CN110009063A - 一种螺栓拧紧检测方法、装置、系统及存储介质 - Google Patents
一种螺栓拧紧检测方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110009063A CN110009063A CN201910340544.5A CN201910340544A CN110009063A CN 110009063 A CN110009063 A CN 110009063A CN 201910340544 A CN201910340544 A CN 201910340544A CN 110009063 A CN110009063 A CN 110009063A
- Authority
- CN
- China
- Prior art keywords
- bolt
- data
- similarity
- classification results
- eigenmatrix
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Details Of Spanners, Wrenches, And Screw Drivers And Accessories (AREA)
Abstract
本发明实施例涉及数据处理技术领域,尤其涉及一种螺栓拧紧检测方法、装置、系统及存储介质。该方法包括:接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;提取第一数据中的相似度特征,并构成相似度特征矩阵;将相似度特征矩阵输入至预建立的分类器模型中,对当前螺栓拧紧状态进行分类,获取分类结果;展示分类结果,当根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。通过该种方式,不仅仅可以精确判断每一个螺栓的正常或者异常状态,还可以确定出发生异常的螺栓故障类型。
Description
技术领域
本发明实施例涉及数据处理技术领域,具体涉及一种螺栓拧紧检测方法、装置、系统及存储介质。
背景技术
螺栓是现代装配工艺中不可或缺的紧固件。螺栓及连接工艺具有高联接强度、可拆卸性、易重复性、互换性等优秀属性,自由度高。可通过标准化实现大批量生产,成本低廉,在工业领域负有重要任务,被称为“工业之米”。由于其在制造业中大规模的应用,螺栓的拧紧质量直接影响到最终产品的安全性和可靠性。由于螺栓松紧不当而导致的各种突发事故或者召回事件,不但造成巨大的经济损失,亦可能引发人员的安全隐患。如何有效的监控拧紧质量,也就成为了装配行业十分关注的课题。
当前对螺栓拧紧质量的监控方法主要有人工抽检法和设备检验法两种。人工抽检法在装配完成后随机测量若干组实际扭矩值,以3σ为上下限判断,费时费力,只能分析所抽到样本的好坏,无法覆盖全面产品,因而留下隐患。设备检验法通常为截取装配最终扭矩值,或结合拧紧过程中的螺栓旋转角度,通过观察最终值是否处于预设区间(安全窗口)内,来判断本次拧紧的合格与否。然而在某些情形下,虽然拧紧设备显示达到了要求的力矩,但螺栓头部下端面并没有和被夹紧件紧密贴合,因而没有产生足够的夹紧力,造成螺栓连接失效,造成所谓“假力矩”现象。德国工程师协会拧紧实验报告称当拧紧力矩的误差为±0时(即无误差施加扭矩),螺栓轴向夹紧力误差可以达到±27.2%。可见,仅仅观测扭矩终值并不是一个诊断拧紧质量的可靠方法。
而且,上述两种方法无法确定质量不合格的螺栓故障类型,只能靠推测臆断,给故障溯源同样带来了不必要的麻烦。
发明内容
为此,本发明实施例提供一种螺栓拧紧检测方法、装置、系统及存储介质,以解决现有技术中对螺栓故障的判断不够全面,不够精准,而且无法确定螺栓故障类型等一系列问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面提供了一种螺栓拧紧检测方法,该方法包括:
接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;
对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;
对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵;
将相似度特征矩阵输入至预建立的分类器模型中,对当前螺栓拧紧状态进行分类,获取分类结果,分类结果包括螺栓拧紧处于正常状态或异常状态,当螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型;
展示分类结果,当根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
进一步地,时序过程数据包括:转角、扭矩以及瞬间扭力。
进一步地,对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据,具体包括:
按照预设规则从时序过程数据中筛除预拧紧与准备阶段所产生的第三数据。
进一步地,对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵之前,方法还包括:
对实际拧紧阶段所产生的第一数据进行最大值归一化处理,获取第二数据。
进一步地,对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵,具体包括:对第一数据依次进行动态时间归整处理以及编辑距离处理,提取第一数据中的相似度特征,并构成相似度特征矩阵。
进一步地,接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据之前,方法还包括:
接收外界传输的触发信号,触发信号中包括指示开始对当前螺栓进行拧紧工作的指示信息。
进一步地,触发信号中还包括当前螺栓所在位置信息,和/或当前螺栓的编号信息,和/或多当前螺栓进行拧紧的电动扳手的编号信息。
根据本发明实施例的第二方面还提供了一种螺栓拧紧检测装置,该装置包括:接收单元,用于接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;
筛除单元,用于对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;
提取单元,用于对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵;
分类单元,用于将相似度特征矩阵输入至预建立的分类器模型中,对当前螺栓拧紧状态进行分类,获取分类结果,分类结果包括螺栓拧紧处于正常状态或异常状态,当螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型;
显示单元,用于展示分类结果;
报警单元,用于当处理单元根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
根据本发明实施例的第三方面还提供了一种螺栓拧紧检测系统,该系统包括:处理器和存储器;
存储器用于存储一个或多个程序指令;
处理器,用于运行一个或多个程序指令,用以执行如上第一方面的一种螺栓拧紧检测方法中的任一方法步骤;
显示器,用于展示分类结果;
报警器,用于当处理器根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
根据本发明实施例的第四方面还提供了一种计算机存储介质,计算机存储介质中包含一个或多个程序指令,一个或多个程序指令用于被一种螺栓拧紧检测系统执行如上第一方面的一种螺栓拧紧检测方法中的任一方法步骤。
本发明实施例具有如下优点:分别采集每一个螺栓被拧紧过程中的过程数据,并从过程数据中筛除掉预拧紧与准备阶段的过程数据,只获取实际拧紧阶段所产生的过程数据。并对该部分数据进行相似度特征提取,获取相似度特征,并构成相似度特征矩阵。然后将相似度特征矩阵输入至预建立的分类器模型中进行分类,从而可以得到当前螺栓状态,判断当前螺栓是否正常,如果不正常还可以判断出发生故障的类型。通过该种方式,不仅仅可以精确判断每一个螺栓的正常或者异常状态,还可以确定出发生异常的螺栓故障类型。对于螺栓拧紧状态的监测可以达到百分比覆盖,大大提升螺栓生产质量,避免由于劣质螺栓而影响到最终产品的安全性和可靠性的情况发生。间接降低了经济损失和人员安全隐患。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的一种螺栓拧紧检测方法流程示意图;
图2为本发明实施例2提供的一种螺栓拧紧检测装置结构示意图;
图3为本发明实施例3提供的一种螺栓拧紧检测系统结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例1提供了一种螺栓拧紧检测方法,具体如图1所示,
步骤110,接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据。
具体的,时序过程数据可以包括但不限于转角、扭矩以及瞬间扭力等参数。螺栓拧紧工作一般由电动扳手完成,在电动扳手拧紧过程中,将通过机械臂上的传感器采集以上参数。然后通过超文本传输协议传输至系统的以太网口。在一个具体实施例中,系统可以包括工控机、显示器和报警器。再通过以太网口传输至工控机的处理器,由处理器执行后续的操作步骤,以及通过显示器显示分类结果,如果确定存在螺栓拧紧状态异常时通过报警器发出报警等。
可选的,在执行步骤110之前,该方法还包括:接收外界传输的触发信号。
其中,触发信号中包括指示开始对当前螺栓进行拧紧工作的指示信息。也即是,每当电动扳手开始对某一个螺栓进行宁静工作之前,需要事先通过触发信号通知工控机。以便一旦在拧紧过程中发现螺栓异常,可以及时对该螺栓采取有效措施。
可选的,为了对出现问题的螺栓进行更加精确的确定和记录等操作,方便当时及时处理,或者后续赘述时也可以有依据可循,触发信号中还可以包括当前螺栓所在位置信息,和/或当前螺栓的编号信息,和/或当前螺栓拧紧的电动扳手的编号信息等等。
步骤120,对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据。
具体的,为了后续确定螺栓拧紧状态是否异常更加精准,则需要执行步骤120,该步骤主要是从所有的时序过程数据中筛除预拧紧与准备阶段所产生的第三数据。保留实际拧紧阶段所产生的第一数据。
可选的,具体的筛除处理过程为:按照预设规则从时序过程数据中筛除预拧紧与准备阶段所产生的第三数据。
在一个具体实例中,可以按照时间顺序筛除。例如,将所产生时序过程数据按照产生的时序顺序构成以时间轴作为横坐标,过程数据作为纵坐标的二维曲线图。确定二维曲线图中预设时间段内的数据(例如前20ms的数据)为预拧紧与准备阶段所产生的第三数据,剩余的为实际拧紧阶段所产生的第一数据。当然,具体的时间范围可以根据实际情况而发生变动,并非必须是前20ms的一定为预拧紧与准备阶段所产生的第三数据。
步骤130,对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵。
具体的,对所述第一数据依次进行动态时间归整处理以及编辑距离处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵。
具体的采用动态时间规整(Dynamic Time Warping,简称DTW)算法和编辑距离(Edit Distance,简称ED)算法依次对第一数据进行处理的过程为现有技术,这里不做过多说明。通过上述方式提取第一数据中的相似度特征之后,再构成相似度特征矩阵。
进一步可选的,对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵之前,该方法还包括:对实际拧紧阶段所产生的第一数据进行最大值归一化处理,获取第二数据。
其中,最大值归一化的公式如下:
newx(i)=x(i)/max(X)
其中,newx(i)为经过最大值归一化后的新的参数,x(i)为原始参数,max(X)为所有参数中的最大值。
需要说明的是,由于时序过程数据不仅仅包括一种参数,而是包括转角、扭矩以及瞬间扭力等多种参数,因此,在执行步骤120至步骤130之间所有的执行过程,都是分别针对一种参数执行的。即,每一种参数均需要执行一次步骤120至步骤130之间的所有过程,具体执行顺序可以并行执行,也可以依次执行,这里不做限定。
步骤140,将相似度特征矩阵输入至预建立的分类器模型中,对当前螺栓拧紧状态进行分类,获取分类结果。
具体的,预建立的分类器模型是经过大量样本数据进行训练后而获取最优分类器模型。样本数据为含有不同种正常和异常工况的历时序信号。这些信号同样需要经过执行步骤110至步骤120之后,由专家根据先验知识设定正常或者故障的状态标签,并且,在确定时序信号为故障信号时,则还设定好故障类型。并提取经过步骤120之后的信号中的相似度特征,构成相似度特征矩阵。输入至分类器中进行训练,调整分类器参数使其分类效果达到最优。进而得到本申请文件步骤140中所介绍的预建立的分类器模型。分类器模型中所使用的核函数为径向基函数,参数优化方法为网络筛选法。
最终根据这个分类器模型,可以对当前螺栓拧紧状态进行分类,获取分类结果。该分类结果包括螺栓拧紧处理正常状态或者异常状态,当螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型。故障类型例如包括:二次打紧、螺栓走油、螺栓含渣或者套筒磨损等。可选的,分类结果中还可以包括与故障类型对应的推荐指导意见。例如,如果故障类型为二次打紧,那么指导意见则可以是检测螺栓是否断裂。如果故障类型是螺栓走油,那么指导意见可以是正确给螺栓上润滑油等等。
步骤150,展示分类结果,当根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
具体的,工控机将分类结果传入前端显示器进行展示。展示形式可以是时间轴-分类结果的形式。一旦根据分类结果确定螺栓宁静状态异常时,则通过报警器发出报警信号。同时,将于当前螺栓拧紧过程中所产生的所有数据均存储到数据库中,方便后续进行查询等。例如包括时间轴、与时间轴对应的过程时序数据,以及分类结果等等一系列数据。当然,用户还可以将智能设备(例如手机、个人电脑等)和工控机相连接,从工控机中获取所有数据和分类结果,并在智能设备上进行展示。
进一步的,系统还可以自动将数据库中的存储的所有数据生成报表,供工作人员查看方便。
在本实施例中,以机器学习算法为核心,能取得传统检测方法难以实现的对拧紧缺陷进行实时报警的效果。经过实际测试得知,单次样本识别时间为0.02秒左右。实现了拧紧工艺时序过程的故障多分类,能结合故障类型进行故障原因的追溯和生产指导,便于后续分析和工作安排。而分类判断依据基于时序信号相似度特征,挖掘同类拧紧工况的内在信息,较之指标固化的“扭矩-角度”安全窗口法更为准确可靠。采用适应拧紧工艺的时序数据库,能储存海量数据,提供有迹可查的历史日志,能兼容多个扳手同时工作,同时提供大数据可视化的管理界面,便于企业管理工艺生产过程数据这一无形资产。
本发明实施例提供的一种螺栓拧紧检测方法,分别采集每一个螺栓被拧紧过程中的过程数据,并从过程数据中筛除掉预拧紧与准备阶段的过程数据,只获取实际拧紧阶段所产生的过程数据。并对该部分数据进行相似度特征提取,获取相似度特征,并构成相似度特征矩阵。然后将相似度特征矩阵输入至预建立的分类器模型中进行分类,从而可以得到当前螺栓状态,判断当前螺栓是否正常,如果不正常还可以判断出发生故障的类型。通过该种方式,不仅仅可以精确判断每一个螺栓的正常或者异常状态,还可以确定出发生异常的螺栓故障类型。对于螺栓拧紧状态的监测可以达到百分比覆盖,大大提升螺栓生产质量,避免由于劣质螺栓而影响到最终产品的安全性和可靠性的情况发生。间接降低了经济损失和人员安全隐患。
与上述实施例1对应的,本发明实施例2还提供了一种螺栓拧紧检测装置,具体如图2所示,该装置包括:接收单元201、筛除单元202、提取单元203、分类单元204、显示单元205和报警单元206。
其中,接收单元201,用于接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;
筛除单元202,用于对时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;
提取单元203,用于对第一数据进行预处理,提取第一数据中的相似度特征,并构成相似度特征矩阵;
分类单元204,用于将相似度特征矩阵输入至预建立的分类器模型中,对当前螺栓拧紧状态进行分类,获取分类结果,分类结果包括螺栓拧紧处于正常状态或异常状态,当螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型;
显示单元205,用于展示分类结果;
报警单元206,用于当处理单元根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
可选的,时序过程数据包括:转角、扭矩以及瞬间扭力。
可选的,筛除单元202具体用于,按照预设规则从时序过程数据中筛除预拧紧与准备阶段所产生的第三数据。
可选的,该装置还包括:处理单元207,用于对实际拧紧阶段所产生的第一数据进行最大值归一化处理,获取第二数据。
可选的,提取单元203具体用于,对第一数据依次进行动态时间归整处理以及编辑距离处理,提取第一数据中的相似度特征,并构成相似度特征矩阵。
可选的,接收单元201还用于,接收外界传输的触发信号,触发信号中包括指示开始对当前螺栓进行拧紧工作的指示信息。
可选的,触发信号中还包括当前螺栓所在位置信息,和/或当前螺栓的编号信息,和/或多当前螺栓进行拧紧的电动扳手的编号信息。
本发明实施例提供的一种螺栓拧紧检测装置中各部件所执行的功能均已在上述实施例1中做了详细介绍,因此这里不做过多赘述。
本发明实施例提供的一种螺栓拧紧检测装置,分别采集每一个螺栓被拧紧过程中的过程数据,并从过程数据中筛除掉预拧紧与准备阶段的过程数据,只获取实际拧紧阶段所产生的过程数据。并对该部分数据进行相似度特征提取,获取相似度特征,并构成相似度特征矩阵。然后将相似度特征矩阵输入至预建立的分类器模型中进行分类,从而可以得到当前螺栓状态,判断当前螺栓是否正常,如果不正常还可以判断出发生故障的类型。通过该种方式,不仅仅可以精确判断每一个螺栓的正常或者异常状态,还可以确定出发生异常的螺栓故障类型。对于螺栓拧紧状态的监测可以达到百分比覆盖,大大提升螺栓生产质量,避免由于劣质螺栓而影响到最终产品的安全性和可靠性的情况发生。间接降低了经济损失和人员安全隐患。
与上述实施例相对应的,本发明实施例3还提供了一种螺栓拧紧检测系统,具体如图3所示,该系统包括:处理器301、存储器302、显示器303和报警器304;
存储器302用于存储一个或多个程序指令;
处理器301,用于运行一个或多个程序指令,用以执行如上实施例所介绍的一种螺栓拧紧检测方法;
显示器303,用于展示分类结果;
报警器304,用于当处理器301根据分类结果确定螺栓拧紧状态处于异常状态时发出报警信号。
本发明实施例提供的一种螺栓拧紧检测系统,分别采集每一个螺栓被拧紧过程中的过程数据,并从过程数据中筛除掉预拧紧与准备阶段的过程数据,只获取实际拧紧阶段所产生的过程数据。并对该部分数据进行相似度特征提取,获取相似度特征,并构成相似度特征矩阵。然后将相似度特征矩阵输入至预建立的分类器模型中进行分类,从而可以得到当前螺栓状态,判断当前螺栓是否正常,如果不正常还可以判断出发生故障的类型。通过该种方式,不仅仅可以精确判断每一个螺栓的正常或者异常状态,还可以确定出发生异常的螺栓故障类型。对于螺栓拧紧状态的监测可以达到百分比覆盖,大大提升螺栓生产质量,避免由于劣质螺栓而影响到最终产品的安全性和可靠性的情况发生。间接降低了经济损失和人员安全隐患。
与上述实施例相对应的,本发明实施例还提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令。其中,一个或多个程序指令用于被一种螺栓拧紧检测系统执行如上实施例所介绍的一种螺栓拧紧检测方法。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种螺栓拧紧检测方法,其特征在于,所述方法包括:
接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;
对所述时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;
对所述第一数据进行预处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵;
将所述相似度特征矩阵输入至预建立的分类器模型中,对所述当前螺栓拧紧状态进行分类,获取分类结果,所述分类结果包括螺栓拧紧处于正常状态或异常状态,当所述螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型;
展示分类结果,当根据所述分类结果确定所述螺栓拧紧状态处于异常状态时发出报警信号。
2.根据权利要求1所述的方法,其特征在于,所述时序过程数据包括:转角、扭矩以及瞬间扭力。
3.根据权利要求1所述的方法,其特征在于,所述对所述时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据,具体包括:
按照预设规则从所述时序过程数据中筛除预拧紧与准备阶段所产生的第三数据。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述对所述第一数据进行预处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵之前,所述方法还包括:
对所述实际拧紧阶段所产生的第一数据进行最大值归一化处理,获取第二数据。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述对所述第一数据进行预处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵,具体包括:
对所述第一数据依次进行动态时间归整处理以及编辑距离处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据之前,所述方法还包括:
接收外界传输的触发信号,所述触发信号中包括指示开始对所述当前螺栓进行拧紧工作的指示信息。
7.根据权利要求6所述的方法,其特征在于,所述触发信号中还包括当前螺栓所在位置信息,和/或当前螺栓的编号信息,和/或多当前螺栓进行拧紧的电动扳手的编号信息。
8.一种螺栓拧紧检测装置,其特征在于,所述装置包括:
接收单元,用于接收外界传输的对当前螺栓进行拧紧过程中所产生的时序过程数据;
筛除单元,用于对所述时序过程数据进行筛除处理,获取实际拧紧阶段所产生的第一数据;
提取单元,用于对所述第一数据进行预处理,提取所述第一数据中的相似度特征,并构成相似度特征矩阵;
分类单元,用于将所述相似度特征矩阵输入至预建立的分类器模型中,对所述当前螺栓拧紧状态进行分类,获取分类结果,所述分类结果包括螺栓拧紧处于正常状态或异常状态,当所述螺栓拧紧状态处于异常状态时,产生异常状态时的故障类型;
显示单元,用于展示分类结果;
报警单元,用于当所述处理单元根据所述分类结果确定所述螺栓拧紧状态处于异常状态时发出报警信号。
9.一种螺栓拧紧检测系统,其特征在于,所述系统包括:处理器、存储器、显示器和报警器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行所述一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法;
所述显示器,用于展示分类结果;
所述报警器,用于当所述处理器根据所述分类结果确定所述螺栓拧紧状态处于异常状态时发出报警信号。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被一种螺栓拧紧检测系统执行如权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910340544.5A CN110009063A (zh) | 2019-04-25 | 2019-04-25 | 一种螺栓拧紧检测方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910340544.5A CN110009063A (zh) | 2019-04-25 | 2019-04-25 | 一种螺栓拧紧检测方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110009063A true CN110009063A (zh) | 2019-07-12 |
Family
ID=67174354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910340544.5A Pending CN110009063A (zh) | 2019-04-25 | 2019-04-25 | 一种螺栓拧紧检测方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009063A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079865A (zh) * | 2019-12-31 | 2020-04-28 | 联想(北京)有限公司 | 检测方法和装置以及电子设备和介质 |
CN112131170A (zh) * | 2020-10-14 | 2020-12-25 | 山东中车同力达智能机械有限公司 | 一种基于rs485串口通信的拧紧机可视化方法及系统 |
CN113899538A (zh) * | 2021-09-29 | 2022-01-07 | 上汽大众汽车有限公司 | 一种螺栓拧紧监测方法及系统 |
CN114459743A (zh) * | 2022-01-14 | 2022-05-10 | 东风柳州汽车有限公司 | 螺栓异常检测方法、装置、设备及存储介质 |
CN115854490A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市森辉智能自控技术有限公司 | 一种用于除湿机状态监控的分析方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182517A (zh) * | 2014-08-22 | 2014-12-03 | 北京羽乐创新科技有限公司 | 数据处理的方法及装置 |
CN104897403A (zh) * | 2015-06-24 | 2015-09-09 | 北京航空航天大学 | 一种基于排列熵和流形改进动态时间规整的自适应故障诊断方法 |
CN107576435A (zh) * | 2017-09-11 | 2018-01-12 | 山东大学 | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 |
-
2019
- 2019-04-25 CN CN201910340544.5A patent/CN110009063A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182517A (zh) * | 2014-08-22 | 2014-12-03 | 北京羽乐创新科技有限公司 | 数据处理的方法及装置 |
CN104897403A (zh) * | 2015-06-24 | 2015-09-09 | 北京航空航天大学 | 一种基于排列熵和流形改进动态时间规整的自适应故障诊断方法 |
CN107576435A (zh) * | 2017-09-11 | 2018-01-12 | 山东大学 | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 |
Non-Patent Citations (2)
Title |
---|
何生成: ""铁塔螺栓松动检测技术研究"", 《道客巴巴》 * |
刘晨晖: ""基于时间序列相似性度量的机场噪声"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079865A (zh) * | 2019-12-31 | 2020-04-28 | 联想(北京)有限公司 | 检测方法和装置以及电子设备和介质 |
CN112131170A (zh) * | 2020-10-14 | 2020-12-25 | 山东中车同力达智能机械有限公司 | 一种基于rs485串口通信的拧紧机可视化方法及系统 |
CN113899538A (zh) * | 2021-09-29 | 2022-01-07 | 上汽大众汽车有限公司 | 一种螺栓拧紧监测方法及系统 |
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 |
CN114459743A (zh) * | 2022-01-14 | 2022-05-10 | 东风柳州汽车有限公司 | 螺栓异常检测方法、装置、设备及存储介质 |
CN115854490A (zh) * | 2023-02-23 | 2023-03-28 | 深圳市森辉智能自控技术有限公司 | 一种用于除湿机状态监控的分析方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009063A (zh) | 一种螺栓拧紧检测方法、装置、系统及存储介质 | |
US6804563B1 (en) | Multidimensional method and system for statistical process control | |
EP3105644B1 (en) | Method of identifying anomalies | |
CN103246265B (zh) | 机电设备检测维护方法 | |
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 | |
CN110660462A (zh) | 基于大数据的检验报告自动审核方法、系统和存储介质 | |
CN110333995A (zh) | 对工业设备运行状态进行监测的方法及装置 | |
CN112288079A (zh) | 图神经网络模型训练方法、软件缺陷检测方法及系统 | |
Harrou et al. | Amalgamation of anomaly-detection indices for enhanced process monitoring | |
EP3470988A1 (en) | Method for replicating production behaviours in a development environment | |
CN111079865A (zh) | 检测方法和装置以及电子设备和介质 | |
CN115865483A (zh) | 一种基于机器学习的异常行为分析方法和装置 | |
Maeyens et al. | Process mining on machine event logs for profiling abnormal behaviour and root cause analysis | |
JP2014120001A (ja) | 監視装置、監視対象ホストの監視方法、監視プログラム及び記録媒体 | |
CN110878709A (zh) | 汽轮机阀门的卡涩识别机制建立方法及卡涩识别方法 | |
CN103218277A (zh) | 服务器环境的自动检测方法与装置 | |
US20220113716A1 (en) | Method for detecting abnormal event and apparatus implementing the same method | |
KR102265461B1 (ko) | 제조 공정 비정상 데이터 탐지 시스템 | |
CN114118208A (zh) | 基于多元信息的变压器故障判断方法、装置及电子设备 | |
CN110703730A (zh) | 一种基于mes中数据采集测试方法和装置 | |
CN115391084B (zh) | 一种云游戏异常的智能解决方法及系统 | |
CN117148793A (zh) | 一种产线质量实时监控方法、存储介质及计算机设备 | |
CN117195119A (zh) | 一种数据质量检测方法、装置、电子设备和可读存储介质 | |
Barbson | Finite State Machine Analysis of Remote Sensor Data | |
CN114154167A (zh) | 一种安全检测模型测试方法、装置、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190819 Address after: 100049 Beijing Haidian District Tiancun Changxi Garden Jingyili (Chinese House) 2-5-203 Applicant after: Beijing Goddess Data Technology Co., Ltd. Address before: 100049 Beijing Haidian District Tiancun Changxi Garden Jingyili (Chinese House) 2-5-203 Applicant before: Liu Chenrong |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
RJ01 | Rejection of invention patent application after publication |