【技术实现步骤摘要】
一种基于计算机辅助的汽车覆盖件回弹智能预测方法
[0001]本专利技术涉及利用计算机视觉预测回弹的
，具体涉及一种基于计算机辅助的汽车覆盖件回弹智能预测方法
。
技术介绍
[0002]汽车覆盖件结构复杂
、
空间曲面变化多，因此在冲压成形过程中常会出现回弹
、
磨损
、
大位移
、
大变形等各种复杂生产缺陷，极易影响产品的质量
。
回弹是汽车覆盖件冲压过程中经常出现的现象，也是冲压过程中最难解决的问题
。
[0003]但是目前为避免汽车覆盖件出现回弹现象，一般是在前期模具设计过程中对汽车覆盖件的成形性能进行判断
。
但是在目前模具
CAE
分析技术条件下，该技术分析过程主要由具备过硬专业背景和一定工程实践经验的工程分析人员进行人工解构分析，费时费力
。
同时采用模具
CAE
分析技术只能在前期模具设计过程中对回弹状况进行预判
。
但是在每...
【技术保护点】
【技术特征摘要】
1.
一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，该方法包括：获取待检测汽车覆盖件在不同时刻的全域深度图像；构建汽车覆盖件区域识别神经网络模型；将不同时刻的所述全域深度图像所形成的全域深度图像序列输入到汽车覆盖件区域识别神经网络模型中，输出不同时刻的目标深度图像序列；将所述不同时刻的目标深度图像序列输入到
LSTM
预测模型中得到未来不同时刻的目标深度图像序列；根据所述未来不同时刻的目标深度图像序列中未来每一时刻的目标深度图像计算未来每一时刻的时刻回弹指标；当所有未来每一时刻的时刻回弹指标均低于预设的第一阈值时，判断待检测汽车覆盖件的回弹量位于允许容差范围之内；当未来任一时刻的时刻回弹指标高于预设的第一阈值时，判断待检测汽车覆盖件的回弹量位于允许容差范围之外，同时发出预警提示信号
。2.
根据权利要求1所述的一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，得到未来不同时刻的目标深度图像序列后还包括：根据所述未来不同时刻的目标深度图像序列获取多组由未来相邻两时刻的目标深度图像组成的时段目标深度图像组合；按照时间顺序计算每个所述时段目标深度图像所在时段的时段回弹指标；当任一时段的所述时段回弹指标低于预设的第二阈值时认为汽车覆盖件截止到该时段内初始时刻不再发生回弹现象
。3.
根据权利要求1所述的一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，所述构建汽车覆盖件区域识别神经网络模型，包括：将所述全域深度图像中汽车覆盖件区域像素点和背景区域像素点人为区分标注，根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第一网络分支的第一损失函数；对所述全域深度图像按照聚类进行分块获取多个图像块；将每个所述图像块按照汽车覆盖件区域和背景区域区分标注，根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第二网络分支的第二损失函数；根据所述第一损失函数和所述第二损失函数构建汽车覆盖件区域识别神经网络模型的最终损失函数，基于所述最终损失函数对汽车覆盖件区域识别神经网络模型进行训练
。4.
根据权利要求3所述的一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，所述根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第一网络分支的第一损失函数，包括：所述第一损失函数如下式所示：其中，为所述全域深度图像的尺寸；为人为标注的所述全域深度图像中第个像素点的标签值；为第一网络分支输出的第个像素点的预测值；为模型参数
。5.
根据权利要求4所述的一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，所述将每个所述图像块按照汽车覆盖件区域和背景区域区分标注，根据标注后标
签数据构建汽车覆盖件区域识别神经网络模型中第二网络分支的第二损失函数，包括：将所述每个图像块按照汽车覆盖件区域图像块和背景区域图像块区分标注获取类别标签数据；根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第二网络分支的第二损失函数，第二损失函数如下式所示：其中，为所述全域深度图像的尺寸；为人为标注的所述全域深度图像中第...
【专利技术属性】
技术研发人员：全俊成，
申请(专利权)人：江苏玫源新材料有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。