专利汇可以提供Verfahren zur Ermittlung der Schichtdickenverteilung in einer Lackschicht专利检索,专利查询,专利分析的服务。并且Die Erfindung bezieht sich auf ein Verfahren zur Ermittlung einer beim Farblacksprühen nach Eingabe bestimmter Sprühparameter in eine elektrostatisch basierte Lacksprüheinrichtung zu erwartenden Schichtdickenverteilung in der erzeugten Lackschicht. Dabei wird unter Einsatz einer dafür eingerichteten Datenverarbeitungseinrichtung ein phänomenologisches mathematisches Modell eines quasi stationären dreidimensionalen Sprühbildes erstellt und verwendet. Dem phänomenologischen Modell werden spezifische Parameter, wie Drehwinkel von Elektroden der Sprüheinrichtung und Bewegungsgeschwindigkeit der Sprüheinrichtung als feste Eingabeparameter direkt eingegeben. Es werden zusätzliche reale physikalische Eingabeparameter, wie Farbvolumen, Lenkluftdaten und Hochspannungswert, deren Einfluß auf das Sprühergebnis nicht genau bekannt ist, einem künstlichen neuronalen Netz zugeführt, das zuvor unter Verwendung realer Eingabedaten, wie der Ausführung der verwendeten Sprüheinrichtung, des Farbtyps, der Betriebsparameter und von Schichtdickenverteilungs-Meßwerten angelernt wurde, und das eine Umwandlung der zusätzlichen Eingabeparameter in Modell-Eingabeparameter durchführt, die dem phänomenologischen Modell zugeführt werden. Vom phänomenologischen Modell gebildete Sprühbilder werden in einer weiteren Funktionseinheit abhängig von Bewegungsdaten der Sprüheinrichtung, die in den Eingabeparametern enthalten sind, zur Gesamtlackschicht integriert, und die Schichtdickenverteilung dieser Lackschicht wird ausgegeben.,下面是Verfahren zur Ermittlung der Schichtdickenverteilung in einer Lackschicht专利的具体信息内容。
Die Erfindung bezieht sich auf ein Verfahren zur Ermittlung einer beim Farblacksprühen nach Eingabe bestimmter Sprühparameter in eine elektrostatisch basierte Lacksprüheinrichtung zu erwartenden Schichtdickenverteilung in der zu erzeugenden Lackschicht.
Eine bekannte Vorgehensweise zur a-priori Berechnung des Lackierergebnisses von elektrostatisch basierten Lackieranlagen beruht auf empirischen Untersuchungen, mit Hilfe derer wenig fundierte Schätzwerte und nur sehr vereinfachte mathematische Beschreibungen für das Lackierergebnis ermittelbar sind. Die dabei notwendigen extremen Vereinfachungen, wobei auch einige Einflüsse auf das Lackierergebnis, wie z.B. Umgebungstemperatur oder Art und Form der Lackierkabine unberücksichtigt bleiben, führen zu einer unzureichenden Genauigkeit der Berechnung.
Ein anderer bekannter Vorschlag sieht eine komplexe physikalische Modellbildung vor, mit deren Hilfe der sehr komplexe physikalische Prozeß des Lackierens detailgetreu nachgebildet werden soll, anhand dessen das Lackierergebnis bestimmt werden soll.
Nachteilig ist jedoch die Komplexität der Modellbildung. So ist eine hinreichend genaue Nachbildung der physikalischen Vorgänge während des Lackiervorganges, und insbesondere deren Rückwirkungen untereinander kaum möglich, da es sich um stochastisch ablaufende Vorgänge handelt (Zerstäubung, Verwirbelung, etc.). Zudem ist der Aufwand für die Modellbildung und die reine Berechnungszeit des Modells auch auf derzeit verfügbaren Rechenanlagen inakzeptabel hoch (Tage oder Wochen).
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Ermittlung einer zu erwartenden Schichtdickenverteilung in einer zu erzeugenden Lackschicht anzugeben, das bei relativ geringem Aufwand zu ausreichend genauen Ergebnissen führt.
Diese Aufgabe wird durch ein Verfahren zur Schichtdickenermittlung mit den im Anspruch 1 angegebenen Merkmalen gelöst.
Beim erfindungsgemäßen Verfahren wird nicht der gesamte physikalische Prozeß des Lackierens, sondern das Lackierergebnis, zunächst ohne Berücksichtigung der physikalischen Prozesse, anhand eines phänomenologischen Modells nachgebildet. Die dabei berücksichtigten Modellparameter entsprechen nur teilweise den tatsächlichen Parametern des Lackiervorganges. Der Zusammenhang zwischen Modellparametern und den realen Sprühparametern wird mit Hilfe künstlicher neuronaler Netze hergestellt, die anhand realer Messungen angelernt wurden.
Der Vorteil dieses Gesamtverfahrens beruht darauf, daß eine komplexe physikalische Modellbildung des Gesamtprozesses vermieden wird. Trotzdem sind die erzielten Ergebnisse realitätsnah und berücksichtigen aufgrund der Verwendung realer Meßwerte zum Anlernvorgang der künstlichen neuronalen Netze alle, also auch bisher unbekannte Zusammenhänge.
Eine weitere Erläuterung der Erfindung erfolgt nachstehend anhand eines in Zeichnungsfiguren dargestellten Ausführungsbeispiels.
Es zeigen:
Fig. 1 zeigt eine schematische Darstellung einer beispielsweise als Zerstäuberring ausgeführten Lacksprüheinrichtung 2, die einen Lacksprühstrahl 3 oder eine Sprühwolke liefert, wobei eine Aufladung mittels sechs Hochspannungselektroden 1 erfolgt, die kreisförmig um den Zerstäuberring angeordnet sind. Der Lack wird auf einen Gegenstand 4 abgeschieden.
Durch horizontale oder vertikale Bewegung, auch oszillierende Bewegung der Sprüheinrichtung 2 sowie durch eine Änderung des Abstandes zwischen Sprüheinrichtung 2 und Gegenstand 4 ist eine Lackschicht auf dem Gegenstand 4 erzeugbar. Die Lackschichtdickenverteilung ist meßbar.
Fig. 3 zeigt eine Draufsicht auf ein mit der Sprüheinrichtung gemäß Fig. 1 erzeugbaren Sprühbild, wobei vorausgesetzt ist, daß die Sprüheinrichtung während des Sprühvorgangs nicht bewegt wurde. Durch geeignete Bewegung der Sprüheinrichtung kann eine Lackschicht mit praktisch gleichmäßiger Dickenverteilung über der lackierten Fläche erzielt werden.
Aus den Fig. 4 bis 6 ist ersichtlich, daß das in Fig. 3 als Draufsicht gezeigte quasi stationäre Sprühbild, das mit einer anhand der Fig. 1 beschriebenen Ausführung einer Sprüheinrichtung herstellbar ist, sich aus zwei Hauptkomponenten zusammensetzt: Fig. 4 zeigt eine Torus-ähnliche Figur mit einem Scheitelpunkt einer Gaus-Glocke, der unterhalb der Kante des Zerstäuberrings liegt; es ist Rotationssymmetrie um die Achse des Zerstäuberrings gegeben. Fig. 5 zeigt eine Figur mit sechs glockenförmigen Lackabscheidungen, die einer Gausschen Verteilung entsprechen, und sich kreisförmig verteilt jeweils auf einem Kreissegment zwischen zwei Elektroden 1 (Fig. 1) befinden.
Ein durch Zusammensetzung der beiden Komponenten sich ergebendes Gesamtsprühbild ist in Fig. 6 gezeigt.
Fig. 2 zeigt ein Funktionsschema des Verfahrens. Das Verfahren beruht auf der Nachbildung eines 3-dimensionalen, quasi stationären Sprühbildes, d.h. der Farbverteilung unter einem feststehenden Applikator zum Beispiel einer beschriebenen Sprüheinrichtung. Ein solches Sprühbild ist beispielsweise in Fig. 6 dargestellt. Zugrundeliegende, z.B. in Fig. 4 und 5 dargestellte Komponenten können durch geeignete Korrekturfaktoren unsymmetrisch" gestaltet werden, um den Einfluß von Parametern wie Gravitation oder Luftströmung auf das Lackierergebnis beschreiben zu können. Es ist auch die Einführung weiterer Komponenten möglich.
Das in Fig. 3 gezeigte Sprühbild ist durch folgende Parameter beschreibbar:
Weitere Parameter sind denkbar.
Es ist weiterhin zu beachten:
Das Resultat einer solchen Berechnung eines Sprühbildes ist bei der Realisation auf einer Datenverarbeitungsanlage in einer 2-dimensionalen Variablen zu speichern. Die beiden Dimensionen entsprechen der Grundfläche des quasi stationären Sprühbildes, der Wert der jeweiligen Variablen der zugehörigen Höhe der Farbe (vgl. Fig. 6).
Fig. 2 ist zu entnehmen, daß verfahrensgemäß ein phänomenologisches Modell des Sprühbildes erstellt und verwendet wird. Ein solches Modell ist einfacher als ein Modell, das die physikalischen Zusammenhänge beschreibt.
Ein Teil der Eingangsparameter sind als Festwerte direkt dem Modell zuführbar. Ein anderer Teil der Eingangsparameter, deren Einfluß nicht exakt beschreibbar ist, wird einem künstlichen neuronalen Netz zugeführt, das zusätzliche Modellparameter liefert. Durch Berücksichtigung einer vorgegebenen Bewegung der Sprüheinrichtung durch Integration des quasi stationären Sprühbildes entsteht ein realistisches Abbild der zu erwartenden Lackdickenverteilung beim Lacksprühen.
Die Bestimmung des 3-dimensionalen Sprühbildes bei Bewegung der Lackiereinrichtung kann auf folgende Weise geschehen:
Die Verwendung künstlicher neuronaler Netze zur Umwandlung der realen Eingangsparameter der physikalischen Anordnung in Modellparameter macht es erforderlich, die künstlichen neuronalen Netze mittels realer Meßdaten vor ihrem Einsatz anzulernen.
Reale Eingangsparameter für die neuronalen Netze sind im Fall der hier beispielhaft zugrundeliegenden Sprüheinrichtung:
Ausgangsgrößen der neuronalen Netze sind Modellparameter, die mit direkten Eingangsparametern kombinierbar sind.
Neuronale Netze sind für Zuordnungsfunktionen, deren physikalischer Hintergrund nicht genau beschreibbar ist, sehr geeignet (Black-Box-Modell). Als geeigneter Typ von neuronalen Netzen ist das Multilayer-Perceptron anzusehen. Folgende Struktur des neuronalen Netzes ist geeignet:
Es kann sich als sinnvoll erweisen, für jeden gewünschten Modellparameter ein separates neuronales Netz anzulernen, das lediglich über einen einzigen Ausgang sowie eine Anzahl von Eingangsneuronen verfügt, die einem Teil oder der Gesamtheit der zur Verfügung stehenden Eingangsgrößen entspricht.
Die Zahl der verborgenen Schichten zwischen Ein- und Ausgangsneuronen kann von Null bis sinnvollerweise 2 variieren.
Andere Typen von neuronalen Netzen sind ebenfalls denkbar.
Zum Anlernen eines solchen Netzes ist ein supervised learning"-Verfahren sinnvoll, z.B.
Backpropagation", das die Parameter des neuronalen Netzes anhand einer geeigneten Anzahl von korrespondierenden Ein- und Ausgangsvektoren bestimmt (
Vektor" bedeutet in diesem Fall die Aneinanderreihung der gewünschten Ein- bzw. Ausgangsgrößen).
Die Erzeugung des Lerndatensatzes, der eine entsprechende Anzahl solcher korrespondierenden Vektoren enthält, ist anhand realer Messungen durchzuführen:
Hierbei wird folgendermaßen vorgegangen:
Wenn die Lernvorgänge zweier neuronaler Netze, die sich formal lediglich um einen Eingangsparameter unterscheiden, bei sonst identischem Lerndatensatz (lediglich der eine Parameter wird nicht berücksichtigt) zu gleichwertigen Lernergebnissen führen (kumulierter Fehler), kann der betreffende Parameter als nicht relevant erkannt werden.
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种图像识别的英语作文跑题判断方法 | 2020-05-08 | 38 |
一种基于大规模Embedding技术的Wi-Fi聚类方法及系统 | 2020-05-11 | 759 |
任务调度控制方法、任务调度器及任务处理装置 | 2020-05-12 | 413 |
神经元信息发送方法和系统 | 2020-05-14 | 424 |
基于改进型卷积神经网络的电缆早期故障定位方法 | 2020-05-14 | 6 |
一种东阿阿胶、福胶、鹿角胶定量研究的方法 | 2020-05-12 | 608 |
一种基于深度强化学习的知识图谱自动生成方法 | 2020-05-14 | 198 |
用于执行LSTM运算的装置和方法 | 2020-05-15 | 679 |
一种多层感知机深度神经网络层间流水的硬件加速器 | 2020-05-15 | 888 |
超低功率神经元形态人工智能计算加速器 | 2020-05-13 | 408 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。