CN111339667B - 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法 - Google Patents

一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法 Download PDF

Info

Publication number
CN111339667B
CN111339667B CN202010128081.9A CN202010128081A CN111339667B CN 111339667 B CN111339667 B CN 111339667B CN 202010128081 A CN202010128081 A CN 202010128081A CN 111339667 B CN111339667 B CN 111339667B
Authority
CN
China
Prior art keywords
data
difference
noise
average value
denoising
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
Application number
CN202010128081.9A
Other languages
English (en)
Other versions
CN111339667A (zh
Inventor
贺磊
王怡
尹广亮
郑优生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Pengrui Intelligent Technology Co ltd
Original Assignee
Shanghai Pengrui Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Pengrui Intelligent Technology Co ltd filed Critical Shanghai Pengrui Intelligent Technology Co ltd
Priority to CN202010128081.9A priority Critical patent/CN111339667B/zh
Publication of CN111339667A publication Critical patent/CN111339667A/zh
Application granted granted Critical
Publication of CN111339667B publication Critical patent/CN111339667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/77—Measuring, controlling or regulating of velocity or pressure of moulding material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/78—Measuring, controlling or regulating of temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

本发明公开了一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，利用软件平台进行管理与数据计算分析，通过采用数据库记录注塑生产过程中型腔内的压力和温度数据，再采用数据可视化方式展示各类图形，最后采用计算机算法对曲线进行去噪，本发明能够通过计算机自动对模腔压力或温度曲线进行去噪，无需人工干预。

Description

一种对注塑生产过程中压力和温度监测数据进行去噪的处理 方法
技术领域
本发明涉及注塑工业生产过程中的去噪处理的应用领域，特别涉及一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法。
背景技术
随着汽车业的高速发展，汽车大灯领域的设计越来越独特，而其核心的结构为发光体及其部件，发光体发出了大量的光，能够快速有效的散热将成为一种新的核心竞争力。
近年来，注塑模具工业发展非常迅速，为了提高注射制品的质量以及长时间生产的质量稳定性，经过近年的相关理论研究和实践证明，在既定的注射设备及材料下，型腔压力监测技术是确保长时间生产稳定性及产品质量的有效手段。注射制品的质量由型腔压力(P)，熔体比容量(V)、温度(T)三要素决定，理论上，只要保持此三要素的均衡就能确保制品质量。在现有的技术条件下，暂时未能提出直接获取熔体比容量的测量方法，只有型腔压力和温度能通过适当的方法实现高精度测量。国外不少传感器厂家，如Kistler、RJG、Priamus、Futaba等，采用各种技术方式采集注塑模具型腔内的压力和温度数据，用以监测注塑制品的质量。
因此，通过传感器采集型腔内压力和温度，在每个周期(或模次)将会形成一条压力或温度曲线(下面统称“曲线”)。理论上，稳定生产时(在同一台注塑机、同一个模具、同样的材料，采用相同注塑工艺等情况下)产生的曲线叠加起来应是重合或非常接近的。但由于试模、停机、换班、次品等情况的发生，经常会发生曲线偏离的情况，将这些偏离的曲线称之为噪声，详见图1所示。
在通过曲线对注塑生产的工艺一致性、注塑生产环境波动性等进行分析时，需要将这些噪声去除。传统去噪的方式是在曲线上绘制一个监控四边形，当曲线的最大值不在该四边形内时，即认为该曲线为偏离的噪声，如图2所示。
通过该方法去噪存在2个问题：(1)监控四边形很难自动绘制，需要人工设置，而不同人员设置时存在很大的偏差；(2)部分偏离的噪声曲线的最大值可能正好在设置的监控四边形中，因此导致这些噪声无法去除。
不同厂家的传感器在采集数据时对采用时间点的处理方式不同，有的传感器在每个周期(模次)采用固定时间点进行采样，有的传感器在每个周期(模次)的采样时间点不固定，从而导致无法对同一时间点的数据进行对比分析，如图3所示。
因此，需要对从传感器上采集的曲线数据进行格式化处理；另外，需要解决在去噪过程中人工干预的情况。
发明内容
针对现有技术中存在的问题，本发明提供了一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，能够通过计算机自动对模腔压力或温度曲线进行去噪，无需人工干预。
为达到上述目的，本发明的技术方案如下：
一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，利用软件平台进行管理与数据计算分析，通过采用数据库记录注塑生产过程中型腔内的压力和温度数据，再采用数据可视化方式展示各类图形，最后采用计算机算法对曲线进行去噪，具体包括如下步骤：
1)包括采集传感器数据，并对该数据进行格式化，再将数据存入数据库内，再选择需要分析的模具和生产批次，得到用图形展示叠加的曲线数据；
2)均匀获取十组分析数据；
3)计算相邻两个数据点之间的差值和计算差值的平均值；
4)去除偏离的噪声数据。
优选的，所述步骤1)中从传感器采集的原始数据编制为周期表，每一个周期中的采样时间点不一定重合，需要将这些数据采样点进行统一格式化。
优选的，所述步骤1)中在对数据格式化过程中，将每秒划分成20等分，即每50毫秒一个格式化采样点；对于刚好在格式化采样点上的数据，可直接采用原始数据；对于不在格式化采样点上的数据，采用线性插值算法补充缺失的数据。
优选的，所述步骤2)中包括均匀获取横坐标上的十个点，对数据进行排序。
优选的，所述步骤3)中还包括将差值与平均值的两倍进行比较，如差值大于两倍平均值，则为偏离，即噪声，如差值小于两倍平均值，则为正常数据。
优选的，所述步骤4)中如果数据没有噪声，则取到的十组数据的差值和平均值应非常小，且趋近与零；而噪声数据的差值则偏差较大，则差值平均值的两倍之外的差值所对应数据为噪声数据。
优选的，由于计算差值的两个端点均可能是噪声，为确保去噪的完整性，将差值大于两倍平均值的两个数据所对应的曲线均定义为噪声曲线，并将其去除。
本发明将从数据之间的距离来自动判断曲线是否偏离，基本思路是，将所有数据按从大到小的顺序排列，然后计算出相邻两个数据之间的距离差，如果该距离差大于某个值(阈值)，则认为该点已偏离。因此，本发明需要解决三个问题：(1)如何将一条直线上的数据距离计算方法应用于曲线上；(2)距离阈值的设定问题；(3)如何确定偏离的点是该距离两端的哪个点。
通过上述技术方案，本发明提供的一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，能够通过计算机自动对模腔压力或温度曲线进行去噪，无需人工干预，且通过多组数据轮流去噪，增加去噪力度，减少漏掉噪声的情况，从而方便用户利用数据曲线进行注塑生产的工艺一致性、注塑生产环境波动性、注塑模具的平衡性等分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为现有技术中注塑生产过程中的型腔压力曲线示意图；
图2为现有技术中通过四边形监控曲线进行去噪示意图；
图3为现有技术中传感器采样时间及数据曲线示意图；
图4为本发明计算数据之间距离示意图；
图5为本发明总体流程图；
图6为本发明从传感器采集的原始数据格式示意图；
图7为本发明数据格式化计算方法图；
图8为本发明去噪前的叠加曲线图；
图9为本发明均匀取点示意图；
图10为本发明组数据示意图；
图11为本发明差值数据与噪声数据示意图；
图12为本发明去噪后的叠加曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本实施例中，如图4-所示，一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，本发明将从数据之间的距离来自动判断曲线是否偏离，基本思路是，将所有数据按从大到小的顺序排列，然后计算出相邻两个数据之间的距离差，如果该距离差大于某个值(阈值)，则认为该点已偏离，如图4所示。因此，本发明需要解决三个问题：(1)如何将一条直线上的数据距离计算方法应用于曲线上；(2)距离阈值的设定问题；(3)如何确定偏离的点是该距离两端的哪个点，即图4中，l1两端的两个点，哪个才是偏离的点。
本发明利用软件平台进行管理与数据计算分析，通过采用数据库记录注塑生产过程中型腔内的压力和温度数据，再采用数据可视化方式展示各类图形，最后采用计算机算法对曲线进行去噪，具体包括如下步骤：
1)包括采集传感器数据，并对该数据进行格式化，再将数据存入数据库内，再选择需要分析的模具和生产批次，得到用图形展示叠加的曲线数据；
从传感器采集的原始数据格式如图6所示，其中，周期(cycle)表示注塑生产过程中生产一模产品表示1个周期(或模次)；传感器位置表示在模具中安装传感器的位置；传感器类型表示在该位置安装的传感器是压力传感器(用数字1表示)还是温度传感器(用数字2表示)，某位置如果既有压力传感器，又有温度传感器，表示该位置安装的是温压一体传感器；数据表示该位置的传感器在该周期的采样数据，[TCPKM,DCPKM]表示P号位置的K类型传感器在第C个周期的第M个采样点的数据是DCPKM，该采样点偏离0.0点的时间是TCPKM；时间TC表示第C个周期的开始注射时间，即数据中0.0对应的时间。
在原始数据中，每一个周期中的采样时间点不一定重合，即T1112与T2112不一定相等，因此，为了对数据进行对比分析，需要将这些数据采样点进行统一格式化。
在对数据格式化过程中，将每秒划分成20等分，即每50毫秒一个格式化采样点；对于刚好在格式化采样点上的数据，可直接采用原始数据；对于不在格式化采样点上的数据，采用线性插值算法补充缺失的数据。因此，从原始数据[TX0，DX0][TX1，DX1]计算格式化数据[Tformat,Dformat]的计算方法如图7所示。
因此，其计算公式为：
Dformat＝DX0+(Tformat-TX0)(DX1-DX0)/(TX1-TX0)
其中，Tformat是50毫秒的倍数，TX0与TX1是与Tformat相邻2个采样点的时间。
对格式化后的数据，将其按模具编号、批次号存入数据库中。
取实际生产中模具编号为0962(已经过简化处理，非完整编号)的模具(某高级冰箱的冷冻饰条)在某批次生产中的数据进行实验，其某近浇口压力传感器采集的部分原始数据如下。
Cycle1:[[0.0,-0.047],[0.976,-0.037],[1.126,-0.091],…,[44.962,-3.886]]；
Cycle2:[[0.0,-0.037],[1.501,-0.016],[1.576,0.038],…,[44.962,-3.78]]；
Cycle3:[[0.0,-0.045],[0.3,-0.003],[0.751,-0.069],…,[44.962,-3.757]]；
Cycle4:[[0.0,-0.024],[0.676,-0.057],[1.426,0.029],…,[44.962,-3.699]]；
……
Cycle300:[[0.0,0.002],[1.051,-0.097],[1.201,-0.025],…,[44.962,-0.609]]
通过上述方法进行数据格式化后的部分数据如下：
Cycle1:[[0.0,-0.047],[0.05,-0.046],[0.1,-0.046],…,[45.0,-3.886]]；
Cycle2:[[0.0,-0.037],[0.05,-0.036],[0.1,-0.036],…,[45.0,-3.78]]；
Cycle3:[[0.0,-0.045],[0.05,-0.038],[0.1,-0.031],…,[45.0,-3.757]]；
Cycle4:[[0.0,-0.024],[0.05,-0.026],[0.1,-0.029],…,[45.0,-3.699]]；
……
Cycle300:[[0.0,0.002],[0.05,-0.003],[0.1,-0.007],…,[45.0,-0.609]]
因此，模具0962在该批次去噪前的叠加曲线如图8所示。
2)均匀获取十组分析数据，均匀获取横坐标上的十个点，对数据进行排序；
对格式化后的周期时间TCPK1—TCPKM，将TCPKM平均分成11等份，得到10个时间点数据：[T1,T2,T3,…,T9,TX]，如图9所示。
在这个10个时间点上，每个时间点与叠加曲线(假设共有N条曲线)相交，得到10组数据，如图十所示：
同时记录每个数据对应的周期数：
T1：[(C1,D11),(C2,D12),(C3,D13),(C4,D14),…,(CN,D1M)]
T2：[(C1,D21),(C2,D22),(C3,D23),(C4,D24),…,(CN,D2M)]
T3：[(C1,D31),(C2,D32),(C3,D33),(C4,D34),…,(CN,D3M)]
……
T9：[(C1,D91),(C2,D92),(C3,D93),(C4,D94),…,(CN,D9M)]
TX：[(C1,DX1),(C2,DX2),(C3,DX3),(C5,DX4),…,(CN,DXM)]
对每一组数据按从大到小的顺序进行排序，得到10组排序后的数据：
T1：[(c1,d11),(c2,d12),(c3,d13),(c4,d14),…,(cN,d1N)]
T2：[(c1,d21),(c2,d22),(c3,d23),(c4,d24),…,(cN,d2N)]
T3：[(c1,d31),(c2,d32),(c3,d33),(c4,d34),…,(cN,d3N)]
……
T9：[(c1,d91),(c2,d92),(c3,d93),(c4,d94),…,(cN,d9N)]
TX：[(c1,dX1),(c2,dX2),(c3,dX3),(c4,dX4),…,(cN,dXN)]
针对上面的模具0962，在平台上选择需要去噪的批次，平台根据该批次生产的模次时间(45秒)，自动均匀选择10个时间点：4.1、8.2、12.3、16.4、20.5、24.6、28.7、32.8、36.9、41.0。根据选取的10个时间点，得到10组曲线上的数据：
T4.1：[(1,391.56),(2,393.171),(3,394.579),(4,395.16),…,(300,334.947)]
T8.2：[(1,361.132),(2,362.348),(3,359.628),(4,362.014),…,(300,340.25)]
T12.3：[(1,240.675),(2,240.617)(3,239.499),(4,240.162),…,(300,209.819)]
T16.4：[(1,146.068),(2,146.085)(3,144.747),(4,145.846),…,(300,99.08)]
T20.5：[(1,65.885),(2,65.486)(3,64.061),(4,65.3),…,(300,2.145)]
T24.6：[(1,10.469),(2,10.24)(3,8.589),(4,10.18),…,(300,-0.307)]
T28.7：[(1,-0.343),(2,-0.246)(3,-0.225),(4,-0.22),…,(300,-0.361)]
T32.8：[(1,-0.311),(2,-0.241)(3,-0.201),(4,-0.18),…,(300,-0.449)]
T36.9：[(1,-0.366),(2,-0.215)(3,-0.246),(4,-0.21),…,(300,-0.477)]
T41.0：[(1,-0.378),(2,-0.253)(3,-0.218),(4,-0.241),…,(300,-0.52)]
对这10组数据中的每一组数据按降序进行重新排序：
T4.1：[(233,403.783),(226,403.213),(224,403.196),…,(262,328.287)]
T8.2：[(162,366.77),(89,366.006),(93,365.831),…,(274,337.901)]
T12.3：[(162,246.481),(101,245.525),(89,244.829),…,(262,206.073)]
T16.4：[(162,150.239),(101,150.135),(89,149.602),…,(262,90.317)]
T20.5：[(101,69.721),(89,69.696),(162,69.54),…,(262,-0.225)]
T24.6：[(89,15.551),(101,15.368),(162,14.112),…,(190,-0.913)]
T28.7：[(12,0.616),(70,0.569),(28,0.563),…,(190,-1.222)]
T32.8：[(12,0.588),(70,0.571),(42,0.563),…,(190,-1.241)]
T36.9：[(12,0.583),(70,0.521),(42,0.506),…,(190,-1.289)]
T41.0：[(12,0.515),(70,0.506),(35,0.49),…,(190,-1.3)]
3)计算相邻两个数据点之间的差值和计算差值的平均值，将差值与平均值的两倍进行比较，如差值大于两倍平均值，则为偏离，即噪声，如差值小于两倍平均值，则为正常数据；
对每组中相邻两个数据(dxn和dx(n-1),n≥2且为整数)进行求差计算，每组得到N-1个差值数据：
T1：[d11-12,d12-13,d13-14,d14-15,…,d1N-1(N-1)]
T2：[d21-22,d22-23,d23-24,d24-25,…,d2N-2(N-1)]
T3：[d31-32,d32-33,d33-34,d34-35,…,d3N-3(N-1)]
……
T9：[d91-92,d92-93,d93-94,d94-95,…,d9N-9(N-1)]
TX：[dX1-X2,dX2-X3,dX3-X4,dX4-X5,…,dXN-X(N-1)]
对每组差值计算其数据的平均值AvgX：
AvgX＝(dX1-X2+dX2-X3+dX3-X4+dX4-X5+…+dXN-X(N-1))/(N-1)
从而得到每组数据的平均值：[Avg1,Avg2,Avg3,Avg4,…,Avg9,AvgX]
对于上面的模具0962以及获得的10组排序后的数据，对每组数据计算相邻2个点的差值，得到10组差值数据：
T4.1：[0.57,0.017,0.268,0.329,0.471,0.146,0.013,0.19,…1.686]
T8.2：[0.764,0.175,0.24,0.092,0.032,0.072,0.005,0.134,…,1.537]
T12.3：[0.956,0.696,0.209,0.172,0.012,0.056,0.051,0.418,…,1.253]
T16.4：[0.104,0.533,1.156,0.05,0.299,0.178,0.174,0.115,…,4.215]
T20.5：[0.025,0.156,1.506,0.237,0.099,0.186,0.054,0.563,…,0.493]
T24.6：[0.183,1.256,0.722,0.234,0.253,0.324,0.038,0.09,…,0.022]
T28.7：[0.047,0.006,0.005,0.014,0.009,0.104,0.004,0.004,…,0.137]
T32.8：[0.017,0.008,0.023,0.004,0.065,0.034,0.018,0.034,…,0.111]
T36.9：[0.062,0.015,0.02,0.002,0.012,0.04,0.063,0.068,…,0.151]
T41.0：[0.009,0.016,0.008,0.003,0.005,0.071,0.118,0.027,…,0.142]
对上面的10组差值数据，计算每一组差值数据的平均值，得到10个平均值数组：[0.252,0.097,0.135,0.200,0.234,0.055,0.006,0.006,0.006,0.006]
4)去除偏离的噪声数据，如果数据没有噪声，则取到的十组数据的差值和平均值应非常小，且趋近与零；而噪声数据的差值则偏差较大，则差值平均值的两倍之外的差值所对应数据为噪声数据，如图11所示。
从图4可以看出，由于计算差值的两个端点均可能是噪声，为确保去噪的完整性，将差值大于两倍平均值的两个数据所对应的曲线均定义为噪声曲线，并将其去除。即如果dXN-X(N-1)＞Avg×2，那么第N个周期和第N-1个周期的曲线均为噪声。采用该方法对取得的10组数据轮流对曲线进行去噪，获得最终去噪后的数据曲线。
根据上面的模具0962所计算出的平均值，当差值大于该组差值平均值2倍时，去除计算该差值的两个点所在的周期，因此，得到去除的周期有：
[7,12,35,42,70,81,87,89,91,93,101,108,136,149,162,170,178,186,190,191,192,198,199,200,201,202,203,204,206,207,208,209,210,213,214,217,219,230,233,234,235,246,249,254,255,260,262,265,266,274,277,282,294]
将上面的周期去除后，得到去噪后的叠加曲线如图12所示。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，其特征在于，利用软件平台进行管理与数据计算分析，通过采用数据库记录注塑生产过程中型腔内的压力和温度数据，再采用数据可视化方式展示各类图形，最后采用计算机算法对曲线进行去噪，具体包括如下步骤：
1)包括采集传感器数据，并对该数据进行格式化，再将数据存入数据库内，再选择需要分析的模具和生产批次，得到用图形展示叠加的曲线数据；
2)均匀获取十组分析数据；
3)计算相邻两个数据点之间的差值和计算差值的平均值；
4)去除偏离的噪声数据；所述步骤3)中还包括将差值与平均值的两倍进行比较，如差值大于两倍平均值，则为偏离，即噪声，如差值小于两倍平均值，则为正常数据；所述步骤4)中如果数据没有噪声，则取到的十组数据的差值和平均值应非常小，且趋近与零；而噪声数据的差值则偏差较大，则差值平均值的两倍之外的差值所对应数据为噪声数据；由于计算差值的两个端点均可能是噪声，为确保去噪的完整性，将差值大于两倍平均值的两个数据所对应的曲线均定义为噪声曲线，并将其去除。
2.根据权利要求1所述的一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，其特征在于，所述步骤1)中从传感器采集的原始数据编制为周期表，每一个周期中的采样时间点不一定重合，需要将这些数据采样点进行统一格式化。
3.根据权利要求2所述的一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，其特征在于，所述步骤1)中在对数据格式化过程中，将每秒划分成20等分，即每50毫秒一个格式化采样点；对于刚好在格式化采样点上的数据，可直接采用原始数据；对于不在格式化采样点上的数据，采用线性插值算法补充缺失的数据。
4.根据权利要求1所述的一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法，其特征在于，所述步骤2)中包括均匀获取横坐标上的十个点，对数据进行排序。
CN202010128081.9A 2020-02-28 2020-02-28 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法 Active CN111339667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010128081.9A CN111339667B (zh) 2020-02-28 2020-02-28 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010128081.9A CN111339667B (zh) 2020-02-28 2020-02-28 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法

Publications (2)

Publication Number Publication Date
CN111339667A CN111339667A (zh) 2020-06-26
CN111339667B true CN111339667B (zh) 2023-09-19

Family

ID=71185663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010128081.9A Active CN111339667B (zh) 2020-02-28 2020-02-28 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法

Country Status (1)

Country Link
CN (1) CN111339667B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113276370A (zh) * 2020-12-07 2021-08-20 上海澎睿智能科技有限公司 利用注塑模腔内传感器数据进行注塑工艺能力分析的方法
BR102021013510A2 (pt) * 2021-07-08 2023-01-17 Andre Leao Barcellos Sistema e processo de monitoramento de produção de máquinas

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101676699A (zh) * 2008-09-18 2010-03-24 沈阳黎明航空发动机(集团)有限责任公司 一种多点温度采集方法
CN104626494A (zh) * 2014-12-12 2015-05-20 华中科技大学 一种塑料注射成型保压切换的动态调整方法
WO2019044955A1 (ja) * 2017-08-31 2019-03-07 Ntn株式会社 状態監視装置のノイズ除去方法および状態監視装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101676699A (zh) * 2008-09-18 2010-03-24 沈阳黎明航空发动机(集团)有限责任公司 一种多点温度采集方法
CN104626494A (zh) * 2014-12-12 2015-05-20 华中科技大学 一种塑料注射成型保压切换的动态调整方法
WO2019044955A1 (ja) * 2017-08-31 2019-03-07 Ntn株式会社 状態監視装置のノイズ除去方法および状態監視装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘学君 ; 袁碧贤 ; 卢浩 ; 刘子昂 ; 杨启思 ; 晏涌 ; 沙芸 ; .基于改进阈值函数的光纤分段小波去噪算法.光学技术.2020,(第01期),全文. *

Also Published As

Publication number Publication date
CN111339667A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111339667B (zh) 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法
CN111046084A (zh) 一种多元时间序列监测数据的关联规则挖掘方法
CN110008565B (zh) 基于运行参数关联性分析的工业过程异常工况预测方法
US20110161030A1 (en) Method And Device For Monitoring Measurement Data In Semiconductor Process
JP5704040B2 (ja) 製品品質の管理方法、及び製品品質の管理装置
CN110955648A (zh) 一种非等距时间序列监测数据的归一化映射处理方法
CN115034114B (zh) 一种基于数值模拟的挤压有限元仿真模型优化方法
CN111459947B (zh) 一种利用大数据技术分析注塑生产过程中环境波动性的方法
CN115577020B (zh) 一种修磨周期能耗状态识别系统及识别方法
CN104589606B (zh) 一种注塑成型过程在线监控方法
CN109918704B (zh) 一种基于有限元模拟的模锻模具寿命预测方法
JP7354934B2 (ja) 製品品質分析支援システム
TW202125136A (zh) 分析系統
JP3669573B2 (ja) 固定床触媒の寿命予測方法及び寿命予測プログラム
CN110163480A (zh) 一种卷包车间质量辅助决策的方法
CN113780852B (zh) 一种板带轧制过程质量缺陷的诊断方法
JP2002358120A (ja) バッチプラント運転管理装置
JPH04276539A (ja) 回転機械の損傷・劣化の寿命予測方法
CN111618104A (zh) 一种板坯热轧温降检测方法
WO2021025006A1 (ja) 改善対策リコメンドシステム
CN113276370A (zh) 利用注塑模腔内传感器数据进行注塑工艺能力分析的方法
JP4188658B2 (ja) タイヤのユニフォミティの変動原因を推定する方法
CN114367547B (zh) 一种轧制数据的统计方法和装置
TW201401189A (zh) 在製品產出時程的推估方法與其電腦程式產品
CN114102929B (zh) 硫化机外温监测区间识别方法及外温控制稳定性评价方法

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