System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种尺寸偏差数据的预测方法、系统、电子设备及可读存储介质技术方案_技高网

一种尺寸偏差数据的预测方法、系统、电子设备及可读存储介质技术方案

技术编号:40465096 阅读:4 留言:0更新日期:2024-02-22 23:18
本发明专利技术涉及汽车制造技术领域,公开了一种尺寸偏差数据的预测方法、系统及电子设备。该方法通过对获取到的多个偏差数据序列进行特征提取,利用提取到的序列特征向量对各偏差数据序列进行分组,得到多组偏差序列集合,再从各偏差序列集合的偏差数据序列中提取带有训练标签的训练样本,并通过训练样本对预设的时间序列预测模型进行训练,从而基于训练得到的偏差预测模型预测尺寸偏差数据,通过训练得到的偏差预测模型实现了根据历史偏差数据预测之后的尺寸偏差,从而便于在车辆生产时通过调整生产对汽车尺寸进行管控,提高产品的生产质量。

【技术实现步骤摘要】

本专利技术涉及汽车制造,尤其涉及一种尺寸偏差数据的预测方法、系统、电子设备及可读存储介质


技术介绍

1、随着汽车行业的竞争越来越激烈,各车企在质量、成本和时间等多方面都面临着巨大压力。根据全球汽车质量调查,近一半的汽车质量问题与汽车车身几何质量相关,因此,为了客户提供完美且高质量的汽车,汽车制造商必须重视汽车尺寸的管控。

2、目前,在实际的车身尺寸测量中,通常都是采用三坐标测量机对抽样的白车身及部件进行尺寸测量,再通过每个测点的坐标数据判断是否在标准的尺寸公差范围内,从而基于偏差判断结果对汽车制造过程进行调整,而整车制造换件的工艺众多,在产品冲压、焊接、装配过程中尺寸偏差会不断累积,由于无法预测尺寸偏差,调整过程相较于尺寸偏差存在滞后性,无法立即对生产作出调整,使得汽车尺寸的管控难度较大,降低了产品的生产质量。


技术实现思路

1、为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。

2、鉴于以上所述现有技术的缺点,本专利技术公开了一种尺寸偏差数据的预测方法、系统、电子设备及可读存储介质,以实现对尺寸偏差数据的预测,便于在汽车制造时对汽车尺寸进行管控。

3、本专利技术公开了一种尺寸偏差数据的预测方法,包括:获取多个目标测点各自对应的偏差数据序列,其中,所述偏差数据序列包括按照测量时间排序的多个尺寸偏差数据;分别对各所述偏差数据序列进行特征提取,得到各所述偏差数据序列分别对应的序列特征向量,并根据所述序列特征向量对各所述偏差数据序列进行分组,得到多个特征向量区间分别对应的偏差序列集合;从所述偏差数据序列的各尺寸偏差数据中获取带有训练标签的训练样本,并根据同一偏差序列集合对应的训练样本生成训练样本集,其中,所述训练样本对应的训练标签为位于所述训练样本之后的一部分尺寸偏差数据;通过多个训练样本集循环对预设的时间序列预测模型进行训练,并将训练完成的时间序列预测模型作为偏差预测模型,其中,所述偏差预测模型用于根据任一目标测点的历史偏差数据生成偏差预测结果。

4、本专利技术公开了一种尺寸偏差数据的预测系统,包括:获取模块,用于获取多个目标测点各自对应的偏差数据序列,其中,所述偏差数据序列包括按照测量时间排序的多个尺寸偏差数据;分组模块,用于分别对各所述偏差数据序列进行特征提取,得到各所述偏差数据序列分别对应的序列特征向量,并根据所述序列特征向量对各所述偏差数据序列进行分组,得到多个特征向量区间分别对应的偏差序列集合;生成模块,用于从所述偏差数据序列的各尺寸偏差数据中获取带有训练标签的训练样本,并根据同一偏差序列集合对应的训练样本生成训练样本集,其中,所述训练样本对应的训练标签为位于所述训练样本之后的一部分尺寸偏差数据;预测模块,用于通过多个训练样本集循环对预设的时间序列预测模型进行训练,并将训练完成的时间序列预测模型作为偏差预测模型,其中,所述偏差预测模型用于根据任一目标测点的历史偏差数据生成偏差预测结果。

5、本专利技术公开了一种电子设备,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行上述的方法。

6、本专利技术的有益效果:

7、通过对获取到的多个偏差数据序列进行特征提取,利用提取到的序列特征向量对各偏差数据序列进行分组,得到多组偏差序列集合,再从各偏差序列集合的偏差数据序列中提取带有训练标签的训练样本,并通过训练样本对预设的时间序列预测模型进行训练,从而基于训练得到的偏差预测模型预测尺寸偏差数据。这样,由于不同测点的尺寸偏差数据存在明显区别,通过序列特征向量对各偏差数据序列进行分组,使得同一偏差序列集合中的时序数据趋势近似,从而通过不同偏差序列集合中的训练样本对时间序列预测模型进行训练,通过训练得到的偏差预测模型实现了根据历史偏差数据预测之后的尺寸偏差,从而便于在车辆生产时通过调整生产对汽车尺寸进行管控,提高产品的生产质量。

本文档来自技高网...

【技术保护点】

1.一种尺寸偏差数据的预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取多个目标测点各自对应的偏差数据序列,包括:

3.根据权利要求2所述的方法,其特征在于,将所述测点坐标按照坐标维度拆分为多个一维坐标之后,所述方法还包括:

4.根据权利要求2所述的方法,其特征在于,根据所述一维坐标对应的预设标准坐标对所述一维坐标进行计算,得到所述一维坐标对应的坐标偏差值之后,所述方法还包括:

5.根据权利要求1所述的方法,其特征在于,根据所述序列特征向量对各所述偏差数据序列进行分组,得到多个特征向量区间分别对应的偏差序列集合,包括以下任意一种:

6.根据权利要求1至5任一项所述的方法,其特征在于,从所述偏差数据序列的各尺寸偏差数据中获取带有训练标签的训练样本,包括:

7.根据权利要求6所述的方法,其特征在于,通过多个训练样本集循环对预设的时间序列预测模型进行训练,并将训练完成的时间序列预测模型作为偏差预测模型,包括:

8.根据权利要求7所述的方法,其特征在于,通过多个训练样本集循环对预设的时间序列预测模型进行训练,并将训练完成的时间序列预测模型作为偏差预测模型之后,所述方法还包括:

9.一种尺寸偏差数据的预测系统,其特征在于,包括:

10.一种电子设备,其特征在于,包括:处理器及存储器;

...

【技术特征摘要】

1.一种尺寸偏差数据的预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取多个目标测点各自对应的偏差数据序列,包括:

3.根据权利要求2所述的方法,其特征在于,将所述测点坐标按照坐标维度拆分为多个一维坐标之后,所述方法还包括:

4.根据权利要求2所述的方法,其特征在于,根据所述一维坐标对应的预设标准坐标对所述一维坐标进行计算,得到所述一维坐标对应的坐标偏差值之后,所述方法还包括:

5.根据权利要求1所述的方法,其特征在于,根据所述序列特征向量对各所述偏差数据序列进行分组,得到多个特征向量区间分别对应的偏差序列集合,包括以下任意一种:<...

【专利技术属性】
技术研发人员:王晓虎唐娜娜艾伦舒轲
申请(专利权)人:广域铭岛数字科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1