CN108345283B - 轴承钢球连续生产智能控制方法及控制装置 - Google Patents
轴承钢球连续生产智能控制方法及控制装置 Download PDFInfo
- Publication number
- CN108345283B CN108345283B CN201810159261.6A CN201810159261A CN108345283B CN 108345283 B CN108345283 B CN 108345283B CN 201810159261 A CN201810159261 A CN 201810159261A CN 108345283 B CN108345283 B CN 108345283B
- Authority
- CN
- China
- Prior art keywords
- cold forging
- steel ball
- information
- forging machine
- machine
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Forging (AREA)
Abstract
本发明公开了一种轴承钢球连续生产智能控制方法,包括如下步骤:收集冷锻机动模位置信息、时间信息以及第一钢球质量信息;建立冷锻机动模位置信息、时间信息以及第一钢球质量信息之间的第一关联关系;收集光球机转子电流信息以及第二钢球质量信息;建立光球机转子电流信息与第二钢球质量信息之间的第二关联关系;提供料段,并将料段充分展开;采集充分展开的料段到冷锻机入口的图像;基于图像,判断冷锻机入口处是否发生料段拥堵;以及如果冷锻机入口处没有发生料段拥堵,则基于第一关联关系和第二关联关系控制钢球连续生产过程。本发明的方法能够实现无人值守条件下钢球机自动连续生产,提高钢球生产质量与效率。
Description
技术领域
本发明涉及钢球生产领域,特别涉及轴承钢球连续生产智能控制方法及控制装置。
背景技术
我国从二十世纪五十年代轴承工业开始建设,经过60多年的发展,已经建立了完整的制造体系。近年来,生产企业和科研部门积极克服生产过程中的问题,尝试改进生产工艺,钢球质量已经慢慢过渡到国际标准,为钢球生产及轴承制造赶上世界先进水平起到了较大的推动作用。全国轴承行业2010年产值约为1300亿元人民币,位居全球第三位。随着钢球制造工艺的改进及设备的研发更新,现阶段工艺流程如下:原材料(棒料)-冷镦-光球-热处理-硬磨-初研-精研-超精研-光学外观-清洗防锈-成品检验-包装。其中,冷镦是通过钢球冷镦机将棒状材料加工为毛坯;光球阶段用于统一冷镦阶段后的尺寸公差,磨削掉球坯的环带和两极,此阶段基本成球形;热处理过程用来改变球坯的内部组织结构,提高钢球的强度和使用寿命;硬磨过程主要用来提高钢球的尺寸精度;研磨过程提高表面精度,然后通过表面检测装置分选后,完成加工。
目前现有技术中的钢球生产方法存在如下缺陷:由于缺乏合适的解决方案,所以无法通过机器视觉的方法解决由于进料与加工不同步所造成的进料口钢球拥堵问题,无法实现无人值守条件下钢球机自动连续生产;尚不能有效的发现主副参数对动态性能和加工精度的影响规律,不能在生产过程中在线监测钢球成形质量。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种轴承钢球连续生产智能控制方法及控制装置,从而克服现有技术的轴承钢球连续生产无法实现无人值守条件下钢球机自动连续生产的缺点。
本发明提供了一种轴承钢球连续生产智能控制方法,包括如下步骤:收集冷锻机动模位置信息、时间信息以及第一钢球质量信息;建立冷锻机动模位置信息、时间信息以及第一钢球质量信息之间的第一关联关系;收集光球机转子电流信息以及第二钢球质量信息;建立光球机转子电流信息与第二钢球质量信息之间的第二关联关系;提供料段,并将料段充分展开;采集充分展开的料段到冷锻机入口的图像;基于图像,判断冷锻机入口处是否发生料段拥堵;以及如果冷锻机入口处没有发生料段拥堵,则基于第一关联关系和第二关联关系控制钢球连续生产过程。
优选地,上述技术方案中,收集第一钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;以及基于传感器的阻抗,得出第一钢球质量信息。
优选地,上述技术方案中,收集第二钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;以及基于传感器的阻抗,得出第二钢球质量信息。
优选地,上述技术方案中,基于图像,判断冷锻机入口处是否发生料段拥堵具体为:收集多个冷锻机入口处没有发生料段拥堵的图像;基于图像,并利用机器学习算法,得到拥堵判断标准;以及基于拥堵判断标准判断冷锻机入口处是否发生料段拥堵。
优选地,上述技术方案中,基于第一关联关系和第二关联关系控制钢球连续生产过程具体为:实时监测生产过程中冷锻机动模位置信息以及时间信息;当冷锻机动模位置以及时间之间的关系偏离第一关联关系时,调整冷锻机压力以使得冷锻机动模位置以及时间之间的关系符合第一关联关系。实时监测生产过程中光球机转子电流信息;以及当光球机转子电流偏离第二关联关系时,调整光球机转子电压以使得电流符合第二关联关系。
本发明还提供了一种轴承钢球连续生产智能控制装置,包括:用于收集冷锻机动模位置信息、时间信息以及第一钢球质量信息的单元;用于建立冷锻机动模位置信息、时间信息以及第一钢球质量信息之间的第一关联关系的单元;用于收集光球机转子电流信息以及第二钢球质量信息的单元;用于建立光球机转子电流信息与第二钢球质量信息之间的第二关联关系的单元;用于提供料段,并将料段充分展开的单元;用于采集充分展开的料段到冷锻机入口的图像的单元;用于基于图像,判断冷锻机入口处是否发生料段拥堵的单元;以及用于如果冷锻机入口处没有发生料段拥堵,则基于第一关联关系和第二关联关系控制钢球连续生产过程的单元。
优选地,上述技术方案中,收集第一钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;以及基于传感器的阻抗,得出第一钢球质量信息。
优选地,上述技术方案中,收集第二钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;以及基于传感器的阻抗,得出第二钢球质量信息。
优选地,上述技术方案中,基于图像,判断冷锻机入口处是否发生料段拥堵具体为:收集多个冷锻机入口处没有发生料段拥堵的图像;基于图像,并利用机器学习算法,得到拥堵判断标准;以及基于拥堵判断标准判断冷锻机入口处是否发生料段拥堵。
优选地,上述技术方案中,基于第一关联关系和第二关联关系控制钢球连续生产过程具体为:实时监测生产过程中冷锻机动模位置信息以及时间信息;当冷锻机动模位置以及时间之间的关系偏离第一关联关系时,调整冷锻机压力以使得冷锻机动模位置以及时间之间的关系符合第一关联关系。实时监测生产过程中光球机转子电流信息;以及当光球机转子电流偏离第二关联关系时,调整光球机转子电压以使得电流符合第二关联关系。
与现有技术相比,本发明具有如下有益效果:本发明选取了适当的设备及检测算法,准确在线测量冷锻机进口的拥堵状态,并根据测量结果选择自动上料设备的控制策略,解决由于进料与加工不同步所造成的进料口拥堵问题,最终实现无人值守条件下钢球机自动连续生产;构建实用的轴承钢球加工过程动态运动模型,找出不同的主副参数对动态性能和加工精度的影响规律,在生产过程中在线监测钢球成形质量,最终实现能够实时在线优化工艺参数的钢球设备压力—速度自动控制,提高钢球生产质量与效率。
附图说明
图1是根据本发明的实施例的轴承钢球连续生产智能控制方法的方法流程图。
具体实施方式
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
实施例1
图1是根据本发明的实施例的轴承钢球连续生产智能控制方法的方法流程图。如图1所示,本发明的轴承钢球连续生产智能控制方法包括:步骤101:收集冷锻机动模位置信息、时间信息以及第一钢球质量信息;建立冷锻机动模位置信息、时间信息以及第一钢球质量信息之间的第一关联关系;步骤102:收集光球机转子电流信息以及第二钢球质量信息;建立光球机转子电流信息与第二钢球质量信息之间的第二关联关系;步骤103:提供料段,并将料段充分展开;步骤104:采集充分展开的料段到冷锻机入口的图像;步骤105:基于图像,判断冷锻机入口处是否发生料段拥堵;步骤106:如果冷锻机入口处没有发生料段拥堵,则基于第一关联关系和第二关联关系控制钢球连续生产过程。
实施例2
以机器视觉为核心的料段自动检测系统由给料系统、进给展开系统、光学成像系统、识别控制系等子系统组成。给料系统定时定量规律地将料段供应进给展开系统。进给展开系统在指定的时间段内充分展开给料系统提供的料段,保证料段表面的所有缺陷充分暴露出来。识别控制系统对进给展开系统中的料段进行图像采集,然后对采集到的图像数据进行识别,判断料段是否在冷锻机进口处堵塞。
实施例3
收集第一钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;基于传感器的阻抗,得出第一钢球质量信息。收集第二钢球质量信息具体为:建立阻抗与裂纹位置及大小的关系;将生产出的钢球放置于远离传感器一定距离处;测定传感器的阻抗;基于传感器的阻抗,得出第二钢球质量信息。基于图像,判断冷锻机入口处是否发生料段拥堵具体为:收集多个冷锻机入口处没有发生料段拥堵的图像;基于图像,并利用机器学习算法,得到拥堵判断标准;基于拥堵判断标准判断冷锻机入口处是否发生料段拥堵。基于第一关联关系和第二关联关系控制钢球连续生产过程具体为:实时监测生产过程中冷锻机动模位置信息以及时间信息;当冷锻机动模位置以及时间之间的关系偏离第一关联关系时,调整冷锻机压力以使得冷锻机动模位置以及时间之间的关系符合第一关联关系。实时监测生产过程中光球机转子电流信息;当光球机转子电流偏离第二关联关系时,调整光球机转子电压以使得电流符合第二关联关系。
实施例4
本发明还提供了一种轴承钢球连续生产智能控制装置,装置包括:用于收集冷锻机动模位置信息、时间信息以及第一钢球质量信息的单元;用于建立冷锻机动模位置信息、时间信息以及第一钢球质量信息之间的第一关联关系的单元;用于收集光球机转子电流信息以及第二钢球质量信息的单元;用于建立光球机转子电流信息与第二钢球质量信息之间的第二关联关系的单元;用于提供料段,并将料段充分展开的单元;用于采集充分展开的料段到冷锻机入口的图像的单元;用于基于图像,判断冷锻机入口处是否发生料段拥堵的单元;用于如果冷锻机入口处没有发生料段拥堵,则基于第一关联关系和第二关联关系控制钢球连续生产过程的单元。
实施例5
已经通过包括块、模块、组件、电路、步骤、过程、算法等的各种元件在具体实施方式中描述了并且在附图中示出了装置和方法。可以使用电子硬件、计算机软件或其任何组合来单独或与其他元件和/或功能组合地实现这些元件或其任何部分。这些元素是实现为硬件还是软件取决于特定的应用和对整个系统施加的设计约束。在一个方面,如本文所使用的术语“组件”可以是构成系统的部件之一并且可以被分成其他组件。
举例来说,可以用包括一个或多个处理器的“系统”来实现元件或者元件的任何部分或者元件的任意组合。处理器可以包括通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑组件、分立门或晶体管逻辑、分立硬件组件,或其任何组合,或者设计为执行本文所述功能的任何其他合适的组件。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统的处理器、控制器、微控制器或状态机。处理器还可以实现为计算组件的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP,或者任何其它这样的配置。
系统中的一个或多个处理器可以执行软件。软件应被广泛地解释为表示指令、指令集、代码、代码段、程序代码、程序、子程序、软件模块、应用程序、软件应用程序、软件包、例程、子例程、对象、可执行程序、执行的线程、过程、功能等等,无论是被称为软件、固件、中间件、微码、硬件描述语言还是其它。该软件可以驻留在暂时或非暂时性计算机可读介质上。作为示例,非暂时性计算机可读介质可以包括磁储存设备(例如,硬盘、软盘、磁条)、光盘(例如,压缩盘(CD)、数字多功能盘(DVD))、智能卡、闪存设备(例如,卡、棒、键驱动器)、随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、同步动态RAM(SDRAM);双倍数据速率RAM(DDRAM)、只读存储器(ROM)、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、通用寄存器或用于存储软件的任何其他合适的非暂态介质。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (2)
1.一种轴承钢球连续生产智能控制方法,其特征在于,所述轴承钢球连续生产智能控制方法包括如下步骤:
收集冷锻机动模位置信息、时间信息以及第一钢球质量信息;
建立所述冷锻机动模位置信息、所述时间信息以及所述第一钢球质量信息之间的第一关联关系;
收集光球机转子电流信息以及第二钢球质量信息;
建立所述光球机转子电流信息与所述第二钢球质量信息之间的第二关联关系;
提供料段,并将料段充分展开;
采集充分展开的料段到所述冷锻机入口的图像;
基于所述图像,判断所述冷锻机入口处是否发生料段拥堵;以及
如果所述冷锻机入口处没有发生料段拥堵,则基于所述第一关联关系和所述第二关联关系控制钢球连续生产过程,收集所述第一钢球质量信息具体为:
建立阻抗与裂纹位置及大小的关系;
将生产出的钢球放置于远离传感器一定距离处;
测定传感器的阻抗;以及
基于所述传感器的阻抗,得出所述第一钢球质量信息,收集所述第二钢球质量信息具体为:
建立阻抗与裂纹位置及大小的关系;
将生产出的钢球放置于远离传感器一定距离处;
测定传感器的阻抗;以及
基于所述传感器的阻抗,得出所述第二钢球质量信息,基于所述图像,判断所述冷锻机入口处是否发生料段拥堵具体为:
收集多个所述冷锻机入口处没有发生料段拥堵的图像;
基于所述图像,并利用机器学习算法,得到拥堵判断标准;以及基于所述拥堵判断标准判断所述冷锻机入口处是否发生料段拥堵,基于所述第一关联关系和所述第二关联关系控制钢球连续生产过程具体为:
实时监测生产过程中所述冷锻机动模位置信息以及所述时间信息;
当冷锻机动模位置以及时间之间的关系偏离所述第一关联关系时,调整所述冷锻机压力以使得所述冷锻机动模位置以及所述时间之间的关系符合第一关联关系;
实时监测生产过程中所述光球机转子电流信息;以及
当所述光球机转子电流偏离所述第二关联关系时,调整所述光球机转子电压以使得所述电流符合第二关联关系。
2.一种轴承钢球连续生产智能控制装置,其特征在于,所述轴承钢球连续生产智能控制装置包括:
用于收集冷锻机动模位置信息、时间信息以及第一钢球质量信息的单元;
用于建立所述冷锻机动模位置信息、所述时间信息以及所述第一钢球质量信息之间的第一关联关系的单元;
用于收集光球机转子电流信息以及第二钢球质量信息的单元;
用于建立所述光球机转子电流信息与所述第二钢球质量信息之间的第二关联关系的单元;
用于提供料段,并将料段充分展开的单元;
用于采集充分展开的料段到所述冷锻机入口的图像的单元;
用于基于所述图像,判断所述冷锻机入口处是否发生料段拥堵的单元;以及
用于如果所述冷锻机入口处没有发生料段拥堵,则基于所述第一关联关系和所述第二关联关系控制钢球连续生产过程的单元,收集所述第一钢球质量信息具体为:
建立阻抗与裂纹位置及大小的关系;
将生产出的钢球放置于远离传感器一定距离处;
测定传感器的阻抗;以及
基于所述传感器的阻抗,得出所述第一钢球质量信息,收集所述第二钢球质量信息具体为:
建立阻抗与裂纹位置及大小的关系;
将生产出的钢球放置于远离传感器一定距离处;
测定传感器的阻抗;以及
基于所述传感器的阻抗,得出所述第二钢球质量信息,基于所述图像,判断所述冷锻机入口处是否发生料段拥堵具体为:
收集多个所述冷锻机入口处没有发生料段拥堵的图像;
基于所述图像,并利用机器学习算法,得到拥堵判断标准;以及
基于所述拥堵判断标准判断所述冷锻机入口处是否发生料段拥堵,基于所述第一关联关系和所述第二关联关系控制钢球连续生产过程具体为:
实时监测生产过程中所述冷锻机动模位置信息以及所述时间信息;
当冷锻机动模位置以及时间之间的关系偏离所述第一关联关系时,调整所述冷锻机压力以使得所述冷锻机动模位置以及所述时间之间的关系符合第一关联关系;
实时监测生产过程中所述光球机转子电流信息;以及
当所述光球机转子电流偏离所述第二关联关系时,调整所述光球机转子电压以使得所述电流符合第二关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159261.6A CN108345283B (zh) | 2018-02-26 | 2018-02-26 | 轴承钢球连续生产智能控制方法及控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159261.6A CN108345283B (zh) | 2018-02-26 | 2018-02-26 | 轴承钢球连续生产智能控制方法及控制装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108345283A CN108345283A (zh) | 2018-07-31 |
CN108345283B true CN108345283B (zh) | 2020-07-31 |
Family
ID=62959533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810159261.6A Active CN108345283B (zh) | 2018-02-26 | 2018-02-26 | 轴承钢球连续生产智能控制方法及控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345283B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19914640A1 (de) * | 1998-03-31 | 1999-10-07 | Ntn Toyo Bearing Co Ltd | Laufrillenbearbeitungssystem und Verfahren zur Bearbeitung eines Bauteils |
CN205928284U (zh) * | 2016-06-24 | 2017-02-08 | 新昌县新剡轴承有限公司 | 一种高效智能化的轴承钢球生产磨球机 |
CN106625192A (zh) * | 2017-02-28 | 2017-05-10 | 马鞍山龙晟耐磨材料有限公司 | 一种耐磨钢球生产系统 |
-
2018
- 2018-02-26 CN CN201810159261.6A patent/CN108345283B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19914640A1 (de) * | 1998-03-31 | 1999-10-07 | Ntn Toyo Bearing Co Ltd | Laufrillenbearbeitungssystem und Verfahren zur Bearbeitung eines Bauteils |
CN205928284U (zh) * | 2016-06-24 | 2017-02-08 | 新昌县新剡轴承有限公司 | 一种高效智能化的轴承钢球生产磨球机 |
CN106625192A (zh) * | 2017-02-28 | 2017-05-10 | 马鞍山龙晟耐磨材料有限公司 | 一种耐磨钢球生产系统 |
Non-Patent Citations (2)
Title |
---|
基于WIFI物联网的轴承钢球生产过程在线监控系统开发;朱国栋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160515(第5期);I140-285 * |
轴承钢球质量在线检测与分选系统的研究;艾长胜 等;《测控技术》;20091031;第28卷(第10期);第4-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108345283A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102221556B (zh) | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 | |
CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN106018422A (zh) | 基于匹配的异形冲压件轮廓缺陷视觉检测系统及方法 | |
CN103149212A (zh) | 纽扣电池在线质量检测系统 | |
CN109215009A (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
CN105334228A (zh) | 基于图像处理的瓶装液体杂质及液位检测方法 | |
CN108345283B (zh) | 轴承钢球连续生产智能控制方法及控制装置 | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN103761729B (zh) | 一种基于邻域灰度相似性的钢球磨痕检测方法 | |
CN112588836B (zh) | 一种基于热轧带钢轧制力的轧辊偏心自动识别方法及系统 | |
CN109063738B (zh) | 一种压缩感知的陶瓷水阀片自动在线检测方法 | |
Borwankar et al. | A novel compact convolutional neural network for real-time nondestructive evaluation of metallic surfaces | |
CN116777894A (zh) | 芯片的表面缺陷检测方法和装置 | |
CN116883393A (zh) | 一种基于无锚框目标检测算法的金属表面缺陷检测方法 | |
CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
He et al. | Rectifying control of wire diameter during dieless drawing by a deformation measuring method of interframe displacement | |
CN115239663A (zh) | 隐形眼镜瑕疵检测方法及系统、电子设备、存储介质 | |
CN112633327B (zh) | 分阶段金属表面缺陷检测方法、系统、介质、设备及应用 | |
CN114813748A (zh) | 一种基于机器视觉的钢表面缺陷检测方法及系统 | |
CN113870754A (zh) | 一种面板检测电子信号缺陷判定的方法和系统 | |
CN113916884A (zh) | 一种硬车削工件表面质量在线预测方法 | |
Si et al. | Deep learning-based defect detection for hot-rolled strip steel | |
CN113843660A (zh) | 基于多线激光扫描的数控机床工件检测方法 | |
Zhan et al. | Detection and Identification of Strip Surface Defects Based on Deep Learning |
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 |