法及装置
CN108537249B (zh) 一种密度峰值聚类的工业过程数据聚类方法
CN116776647B (zh) 一种复合镍铜铝散热底板的性能预测方法及系统
CN117726322A (zh) 一种探头测试设备智能管理方法及系统
CN117825864A (zh) 一种配电网线路短路容量监控诊断方法及系统
Zhou et al. Abnormal data processing of wind turbine based on combined algorithm and class center imputation
CN112884057B (zh) 基于点云数据的三维曲面质量分类方法、系统及存储介质
CN113327009A (zh) 一种用于确定高压电力电缆质量的方法和系统
CN112800110A (zh) 电力物联网传感器弱敏感数据异常检测系统
CN118518590B (zh) 一种检测治具的性能数据跟踪方法及系统
CN118133208B (zh) 一种机器人打磨离线识别异常数据整合优化系统

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