S136，若为否，则执行步骤S137;
[0063]S136:接受更新结果，并执行步骤S138 ;
[0064]S137:拒绝更新结果，回滚粒子速度和位置，并执行步骤S138 ；
[0065]S138:计算自适应权重系数，并根据适应值更新个体极值和全局极值；
[0066]S139:判断以下条件是否至少有一个成立:
[0067]c.迭代次数达到最大迭代次数，
[0068]d.达到PSO最小适应度阈值，
[0069]若为否，则返回步骤S133 ;若为是，则求出最优值，由PSO所找到的最优值即为GA的个体适应度。
[0070]S14:由得到的个体适应值计算每个个体的选择概率，实施选择、交叉和变异，生成新一代GA种群；
[0071]S15:判断以下条件是否至少有一个成立:
[0072]a.进化代数达到最大进化代数，
[0073]b.个体适应值达到GA最小适应度阈值，
[0074]若为否，则返回步骤S13，若为是，则执行步骤S16 ;
[0075]S16:输出最优值，为该混合粒子群算法的最优解。
[0076]S2:根据表面颜色信息生成对应的粗调色配方，且基于该粗调色配方获取指定比例的油漆色母，混合搅拌并通过反馈补偿得到所需油漆，具体包括步骤:
[0077]S21:粗调:基于粗调色配方，获取指定比例的油漆色母，混合并搅拌；
[0078]S22:反馈:从搅拌得到的油漆中取样得到油漆样品，并判断样品颜色与表面颜色之间的色差是否小于阈值，若为是，则调配结束，若为否，则执行步骤S23，具体包括步骤:
[0079]S221:将搅拌好的油漆涂抹于与汽车外壳同材质的采样板上获得油漆样品；
[0080]S222:由颜色传感器捕捉油漆样品在基光源照射下发出的光线，根据捕捉的光线获悉样品颜色；
[0081]S223:判断样品颜色与表面颜色之间的色差是否小于阈值，若为是，则调配结束，若为否，则执行步骤S23。
[0082]S23:微调:根据样品颜色与表面颜色之间的色差生成补偿配方，且基于该补偿配方获取指定比例的油漆色母，混合并搅拌；
[0083]S24:判断该调制结果是否加入调配方案库，如果是，则进行步骤S25，若为否，则执行步骤S26 ;
[0084]S25:该粗调色配方和补偿配方融合后得到调配方案，加入调配方案库，并执行步骤 S26 ；
[0085]S26:上报上位机，生成调配日志，并上传上位机进行保存。
[0086]如图3所示，该方法的实施方式如下:
[0087]在实施该方法的过程中，微处理器2能够控制配料机构I协调工作，调配料机构I包括所述方法中的粗调、微调、采样等环节机构。通过摄像头采集到汽车车表油漆颜色信息交由微处理器2处理，该采集过程采用一定的方式消除或大大减少光照强度、车表污渍等外部环境可能对调制过程造成影响的因素。微处理器经过图像预处理、SVM模式识别等过程生成调配方案，调配料机构进料进行粗调制，粗调完成后，对调制样品进行采样判断，为消除干扰因素，将样品喷在采样板板，将基光源打在采样板上，通过传感器分析颜色组成，而不是直接将基光源照射在样品溶液上。若分析结果显示缺少某种成分，则根据分析得到的成分比例由调配机构I进料再次调制，该过程循环进行，直到调制结果正确或者达到允许误差范围，则调配完成，根据需要将本次调配方案加入方案库，上报上位机，生成调配日志。在整个调制过程中，微处理器负责控制调配机构和各外围单元的协调工作，如进料，搅拌，触屏显示，通信等工作。需要注意的是，微处理器同时严格控制各不同化学特性油漆的组合行为，优选调配方案等机制。
【主权项】
1.一种汽车油漆颜色调配方法，其特征在于，包括步骤: S1:采集待补漆车辆的表面图像，并根据采集的表面图像识别得到表面颜色信息； S2:根据表面颜色信息生成对应的粗调色配方，且基于该粗调色配方获取指定比例的油漆色母，混合搅拌并通过反馈补偿得到所需油漆。2.根据权利要求1所述的一种汽车油漆颜色调配方法，其特征在于，所述步骤S2具体包括步骤: 521:粗调:基于粗调色配方，获取指定比例的油漆色母，混合并搅拌； 522:反馈:从搅拌得到的油漆中取样得到油漆样品，并判断样品颜色与表面颜色之间的色差是否小于阈值，若为是，则调配结束，若为否，则执行步骤S23 ; 523:微调:根据样品颜色与表面颜色之间的色差生成补偿配方，且基于该补偿配方获取指定比例的油漆色母，混合并搅拌。3.根据权利要求2所述的一种汽车油漆颜色调配方法，其特征在于，所述步骤S22具体包括步骤: 5221:将搅拌好的油漆涂抹于与汽车外壳同材质的采样板上获得油漆样品； 5222:由颜色传感器捕捉油漆样品在基光源照射下发出的光线，根据捕捉的光线获悉样品颜色； 5223:判断样品颜色与表面颜色之间的色差是否小于阈值，若为是，则调配结束，若为否，则执行步骤S23。4.根据权利要求1所述的一种汽车油漆颜色调配方法，其特征在于，所述步骤S2中得到所需油漆后，将调制日志上传上位机并进行保存。5.根据权利要求1所述的一种汽车油漆颜色调配方法，其特征在于，所述步骤SI中采用SVM分类器根据采集的表面图像识别得到表面颜色信息，所述SVM分类器核函数为RBF核函数。6.根据权利要求5所述的一种汽车油漆颜色调配方法，其特征在于，所述SVM分类器的支持向量机参数的优化过程采用基于遗传与模拟退火的混合粒子群算法进行，具体包括步骤: 511:设定GA的种群规模、交叉率和变异率，最大进化代数和GA最小适应度阈值； 512:生成GA的初始种群，其中，每一个GA染色体代表一组PSO加速系数； 513:计算GA的个体适应值； 514:由得到的个体适应值计算每个个体的选择概率，实施选择、交叉和变异，生成新一代GA种群； 515:判断以下条件是否至少有一个成立: a.进化代数达到最大进化代数， b.个体适应值达到GA最小适应度阈值， 若为否，则返回步骤S13，若为是，则执行步骤S16 ; 516:输出最优值，为该混合粒子群算法的最优解。7.根据权利要求6所述的一种汽车油漆颜色调配方法，其特征在于，所述步骤S13具体包括步骤: S131:设定PSO种群规模、最大迭代次数，PSO最小适应度阈值，其中每一个PSO粒子代表一组SVM分类器的优化参数； S132:初始化加速系数、惯性权重系数，计算粒子初始速度和位置，并初始化模拟退火算法初值； 5133:更新粒子速度和位置，并计算更新前后适应值差ΔΕ ;5134:判断适应值差是否大于O，若为是，则执行步骤S136，若否，则执行步骤S135 ; 5135:判断exp(AE/T) > rand (O, I)是否成立，若为是，则执行步骤S136，若为否，贝Ij执行步骤S137 ; 5136:接受更新结果，并执行步骤S138 ; 5137:拒绝更新结果，回滚粒子速度和位置，并执行步骤S138 ; 5138:计算自适应权重系数，并根据适应值更新个体极值和全局极值； 5139:判断以下条件是否至少有一个成立: c.迭代次数达到最大迭代次数， d.达到PSO最小适应度阈值， 若为否，则返回步骤S133 ;若为是，则求出最优值，由PSO所找到的最优值即为GA的个体适应度。
【专利摘要】本发明涉及一种汽车油漆颜色调配方法，包括步骤：S1：采集待补漆车辆的表面图像，并根据采集的表面图像识别得到表面颜色信息；S2：根据表面颜色信息生成对应的粗调色配方，且基于该调色配方获取指定比例的油漆色母，混合搅拌并通过反溃补偿得到所需油漆。与现有技术相比，本发明实现了待补漆车辆表面油漆颜色的自动调制，克服了人工调制凭借经验调配的效率低下及经验不足的弊端，且大大减少油漆挥发对人体造成的伤害。
【IPC分类】B01F3/00
【公开号】CN105169979
【申请号】
【发明人】赵勤学, 杨俊杰, 孔亚非, 黄毅, 李亚, 杜文妍, 黄羹墙, 杨俊彬
【申请人】上海电力学院
【公开日】2015年12月23日
【申请日】2015年9月9日