[发明专利]一种基于卷积神经网络的汽车挡风玻璃模具型面设计方法及装置

说明书

本发明提供一种基于卷积神经网络的汽车挡风玻璃模具型面设计方法及装置。从历史设计方案中获取多组对应的玻璃型面和模具型面，提取每个玻璃型面的离散点并获取每个离散点的几何特征数据，以及每个离散点到对应模具型面的法向距离。根据所有离散点的几何特征数据，以及离散点到对应模具型面的法向距离建立卷积神经网络模型。提取需求玻璃型面的离散点，并获取需求玻璃型面上每个离散点的几何特征数据。根据需求玻璃型面离散点的几何特征数据和卷积神经网络模型，预测需求玻璃型面上每个离散点到需求模具型面的法向距离，利用需求玻璃型面离散点的几何特征数据，以及，需求玻璃型面上离散点到需求模具型面的法向距离生成需求模具的型面。

技术领域

本发明属于玻璃模具设计技术领域，具体涉及一种基于卷积神经网络的汽车挡风玻璃模具型面设计方法及装置。

背景技术

汽车挡风玻璃的生产过程为：首先，玻璃原片经过切割、磨边、清洗、干燥并加热后运送至成型室。然后，在成型室吸附于吸模机的吸模表面，随着吸模表面下降并抵住下方的玻璃模具。玻璃原片在受热达到软化点时，受重力影响向下弯曲并贴合在玻璃模具上，达到玻璃模具设定的型面曲率。最后，热弯成型的玻璃原片经过冷却及后续步骤后即可成为符合生产要求的汽车挡风玻璃。

其中，玻璃模具对于玻璃原片的成型具有非常重要的作用。但由于玻璃原片在成型过程中会发生回弹现象，因此，玻璃模具型面的几何特征与汽车挡风玻璃的设计曲面并不完全一致。

目前，汽车挡风玻璃模具型面设计多采用试错法，其一般流程为：(1)确定需求的玻璃型面；(2)根据玻璃型面初步设计玻璃模具型面；(3)根据玻璃模具型面试制玻璃成品；(4)检验试制玻璃成品与需求玻璃型面的偏差；(5)若偏差不合格，则返回第(2)步对玻璃模具型面进行调整。然而，试错法需要对玻璃模具型面进行反复的修正，该方法不仅设计周期长，工作量大，且成本较高，导致生产汽车挡风玻璃的效率较低。

随着汽车行业的不断发展，汽车挡风玻璃的样式越来越多，玻璃模具型面的设计面临着新的需求和挑战。试错法因其高昂的设计成本和较长的设计周期，已经难以符合汽车挡风玻璃制造行业的发展趋势。

发明内容

本发明实施例中提供了一种基于卷积神经网络的汽车挡风玻璃模具型面设计方法及装置，以解决现有技术设计成本较高、设计周期较长的问题。

为解决上述技术问题，本发明实施例公开如下技术方案：

本发明的一个方面提供一种基于卷积神经网络的汽车挡风玻璃模具型面设计方法，应用于根据需求玻璃型面生成需求模具型面，包括：

从历史设计方案中获取多组型面，每组所述型面均包括一个玻璃型面和对应的一个模具型面；

分别提取每个玻璃型面的离散点，并获取每个所述离散点的几何特征数据；

获取每个离散点到对应模具型面的法向距离；

根据所有离散点的几何特征数据，以及所述离散点到对应模具型面的法向距离建立卷积神经网络模型，所述卷积神经网络模型的输入变量为离散点的几何特征，输出变量为离散点到对应模具型面的法向距离；

提取需求玻璃型面的离散点，并获取每个所述离散点的几何特征数据；

根据需求玻璃型面离散点的几何特征数据和所述卷积神经网络模型，预测需求玻璃型面上每个离散点到需求模具型面的法向距离；

利用需求玻璃型面离散点的几何特征数据，以及，需求玻璃型面上离散点到需求模具型面的法向距离生成需求模具的型面。

可选的，所述分别提取每个玻璃型面的离散点，并获取每个所述离散点的几何特征数据，包括：

针对每个玻璃型面，均按照以下方式提取离散点：

确定所述玻璃型面的最小包围盒；