【技术实现步骤摘要】
本专利技术涉及机器去毛刺，具体为一种基于神经网络的压铸件去毛刺工艺调控系统及方法。
技术介绍
1、神经网络是一种计算机算法个模型，它受到人脑中的神经元网络的启发，有多个节点组成的网络层级构成，通过连接这些节点来构建复杂的网络结构，这些网络可以通过训练学习从输入数据中提取特征，并通过调整权重和偏差来预测和分类未知的数据；使用神经网络有很多好处，包含以下几种，1.模式识别和分类，神经网络可以通过学习大量的样本数据，实现对未标记的数据进行分类和识别，2.回归和预测，通过学习数据之间的关系，神经网络可以用于事物的预测和回归分析，3.语音和图像识别，神经网络在语音和图像处理中有广泛的应用，4.自然语音的处理，神经网络可以用于处理和分析文本等数据。
2、压铸件产生毛刺的主要原因是因为模具因为磨损和不完整，导致压力过高，铸造的温度过高和过低，金属液中含有杂质也会导致压铸件产生毛刺，目前去毛刺工艺的调控主要是针对于压铸件的去毛刺情况进行分析，从而调整压铸件去工艺，但是实际上去毛刺工具的使用状态也是十分重要的，人们往往会忽略从去毛刺工具角度上对压铸件去毛刺工艺的调整。
技术实现思路
1、本专利技术的目的在于提供一种基于神经网络的压铸件去毛刺工艺调控系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于神经网络的压铸件去毛刺工艺调控方法，方法包括：
3、步骤s100：使用不同去毛刺工具按照对应工序对含有毛刺的压铸
4、步骤s200：基于标记去毛刺工具，对不同去毛刺工具之间的关联性进行评估；
5、步骤s300：获取当前周期内的去毛刺信息；基于当前周期内的去毛刺信息，对去毛刺工具使用状态进行评估，得到当前周期内的特征去毛刺工具；获取与特征去毛刺工具存在关联性的去毛刺工具，并记为目标去毛刺工具；
6、步骤s400：获取当前周期内特征去毛刺工具和目标去毛刺工具；基于当前周期内特征去毛刺工具和目标去毛刺工具，将特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行调整；
7、上述步骤中使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺，意思是对于一种规格的压铸件毛刺需要使用不同去毛刺工具按照相应的工序，依次对压铸件毛刺进行去除，例如，对于0.1mm的毛刺，可能需要若干个去毛刺工具按照相应工序，依次对压铸件毛刺进行去除。
8、进一步的，步骤s100包括：
9、步骤s101：对去除毛刺后的压铸件使用工业相机进行拍摄，得到压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
10、步骤s102：获取各个去毛刺工具的标准工具精度；获取特征压铸件对应的工序流程，将工序流程中的各个去毛刺工具进行获取，并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被工作人员判定不符合相应的标准工具精度，获取工作人员判定某个去毛刺工具不符合相应的标准工具精度的时间点，将时间点记为某个去毛刺工具对应的特征时间点；获取各个去毛刺工具对应的特征时间点；对去毛刺工具的特征时间点之前的工作总时长进行获取，并记为某个去毛刺工具的使用时长；获取各个去毛刺工具对应的使用时长；获取各个去毛刺工具出厂标记的标准使用寿命最小值；
11、步骤s103：当去毛刺信息集合w中存在某一去毛刺工具的使用时长，小于某一去毛刺工具的标准使用寿命最小值，将去毛刺工具记为标记去毛刺工具；
12、上述步骤中当去毛刺信息集合w中存在某一去毛刺工具的使用时长，小于某一去毛刺工具的标准使用寿命最小值，将去毛刺工具记为标记去毛刺工具，是因为在一个历史周期内去毛刺工具对应的使用时长在去毛刺工具出厂标记的标准使用寿命范围内，则表示这个，这个去毛刺工具的损害属于正常，不是被其他去毛刺工具影响，而标记去毛刺工具受到的损害属于不正常的，所以才需要将标记去毛刺工具进行选出，从而才能更好的判断出是那些去毛刺工具对标记去毛刺工具造成了影响。
13、进一步的，步骤s200包括：
14、步骤s201：将标记去毛刺工具对应特征时间点，记为标记特征时间点α；设置标记时长β；获取标记去毛刺工具对应的标记时段u∈[α-β，α]；获取各个标记去毛刺工具对应的各个标记时段；
15、步骤s202：当去毛刺工具对应的特征时间点在某一标记去毛刺工具的标记时段内，判定去毛刺工具与标记去毛刺工具疑似存在关联，将去毛刺工具记为疑似第一去毛刺工具，将标记去毛刺工具记为第二去毛刺工具；
16、步骤s203：获取疑似第一去毛刺工具与第二去毛刺工具的特征时间点之间距离的时长，并记为疑似第一去毛刺工具与第二去毛刺工具对应的特征时长；
17、步骤s204：当疑似第一去毛刺工具对应的特征时间点，在第二去毛刺工具对应的标记时段内，将标记时段记为疑似第一去毛刺工具与第二去毛刺工具对应的关联标记时段；获取疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；
18、步骤s205：对关联标记时段内的特征压铸件的数量进行获取，并记为疑似第一去毛刺工具与第二去毛刺工具的压铸件影响个数；获取关联标记时段内压铸件影响个数平均值获取各个标记时长内压铸件生产个数的平均值；
19、步骤s206：计算疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值p：
20、
21、其中，to表示标记时长；j为关联标记时段的时段个数；tc表示为疑似第一去毛刺工具与第二去毛刺工具的第c个特征时长；μ为疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；为各个标记时长内压铸件生产个数的平均值；
22、设置工具关联程度值阈值；当疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，大于关联程度值阈值，判断疑似第一去毛刺工具，与第二去毛刺工具之间存在关联，并将疑似第一去毛刺工具，记为第一去毛刺工具。
23、进一步的，步骤s300包括：
24、步骤s301：设置去毛刺压铸件组；去毛刺压铸件组为含有毛刺的压铸件；在当前周期内对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像；将其中含有毛刺的压铸件，记为特征压铸件；
25、步骤s302：获取当前周期内特征压铸件对应的工序流程；将工序流程中的各个去毛刺工具进行获取，并记为特征毛刺压铸件对应的各个去毛刺工具；并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被判定需要进行更换时，将去毛刺工具记为特征去毛刺工具；
26、步骤s303：当当前周期内某一特征去毛刺工具与另一去毛刺工具存在关联，将某一特征本文档来自技高网...
【技术保护点】
1.一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S100包括：
3.根据权利要求2所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S200包括：
4.根据权利要求3所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S300包括：
5.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S400包括：
6.应用于权利要求1-5中任意项所述的一种基于神经网络的压铸件去毛刺工艺调控方法的压铸件去毛刺工艺调控系统，其特征在于，所述调控系统包括标记去毛刺工具模块、工具关联性模块、目标去毛刺工具模块、去毛刺工艺调控模块；
7.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述标记去毛刺工具模块包括特征压铸件单元、标记去毛刺工具单元；
8.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述工具关联性模
9.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述目标去毛刺工具模块包括特征去毛刺工具单元、目标去毛刺工具单元；
10.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述去毛刺工艺调控模块包括去毛刺工艺调控单元；
...【技术特征摘要】
1.一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤s100包括：
3.根据权利要求2所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤s200包括：
4.根据权利要求3所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤s300包括：
5.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤s400包括：
6.应用于权利要求1-5中任意项所述的一种基于神经网络的压铸件去毛刺工艺调控方法的压铸件去毛刺工艺调...
【专利技术属性】
技术研发人员：章明，徐林森，于海武，邱少杰，
申请(专利权)人：江苏中科云控智能工业装备有限公司，
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。