[发明专利]一种基于机器学习的零件装配质量数字化检测系统及方法

权利要求书

1.一种基于机器学习的零件装配质量数字化检测系统，其特征在于，包括：

图像采集模块，用于获取至少一个零件的图像数据；

图像分析模块，用于对所述图像数据进行图像信息分析，得到所述图像数据对应的多个质量特征要素；

质量检测模块，用于构建基于粒子群参数优化的目标质量检测模型，并利用所述目标质量检测模型根据所述质量特征要素对所述零件进行制孔和/或铆接质量检测，得到所述零件的质量检测结果。

2.根据权利要求1所述的系统，其特征在于，所述图像分析模块包括：

图像预处理单元，用于对所述图像数据进行图像预处理，得到目标图像信息；其中，所述图像预处理包括图像增强、图像分割、图像描述、图像识别、图像解释中至少之一；

特征要素提取单元，用于根据检测算法提取所述目标图像信息中的质量特征要素，所述质量特征要素包括制孔质量特征要素和铆接质量特征要素；其中，所述制孔质量特征要素包括孔径精度、平面度、垂直度、圆度、粗糙度、毛刺、裂纹中至少之一，所述铆接质量特征要素包括阶差、蒙皮凹陷中至少之一。

3.根据权利要求1所述的系统，其特征在于，所述质量检测模块包括：

样本特征提取单元，用于抽取多个样本特征要素，构建样本特征库，所述样本特征库包括制孔样本特征库和铆接样本特征库；

模型构建单元，用于构建最小二乘向量机模型；

模型训练单元，用于利用所述样本特征库中的样本特征要素对所述最小二乘支持向量机模型进行训练优化，生成所述基于粒子群算法优化的目标质量检测模型；

质量诊断单元，用于利用所述目标质量检测模型对所述零件对应的多个质量特征要素进行制孔和/或铆接质量检测，得到所述零件的质量检测结果。

4.根据权利要求3所述的系统，其特征在于，所述模型训练单元还用于：

根据所述样本特征库中的样本特征要素生成质量预测样本集；

利用粒子群算法基于所述质量预测样本集对所述最小二乘向量机模型进行优化训练，得到基于粒子群算法优化的最小二乘向量机模型对应的核函数参数和正则化参数；

利用所述核函数参数和正则化参数生成所述基于粒子群参数优化的目标质量检测模型。

5.根据权利要求4所述的系统，其特征在于，所述模型训练单元还用于：

将所述粒子群算法中的粒子群中每个粒子的位置向量作为代表核函数参数和正则化参数的质量参数向量；

利用所述粒子群算法迭代计算粒子位置最优解得到目标质量参数向量，根据所述目标质量参数向量生成基于粒子群算法优化的最小二乘向量机模型对应的核函数参数和正则化参数。

6.根据权利要求4所述的系统，其特征在于，所述质量检测模块还包括：

误差分析单元，用于计算所述目标质量检测模型的质量诊断误差；

将所述质量预测样本集划分为多个子样本集，利用粒子群算法基于多个子样本集对所述最小二乘向量机模型进行优化训练，生成对应的多个质量检测子模型；

计算所述多个质量检测子模型的平均质量诊断误差；

所述模型训练单元还用于：比较所述质量诊断误差和平均质量诊断误差的大小，当所述质量诊断误差大于所述平均质量诊断误差时，利用粒子群算法重新对所述最小二乘向量机模型进行优化训练，直到得到质量诊断误差小于所述平均质量诊断误差的目标质量检测模型。

7.根据权利要求1所述的系统，其特征在于，所述系统还包括：

特征知识库构建模块，用于根据多个质量检测结果为不合格的制孔和/或铆接对应的缺陷特征、缺陷种类和缺陷推理规则，建立质量特征知识库；

智能追溯模块，用于当所述质量检测结果为不合格时，利用所述质量特征知识库对所述零件的制孔和/或铆接进行缺陷追溯。