一种基于机器学习的航发小孔种类识别和自动排序方法技术

一种基于机器学习的航发小孔种类识别和自动排序方法，属于航发探测识别领域。航发的涡轮叶片为了保持在飞行过程中不发生过热，其可能导致叶片发生形变从而发生事故，需要在叶片上打上分布式的小孔。通过小孔，冷气流在叶片的外表面形成一层冷膜，保护航发叶片的稳定性和降低温度，因此在加工完成后需要对加工处进行检测。本发明专利技术可实现在机床和探测机器的辅助下，提取小孔的入口点坐标，出口点坐标等特征数据，同时自动判断此孔属于簸箕孔还是气膜孔，其基于机器学习中的图像特征识别算法实现的。当数据采集完成后，就可以对数模上的每类孔进行由上而下，自右向左的排序编号。克服了原有需要人为的点击编号和自主判断时工作量大耗时复杂的问题。大耗时复杂的问题。大耗时复杂的问题。

【技术实现步骤摘要】
一种基于机器学习的航发小孔种类识别和自动排序方法


[0001]本专利技术属于航发探测识别领域，涉及一种航空发动机涡轮叶片小孔特征识别种类判断和自动排序方法。

技术介绍

[0002]航发的涡轮叶片为了保持在飞行过程中不发生过热，其可能导致叶片发生形变从而发生事故，需要在叶片上打上分布式的小孔。通过小孔冷气流在叶片的外表面形成一层冷膜，保护航发叶片的稳定性和降低温度，因此在加工完成后需要对加工处进行检测。
[0003]航空发动机涡轮叶片的加工探测是世界各国机加工与制造领域的难点与重点，涡轮叶片的表面布满了复杂排列的小孔。小孔在叶片上排列的位置和角度各不相同，从而加大了对其特征探测的难度和耗时。
[0004]小孔加工检测方法现有普遍使用的是人工探测。即加工时因为是垂直加工，需要人为地提取计算入口点相关坐标并判断种类。
[0005]在人为操作过程中，小孔种类的判断需要人自主进行同时排序编号也要一个接着一个进行添加，因此此项工作的工作量大，耗时复杂时间长的缺陷显然易见。

技术实现思路

[0006]本专利技术解决现有技术存在的一系列问题，从而提供一种航空发动机涡轮叶片小孔特征识别种类判断和自动排序方法。
[0007]一种航空发动机涡轮叶片小孔特征识别种类判断和自动排序方法，含有以下步骤:在机床上完成航发部件的加工后，航发部件运送到检测台上进行数据采集，航发部件的叶片上分布孔，孔包括簸箕孔和气膜孔，对簸箕孔和气膜孔进行分类和提取参数，提取孔的入口点坐标，出口点坐标特征数据，同时自动判断此孔属于簸箕孔还是气膜孔，基于机器学习中的图像特征识别算法实现，当数据采集完成后，就可以对数模上的每类孔进行由上而下，自右向左的排序编号。
[0008]提取孔的拓充面和内孔的特征数据，然后进行比对，如果拓充面的轮廓相比内孔超过了一定的阈值，则被认定为是簸箕孔，在阈值之内，就是气膜孔，在获得大量簸箕孔和气膜孔的局部图片后，深度学习算法会通过卷积操作提取图片中气膜孔簸箕孔的特征，这里特征为开孔轮廓形状，算法学习到特征的曲率差别，因此曲率(k＝1/R，R为半径)即为所说的阈值指标，气膜孔在入口处为标准的圆形或者椭圆形，其曲率会保持恒定或者变化较稳定，簸箕孔在入口处形状类似圆角矩形或菱形，其曲率会发生四次突变且急剧变大，算法根据识别的特征曲率半径是否发生突变和发生次数，比如从1突增到100，发生了4次，则此种情况被判别为簸箕孔，这里阈值是计算机在对大量样本进行训练后得到的，在算法前，先要提供大量的气膜孔和簸箕孔的样本，经过计算机特征数据的提取，可以得到相应的阈值。
[0009]本专利技术的优点是：一种航空发动机涡轮叶片小孔特征识别种类判断和自动排序方法，可实现电脑程序化判断小孔种类和自动排序编号。本专利技术核心部分通过一套算法程序
化地完成小孔的特征提取判断，给出分类结果并相应排序编号，解决了之前人工操作时耗时复杂，重复机械劳动的问题。
附图说明
[0010]为了更清楚地说明本专利技术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专利技术的一个典型案例示意图，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，可以根据例图实施具体的算法和实体操作。
[0011]图1为本专利技术的簸箕孔截面结构示意图。
[0012]图2为本专利技术的簸箕孔放大立体示意图。
[0013]图3为本专利技术的分布在零件上的簸箕孔结构示意图。
[0014]图4为本专利技术的簸箕孔和气膜孔的差别示意图。
[0015]图5为卷据采样示意图。
具体实施方式
[0016]下面结合附图和实施例对本专利技术进一步说明，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0017]实施例1：如图1、图2、图3、图4及图5所示，一种航空发动机涡轮叶片小孔种类判断分类和自动排序编号方法，最终实现通过点击相应菜单实现对数模上气膜孔和簸箕孔实现识别和分类，并按照顺序进行编号的功能。
[0018]设置如图1所示的参数，检测的位置和关键加工点，保存后即可开始进行对小孔特征的提取。
[0019]在图3为叶片表面覆盖了气膜孔和簸箕孔，需要识别孔的种类并分开去做特征提取。
[0020]如图2和图4所示，清晰地显示出簸箕孔和气膜孔的差别。气膜孔是标准圆柱打穿叶片形成的，内孔和表面切口都是标准圆切面。而簸箕孔则在入口面会有一个拓充面，呈现一个簸箕形状，内孔还是标准圆柱打孔。因为入口面不同，算法就会识别此特征数据进行判断并分类。
[0021]图2、图3为簸箕孔的示意图，图4为气膜孔的示意图。两者的区别为簸箕孔在形状上形似簸箕，气膜孔为标准圆柱体打孔形成。
[0022]机器学习的本质是模拟人类思考过程，对大量样本不断学习以达到一定的自主判断能力。
[0023]这里使用了常用的图像识别算法，先提取拓充面和内孔的特征数据，然后进行比对，如果拓充面的轮廓相比内孔超过了一定的阈值，则被认定为是簸箕孔，在阈值之内，就是气膜孔。
[0024]在获得大量簸箕孔和气膜孔的局部图片后，深度学习算法会通过卷积操作提取图片中气膜孔簸箕孔的特征，这里特征为开孔轮廓形状，算法学习到特征的曲率差别，因此曲
率(k＝1/R，R为半径)即为所说的阈值指标。
[0025]气膜孔在入口处为标准的圆形或者椭圆形，其曲率会保持恒定或者变化较稳定；簸箕孔在入口处形状类似圆角矩形或菱形，其曲率会发生四次突变且急剧变大。
[0026]算法根据识别的特征曲率半径是否发生突变和发生次数，比如从1突增到100，发生了4次，则此种情况被判别为簸箕孔。
[0027]这里阈值是计算机在对大量样本进行训练后得到的。在算法前，先要提供大量的气膜孔和簸箕孔的样本，经过计算机特征数据的提取，可以得到相应的阈值。
[0028]如图5所示，根据卷积采样示意图，采集到的数据为簸箕孔和气膜孔的局部照片，包含孔的入口高清信息，对于深度学习卷积神经网络，图片信息可以看作1024x1024的像素点，网络使用多层卷积和下采样来提取图片中孔位的纹理等特征，这里提取出来的特征为孔的曲率，根据孔的曲率再进行下一步的分类判断。
[0029]在得到阈值后，需要对现有的模型进行识别判断，在后面的判断中会人工进行检查，进而不断地修正阈值，以达到更高的精度。
[0030]在图片识别分类的过程中，难免有预测分类错误的情况，这种错误分类的图片会在人工检查时挑出来并正确标签。将一部分的修改后的数据送入神经网络再次进行训练，因为新的数据带有正确的标签，网络会学习到新的阈值，在每个生产周期间隔的时候，就可以把更新后的阈值替换掉上位机的旧阈值，从而达到更高的预测精度。因为预测总会有错误分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机涡轮叶片小孔特征识别种类判断和自动排序方法，其特征在于，含有以下步骤:在机床上完成航发部件的加工后，航发部件运送到检测台上进行数据采集，航发部件的叶片上分布孔，孔包括簸箕孔和气膜孔，对簸箕孔和气膜孔进行分类和提取参数，提取孔的入口点坐标，出口点坐标特征数据，同时自动判断此孔属于簸箕孔还是气膜孔，基于机器学习中的图像特征识别算法实现，当数据采集完成后，就可以对数模上的每类孔进行由上而下，自右向左的排序编号。2.根据权利要求1所述的一种提取加工点坐标的方法，其特征在于，提取孔的拓充面和内孔的特征数据，然后进行比对，如果拓充面的轮廓相比内孔超过了一定的阈值，则被认定为是簸箕孔，在阈值之内，...

【专利技术属性】
技术研发人员：高素芳，冯雷涛，黄菊，
申请(专利权)人：北京汉飞航空科技有限公司，
类型：发明
国别省市：