(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210649437.2 (22)申请日 2022.06.10 (65)同一申请的已公布的文献号 申请公布号 CN 114742831 A (43)申请公布日 2022.07.12 (73)专利权人 南通博鎏机电科技有限公司 地址 226200 江苏省南 通市启东市北新 镇 建西村(启东市裕盛机械制造有限公 司内) (72)发明人 陈肖磊　 (74)专利代理 机构 绍兴三人 行柯信知识产权代 理事务所(普通 合伙) 33495 专利代理师 朱亚飞 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/62(2017.01) G06T 3/60(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) (56)对比文件 CN 109359796 A,2019.02.19 CN 114445386 A,202 2.05.06 审查员 王丹丹 (54)发明名称 基于人工智能的电动批 头的质量检测方法 (57)摘要 本发明涉及电数字数据处理技术领域， 具体 涉及一种基于人工智能的电动批头的质量检测 方法， 该方法适用于特定功能， 具体是适用于电 动批头质量检测的数字数据处理方法， 利用了计 算机进行辅助计算和处理， 包括： 根据一批次中 各个电动批头的长度、 宽度、 旋转半径、 轴向应力 序列和偏心系数， 确定各个电动批头的同轴度指 标值和滑移风险程度， 进而确定各个电动批头的 质量评估系数， 最终确定各个电动批头是否满足 质量要求。 本发明能够实现电动批头质量的可靠 检测， 可以适用于大数据资源服务、 数据库和云 数据库服务等互联网数据服务， 可以配置为与批 头质量检测相关的云计算软件、 云端融合应用运 行支撑平台软件等。 权利要求书2页 说明书8页 附图1页 CN 114742831 B 2022.08.16 CN 114742831 B 1.一种基于人工智能的电动批 头的质量检测方法， 其特 征在于， 包括以下步骤： 获取一批次中各个电动批 头的长度、 宽度、 旋转半径、 轴向应力序列和偏心系数； 根据各个电动批 头的长度、 宽度和旋转半径， 确定各个电动批 头的同轴度指标值； 根据各个电动批头的同轴度指标值和轴向应力序列， 对电动批头进行分组， 从而得到 各个电动批 头组； 根据各个电动批头组中的各个电动批头的轴向应力序列， 确定各个电动批头组对应的 等效轴向力； 根据各个电动批头的轴向应力序列、 长度和偏心系数以及各个电动批头所在的电动批 头组对应的等效轴向力， 确定各个电动批 头的滑移风险程度； 根据各个电动批头的滑移风险程度和同轴度指标值， 确定各个电动批头的质量评估系 数， 进而确定各个电动批 头是否满足质量要求； 确定各个电动批 头的同轴度指标值的步骤 包括： 根据各个电动批 头的宽度和旋转半径， 计算各个电动批 头的直径差异值； 根据各个电动批 头的直径差异值和长度， 计算各个电动批 头的同轴度指标值； 对各个电动批头的同轴度指标值进行归一化处理， 从而得到最终的各个电动批头的同 轴度指标值。 2.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 确定 各个电动批 头组对应的等效轴向力的步骤 包括： 根据各个电动批头组中的各个电动批头的轴向应力序列， 确定各个电动批头组中的各 个电动批 头的最大轴向应力； 根据各个电动批头组中的各个电动批头的最大轴向应力， 计算各个电动批头组中的所 有电动批头的最大轴向应力的均值， 并将该均值作为对应的电动批头组对应的等效轴向 力。 3.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 对电 动批头进行分组的步骤 包括： 根据各个电动批头的同轴度指标值和轴向应力序列， 计算任意两个电动批头之间的手 感相关性； 根据任意两个电动批 头之间的手感相关性， 利用分类算法对各个电动批 头进行分组。 4.根据权利要求3所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 任意 两个电动批 头之间的手感相关性对应的计算公式为： 其中， 为批头A和批头B之 间的手感相关性， 和 分别为批头A和批头B的同轴 度指标值， 和 分别为批头A和批头B的轴向应力序列， 为取最大值函数， 为 取最小值 函数， 为 和 之间的动态时间规整距离 。 5.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 确定 各个电动批 头的滑移风险程度的对应的计算公式为：权　利　要　求　书 1/2 页 2 CN 114742831 B 2其中， 为各个电动批头的滑移风险程度， 为各个电动批头的轴向应力序列中的 最大轴向应力， 为各个电动批头所在的电动批头组对应的等效轴向力， 为各个电动批 头的长度， 为各个电动批 头的偏心系数， 为取最大值 函数。 6.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 确定 各个电动批 头的质量评估系数的步骤 包括： 根据各个电动批头的滑移风险程度和同轴度指标值， 计算各个电动批头的同轴度指标 值和滑移风险程度之间的比值， 并将该比值对应作为各个电动批 头的质量评估系数。 7.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 进而 确定各个电动批 头是否满足质量要求的步骤 包括： 分别判断各个电动批头的质量评估系数是否小于设定质量评估系数阈值， 若小于设定 质量评估系 数阈值， 则判定对应的电动批头不满足质量要求， 否则判定对应的电动批头满 足质量要求。 8.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 还包 括： 按照一批次中各个电动批头的加工次序， 若连续出现设定数目的电动批头不满足质量 要求， 则判定 批头的加工磨具发生故障。 9.根据权利要求1所述的基于人工智能的电动批头的质量检测方法， 其特征在于， 获取 一批次中各个电动批 头的偏心系数的步骤 包括： 获取一批次中各个电动批头的各个对称旋转底部端面图像， 根据 各个电动批头的各个 对称旋转底部端面图像之间的差异， 计算各个电动批 头的偏心系数。权　利　要　求　书 2/2 页 3 CN 114742831 B 3