一种基于神经网络的汽车零部件智能喷漆方法技术

本发明专利技术涉及一种基于神经网络的汽车零部件智能喷漆方法，包括：根据空间特征数据构建零部件模型，提取零部件模型的模型指标数据集，将模型指标数据集输入原始神经网络模型，得到原始调控参数，根据原始调控参数进行漆面建模，得到原始漆面模型，提取原始漆层参数，获取标准漆层参数，根据原始漆层参数与标准漆层参数对所述原始神经网络模型进行反馈调节，得到目标神经网络，将当前特征集输入目标神经网络，得到目标调控参数，根据目标调控参数进行漆面喷涂。本发明专利技术解决机械在自动化喷涂油漆的过程中很难实现汽车零部件各个部位的精准喷涂，因此往往造成喷涂不均匀、存在较大色差的问题。问题。问题。

【技术实现步骤摘要】
一种基于神经网络的汽车零部件智能喷漆方法


[0001]本专利技术涉及汽车喷涂
，尤其涉及一种基于神经网络的汽车零部件智能喷漆方法。

技术介绍

[0002]随着经济的发展，我国汽车保有量在逐年上升，受到汽车需求的带动，汽车零部件的喷涂工艺也受到人们的关注。
[0003]汽车零部件喷涂是指在从零部件表面喷射一层涂料，从而实现汽车零部件的防腐以及美观的效果。与普通人工喷漆相比，机械化自动喷漆技术能够更好的控制喷枪的启动、喷出量以及喷射轨迹，因此具有稳定安全以及喷涂效率高的优点。但机械在自动化喷涂油漆的过程中很难实现汽车零部件各个部位的精准喷涂，因此往往造成喷涂不均匀、存在较大色差等问题。

技术实现思路

[0004]本专利技术提供一种基于神经网络的汽车零部件智能喷漆方法，其主要目的在于改善机械在自动化喷涂油漆的过程中很难实现汽车零部件各个部位的精准喷涂，因此往往造成喷涂不均匀、存在较大色差的问题。
[0005]为实现上述目的，本专利技术提供的一种基于神经网络实现汽车零部件的智能喷漆方法，包括：<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的汽车零部件智能喷漆方法，其特征在于，所述方法包括：采集预构建的汽车零部件的空间特征数据，根据所述空间特征数据构建零部件模型；根据预定的特征指标集提取所述零部件模型的模型指标数据集；将所述模型指标数据集输入预构建的原始神经网络模型，得到原始调控参数，其中所述原始神经网络包括输入层、隐藏层及输出层；根据所述原始调控参数在所述零部件模型上进行漆面建模，得到原始漆面模型，提取所述原始漆面模型的原始漆层参数；获取所述零部件模型对应的标准漆层参数，利用预构建的差值计算公式，根据所述原始漆层参数与所述标准漆层参数对所述原始神经网络模型进行反馈调节，得到目标神经网络，其中所述差值计算公式如下所示：其中，c
i,h,k
表示所述标准漆层参数与原始漆层参数在对应空间坐标(i,j,k)位置处指标参数的差异值，n表示所述标准漆层参数与原始漆层参数在包含空间坐标(i,j,k)的单位区域内的坐标序号，N表示所述单位区域内的坐标序号个数，x表示标准漆层参数在空间坐标(i,j,k)位置处的指标参数，y表示原始漆层参数在空间坐标(i,j,k)位置处的指标参数；获取待喷漆零部件的当前特征集，将所述当前特征集输入所述目标神经网络，得到目标调控参数；根据所述目标调控参数对所述待喷漆零部件进行漆面喷涂，完成汽车零部件的智能喷漆。2.如权利要求1所述的汽车零部件智能喷漆方法，其特征在于，所述采集预构建的汽车零部件的空间特征数据，包括：根据所述汽车零部件的中心位置构建局部坐标系；识别所述汽车零部件的特征点集，在所述局部坐标系中提取所述特征点集的空间特征数据。3.如权利要求1所述的汽车零部件智能喷漆方法，其特征在于，所述将所述模型指标数据集输入预构建的原始神经网络模型，得到原始调控参数，包括：将所述模型指标数据集中每个模型指标数据进行归一化，得到标准指标数据集；对所述原始神经网络中输入层及隐藏层执行权重初始化，得到初始输入层权重及初始隐藏层权重；根据所述特征指标集中特征指标与所述输入层中节点的对应关系，将所述标准指标数据集输入至所述原始神经网络模型，并利用初始输入层权重对所述标准指标数据集执行加权求和，得到原始输入求和值；利用预构建的激活函数激活所述原始输入求和值，得到原始隐藏值；利用所述初始隐藏层权重对所述原始隐藏值执行加权求和，得到原始隐藏求和值；利用所述激活函数激活所述原始隐藏求和值，得到所述原始调控参数。4.如权利要求3所述的汽车零部件智能喷漆方法，其特征在于，所述根据所述原始调控
参数在所述零部件模型上进行漆面建模，得到原始漆面模型，包括：在所述原始调控参数中依次提取原始轨迹调控参数、...

【专利技术属性】
技术研发人员：林钦，周晖，余亮，
申请(专利权)人：武汉湾流科技股份有限公司，
类型：发明
国别省市：