CN111830031A - 一种利用互联网云技术对液压系统在线健康监测的方法 - Google Patents
一种利用互联网云技术对液压系统在线健康监测的方法 Download PDFInfo
- Publication number
- CN111830031A CN111830031A CN202010502018.7A CN202010502018A CN111830031A CN 111830031 A CN111830031 A CN 111830031A CN 202010502018 A CN202010502018 A CN 202010502018A CN 111830031 A CN111830031 A CN 111830031A
- Authority
- CN
- China
- Prior art keywords
- hydraulic
- hydraulic system
- data
- hydraulic oil
- pollutant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000036541 health Effects 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 239000010720 hydraulic oil Substances 0.000 claims abstract description 103
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 98
- 231100000719 pollutant Toxicity 0.000 claims abstract description 98
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 239000003921 oil Substances 0.000 claims abstract description 27
- 239000000463 material Substances 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000003745 diagnosis Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 49
- 239000011159 matrix material Substances 0.000 claims description 22
- 239000005060 rubber Substances 0.000 claims description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 238000004587 chromatography analysis Methods 0.000 claims description 6
- 229910052802 copper Inorganic materials 0.000 claims description 6
- 239000010949 copper Substances 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 239000000565 sealant Substances 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 57
- 238000004364 calculation method Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 15
- 239000000356 contaminant Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 239000000725 suspension Substances 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000004945 emulsification Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 230000006837 decompression Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005272 metallurgy Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1024—Counting particles by non-optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Fluid Mechanics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种利用互联网云技术对液压系统在线健康监测的方法,包括以下步骤:首先,通过图像传感器,对液压系统进行现场检测,获得液压系统的检测数据,其次,将所得检测数据传输至数据云端中心进行数据处理、存储,最后在实验室数据分析系统中进行数据整理、分析和比对,对液压系统进行健康诊断;所述液压系统的检测数据为液压油粘度、液压油温度、污染物颗粒度和污染物材料属性中的一种或多种。本发明的利用互联网云技术对液压系统在线健康监测的方法,克服了目前用户需要建立一个液压实验室和用专业技术人员检验或需要一个复杂昂贵的检测系统的缺点;可以实现时时数字化监控,建立预警系统,并且经过专家系统大数据分析,判断液压系统液压泵,液压阀,油缸,密封胶等质量问题,从而保证液压系统有效运行。
Description
技术领域
本发明涉及在线监测技术领域,具体说是一种利用互联网云技术对液压系统在线健康监测的方法。
背景技术
液压系统的作用为通过改变压强增大作用力。一个完整的液压系统由五个部分组成,即动力元件、执行元件、控制元件、辅助元件(附件)和液压油。液压系统可分为两类:液压传动系统和液压控制系统。液压传动系统以传递动力和运动为主要功能。液压控制系统则要使液压系统输出满足特定的性能要求(特别是动态性能),通常所说的液压系统主要指液压传动系统。一个液压系统的好坏取决于系统设计的合理性、系统元件性能的优劣,系统的污染防护和处理,而最后一点尤为重要。近年来我国国内液压技术有很大的提高,但是如何对液压系统实时在线检测,尤其是对液压系统运行过程中的油品检测,并且收集相关数据进行大数据分析,一直没有实现。
现在液压系统的油品检测方法总体分为取样法检测和非接触法检测。取样法检测多用于实验室的检测方法,就是把液压油从液压系统中取出转入一容器内拿到实验室进行检验,这种方法的优点是可以在实验室进行多种油品性质的检验,例如液压油颗粒物检验、液压油的化学性质检验、含水量检验等,实验室检测液压油的方法有筛分发、显微镜发、电感应法、沉降法等,实验室检测的缺点是用户需要建立一个较为复杂的实验室,并且要配备专业的检验人员,而有些影响液压系统的物理量无法检验出来,例如液压系统的运行时的液压油温度、压力等参数,这些物理参数也是判断液压油运行好坏的重要参数。
液压油非接触检测法现在使用较多的是激光测量法,这种方法是利用一束激光通过一个透明体对液压油进行照射,激光经过液压油后发生衍射,在液压油后面利用光电转换器把衍射光信号转换成电信号,用Stokes原理计算出油品污染物的颗粒径,并进行统计最后计算出液压油的污染物颗粒数和污染等级,这种液压油颗粒计可以对液压系统进行现场实时检测,但是在实际应用中,这种颗粒计检测仪只能检测污染物颗粒这一个参数,当实时检测液压系统其它参数时,还需要使用一台检测小推车,在车上放置一台检测电脑和其他检测仪器,把污染物颗粒计的参数和其他传感器的参数传入电脑,然后经过计算分析才能完成对液压系统的检测。因此上述检测方法,全套检测装置造价很高,检测操作时也需要专业的技术人员。这种方法对液压系统进行实时检测费时、费力又费钱。
因此,目前急需一种结果准确,操作简单、高效并且造价较低的利用互联网云技术对液压系统在线健康监测的方法。
发明内容
为解决上述问题,本发明的目的是提供一种利用互联网云技术对液压系统在线健康监测的方法。
本发明为实现上述目的,通过以下技术方案实现:
一种利用互联网云技术对液压系统在线健康监测的方法,包括以下步骤:
首先,通过图像传感器,对液压系统进行现场检测,获得液压系统的检测数据,其次,将所得检测数据传输至数据云端中心进行数据处理、存储,最后在实验室数据分析系统中进行数据整理、分析和比对,对液压系统进行健康诊断;
所述液压系统的检测数据为液压油粘度、液压油温度、污染物颗粒度和污染物材料属性中的一种或多种。
优选的,液压系统的检测数据为液压油粘度时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
首先让被检测液压油通过同心环形缝隙,得到两个液压油品图像的画面信息,两个画面的时间差ΔT,以两个画面某一个或某几个污染物为参考物的移动距离ΔS,液压油流速为V=ΔS/ΔT;
S为液压油流经的油封截面积;
d为孔直径;
δ为缝隙量;
L为缝隙长度。
优选的,液压系统的检测数据为液压油温度时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
以CCD画面中热敏伸缩材料的变化量ΔL为液压油温度变化的参考量,液压油温度T=基准温度T0+ΔL/热敏材料温度伸缩系数。
优选的,液压系统的检测数据为污染物颗粒度时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
得到一个油品图像的画面信息,将该画面转换成位图信息,即一画面扫描的行数为纵列,画面扫描的一行中的扫描点数为横列的矩阵数据图像,以1024*768矩阵图像为例,图像的某一扫描点还有灰度和色度两个信息:
第一步,将矩阵图像信息的灰度进行统计计算,取灰度值相同的最大统计数为背景灰度值,并设定为背景灰度阀值Hf,设定大于该灰度阀值Hf的为污染物灰度;
第二步,确定颗粒物边界;
第三步,使用图像投影法,对某一确定污染物的矩阵数据进行x和y方向投影,x=污染物横向扫描点数,y=污染物纵向扫描行数,污染物的最大值平方值为x^2+y^2;
第四步,对颗粒物大小进行分别统计。
优选的,液压系统的检测数据为污染物材料属性时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
以彩色CCD扑捉到的污染物进行色谱分析,分析污染物的材料属性,确定是橡胶、铜或钢,以及其含量和尺寸大小;
进一步优选的,色谱分析是采用红绿蓝比对分析方法,具体的,将某一污染物的色度平均值取出R、G、B,然后与实验室数据库中已有的各种污染物色度值进行对比,确定污染物的属性。
本发明相比现有技术具有以下优点:
本发明的利用互联网云技术对液压系统在线健康监测的方法,在液压系统中,一个CCD传感器,获取相关特性:对液压油的粘度,污染物颗粒度、流量,温度液压油的含水量以及污染颗粒物的属性等物理指标经多种计算方法计算得到相应的指标值;然后,及时传输相关PC及控制中心,手机APP,汇总云端数据中心;再进行相关数据整理,通过数学算法,比照等手段,并经过一套计算机专家分析系统对液压系统进行健康诊断,得出相关结论,通过互联网或手机客户端提供相关人员。
本发明的利用互联网云技术对液压系统在线健康监测的方法,克服了目前用户需要建立一个液压实验室和用专业技术人员检验或需要一个复杂昂贵的检测系统的缺点;可以实现时时数字化监控,建立预警系统,并且经过专家系统大数据分析,判断液压系统液压泵,液压阀,油缸,密封胶等质量问题,从而保证液压系统有效运行。
附图说明
图1为使用逐行扫描的方法计算颗粒物的大小的原理图;
图2为污染物含量的计算的原理图;
图3为计算机通过图像解压处理得到由彩色CCD获取两个连续的位图画面的第一位图画面示意图;
图4为计算机通过图像解压处理得到由彩色CCD获取两个连续的位图画面的第二位图画面示意图;
图5为图3和图4两个图像进行合成形成的图像位图画面示意图;
图6同心环形缝隙示意图;
图7为液压油温度检测时的原理示意图;
图8为颗粒图像实验的二维图形结果图;
图9为三维包络体图形示意图;
图10为油包水滴预处理后的示意图;
图11确定水滴物的边界示意图;
图12扫描法确定该污染物的在每一行x方向的宽度数的示意图;
图13为颗粒图像实验的二维图形结果图;
图14为三维包络体图形示意图;
图15为把各个不同乳化状态含水量的绘制在同一个三维绘制出来的结果示意图;
图16液压系统检测计算机云平台系统的结构连接示意图。
具体实施方式
本发明的目的是提供一种利用互联网云技术对液压系统在线健康监测的方法,通过以下技术方案实现:
以下结合具体实施例来对本发明作进一步的描述。
一种利用互联网云技术对液压系统在线健康监测的方法,包括以下步骤:
首先,通过图像传感器,对液压系统进行现场检测,获得液压系统的检测数据,其次,将所得检测数据传输至数据云端中心进行数据处理、存储,最后在实验室数据分析系统中进行数据整理、分析和比对,对液压系统进行健康诊断;
所述液压系统的检测数据为液压油粘度、液压油温度、污染物颗粒度和污染物材料属性中的一种或多种。
对图像信号的处理计算方法:
将CCD视频画面传输到计算机存储器中,通过图像数字处理,计算可以得到液压系统中液压油在线检测物理参数的多个参数:(1)液压油的粘度,(2)污染物颗粒数及颗粒大小,(3)液压油的温度,(4)液压油污染物的材料属性,(5)液压油含水量。
实施例1
液压系统的检测数据为颗粒数及颗粒大小时,按照下述步骤进行处理:
污染物颗粒计数及大小计算的方法是通过图像处理的方法得到的,分为两步进行,第一步是图像预处理步骤,首先设定图像的灰度阀值D0(灰度阀值的调整由通用软件实现彭博士确定),由于液压油是透光液体污染物为遮光体,因此污染物和液压油在图像中显示的灰度等级是不同的,在彩色CCD的位图中,每一个像素都有四个参数R(红)、G(绿)、B(蓝)以及灰度D,取灰度等级大于等于污染物像素的灰度值为灰度阀值D0。将原图像中大于灰度阀值D0的像素值为D0,小于灰度阀值D0的像素值零,这样就可以得到图像处理后只有两个灰度的图像。
第二步,使用逐行扫描的方法计算颗粒物的大小,如图1所示,以一个CCD的像素点作为污染物最小颗粒单位,整个图像位图的灰度矩阵为D(m,n),m是整个位图的横坐标(x方向)数,n是整个位图的纵坐标(y方向)数。采用扫描法,先初始y方向为1,x方向从1到逐次加1扫描,当扫描到X1点的灰度是D0时,标记为改点为污染物,然后x坐标加1,如果灰度值为D0,继续x方向坐标加1,直到扫描点灰度值为0,说明到达该污染物的边界点,x方向的累加数就是该污染物在矩阵D(m,n)第一行的宽度并存入xn存储器中。然后y方向加1,在对应上一行每个污染物像素点判断灰度值是否为0,同时判断该点的相邻像素点灰度是否为0,如果为0,即标记为该点为污染物在这一行的边界,并累计污染物在该行的宽度;y方向加1。
循环上述方法,直到在该行中没有灰度值为D0阀值的像素点。完成上述扫描的原理对每一个灰度值为D0阀值的像素点都对其左右相邻的像素点灰度进行判断,如果为D0,说明污染物连续,如果为0说明是该污染物的边界;
累计并计算污染物在每一行x方向的宽度数,取最大值xz,累计污染物在y方向的最大值yz。两者再取最大值定为该污染物的最大直径,例如下图,通过扫描法,确定该污染物的xz=6,yz=5,
取最大值xz=6,该污染物的直径为6(像素点),每个像素点的大小根据显微镜的放大倍数与CCD的矩阵像素点相加来确定。
当把该污染物像素点扫描完毕,对应的像素点灰度值设为0,然后开始用同上的方法扫描下一个污染物,直到图像矩阵D(m,n)的灰度值全部为0为止。经过全部循环就将该画面的污染物颗粒数及颗粒大小计算完成完成。
污染物含量的计算如图2所示,以图像矩阵D(m,n)所对应的液压油体积为单位,随着液压油的流动记录并计算不同的图像矩阵Di(m,n),每个图像矩阵Di(m,n)不相重叠。累加各个不同画面的污染物颗粒数和液压油的体积计算出污染物的含量,随着累加数的增大,污染物颗粒数含量的计算准确度提高。
污染物的含量=污染物颗粒数(累加数)/液压油的体积累加数;
实施例2
液压系统的检测数据为液压油粘度时,按照下述步骤进行处理:
计算机通过图像解压处理得到由彩色CCD获取的两个连续的位图画面如图3和图4所示,图像以矩阵形式存储在T(m,n)、Ti(m,n)中,m代表每一行中列数的位置,n代表每一列中行数的位置,m可称之为x横坐标,n可称之为y纵坐标,每个像素点都有R(红色)、G(绿色)、B(蓝色)和灰度D四个参数值。
在图(1-3-1)图像中取三个污染物为标记点a,b,c,,三个点在图像位图的坐标分别是:a(xa,ya),b(xb,yb),c(xc,yc),xa,xb,xc分别是a,b,c三个标记物的横坐标,取污染物标记a1,b1,c1,三个点在图像位图的坐标分别是:a1(xa1,ya1),b1(xb1,yb1),c1(xc1,yc1),xa1,xb1,xc1分别是a1,b1,c1三个标记物的横坐标。把图3和图4两个图像位图进行合成,形成图像位图画面,如图5所示,连线a,a1,连线b,b1,连线c,c1分别是是污染物a,b,c的运行轨迹,分别取三个污染物标记a,b,c移动轨迹的横向坐标(x方向)差,
Δxa=(xa1-xa),Δxb=(xb1-xb),Δxc=(xc1-xc),然后再取平均值Δx=(Δxa+Δxb+Δxc)/3,
Δx可以作为图像(1)到图像(2)时间差Δt内液压油在圆环缝隙内的移动距离,油液的移动速度V=Δx/Δt,液压油流经的油封截面积S=πR^2-πr^2(大圆减小圆面积),最终计算得到液压油单位时间内的流量Q=V*S。
根据液压油的流体力学公式:
S为液压油流经的油封截面积;
d为孔直径;
δ为缝隙量;
L为缝隙长度;
其他均是结构尺寸设计的固定值,在图6同心环形缝隙示意图中均有标出。
实施例3
液压系统的检测数据为液压油温度时,按照下述步骤进行处理:
将热敏材料丝线一端固定在液压油通道壁上,另一端对准显微镜的物镜,为自由状态。显微镜的观察镜可以看到热敏伸缩材料的自由端,使用计算机软件在画面底端标记温度刻度,当液压油温度变化时,显微镜观察到的热敏材料细丝的自由端长度就会发生变化,随着温度变化热敏材料细丝的自由端会停留在不同的温度刻度上。进而反映出现场液压油的实时温度,如图7所示。
以CCD画面中热敏伸缩材料细丝的变化量为液压油温度变化的参考量。
液压油温度T=基准温度T0+ΔL*热敏材料温度伸缩系数。
实施例4
液压系统的检测数据为污染物材料属性时,按照下述步骤进行处理:
检测液压油污染物性质是采用图像检测的方法,以彩色CCD扑捉到的污染物图像进行色谱分析,分析污染物的材料属性,确定是橡胶、铜还是不锈钢。以及其含量和尺寸大小。
色谱分析方法:在彩色CCD信号数字转换过程中,每个像素点都用四个参数值,R(红)、G(绿)、B(篮)和灰度,因此图像分析某一确定的污染物时(方法(2)已经检测出来),污染物的像素就可形成一个数组表,如表1所示:
表1
序号 | R | G | B | D灰度 | 备注 |
1 | # | # | # | # | |
2 | # | # | # | # | |
n | # | # | # | # | |
分析方法是采用对比的方法:在实验室中设置同样的传感装置,用不同的颗粒物溶于液压油中,例如将密封圈橡胶的颗粒物溶于液压有种,通过该传感装置获得一组含有橡胶颗粒物的图像信号,形成一组标准的橡胶污染物图像数组,如表2所示。
表2
序号 | R | G | B | D灰度 | 备注 |
1 | * | * | * | * | |
2 | * | * | * | * | |
n | * | * | * | * | |
根据色度理论和模糊学理论,一类物质的色度基本是一致的,其色度的变化也是连续的,通过实验得到的橡胶污染物的像素色度数组是在一定范围内连续变化数组,也就是说,
R(红色)是一个一定范围内一个连续变化数组,
G(绿色)是一个一定范围内一个连续变化数组,
R(兰色)是一个一定范围内一个连续变化数组,
将R、G、B两两形成三个二维坐标,R、G二维坐标图,R、B二维坐标图,G、B二维坐标图,描绘各实验数据点,形成一个实验包络连线,反复各种不同的橡胶颗粒图像实验会得到一系列实验数据,形成一个实验包络连线,如图8所示。
合成三个二维图形就会形成一个三维包络体图形,称之为实验数据R、G、B色度包络体,如图9所示。
这个三维图形就是判别现场采集污染物的边界条件,把污染物的像素形成数组表(1)也绘制成以R、G、B为三轴线的色度包络体,该包络体如果在实验数据R、G、B色度包络体内,则判定该污染物是橡胶污染物。
按照同样的方法,设立铜的污染物R、G、B色度包络体和钢的的污染物R、G、B色度包络体,就可以分别判别污染物是铜或是钢。
判别液压油污染物的属性是现有现场检测液压油传感器没有的一个特点,而判别污染物的属性是判断现场液压系统很重要的一个指标,如果污染物中橡胶颗粒物增多,说明液压系统的密封橡胶受到磨损或损坏,会造成液压系统动力压力的不稳定或者偏离设计值。如果铜的污染物增多,说明液压系统的滑动部分受到了磨损或损坏。如果钢的污染物增多,说明系统的钢体受到了磨损或损坏。这三种污染物的检测为专家系统诊断现场液压系统的运行提供了必要的条件和依据。
实施例5
液压系统的检测数据为液压油含水量时,按照下述步骤进行处理:
液压油含水量的指标是液压油的一个重要指标,水在液压油里有两种状态存在,一种是悬浮状态,悬浮状态是油包水滴的状态,这种油包水的状态是由于水的表面张力相同造成的,一般情况下是一个球形体,这种状态的检测方法是同“污染物颗粒数及颗粒大小的计算”的方法相同,只是图像的预处理方法不同。
第一步,图像预处理,检测油包水滴含量的图像预处理方法是设定水珠像素的灰度值D1,油包水的灰度值比油液的灰度值小,因此判断油包水的条件有两个,一个是形状是圆形,同时灰度值小于液压油的灰度值D1。把灰度值小于D1的像素点的灰度值值零,其余像素点的灰度值设置为D1,这样就可以得到图像处理后只有两个灰度的图像,如图10油包水滴预处理后的示意图。
第二步,使用逐行扫描的方法计算水滴的大小,如图11所示,以一个CCD的像素点作为水滴最小颗粒单位,整个图像位图的灰度矩阵为D(m,n),m是整个位图的横坐标(x方向)数,n是整个位图的纵坐标(y方向)数。采用扫描法,先初始y方向为1,x方向从1到逐次加1扫描,当扫描到X1点的灰度是0时,标记为该点为水滴,然后x坐标加1,如果灰度值为0,继续x方向坐标加1,直到扫描点灰度值为D1,说明到达该水滴的边界点,x方向的累加数就是该水滴在矩阵D(m,n)第一行的宽度并存入xn存储器中。然后y方向加1,在对应上一行每个水滴像素点判断灰度值是否为0,同时判断该点的相邻像素点灰度是否为D1,如果为D1,即标记为该点为水滴在这一行的边界,并累计水滴在该行的宽度;y方向加1,循环上述方法,直到在该行中没有灰度值为0阀值的像素点。完成上述扫描的原理就是对每一个灰度值为0阀值的像素点都对其左右相邻的像素点灰度进行判断,如果为0,说明水滴连续,如果为D1说明是该水滴物的边界。
累计并计算污染物在每一行x方向的宽度数,取最大值xz,累计污染物在y方向的最大值yz。两者再取最大值定为该污染物的最大直径,例如图12,通过扫描法,确定该污染物的xz=6,yz=5,取最大值xz=6,该污染物的直径为6(像素点),每个像素点的大小根据显微镜的放大倍数与CCD的矩阵像素点相加来确定。
当把该污染物像素点扫描完毕,对应的像素点灰度值设为D1,然后开始用同上的方法扫描下一个水滴图像,直到图像矩阵D(m,n)的灰度值全部为D1为止。经过全部循环就将该画面的水滴颗粒数及水滴大小计算完成完成。
油包水形式的悬浮状态下的水含量计算是以图像矩阵D(m,n)所对应的液压油体积为单位,随着液压油的流动记录并计算不同的图像矩阵Di(m,n),每个图像矩阵Di(m,n)不重叠。累加各个不同画面的水滴颗粒数并计算其水滴体积之和与液压油的体积之比计算出液压油中悬浮状态的水含量,随着累加数的增大,液压油中悬浮状态的水含量计算准确度提高。
液压油中悬浮状态的水含量=水滴体积累加数/液压油的体积累加数。
水在液压油中的第二种状态是乳化状态,随着含水量在液压油中乳化量的增多,液压油的色度就会发生变化,一般情况下是色度逐渐发白,因此检验液压油的含水量的首选方法就是目测方法。检测水在液压油乳化状态含水量的方法同污染物的属性检测方法相同,采用色度对比的方法。第一步是图像预处理,取原图图像矩阵T(m,n)进行图像预处理,去掉该图像矩阵中污染物和水滴的像素点,剩余的像素点就是液压油的像素点,在彩色CCD信号数字转换过程中,每个液压油的像素点都用四个参数值,R(红)、G(绿)、B(篮)和灰度D,把液压油的像素点参数排列形成一个数组表:形成表3。
表3
序号 | R | G | B | D灰度 | 备注 |
1 | # | # | # | # | |
2 | # | # | # | # | |
n | # | # | # | # | |
分析方法是采用对比的方法:在实验室中设置同样的传感装置,用不同乳化状态含水量的液压油作为标准样,通过图像传感器采样形成一个固定乳化状态含水量的污图像参数数组。以0.1%乳化状态含水量开始,每增加0.1%乳化状态含水量为一个刻度等级,从0.1%到5%乳化状态含水量实验形成50个图像参数数组,每个图像参数数组为如表4。
表4
根据色度理论和模糊学理论,一个乳化状态固定含水量的色度基本是一致的,由于图像矩阵T(m,n)预处理后的像素点很多,各像素点的R(红)、G(绿)、B(篮)和灰度D参数存在一定范围的非重合,通过实验可以得到乳化状态固定含水量像素色度数组是在一定范围内一个连续变化数组,也就是说,
R(红色)是一个一定范围内一个连续变化数组,
G(绿色)是一个一定范围内一个连续变化数组,
R(兰色)是一个一定范围内一个连续变化数组,
将R、G、B两两形成三个二维坐标,R、G二维坐标图,R、B二维坐标图,G、B二维坐标图,描绘各实验数据点,形成一个实验包络连线,反复各种不同的橡胶颗粒图像实验会得到一系列实验数据,形成一个实验包络连线,如图13。
合成三个二维图形就会一个三维包络体图形,称之为实验数据R、G、B色度包络体,如图14。
这个三维图形就是判别现场采集乳化状态固定含水量边界条件,把各个不同乳化状态含水量的绘制在同一个三维绘制出来,是一个连续变化的三维包络体,如下图15。
把现场采集到的乳化状态含水的液压油图像数组表(3)形成的图像参数三维包络体与上图表比较,就可以得到对应的乳化状态含水量。
把第一部分悬浮状态计算的含水量与乳化状态对比得到的含水量相加,就可以得到现场检测液压油的含水总量。
液压油含水量=悬浮状态含水量+乳化状态的含水量。
专家系统描述:
在得到上述传感器的传感到现场液压系统油品物理参数后,实验室还要对其进行分析,分析的方法是使用一种软件专家系统进行分析:
专家系统的数据输入有三个途径:1.计算机云平台的现场传感器采集的液压系统的压力、温度、污染颗粒特征参数,液压油的含水量;2.用户的输入数据,主要是现场油品检测子系统传感器无法采集、但对系统状态分析比较重要的参数,比如系统的原始设计流量、压力、液压油油品的代号等;3.实验室技术人员的输入数据,主要有特征参数时间区间选择、数据库中缺失或不完整的数据,需要实验室进行实验验证或模拟仿真并将结果数据输入,以及其他需要人工干预的数据。
专家系统根据输入的数据、特征参数等,按照预设条件程序的推导,和与专家系统的专家知识数据库数据比对,从中推导出符合规律或条件的结果数据,实现对液压系统运行状态的检测,实现液压系统出现异常时的诊断,实现液压系统早期故障的预报和诊断。
在专家系统中,最主要的是要建立相对完整的专家知识数据库。专家知识数据库是专业技术人员长期工作经验的积累和专业知识结合和成果。专家知识数据库中包含有典型液压回路的组成、技术特征等;各类型液压元件、液压附件和液压油品的技术参数、结构组成、技术特点和出现故障的主要表现和特征等;还有污染物颗粒的材料特征、形状特征、表面特征表象等等数据。在专家知识数据库的使用过程中,对发现的偏离数据及时纠正,对发现的缺失数据及时补充是专家系统的功能之一。
专家系统接收到来自计算机云平台的现场传感器采集的液压系统的压力、温度、污染颗粒特征参数和液压油的含水量、液压油的粘度后,分别对这些数据进行处理,形成一般的系统状态结论,主要是一个时间段内液压系统的压力、温度、污染物颗粒的变化情况,以及通过与专家系统的专家知识数据库比对,发现当前系统是否异常。输出液压系统的当前状态结果,以及此液压系统状态的变化趋势的预判,供用户使用。
如果用户希望得到更加全面的液压系统工作情况,通过用户输入必要的特征液压系统数据,专家系统通过程序推导和运算,可以推导出特定液压系统详细的状态分析结果。包括液压系统在同一时间区域内的压力、温度、流量参数的变化情况,污染物颗粒的变化情况,在此时间区域内的液压系统的工作效率变化情况;对出现的故障识别出可能发生问题的元件和发生问题的原因。输出液压系统的当前状态的详细结果,产生故障的元件以及原因,对此液压系统状态的变化趋势进行的预判,供用户使用。
这样就建立起来了一套完整的液压系统检测计算机云平台系统,利用这个平台可以用数据采集模块对成千上万套在不同地点的液压系统进行在线监测。用户只需要安装一套液压系统现场检测子系统就能完成对液压系统的健康检测,大大节省了投资规模,特别是对移动式的液压系统例如工程施工机械的液压系统检测,船舶行驶过程中的液压系统,锻造冶金的液压系统等健康检测都非常方便快捷。
在得到上述传感器的传感到现场液压系统油品物理参数后,实验室还要对其进行分析,分析的方法是使用一种软件专家系统进行分析:
专家系统的数据输入有三个途径:1.计算机云平台的现场传感器采集的液压系统的压力、温度、污染颗粒特征参数;2.用户的输入数据,主要是现场油品检测子系统传感器无法采集、但对系统状态分析比较重要的参数,比如系统的原始设计流量、压力、液压油油品的代号等;3.实验室技术人员的输入数据,主要有特征参数时间区间选择、数据库中缺失或不完整的数据,需要实验室进行实验验证或模拟仿真并将结果数据输入,以及其他需要人工干预的数据。
专家系统根据输入的数据、特征参数等,按照预设条件程序的推导,和与专家系统的专家知识数据库数据比对,从中推导出符合规律或条件的结果数据,实现对液压系统运行状态的检测,实现液压系统出现异常时的诊断,实现液压系统早期故障的预报和诊断。
在专家系统中,最主要的是要建立相对完整的专家知识数据库。专家知识数据库是专业技术人员长期工作经验的积累和专业知识结合和成果。专家知识数据库中包含有典型液压回路的组成、技术特征等;各类型液压元件、液压附件和液压油品的技术参数、结构组成、技术特点和出现故障的主要表现和特征等;还有污染物颗粒的材料特征、形状特征、表面特征表象等等数据。在专家知识数据库的使用过程中,对发现的偏离数据及时纠正,对发现的缺失数据及时补充是专家系统的功能之一。
专家系统接收到来自计算机云平台的现场传感器采集的液压系统的压力、温度、污染颗粒特征参数后,分别对这些数据进行处理,形成一般的系统状态结论,主要是一个时间段内液压系统的压力、温度、污染物颗粒的变化情况,以及通过与专家系统的专家知识数据库比对,发现当前系统是否异常。输出液压系统的当前状态结果,以及此液压系统状态的变化趋势的预判,供用户使用。
如果用户希望得到更加全面的液压系统工作情况,通过用户输入必要的特征液压系统数据,专家系统通过程序推导和运算,可以推导出特定液压系统详细的状态分析结果。包括液压系统在同一时间区域内的压力、温度、流量参数的变化情况,污染物颗粒的变化情况,在此时间区域内的液压系统的工作效率变化情况;对出现的故障识别出可能发生问题的元件和发生问题的原因。输出液压系统的当前状态的详细结果,产生故障的元件以及原因,对此液压系统状态的变化趋势进行的预判,供用户使用。
这样就建立起来了一套完整的液压系统检测计算机云平台系统,如图16所示,利用这个平台可以用数据采集模块对成千上万套在不同地点的液压系统进行在线监测。用户只需要安装一套液压系统现场检测子系统就能完成对液压系统的健康检测,大大节省了投资规模,特别是对移动式的液压系统例如工程施工机械的液压系统检测,船舶行驶过程中的液压系统,锻造冶金的液压系统等健康检测都非常方便快捷。这是本智能传感器需要达到最终目的。
Claims (6)
1.一种利用互联网云技术对液压系统在线健康监测的方法,其特征在于:包括以下步骤:
首先,通过图像传感器,对液压系统进行现场检测,获得液压系统的检测数据,其次,将所得检测数据传输至数据云端中心进行数据处理、存储,最后在实验室数据分析系统中进行数据整理、分析和比对,对液压系统进行健康诊断;
所述液压系统的检测数据为液压油粘度、液压油温度、污染物颗粒度和污染物材料属性中的一种或多种。
3.根据权利要求1所述的一种利用互联网云技术对液压系统在线健康监测的方法,其特征在于:液压系统的检测数据为液压油温度时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
以CCD画面中热敏伸缩材料的变化量ΔL为液压油温度变化的参考量,液压油温度T=基准温度T0+ΔL/热敏材料温度伸缩系数。
4.根据权利要求1所述的一种利用互联网云技术对液压系统在线健康监测的方法,其特征在于:液压系统的检测数据为污染物颗粒度时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
得到一个油品图像的画面信息,将该画面转换成位图信息,即一画面扫描的行数为纵列,画面扫描的一行中的扫描点数为横列的矩阵数据图像,以1024*768矩阵图像为例,图像的某一扫描点还有灰度和色度两个信息:
第一步,将矩阵图像信息的灰度进行统计计算,取灰度值相同的最大统计数为背景灰度值,并设定为背景灰度阀值Hf,设定大于该灰度阀值Hf的为污染物灰度;
第二步,确定颗粒物边界;
第三步,使用图像投影法,对某一确定污染物的矩阵数据进行x和y方向投影,x=污染物横向扫描点数,y=污染物纵向扫描行数,污染物的最大值平方值为x^2+y^2;
第四步,对颗粒物大小进行分别统计。
5.根据权利要求1所述的一种利用互联网云技术对液压系统在线健康监测的方法,其特征在于:液压系统的检测数据为污染物材料属性时,在实验室数据分析系统中进行数据整理、分析和比对的具体步骤为:
以彩色CCD扑捉到的污染物进行色谱分析,分析污染物的材料属性,确定是橡胶、铜或钢,以及其含量和尺寸大小。
6.根据权利要求5所述的一种利用互联网云技术对液压系统在线健康监测的方法,其特征在于:色谱分析是采用红绿蓝比对分析方法,具体的,将某一污染物的色度平均值取出R、G、B,然后与实验室数据库中已有的各种污染物色度值进行对比,确定污染物的属性。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020104850617 | 2020-06-01 | ||
CN202010485061 | 2020-06-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111830031A true CN111830031A (zh) | 2020-10-27 |
Family
ID=72897945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010502018.7A Pending CN111830031A (zh) | 2020-06-01 | 2020-06-04 | 一种利用互联网云技术对液压系统在线健康监测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111830031A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1005607A (en) * | 1963-02-01 | 1965-09-22 | British Petroleum Co | Method of and apparatus for monitoring viscosity |
CA2561807A1 (en) * | 2006-06-09 | 2007-12-09 | Dairy Controls International, Inc. | In-line apparatus and real-time method to determine milk characteristics |
CN101750515A (zh) * | 2008-12-03 | 2010-06-23 | 中国科学院理化技术研究所 | 一种非接触式测量液体参数的测量方法 |
CN101943565A (zh) * | 2010-08-20 | 2011-01-12 | 中国人民解放军空军装备研究院航空装备研究所 | 光纤耦合led双光源油液运动颗粒显微成像系统 |
KR20110034780A (ko) * | 2009-09-29 | 2011-04-06 | 동명대학교산학협력단 | 단조 프레스기의 유압유 누유 영역 영상 감지 시스템 |
WO2011064775A1 (en) * | 2009-11-25 | 2011-06-03 | Hanoch Kislev | Probing system for measuring the direction and speed of mucus flow in vivo |
CN103034207A (zh) * | 2012-12-14 | 2013-04-10 | 江苏飞尚安全监测咨询有限公司 | 一种基础设施健康监测系统及其实施过程 |
CN105530314A (zh) * | 2015-12-30 | 2016-04-27 | 珠海欧雷伯电子科技有限公司 | 一种基于云智能健康手机的云健康互联网平台系统 |
CN106607461A (zh) * | 2015-10-26 | 2017-05-03 | 天津工业大学 | 一种冷轧机液压agc故障诊断专家系统 |
CN107610028A (zh) * | 2017-09-08 | 2018-01-19 | 广西民族师范学院 | 一种基于无线云传感网的大气污染物在线监测系统 |
CN108680579A (zh) * | 2018-03-30 | 2018-10-19 | 武汉理工大学 | 基于机器视觉的起重机液压油污染在线监测装置及方法 |
US20180321123A1 (en) * | 2015-11-06 | 2018-11-08 | Regents Of The University Of Michigan | Droplet-based microfluidic rheometer system |
WO2019202998A1 (ja) * | 2018-04-16 | 2019-10-24 | 株式会社小松製作所 | 作動油の監視システム及び作動油の監視方法 |
-
2020
- 2020-06-04 CN CN202010502018.7A patent/CN111830031A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1005607A (en) * | 1963-02-01 | 1965-09-22 | British Petroleum Co | Method of and apparatus for monitoring viscosity |
CA2561807A1 (en) * | 2006-06-09 | 2007-12-09 | Dairy Controls International, Inc. | In-line apparatus and real-time method to determine milk characteristics |
CN101750515A (zh) * | 2008-12-03 | 2010-06-23 | 中国科学院理化技术研究所 | 一种非接触式测量液体参数的测量方法 |
KR20110034780A (ko) * | 2009-09-29 | 2011-04-06 | 동명대학교산학협력단 | 단조 프레스기의 유압유 누유 영역 영상 감지 시스템 |
WO2011064775A1 (en) * | 2009-11-25 | 2011-06-03 | Hanoch Kislev | Probing system for measuring the direction and speed of mucus flow in vivo |
CN101943565A (zh) * | 2010-08-20 | 2011-01-12 | 中国人民解放军空军装备研究院航空装备研究所 | 光纤耦合led双光源油液运动颗粒显微成像系统 |
CN103034207A (zh) * | 2012-12-14 | 2013-04-10 | 江苏飞尚安全监测咨询有限公司 | 一种基础设施健康监测系统及其实施过程 |
CN106607461A (zh) * | 2015-10-26 | 2017-05-03 | 天津工业大学 | 一种冷轧机液压agc故障诊断专家系统 |
US20180321123A1 (en) * | 2015-11-06 | 2018-11-08 | Regents Of The University Of Michigan | Droplet-based microfluidic rheometer system |
CN105530314A (zh) * | 2015-12-30 | 2016-04-27 | 珠海欧雷伯电子科技有限公司 | 一种基于云智能健康手机的云健康互联网平台系统 |
CN107610028A (zh) * | 2017-09-08 | 2018-01-19 | 广西民族师范学院 | 一种基于无线云传感网的大气污染物在线监测系统 |
CN108680579A (zh) * | 2018-03-30 | 2018-10-19 | 武汉理工大学 | 基于机器视觉的起重机液压油污染在线监测装置及方法 |
WO2019202998A1 (ja) * | 2018-04-16 | 2019-10-24 | 株式会社小松製作所 | 作動油の監視システム及び作動油の監視方法 |
US20210062476A1 (en) * | 2018-04-16 | 2021-03-04 | Komatsu Ltd. | Hydraulic oil monitoring system and hydraulic oil monitoring method |
Non-Patent Citations (9)
Title |
---|
L. ZENG ET AL.: "A high sensitive multi-parameter micro sensor for the detection of", 《SENSORS AND ACTUATORS A: PHYSICAL》 * |
刘恩辰等: "船舶液压油中金属颗粒浓度快速检测研究", 《机床与液压》 * |
孙衍山等: "液压油水污染在线连续检测传感器研究", 《润滑与密封》 * |
孟晓亮: "液压油污染在线监测技术在大型养路机械管理中的应用", 《神华科技》 * |
张春平等: "液压油污染度CCD显微检测系统", 《机床与液压》 * |
曾小英,李运华: "采用图像光测法的油液污染的在线监测与预报", 《液压气动与密封》 * |
涂群章等: "污染油液内颗粒图像在线监测系统开发", 《南京航空航天大学学报》 * |
赵 炯等: "盾构关键部件在线监测与远程诊断技术研究", 《制造业自动化》 * |
赵孟文等: "基于互联网的液压回路综合实验台设计", 《液压与气动》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460753B (zh) | 一种检测水上漂浮物的方法 | |
Kothari | Detecting welding defects in steel plates using machine learning and computer vision algorithms | |
CN111104860B (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN109738137B (zh) | 基于图像对比的土石坝渗漏实时监测与快速诊断方法 | |
CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
CN104458895A (zh) | 管道三维漏磁成像检测方法及系统 | |
CN105574897A (zh) | 一种基于视觉检测的农作物生长情况监测物联网系统 | |
CN113063795B (zh) | 一种高速公路隧道病害位置确定方法及系统 | |
CN109685117A (zh) | 一种气液固三相体系中流动参数的图像测量方法 | |
CN116805204B (zh) | 一种智慧厂务监控方法及系统 | |
CN114509445B (zh) | 一种基于聚类分析的污染物识别预警方法及系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
WO2024152526A1 (zh) | 一种基于三维特征分布的路面纹理均匀性评价方法 | |
CN113781537A (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
CN115619708A (zh) | 基于图像识别主轴轴承润滑油油质变化判断故障的方法 | |
CN111784688A (zh) | 基于深度学习的鲜花自动化分级方法 | |
CN114428110A (zh) | 一种轴承套圈荧光磁粉探伤图像缺陷检测方法及系统 | |
CN111830032B (zh) | 基于图像传感的在线多参数液压油智能传感器装置 | |
CN117169121B (zh) | 一种基于云边端架构的交通道路病害检测系统及方法 | |
CN111830031A (zh) | 一种利用互联网云技术对液压系统在线健康监测的方法 | |
CN116399871B (zh) | 一种基于机器视觉的汽车零部件装配检测系统及方法 | |
CN115937217B (zh) | 一种利用3d卷积和相关性算子来自动检测腐蚀坑的方法 | |
Hocenski et al. | A simple and efficient method for ceramic tile surface defects detection | |
CN116612176A (zh) | 一种轧制棒线材剪切废料尺寸的测量方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201027 |
|
RJ01 | Rejection of invention patent application after publication |