CN107576435B - 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 - Google Patents
基于过程数据分析的拧紧工艺在线故障检测仪及其方法 Download PDFInfo
- Publication number
- CN107576435B CN107576435B CN201710812131.3A CN201710812131A CN107576435B CN 107576435 B CN107576435 B CN 107576435B CN 201710812131 A CN201710812131 A CN 201710812131A CN 107576435 B CN107576435 B CN 107576435B
- Authority
- CN
- China
- Prior art keywords
- data
- tightening technique
- processor
- rundown process
- kernel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于过程数据分析的拧紧工艺在线故障检测仪及其方法。其中，该拧紧工艺在线故障检测仪包括：拧紧过程数据采集模块，用于实时采集螺栓拧紧过程数据并传送至处理器；处理器被配置为对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果；离线训练得到的故障分类器的具体过程为根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，进而进行标签设定，构成拧紧工艺故障训练样本集；基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
Description
技术领域
本发明属于在线故障检测领域，尤其涉及一种基于过程数据分析的拧紧工艺在线故障检测仪及其方法。
背景技术
螺栓拧紧工艺涉及产品的装配质量，尤其在发动机、机动车、舰船等行业是三漏等问题的根源，常见的拧紧设备通常以最终扭矩是否达到设定值来判断拧紧的质量，结合简单的超限报警方式来点亮绿灯或红灯指示本次拧紧的合格或不合格状态，难以发现螺栓和螺母等质量问题造成的拧紧缺陷，如螺纹中有杂质会造成螺栓不能长久保持理想的夹紧力等潜在故障。
而且螺栓的故障类型多种多样，其中包括螺栓滑丝、螺栓卡死和螺纹质量不好等等，仅仅通过现有的故障检测装置无法准确获得螺栓在拧紧过程中的故障类型，进而无法及时对螺栓进行检修，影响了螺栓的使用效率。
综上所述，为了解决上述问题，亟需提供一种拧紧工艺在线故障检测装置来对拧紧质量进行深度分析，并对生产过程中遇到的故障进行分类和报警，及时提醒操作人员进行相应的改正处理，从而保障产品的生产质量。
发明内容
为了解决现有技术的不足，本发明的第一目的是提供一种基于过程数据分析的拧紧工艺在线故障检测仪，其通过分析拧紧工艺的过程数据对拧紧质量进行监控，能够对拧紧质量进行深度分析，并及时进行分类和报警，提醒操作人员进行相应的改正处理，从而保障产品的生产质量。
本发明的一种基于过程数据分析的拧紧工艺在线故障检测仪，包括：
拧紧过程数据采集模块，其用于实时采集螺栓拧紧过程数据并传送至处理器；
所述处理器，被配置为：
对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果；其中，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
进一步的，所述处理器还与显示模块相连，所述显示模块用于显示故障分类结果。
其中，显示模块可以采用LED指示灯或LED数码管或LCD、TFT等显示器件，以适应现场人员不同的操作习惯，用于将拧紧过程数据分析结果的显示。
进一步的，所述处理器还与Web服务器相连，所述Web服务器与客户端相连。
其中，处理器还将故障分类结果输入至Web服务器，由Web服务器传送至客户端进行发布和显示。
进一步的，所述处理器还与报警模块相连。
其中，处理器还将故障分类结果输入至报警模块，报警模块根据故障分类结果进行相应预警提示。
进一步的，所述处理器还与无线模块相连，所述无线模块与远程监控服务器相连，所述远程监控服务器与监控终端相连。
其中，无线模块可采用Wifi模块或Zigbee模块。
监控终端可为PC机或智能手机终端。
本发明的第二目的是提供一种基于过程数据分析的拧紧工艺在线故障检测仪的工作方法。
本发明的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，包括：
拧紧过程数据采集模块实时采集螺栓拧紧过程数据并传送至处理器；
处理器对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
处理器将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果
进一步的，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
进一步的，机器学习分类算法为随机森林算法、支持向量机算法、人工神经网络算法或深度学习网络算法。
进一步的，处理器还将故障分类结果输入至报警模块，报警模块根据故障分类结果进行相应预警提示。
进一步的，处理器还将故障分类结果经无线模块传送至远程监控服务器，由与远程监控服务器相连的监控终端进行实时监控。
与现有技术相比，本发明的有益效果是：
(1)本发明采用机器学习的技术手段，对拧紧工艺的过程数据进行监控，能检测拧紧工艺实施过程中的故障信息，能取得传统工艺方法难以实现的对拧紧缺陷进行及时报警的效果。
(2)本发明采用机器学习的技术手段，对拧紧工艺实施过程的故障信息进行分类，能结合故障类型进行故障原因的排查和生产指导。
(3)本发明将机器学习技术在嵌入式系统中进行实现，能够把拧紧工艺复杂的过程数据分析任务在工业现场实施，实现拧紧工艺故障检测的实时性。
(4)本发明利用处理器的嵌入式系统，克服了传统拧紧工艺复杂过程数据只能在PC类设备上分析和显示的局限性，实现了检测设备的小型化、便携性。
(5)本发明结合工人操作习惯的显示模块，简化了传统数据分析以文字或图表的显示形式，实现了检测设备的直观和易用性。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是基于过程数据分析的拧紧工艺在线故障检测仪的功能原理图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一种基于过程数据分析的拧紧工艺在线故障检测仪，包括拧紧过程数据采集模块和处理器。
其中，拧紧过程数据采集模块，其用于实时采集螺栓拧紧过程数据并传送至处理器。
螺栓拧紧过程数据包括螺栓在实际拧紧过程中的转角值和扭矩值。
可利用扭矩标定仪来实时采集螺栓在实际拧紧过程中的拧紧过程数据。其中，扭矩标定仪包括扭矩传感器和角度编码器，扭矩标定仪与螺栓拧紧装置串联连接。
其中，处理器，被配置为：
对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果；其中，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
处理器对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据，能够提高分类识别的精度。
具体的对数据子集进行标签设定及相应处理，如表1所示。
表1标签及处理措施
| 标签 | 中文解释 | 处理措施 |
| normal | 正常 | 不做处理 |
| fault1 | 螺栓滑丝 | 更换螺栓 |
| fault2 | 螺栓卡死 | 螺栓未对正 |
| fault3 | 螺纹质量不好 | 检查螺纹有无异物 |
| …… | …… | …… |
具体地，所述处理器还与显示模块相连，所述显示模块用于显示故障分类结果。
其中，显示模块可以采用LED指示灯或LED数码管或LCD、TFT等显示器件，以适应现场人员不同的操作习惯，用于将拧紧过程数据分析结果的显示。
具体地，所述处理器还与Web服务器相连，所述Web服务器与客户端相连。
其中，处理器还将故障分类结果输入至Web服务器，由Web服务器传送至客户端进行发布和显示。
通过WEB服务模块可以提供上位机或其他终端设备进行管理和数据访问。
具体地，所述处理器还与报警模块相连。
其中，处理器还将故障分类结果输入至报警模块，报警模块根据故障分类结果进行相应预警提示。
具体地，所述处理器还与无线模块相连，所述无线模块与远程监控服务器相连，所述远程监控服务器与监控终端相连。
其中，无线模块可采用Wifi模块或Zigbee模块。
监控终端可为PC机或智能手机终端。
本发明采用机器学习的技术手段，对拧紧工艺的过程数据进行监控，能检测拧紧工艺实施过程中的故障信息，能取得传统工艺方法难以实现的对拧紧缺陷进行及时报警的效果。
本发明采用机器学习的技术手段，对拧紧工艺实施过程的故障信息进行分类，能结合故障类型进行故障原因的排查和生产指导。
本发明将机器学习技术在嵌入式系统中进行实现，能够把拧紧工艺复杂的过程数据分析任务在工业现场实施，实现拧紧工艺故障检测的实时性。
本发明利用处理器的嵌入式系统，克服了传统拧紧工艺复杂过程数据只能在PC类设备上分析和显示的局限性，实现了检测设备的小型化、便携性。
本发明结合工人操作习惯的显示模块，简化了传统数据分析以文字或图表的显示形式，实现了检测设备的直观和易用性。
本发明还提供了一种基于过程数据分析的拧紧工艺在线故障检测仪的工作方法。
本发明的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，包括：
(1)拧紧过程数据采集模块实时采集螺栓拧紧过程数据并传送至处理器；
(2)处理器对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
(3)处理器将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果。
其中，处理器对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据，能够提高分类识别的精度。
在具体实施中，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
其中，机器学习分类算法为随机森林算法、支持向量机算法、人工神经网络算法或深度学习网络算法。
在具体实施中，处理器还将故障分类结果输入至报警模块，报警模块根据故障分类结果进行相应预警提示。
在具体实施中，处理器还将故障分类结果经无线模块传送至远程监控服务器，由与远程监控服务器相连的监控终端进行实时监控。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于过程数据分析的拧紧工艺在线故障检测仪，其特征在于，包括：
拧紧过程数据采集模块，其用于实时采集螺栓拧紧过程数据并传送至处理器；
所述处理器，被配置为：
对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果；其中，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
2.如权利要求1所述的一种基于过程数据分析的拧紧工艺在线故障检测仪，其特征在于，所述处理器还与显示模块相连，所述显示模块用于显示故障分类结果。
3.如权利要求1所述的一种基于过程数据分析的拧紧工艺在线故障检测仪，其特征在于，所述处理器还与Web服务器相连，所述Web服务器与客户端相连。
4.如权利要求1所述的一种基于过程数据分析的拧紧工艺在线故障检测仪，其特征在于，所述处理器还与报警模块相连。
5.如权利要求1所述的一种基于过程数据分析的拧紧工艺在线故障检测仪，其特征在于，所述处理器还与无线模块相连，所述无线模块与远程监控服务器相连，所述远程监控服务器与监控终端相连。
6.一种如权利要求1所述的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，其特征在于，包括：
拧紧过程数据采集模块实时采集螺栓拧紧过程数据并传送至处理器；
处理器对接收到的螺栓拧紧过程数据进行预处理，保留单纯力矩上升的拧紧过程数据；
处理器将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类，并输出故障分类结果。
7.如权利要求6所述的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，其特征在于，离线训练得到的故障分类器的具体过程为：
根据拧紧过程历史数据及其相对应的故障，将拧紧过程历史数据进行聚类并形成若干数据子集，再对这些数据子集进行标签设定，构成拧紧工艺故障训练样本集；
基于拧紧工艺故障训练样本集，利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练，得到故障分类器。
8.如权利要求6所述的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，其特征在于，机器学习分类算法为随机森林算法、支持向量机算法、人工神经网络算法或深度学习网络算法。
9.如权利要求6所述的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，其特征在于，处理器还将故障分类结果输入至报警模块，报警模块根据故障分类结果进行相应预警提示。
10.如权利要求6所述的基于过程数据分析的拧紧工艺在线故障检测仪的工作方法，其特征在于，处理器还将故障分类结果经无线模块传送至远程监控服务器，由与远程监控服务器相连的监控终端进行实时监控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710812131.3A CN107576435B (zh) | 2017-09-11 | 2017-09-11 | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710812131.3A CN107576435B (zh) | 2017-09-11 | 2017-09-11 | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107576435A CN107576435A (zh) | 2018-01-12 |
| CN107576435B true CN107576435B (zh) | 2019-08-23 |
Family
ID=61033046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710812131.3A Active CN107576435B (zh) | 2017-09-11 | 2017-09-11 | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107576435B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE545683C2 (en) * | 2021-12-17 | 2023-12-05 | Atlas Copco Ind Technique Ab | Determining tightening class of a tightening tool |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110146213A (zh) * | 2018-06-01 | 2019-08-20 | 华晨宝马汽车有限公司 | 用于检测拧紧工具的拧紧质量的方法和装置及存储介质 |
| CN110009063A (zh) * | 2019-04-25 | 2019-07-12 | 刘陈荣 | 一种螺栓拧紧检测方法、装置、系统及存储介质 |
| CN110672312B (zh) * | 2019-10-12 | 2021-05-07 | 北京工业大学 | 一种基于bp神经网络的预测螺栓残余夹紧力的方法 |
| CN111400562B (zh) * | 2020-03-26 | 2023-05-05 | 中扭科技(重庆)有限公司 | 用于扣件螺栓定扭的在线数据处理系统及方法 |
| CN113829034B (zh) * | 2020-06-24 | 2022-12-09 | 华晨宝马汽车有限公司 | 基于螺栓拧紧工作曲线的质量监控方法、系统和设备 |
| CN114817850A (zh) * | 2021-01-27 | 2022-07-29 | 华晨宝马汽车有限公司 | 用于螺栓拧紧数据的异常检测的方法和系统 |
| CN113899538B (zh) * | 2021-09-29 | 2023-09-05 | 上汽大众汽车有限公司 | 一种螺栓拧紧监测方法及系统 |
| CN113869502A (zh) * | 2021-10-20 | 2021-12-31 | 长春泰坦斯科技有限公司 | 一种基于深度神经网络的螺栓拧紧失效原因分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045256A (zh) * | 2015-07-08 | 2015-11-11 | 北京泰乐德信息技术有限公司 | 基于数据对比分析的轨道交通实时故障诊断方法和系统 |
| CN106093612A (zh) * | 2016-05-26 | 2016-11-09 | 国网江苏省电力公司电力科学研究院 | 一种电力变压器故障诊断方法 |
| CN107065568A (zh) * | 2017-05-26 | 2017-08-18 | 广州供电局有限公司 | 一种基于粒子群支持向量机的变压器故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10533920B2 (en) * | 2014-08-05 | 2020-01-14 | Acoem France | Automatic rotating-machine fault diagnosis with confidence level indication |
-
2017
- 2017-09-11 CN CN201710812131.3A patent/CN107576435B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045256A (zh) * | 2015-07-08 | 2015-11-11 | 北京泰乐德信息技术有限公司 | 基于数据对比分析的轨道交通实时故障诊断方法和系统 |
| CN106093612A (zh) * | 2016-05-26 | 2016-11-09 | 国网江苏省电力公司电力科学研究院 | 一种电力变压器故障诊断方法 |
| CN107065568A (zh) * | 2017-05-26 | 2017-08-18 | 广州供电局有限公司 | 一种基于粒子群支持向量机的变压器故障诊断方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于支持向量机的多故障分类器及应用;张周锁 等;《机械科学与技术》;20040531;第23卷(第5期);536-538、601 |
| 汽车螺栓拧紧机在线监测故障诊断系统研究;王兆强 等;《机床与液压》;20161031;第44卷(第19期);183-187 |
| 联合选择特征和分类器参数模型的模拟电路故障诊断;张浩 等;《计算机工程与应用》;20141231;第50卷(第1期);251-254 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE545683C2 (en) * | 2021-12-17 | 2023-12-05 | Atlas Copco Ind Technique Ab | Determining tightening class of a tightening tool |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107576435A (zh) | 2018-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107576435B (zh) | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 | |
| CN110297179B (zh) | 基于集成深度学习的柴油发电机故障预测与监测系统装置 | |
| CN108731921B (zh) | 一种设备连接件故障监测方法及系统 | |
| CN106228744A (zh) | 一种装配线电动拧紧枪防错系统 | |
| CN104535356A (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
| CN103513180A (zh) | 电机运行状态监测和故障检测系统 | |
| CN111060839A (zh) | 通用的led电源智能检测方法及系统 | |
| CN102081808A (zh) | 现场设备巡检方法及系统 | |
| CN110009063A (zh) | 一种螺栓拧紧检测方法、装置、系统及存储介质 | |
| CN111126196A (zh) | 一种设备漏油检测方法 | |
| CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
| CN112486106A (zh) | 生产监测方法、装置及计算机可读存储介质 | |
| CN106656040A (zh) | 光伏电站中光伏组件的故障诊断方法及装置 | |
| CN110487327A (zh) | 一种机械设备电气系统的运行状态检测系统 | |
| CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
| CN110632084A (zh) | 一种基于传感器的产品质量检测系统 | |
| CN105573279A (zh) | 一种基于传感器数据监测工业生产过程的方法 | |
| CN111581425A (zh) | 一种基于深度学习的设备声音分类方法 | |
| CN106251589A (zh) | 一种设备故障报警系统 | |
| CN116859842A (zh) | 一种化工生产线安全评估系统 | |
| CN114842870A (zh) | 基于多频段自监督的声纹异常检测方法 | |
| CN115576277A (zh) | 一种数据异常监测系统 | |
| CN205329249U (zh) | 驱动布置结构 | |
| CN114757905A (zh) | 一种基于视觉的卷绳缠绕异常检测装置及方法 | |
| KR102265461B1 (ko) | 제조 공정 비정상 데이터 탐지 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |