买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及摩托车配件生产技术领域，特别是一种基于智能调节的越野摩托车零件生产工艺优化方法。对特征图像进行边缘检测处理，得到加工零件的形状特征；对所述加工零件的形状特征进行Hough变换处理，得到若干边界点，并对所述边界点进行降冗处理，根据降冗后的边界点重构加工零件的实际形状三维模型图；根据实际形状三维模型图与标准形状三维模型图对加工零件进行评估分析；若加工零件为不合格件，则对激光雕刻设备进行故障分析，根据故障分析结果对激光雕刻设备进行调控处理，有助于提高生产效率、保证产品质量、降低维护成本，并为生产决策提供数据支持。

主权项：1.一种基于智能调节的越野摩托车零件生产工艺优化方法，其特征在于，包括以下步骤：在预设时间节点获取激光雕刻设备中加工零件的特征图像，对所述特征图像进行边缘检测处理，得到加工零件的形状特征；对所述加工零件的形状特征进行Hough变换处理，得到若干边界点，并对所述边界点进行降冗处理，根据降冗后的边界点重构加工零件的实际形状三维模型图；获取加工零件的激光雕刻成品工程图，根据激光雕刻成品工程图构建加工零件的标准形状三维模型图；根据所述实际形状三维模型图与标准形状三维模型图对加工零件进行评估分析；若加工零件为合格件，则继续使得激光雕刻设备对下一零件进行加工生产；若加工零件为不合格件，则对激光雕刻设备进行故障分析，根据故障分析结果对激光雕刻设备进行调控处理；其中，对所述特征图像进行边缘检测处理，得到加工零件的形状特征，具体为：利用OpenCV库中的cv2.filter2D函数计算特征图像在水平和垂直方向上的梯度；根据特征图像在水平和垂直方向上的梯度构建水平方向的梯度矩阵与垂直方向的梯度矩阵；将水平方向的梯度矩阵与垂直方向的梯度矩阵相加，得到边缘强度图；其中，边缘强度图反映了每个像素点边缘的显著程度，像素点的边缘强度与像素的梯度值相关；遍历边缘强度图中的每个像素点，将各个像素点的像素值与预设领域内其余像素点的像素值进行比较；若某一像素点的像素值均大于预设领域内其余像素点的像素值，则将该像素点标记为局部最大值像素点，即为强边缘点；若某一像素点的像素值不大于预设领域内一个或多个像素点的像素值，则将该像素点标记为非局部最大值像素点，即为弱边缘点；若边缘强度图中的某一像素点为强边缘点，则在边缘强度图中将该像素点所对应的位置节点设定为黑色；若边缘强度图中的某一像素点为弱边缘点，则在边缘强度图中将该像素点所对应的位置节点设定为白色；以此类推，直至对所有像素点设置完毕，得到二值图像；利用OpenCV库中的findContours函数从二值图像中提取出图像中的边缘轮廓，得到加工零件的形状特征；其中，根据所述实际形状三维模型图与标准形状三维模型图对加工零件进行评估分析，具体为：构建配准空间，将所述实际形状三维模型图与标准形状三维模型图输入至配准空间内；在所述配准空间内检索实际形状三维模型图与标准形状三维模型图的参考基准，并对两三维模型图的参考基准进行对位处理，以在配准空间中完成对实际形状三维模型图与标准形状三维模型图的配准过程；在所述配准空间中检索实际形状三维模型图与标准形状三维模型图互相重合的模型区域，并将互相重合的模型区域设置为白色区域；以及在所述配准空间中检索实际形状三维模型图与标准形状三维模型图不相重合的模型区域，并将不相重合的模型区域设置为黑色区域；计算所述白色区域的区域体积，以及计算所述黑色区域的区域体积；将白色区域的区域体积除以黑色区域的区域体积，得到实际形状三维模型图与标准形状三维模型图的重叠度；若实际形状三维模型图与标准形状三维模型图的重叠度不大于预设重叠度阈值，则将加工零件标记为不合格件；若实际形状三维模型图与标准形状三维模型图的重叠度大于预设重叠度阈值，则将加工零件标记为合格件；其中，若加工零件为不合格件，则对激光雕刻设备进行故障分析，根据故障分析结果对激光雕刻设备进行调控处理，具体为：若加工零件被标记为不合格件，则在配准空间中获取实际形状三维模型图与标准形状三维模型图之间的黑色区域模型所对应位置区域，定义为加工零件的雕刻异常区域；获取激光雕刻设备的设备运行日志，根据所述设备运行日志获取激光雕刻设备对所述雕刻异常区域进行雕刻加工所对应的历史加工时间段，定义为异常加工时间段；以及根据所述设备运行日志获取在异常加工时间段进行加工时激光雕刻设备中各子设备的历史运行参数；构建贝叶斯网络模型，并对所述贝叶斯网络模型进行提前训练，得到训练好的贝叶斯网络模型；将各子设备的历史运行参数分别导入至所述训练好的贝叶斯网络模型进行故障预测，得到各子设备的故障概率；若激光雕刻设备中各子设备的故障概率均不大于预设故障概率，则继续使得激光雕刻设备对下一零件进行加工生产，并利用贝叶斯网络模型持续对激光雕刻设备中各子设备的故障状态进行监测；若激光雕刻设备中存在一个或多个子设备的故障概率大于预设故障概率的情况，则控制激光雕刻设备停机生产，并对故障概率大于预设故障概率子设备进行标记，根据标记后的子设备生成故障信息，以及将故障信息发送至预设平台上显示；其中，构建贝叶斯网络模型，并对所述贝叶斯网络模型进行提前训练，得到训练好的贝叶斯网络模型，具体为：通过设备运行日志获取各子设备的历史故障事件，并通过余弦相似度算法计算各历史故障事件之间的相似度；将相似度大于预设相似度的历史故障事件进行合并处理，以对故障类型相同的历史故障事件进行聚类处理，得到所述子设备所发生过的各种故障类型的历史故障事件集；对所述子设备所发生过的各种故障类型的历史故障事件集进行特征工程处理，得到所述子设备所发生过的各种故障类型的故障特征数据；并将所述故障特征数据分为故障特征数据训练集与故障特征数据测试集；构建贝叶斯网络，根据所述子设备所发生过的各种故障类型初始化贝叶斯网络的节点，以及根据各种故障类型的故障特征数据训练集初始化贝叶斯网络的边；引入最大似然估计算法，并基于最大似然估计算法估计各节点与边之间的条件概率，根据各节点与边之间的条件概率构建条件概率表，得到贝叶斯网络模型；使用故障特征数据测试集来评估贝叶斯网络模型的准确率与召回率，若贝叶斯网络模型的准确率与召回率均满足预设要求，说明模型训练完毕，则输出训练好的贝叶斯网络模型；若贝叶斯网络模型的准确率与召回率不满足预设要求，则对所述条件概率表进行调整，直至叶斯网络模型的准确率与召回率满足预设要求，输出训练好的贝叶斯网络模型。

全文数据：

权利要求：

百度查询： 浙江智展科技股份有限公司 一种基于智能调节的越野摩托车零件生产工艺优化方法