CN111259554B - 推土机变矩变速装置螺栓装配大数据检测方法及系统 - Google Patents
推土机变矩变速装置螺栓装配大数据检测方法及系统 Download PDFInfo
- Publication number
- CN111259554B CN111259554B CN202010065533.3A CN202010065533A CN111259554B CN 111259554 B CN111259554 B CN 111259554B CN 202010065533 A CN202010065533 A CN 202010065533A CN 111259554 B CN111259554 B CN 111259554B
- Authority
- CN
- China
- Prior art keywords
- torque
- bolt
- distribution
- data
- bulldozer
- 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
Landscapes
- Operation Control Of Excavators (AREA)
Abstract
本发明公开了一种推土机变矩变速装置螺栓装配大数据检测方法及系统，包括如下步骤：实时采集螺栓扭矩，构建参数数据库；对数据库进行大数据分析，确定螺栓扭矩数据库的分布形式；根据其分布形式，如正态分布、韦伯分布或其他分布，进行数据处理，得到螺栓装配扭矩的阈值范围；将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格。该方法可以显著提高推土机变矩变速装置装配的可靠性和一致性。
Description
技术领域
本发明涉及推土机变矩变速装置装配工艺检测技术领域，特别是涉及一种推土机变矩变速装置螺栓装配大数据检测方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：
变矩变速装置是推土机的重要组成部分。目前国内的推土机生产制造企业采用的推土机装配线种类较多，在总成以及分总成装配线上，大多都是使用柔性输送线来输送工件，并且装配设备对变矩变速装置进行装配。其中，螺栓拧紧扭矩的大小直接决定装配质量的优劣，目前，螺栓扭矩一般采用气动扳手，以人工估计的方法拧紧，数据准确性较差，且检测的阈值为某个固定值。
发明内容
为了解决现有技术中存在的技术问题，本发明提供了一种推土机变矩变速装置螺栓装配大数据检测方法及系统。该方法可以显著提高推土机变矩变速装置装配的可靠性。
第一方面，本发明提供了一种推土机变矩变速装置螺栓装配大数据检测方法，包括如下步骤：
实时采集螺栓扭矩，构建参数数据库；
对数据库进行大数据分析，确定螺栓扭矩数据库的分布形式；
根据其分布形式，得到螺栓装配扭矩的阈值范围；
将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格。
第二方面，本发明还提供了一种推土机变矩变速装置螺栓装配大数据检测系统，包括：
用于实时采集螺栓扭矩，构建参数数据库的装置；
用于对数据库进行大数据分析，确定螺栓扭矩数据库的分布形式的装置；
用于根据其分布形式，得到螺栓装配扭矩的阈值范围的装置；
将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格的装置。
第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
本发明的有益效果为：
本发明提供一种推土机变矩变速装置螺栓装配大数据检测方法及系统，对装配数据库进行大数据分析，得到螺栓装配扭矩的阈值范围，将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格，可以显著提高推土机变矩变速装置装配的可靠性和一致性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为推土机变矩变速装置螺栓装配大数据检测系统工作流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
一种推土机变矩变速装置螺栓装配大数据检测方法，包括如下步骤：
实时采集螺栓扭矩，构建参数数据库；
对数据库进行大数据分析，确定螺栓扭矩数据的分布形式；
根据其分布形式，得到螺栓装配扭矩的阈值范围；
将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格。
在一些实施例中，可以采用数据采集装置实时采集螺栓的扭矩。
在一些实施例中，螺栓扭矩数据的分布形式为正态分布、韦伯分布或其他分布。
进一步的，螺栓扭矩数据的分布形式为正态分布时，采用2.5σ原则确定螺栓扭矩的最大阈值和最小阈值。
进一步的，螺栓扭矩数据的分布形式为韦伯分布时，通过韦伯分布的概率密度函数，计算累积概率，累积概率5％-97％即为阈值范围。
更进一步的，韦伯分布的判定方法为：
其可靠度函数为
β为形状参数，η为尺寸参数；
将函数两边取对数，
再取对数，
令
x＝lnt，c＝-βlnη，则y＝βx+c；
若数据拟合符合公式，且用R检验检验线性相关性，R>0.92时即符合韦伯分布。
进一步的，螺栓扭矩数据的分布形式为其他分布形式时，通过Box-Cox变换公式对分布扭矩变量y进行变换，使其变为正态分布，然后利用R检验，若R>0.95确定其为正态分布，然后通过2.5σ原则，确定螺栓扭矩的最大阈值和最小阈值；
若R≤0.95，则其不符合正态分布，此时将所有数据从小到大排列，第5％的数据值为阈值下限，第95％的数据值为阈值上限，若最大值等于最小值，则此时不设阈值。
更进一步的，Box-Cox变换公式中的λ值为0.44。
第二方面，本发明还提供了一种推土机变矩变速装置螺栓装配大数据检测系统，包括：
用于实时采集螺栓扭矩，构建参数数据库的装置；
用于对数据库进行大数据分析，确定螺栓扭矩数据库的分布形式的装置；
用于根据其分布形式，得到螺栓装配扭矩的阈值范围的装置；
将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格的装置。
第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
实施例一
如图1所示，一种推土机变矩变速装置螺栓装配大数据检测方法，包括如下步骤：采用可以数据传输的电动打紧装置实时采集螺栓扭矩，通过工业物联网收集螺栓扭矩数据，构建参数数据库。采用大数据分析方式确定螺栓扭矩数据集的分布形式。
首先判断螺栓扭矩数据集是否为正态分布的方式为：计算样本数据均值x和标准差σ，利用其计算分位数
通过正态分布表可以查到ti对应的分位数Qi′，利用Qi-Qi′图鉴别样本数据，判断Qi-Qi′图上的点是否符合直线特征，并用R检验检验线性相关性，以R>0.95作为阈值确定其为正态分布；确定u、σ值，依据(u-2.5σ，u+2.5σ]，得到螺栓装配过程正常参数范围，扭矩小于u-2.5σ或大于u+2.5σ即为异常值。
若螺栓扭矩数据集不是正态分布，进行判断其是否为韦伯分布，判断是否为韦伯分布的方式为：其可靠度函数为
β为形状参数，η为尺寸参数，将函数两边取对数，
再取对数，
令
x＝lnt，c＝-βlnη，则y＝βx+c，若数据拟合符合公式且用R检验检验线性相关性，R>0.92时为韦伯分布。通过韦伯分布的概率密度函数：
计算累积概率，累积概率在5％到97％范围内即为螺栓装配过程正常参数范围，小于偏小值5％或大于偏大值97％即为异常值。
若螺栓扭矩数据集不是韦伯分布，通过Box-Cox变换公式对分布扭矩变量y进行变换，使其变为正态分布，然后利用R检验，若R>0.95确定其为正态分布，然后通过2.5σ原则，即依据(u-2.5σ，u+2.5σ]，得到螺栓装配过程正常参数范围，扭矩小于u-2.5σ或大于u+2.5σ即为异常值。再将正常值和异常值通过逆变换公式，从而得到螺栓装配过程参数范围。若R≤0.95，则其不符合正态分布，此时将所有数据从小到大排列，第5％的数据值为阈值下限，第95％的数据值为阈值上限，若最大值等于最小值，则此时不设阈值。Box-Cox变换公式为：
λ值为0.44;逆变换公式为：
λ值为0.44。
通过以上方法确定螺栓装配的扭矩的阈值范围。
开始进行推土机变矩变速装置的装配，其具体步骤如下：
装配的零部件包括：软管、转向泵、垫圈、螺栓、硬管、转向阀、油管、安全阀、转向粗滤总成、吸油管、冷却器、密封垫等零部件；
将软管装配至发动机，然后安装转向泵，采用电动打紧装置采集装配螺栓扭矩，与装配工艺知识库中的阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装转向泵，直至实际装配过程中的螺栓扭矩合格。
然后安装转向阀，采用电动打紧装置采集装配螺栓扭矩，与装配工艺知识库中的阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装转向阀，直至实际装配过程中的螺栓扭矩合格。
其次安装安全阀，采用电动打紧装置采集装配螺栓扭矩，与装配工艺知识库中的阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装安全阀，直至实际装配过程中的螺栓扭矩合格。
最后再依次安装制动管路、转向粗滤器、转向管路和油冷器管路。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种推土机变矩变速装置螺栓装配大数据检测方法，其特征在于：包括如下步骤：
实时采集螺栓扭矩，构建参数数据库；
对数据库进行大数据分析，确定螺栓扭矩数据的分布形式；
根据其分布形式，得到螺栓装配扭矩的阈值范围；
将推土机变矩变速装置实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格；
所述螺栓扭矩数据的分布形式为正态分布、韦伯分布或其他分布；螺栓扭矩数据的分布形式为正态分布时，采用2.5σ原则确定螺栓扭矩的最大阈值和最小阈值；螺栓扭矩数据的分布形式为韦伯分布时，通过韦伯分布的概率密度函数，计算累积概率，累积概率5％-97％即为阈值范围；螺栓扭矩数据的分布形式为其他分布时，对分布扭矩变量y进行变换，使其变为正态分布。
2.根据权利要求1所述的推土机变矩变速装置螺栓装配大数据检测方法，其特征在于：采用可以数据传输的电动打紧装置实时采集螺栓的扭矩。
3.根据权利要求1所述的推土机变矩变速装置螺栓装配大数据检测方法，其特征在于：韦伯分布的判定方法为：
其可靠度函数为
β为形状参数，η为尺寸参数；
将函数两边取对数，
再取对数，
令
x＝lnt，c＝-βlnη，则y＝βx+c；
若数据拟合符合公式，且用R检验检验线性相关性，R>0.92时即符合韦伯分布。
4.根据权利要求1所述的推土机变矩变速装置螺栓装配大数据检测方法，其特征在于：螺栓扭矩数据的分布形式为其他分布形式时，通过Box-Cox变换公式对分布扭矩变量y进行变换，使其变为正态分布，然后利用R检验，若R>0.95确定其为正态分布，然后通过2.5σ原则，确定螺栓扭矩的最大阈值和最小阈值；
若R≤0.95，则其不符合正态分布，此时将所有数据从小到大排列，第5％的数据值为阈值下限，第95％的数据值为阈值上限，若最大值等于最小值，则此时不设阈值；
进一步的，Box-Cox变换公式中的λ值为0.44。
5.根据权利要求1所述的推土机变矩变速装置螺栓装配大数据检测方法，其特征在于：推土机变矩变速装置的装配方法，其具体步骤如下：
装配的零部件包括：软管、转向泵、垫圈、螺栓、硬管、转向阀、油管、安全阀、转向粗滤总成、吸油管、冷却器、密封垫等零部件；
将软管装配至发动机，然后安装转向泵，采用电动打紧装置采集装配螺栓扭矩，与阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装转向泵，直至实际装配过程中的螺栓扭矩合格；
然后安装转向阀，采用电动打紧装置采集装配螺栓扭矩，与阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装转向阀，直至实际装配过程中的螺栓扭矩合格；
其次安装安全阀，采用电动打紧装置采集装配螺栓扭矩，与阈值范围进行匹配，判断实际装配过程中的螺栓扭矩是否合格，若不合格，重新安装安全阀，直至实际装配过程中的螺栓扭矩合格；
最后再依次安装制动管路、转向粗滤器、转向管路和油冷器管路，即可。
6.一种推土机变矩变速装置螺栓装配大数据检测系统，其特征在于：包括：
用于实时采集螺栓扭矩，构建参数数据库的装置；
用于对数据库进行大数据分析，确定螺栓扭矩数据库的分布形式的装置；
用于根据其分布形式，得到螺栓装配扭矩的阈值范围的装置；
将实际装配过程中的测试参数与螺栓装配扭矩的阈值范围进行匹配，判断实际装配过程中的测试参数是否合格的装置。
7.一种电子设备，其特征在于：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-5任一项所述推土机变矩变速装置螺栓装配大数据检测方法的步骤。
8.一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-5任一项所述推土机变矩变速装置螺栓装配大数据检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010065533.3A CN111259554B (zh) | 2020-01-20 | 2020-01-20 | 推土机变矩变速装置螺栓装配大数据检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010065533.3A CN111259554B (zh) | 2020-01-20 | 2020-01-20 | 推土机变矩变速装置螺栓装配大数据检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111259554A CN111259554A (zh) | 2020-06-09 |
| CN111259554B true CN111259554B (zh) | 2022-03-15 |
Family
ID=70945654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010065533.3A Active CN111259554B (zh) | 2020-01-20 | 2020-01-20 | 推土机变矩变速装置螺栓装配大数据检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111259554B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949040B (zh) * | 2021-02-01 | 2022-10-14 | 山东大学 | 影响排放一致性的缸盖装配力矩阈值大数据确定方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106378617A (zh) * | 2016-12-01 | 2017-02-08 | 河北工程大学 | 一种控制大规格螺栓和螺母组装系统的方法及其控制系统 |
| CN110309199A (zh) * | 2019-06-24 | 2019-10-08 | 中山大学 | 一种面向非正态分布水质观测数据的幂变换分析方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004053659A2 (en) * | 2002-12-10 | 2004-06-24 | Stone Investments, Inc | Method and system for analyzing data and creating predictive models |
| CN104317801B (zh) * | 2014-09-19 | 2017-07-18 | 东北大学 | 一种面向大数据的数据清洗系统及方法 |
| CN104963928A (zh) * | 2015-07-22 | 2015-10-07 | 李圣用 | 一种减少风力发电机螺栓定期维护次数的系统 |
| JP7057913B2 (ja) * | 2016-06-09 | 2022-04-21 | 株式会社島津製作所 | ビッグデータ解析方法及び該解析方法を利用した質量分析システム |
| CN107451666A (zh) * | 2017-07-15 | 2017-12-08 | 西安电子科技大学 | 基于大数据分析的断路器装配质量问题追溯系统和方法 |
| CN107561997B (zh) * | 2017-08-22 | 2019-09-24 | 电子科技大学 | 一种基于大数据决策树的电力设备状态监测方法 |
| CN107402104A (zh) * | 2017-09-06 | 2017-11-28 | 远景能源（江苏）有限公司 | 液压扳手作业自动检查系统及方法 |
| CN107831711B (zh) * | 2017-10-27 | 2019-10-15 | 山东大学 | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 |
| CN108492399B (zh) * | 2018-02-11 | 2021-01-15 | 山东大学 | 基于大数据分析的推土机柴油机故障诊断专家系统及方法 |
| CN109726230B (zh) * | 2018-12-04 | 2021-06-01 | 重庆大学 | 一种大数据分析模型预测发动机性能的方法 |
| CN110125857B (zh) * | 2019-06-18 | 2021-04-16 | 孟朝晖 | 一种用于电动扳手的扭矩转角多维感知控制装置及方法 |
-
2020
- 2020-01-20 CN CN202010065533.3A patent/CN111259554B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106378617A (zh) * | 2016-12-01 | 2017-02-08 | 河北工程大学 | 一种控制大规格螺栓和螺母组装系统的方法及其控制系统 |
| CN110309199A (zh) * | 2019-06-24 | 2019-10-08 | 中山大学 | 一种面向非正态分布水质观测数据的幂变换分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111259554A (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115564203B (zh) | 基于多维数据协同的设备实时性能评估系统及其方法 | |
| CN111123188A (zh) | 基于改进最小二乘法的电能表综合检定方法及系统 | |
| CN111639430A (zh) | 一种数字孪生驱动的天然气管道泄漏识别系统 | |
| CN111881605B (zh) | 变频空调压缩机管路自动优化设计方法 | |
| CN111259554B (zh) | 推土机变矩变速装置螺栓装配大数据检测方法及系统 | |
| CN105117550A (zh) | 一种面向产品多维相关性退化失效的建模方法 | |
| CN115827411B (zh) | 一种用于自动化设备的在线监测及运维评估系统和方法 | |
| CN113935535A (zh) | 一种面向中长期预测模型的主成分分析方法 | |
| CN113298424A (zh) | 一种小样本完好性风险评估方法 | |
| CN111855219A (zh) | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 | |
| YAn et al. | Health index extracting methodology for degradation modelling and prognosis of mechanical transmissions | |
| KR101505975B1 (ko) | 엔진 고장 진단 방법 및 고장 진단 시스템 | |
| CN116128102A (zh) | 一种制冷设备用异形铜管生产优化方法及系统 | |
| CN110333694B (zh) | 基于模糊Petri网的数控设备故障诊断方法 | |
| CN108508860B (zh) | 一种基于耦合关系的流程工业生产系统数据监测方法 | |
| CN111626646B (zh) | 一种装备完好性检查信息融合方法 | |
| CN116662920A (zh) | 钻爆法施工装备异常数据辨识方法、系统、装备及介质 | |
| CN116401501A (zh) | 疏浚作业泄漏量预测方法、装置、电子设备及介质 | |
| CN113536490B (zh) | 一种抽油杆疲劳寿命预测方法及系统 | |
| CN114118720A (zh) | 一种核电厂循环水泵运行状态综合评价方法、装置及电子设备和存储介质 | |
| Booysen et al. | A simplified methodology for baseline model evaluation and comparison | |
| Morgan et al. | Predicting future states with $ n $-dimensional Markov chains for fault diagnosis | |
| KR101968829B1 (ko) | 금속 구조물의 부식량 예측방법 | |
| CN118090078B (zh) | 一种闭式循环水冷系统渗漏在线监测方法 | |
| CN115907104B (zh) | 基于物联网大数据与机器学习的液压泵故障预测方法 |
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 |