汽车零部件智能冲压控制系统及其方法与流程

本技术涉及智能控制领域，且更为具体地，涉及一种汽车零部件智能冲压控制系统及其方法。

背景技术：

1、冲压是汽车零部件制造关键的一步，将各种不同规格的金属板料按照模具的形状在冲压机的作用下对其施加压力(通过压机与模具)，使之塑性变形,但是冲压力过大过小都会影响零部件的成型，并不能精准控制，影响生产的效率，影响成型的质量。

2、因此，期待一种优化的汽车零部件智能冲压控制方案，通过通过安装在机床上的压力传感器和位移传感器等设备，采集冲压力和工件变形等相关参数数据，得到分类结果用于表示需要调整冲压的力度大小应增大还是减小。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种汽车零部件智能冲压控制系统及其方法，其获取预定时间段内多个预定时间点的冲压力值和零件位移值，进一步用基于深度神经网络模型的人工智能技术来通过第一第二多尺度的提取、融合，以得到用于表示需要调整冲压的力度大小应增大还是减小。这样，构建汽车零部件智能冲压控制方案，能够智能控制冲压力，提高生产效率和产品的质量。

2、根据本技术的一个方面，提供了一种汽车零部件智能冲压控制系统，其包括：

3、数据采集模块，用于获取预定时间段内多个预定时间点的冲压力值和零件位移值；

4、时序排列模块，用于将所述多个预定时间点的冲压力值和零件位移值分别按照时间维度排列为冲压力输入向量和位移输入向量；

5、冲压力特征提取模块，用于将所述冲压力输入向量通过第一多尺度邻域特征提取模块以得到冲压力特征向量；

6、位移特征提取模块，用于将所述位移输入向量后通过第二多尺度邻域特征提取模块以得到位移特征向量；

7、投影模块，用于对所述冲压力特征向量和所述位移特征向量进行基于特征集合的各子维度之间的空间联立投影以得到所述分类特征向量；以及

8、分类结果模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示需要调整冲压的力度大小应增大还是减小。

9、在上述汽车零部件智能冲压控制系统中，所述冲压力特征提取模块，包括：第一尺度冲压力提取单元，用于将所述冲压力输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一尺度冲压力特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度冲压力提取单元，用于将所述冲压力输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二尺度冲压力特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，冲压力特征提取单元，用于使用所述第一多尺度邻域特征提取模块的级联层对所述第一尺度冲压力特征向量和所述第二尺度冲压力特征向量进行级联以得到所述冲压力特征向量。

10、在上述汽车零部件智能冲压控制系统中，所述第一尺度冲压力提取单元，用于：使用所述第一多尺度邻域特征提取模块的第一卷积层以如下第一一维卷积公式对所述冲压力输入向量进行一维卷积编码以得到所述第一尺度冲压力特征向量；其中，所述第一一维卷积公式为：

11、

12、其中，a为第一一维卷积核在x方向上的宽度、f(a)为第一一维卷积核参数向量、g(x-a)为与第一卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，x表示所述冲压力输入向量，cov(x)为对冲压力输入向量进行一维卷积编码。

13、在上述汽车零部件智能冲压控制系统中，所述第二尺度冲压力提取单元，用于：使用所述第一多尺度邻域特征提取模块的第二卷积层以如下第二一维卷积公式对所述冲压力输入向量进行一维卷积编码以得到所述第二尺度冲压力特征向量；其中，所述第二一维卷积公式为：

14、

15、其中，b为第二一维卷积核在x方向上的宽度、f(b)为第二一维卷积核参数向量、g(x-b)为与第二卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，x表示所述冲压力输入向量，cov(x)为对冲压力输入向量进行一维卷积编码。

16、在上述汽车零部件智能冲压控制系统中，所述位移特征提取模块，包括：第一尺度位移提取单元，用于将所述位移输入向量输入所述第二多尺度邻域特征提取模块的第三卷积层以得到第一尺度位移特征向量，其中，所述第三卷积层具有第三长度的第三一维卷积核；第二尺度位移提取单元，用于将所述位移输入向量输入所述第二多尺度邻域特征提取模块的第四卷积层以得到第二尺度位移特征向量，其中，所述第四卷积层具有第四长度的第四一维卷积核，所述第三长度不同于所述第四长度；以及，位移特征提取单元，用于使用所述第二多尺度邻域特征提取模块的级联层对所述第一尺度位移特征向量和所述第二尺度位移特征向量进行级联以得到所述位移特征向量。

17、在上述汽车零部件智能冲压控制系统中，所述第一尺度位移提取单元，用于：使用所述第二多尺度邻域特征提取模块的第三卷积层以如下第三一维卷积公式对所述位移输入向量进行一维卷积编码以得到所述第一尺度位移特征向量；其中，所述第三一维卷积公式为：

18、

19、其中，c为第一一维卷积核在y方向上的宽度、f(c)为第一一维卷积核参数向量、g(y-c)为与第三卷积核函数运算的局部向量矩阵，z为第一一维卷积核的尺寸，y表示所述位移输入向量，cov(y)为对位移输入向量进行一维卷积编码。

20、在上述汽车零部件智能冲压控制系统中，所述第二尺度位移提取单元，用于：使用所述第二多尺度邻域特征提取模块的第四卷积层以如下第四一维卷积公式对所述位移输入向量进行一维卷积编码以得到所述第二尺度位移特征向量；其中，所述第四一维卷积公式为：

21、

22、其中，d为第二一维卷积核在y方向上的宽度、f(d)为第二一维卷积核参数向量、g(y-d)为与第四卷积核函数运算的局部向量矩阵，n为第二一维卷积核的尺寸，y表示所述位移输入向量，cov(y)为对位移输入向量进行一维卷积编码。

23、在上述汽车零部件智能冲压控制系统中，所述分类结果模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

24、根据本技术的另一方面，提供了一种汽车零部件智能冲压控制方法，其包括：

25、获取预定时间段内多个预定时间点的冲压力值和零件位移值；

26、将所述多个预定时间点的冲压力值和零件位移值分别按照时间维度排列为冲压力输入向量和位移输入向量；

27、将所述冲压力输入向量通过第一多尺度邻域特征提取模块以得到冲压力特征向量；

28、将所述位移输入向量后通过第二多尺度邻域特征提取模块以得到位移特征向量；

29、对所述冲压力特征向量和所述位移特征向量进行基于特征集合的各子维度之间的空间联立投影以得到所述分类特征向量；以及

30、将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示需要调整冲压的力度大小应增大还是减小。

31、与现有技术相比，本技术提供的一种汽车零部件智能冲压控制系统及其方法，其获取预定时间段内多个预定时间点的冲压力值和零件位移值，进一步用基于深度神经网络模型的人工智能技术来通过第一第二多尺度的提取、融合，以得到用于表示需要调整冲压的力度大小应增大还是减小。这样，构建汽车零部件智能冲压控制方案，能够智能控制冲压力，提高生产效率和产品的质量。