[发明专利]一种汽车冲压模具在线检测方法及系统

说明书

本发明涉及模具检测的技术领域，特别是涉及一种汽车冲压模具在线检测方法，其能够及时准确地发现冲压模具性能变化，提高成品零件的合格率；所述方法包括：采集冲压模具在工作过程中的模具性能评估要素；所述模具性能评估要素包括冲压模具上至少四个预设点位的温度、冲压时冲压模具对板件的瞬时压力、冲压模具升降过程中的振动频率、振动幅值、冲压模具工作面的粗糙度以及冲压模具定位面的粗糙度；根据时间顺序，构建至少五个连续且相同宽度的时间窗口；计算每个时间窗口内各个模具性能评估要素的特征均值；根据时间顺序和预先设定的模具性能评估要素排列顺序，将计算得到的特征均值转换成二维矩阵，得到冲压模具的性能表征矩阵。

技术领域

本发明涉及模具检测的技术领域，特别是涉及一种汽车冲压模具在线检测方法及系统。

背景技术

汽车冲压模具是用于汽车制造中的冲压工艺的专用模具。冲压工艺在汽车制造中起着至关重要的作用，用于将金属板材以高速和高压力加工成所需形状的零件。

在冲压工艺中，冲压模具的自身性能随着加工时长的增加会有所损耗，影响成品零件的合格率。为了保证成品零件的合格率，现有的解决方法是通过工作人员对冲压模具进行定期检查或者通过对零件的合格率来去反推模具的性能，上述方法均存在“模具性能下降到影响零件合格率的程度后，但仍继续加工”的空窗期，难以及时发现模具性能的下降，导致零件和工期的浪费。

发明内容

为解决上述技术问题，本发明提供一种能够及时准确地发现冲压模具性能变化，提高成品零件的合格率的汽车冲压模具在线检测方法。

第一方面，本发明提供了一种汽车冲压模具在线检测方法，所述方法包括：

采集冲压模具在工作过程中的模具性能评估要素；所述模具性能评估要素包括冲压模具上至少四个预设点位的温度、冲压时冲压模具对板件的瞬时压力、冲压模具升降过程中的振动频率、振动幅值、冲压模具工作面的粗糙度以及冲压模具定位面的粗糙度；

根据时间顺序，构建至少五个连续且相同宽度的时间窗口；

计算每个时间窗口内各个模具性能评估要素的特征均值；

根据时间顺序和预先设定的模具性能评估要素排列顺序，将计算得到的特征均值转换成二维矩阵，得到冲压模具的性能表征矩阵；

对冲压模具进行人工性能评估，并将性能评估结果与同时间节点的性能表征矩阵进行关联标记；

将标记结果上传至深度学习平台进行训练学习，生成冲压模具性能在线检测模型，其中冲压模具的性能表征矩阵作为冲压模具性能在线检测模型的输入，性能评估结果作为冲压模具性能在线检测模型的输出；

实时获取冲压模具工作过程中的模具性能评估要素，并将评估要素转换成实时性能表征矩阵；

利用冲压模具性能在线检测模型对实时性能表征矩阵进行特征识别，输出该时间节点下冲压模具的性能。

另一方面，本申请还提供了一种汽车冲压模具在线检测系统，所述系统包括：

数据采集模块，利用传感器采集冲压模具在工作过程中的模具性能评估要素，包括温度、瞬时压力、振动频率、振动幅值、工作面粗糙度和定位面粗糙度；

数据处理模块，用于将采集到的数据按时间顺序进行处理，构建连续且相同宽度的时间窗口；并且计算每个时间窗口内各个模具性能评估要素的特征均值；

特征转换模块，用于根据预先设定的模具性能评估要素排列顺序，将计算得到的特征均值转换成二维矩阵；构建冲压模具的性能表征矩阵，用于后续的性能评估和模型训练；

人工评估模块，用于对冲压模具进行人工性能评估，并将性能评估结果与同时间节点的性能表征矩阵进行关联标记；

模型训练模块，用于将标记结果上传至深度学习平台进行训练学习，利用深度学习算法和训练样本生成冲压模具性能在线检测模型；