CN112819038A - 一种基于大数据的铁屑来源工位和品质的识别方法 - Google Patents
一种基于大数据的铁屑来源工位和品质的识别方法 Download PDFInfo
- Publication number
- CN112819038A CN112819038A CN202110039106.2A CN202110039106A CN112819038A CN 112819038 A CN112819038 A CN 112819038A CN 202110039106 A CN202110039106 A CN 202110039106A CN 112819038 A CN112819038 A CN 112819038A
- Authority
- CN
- China
- Prior art keywords
- scrap iron
- data
- original database
- target
- identification
- 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
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 272
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004141 dimensional analysis Methods 0.000 claims abstract description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 235000000396 iron Nutrition 0.000 description 5
- 238000003754 machining Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000002932 luster Substances 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- RYZCLUQMCYZBJQ-UHFFFAOYSA-H lead(2+);dicarbonate;dihydroxide Chemical compound [OH-].[OH-].[Pb+2].[Pb+2].[Pb+2].[O-]C([O-])=O.[O-]C([O-])=O RYZCLUQMCYZBJQ-UHFFFAOYSA-H 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000001057 purple pigment Substances 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种基于大数据的铁屑来源工位和品质的识别方法，包括以下步骤1)收集多个铁屑产生工位的铁屑并将其作为原始数据库；2)选取原始数据库中的每个工位铁屑的基础标识；3)对原始数据库中的铁屑进行基础标识的多维度分析，得到每种铁屑相应维度的权重值，建立识别模型；4)将目标铁屑的基础标识数据导入该识别模型中，计算目标铁屑与原始数据库中铁屑的相似程度值P，相似程度值P越小，表明目标铁屑与对应的铁屑越相似，获取与目标铁屑最接近的原始数据库中的铁屑数据，得到与该铁屑数据相对应的来源工位和铁屑品质。本发明能够快速识别铁屑来源并反馈该铁屑来源处的实际加工情况，具有安全高效、不影响生产的优点。
Description
技术领域
本发明涉及一种基于大数据的铁屑来源工位和品质的识别方法。
背景技术
发动机加工车间以机加工方式生产发动机的6C部件，加工过程中常出现铁屑夹在工件中的品质事件，在后续调查中，没有科学的方法判断铁屑的来源工位，目前为止，全凭人为经验判断以及铁屑外观对比确认疑似工位，判断方式缺乏科学依据，期间往往需要大量的时间，不利于品质的管理与控制，此外若出现非明显特征的铁屑，可能会增大对比工作量，不能及时解决问题；
与此同时伴随着刀具的磨损，在刀具寿命末端、刀具夹铝、刀具崩损时很容易出现品质事件，对于设备运行状况和刀具磨损情况，只有停下设备或检查刀具才能确认，实际生产过程中耽误生产节拍，不宜操作，这样也不利于对产品品质的预防工作。
因此，需要提供一种铁屑品质识别方法以快速判断正在进行加工中的工位处是否存在加工故障。
发明内容
针对现有技术的缺陷，本发明提供了一种基于大数据的铁屑来源工位和品质的识别方法，能够快速识别铁屑来源并反馈该铁屑来源处的实际加工情况，具有安全高效、不影响生产的优点。
为了实现上述目的，本发明提供了一种基于大数据的铁屑来源工位和品质的识别方法，其包括以下步骤：
1)收集多个铁屑产生工位的铁屑并将其作为原始数据库；
2)选取原始数据库中的每个工位铁屑的基础标识；
3)对原始数据库中的铁屑进行基础标识的多维度分析，得到每种铁屑相应维度的权重值，建立识别模型；
4)将目标铁屑的基础标识数据导入该识别模型中，计算目标铁屑与原始数据库中铁屑的相似程度值P：
P2＝a1(x1-y1)2+a2(x2-y2)2+······+an(xn-yn)2；
其中：a1、a2···an代表一种铁屑n个不同维度的权重值；
x1、x2···xn代表原始数据库的n个维度数据；
y1、y2···yn代表目标铁屑的n个维度数据，n≥3；
其中相似程度值P越小，表明目标铁屑与对应的铁屑越相似，获取与目标铁屑最接近的原始数据库中的铁屑数据，得到与该铁屑数据相对应的来源工位和铁屑品质。
根据本发明的另一种具体实施方式，基础标识的维度数据包括形状、宽度、厚度和光泽。
进一步的，基础标识的维度数据还包括长度和旋向中的至少一种。
根据本发明的另一种具体实施方式，针对每一基础标识建立分值数据库，对原始数据库中的每一铁屑进行打分并将该分值作为该基础标识下的维度数据。
根据本发明的另一种具体实施方式，根据原始数据库中的每一铁屑的多维度数据，利用主成分分析法确定不同基础标识的权重值。
根据本发明的另一种具体实施方式，在步骤2)中同时选取铁屑的特征标识，并按照所选取的特征标识进行分类；在步骤4)中首先根据目标铁屑的特征标识数据进行分类，然后再进行计算目标铁屑与该类别下的原始数据库中铁屑的相似程度值。
本发明中的特征标识是基于车、铣、刨、磨、攻丝和刨等工艺所形成的，在不同的工艺能够形成具有明显特征的铁丝，进而可以快速获取铁丝的来源类别，减少筛选的过程。
本发明具备以下有益效果：
本发明的铁屑品质识别方法能够有效判断铁屑的来源工位；
一旦出现铁屑夹在工件中的品质事件，可以直接根据该目标铁屑利用本发明的方法判断铁屑来源工位，经过长期试验，铁屑来源工位的准确度在95％以上，能够为后续调查提供指导性方向；
本发明的铁屑品质识别方法能够判断设备、刀具运行情况；
用特定工位铁屑，通过该方法进行判断该工位设备、刀具运行情况，做到品质工作的提前预防。
下面结合附图对本发明作进一步的详细说明。
附图说明
图1是本发明铁屑品质识别方法的流程框架示意图；
图2是本发明铁屑品质识别方法中所建立的识别模型；
图3是本发明对某一特定工位的铁屑判断该工位设备、刀具运行情况的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
实施例1
本实施例提供了一种基于大数据的铁屑来源工位和品质的识别方法，如图1所示，其包括以下步骤：
1)收集多个铁屑产生工位的铁屑并将其作为原始数据库；
2)选取原始数据库中的每个工位铁屑的基础标识，同时选取铁屑的特征标识，并按照所选取的特征标识进行分类；
这里的基础标识包括形状、长度、宽度、厚度、旋向和光泽。
这里的特征标识是基于车、铣、刨和磨等工艺所形成的、可以直接进行有效区分的。
3)对原始数据库中的铁屑进行基础标识的六个维度分析，针对每一基础标识建立分值数据库，对原始数据库中的每一铁屑进行打分并将该分值作为该基础标识下的维度数据，利用主成分分析法得到每种铁屑相应维度的权重值，并建立识别模型；
4)首先根据目标铁屑的特征标识数据进行分类，然后将目标铁屑的基础标识数据导入该识别模型中，计算目标铁屑与原始数据库中铁屑的相似程度值P：
P2＝a1(x1-y1)2+a2(x2-y2)2+······+an(xn-yn)2；
其中：a1、a2···an代表一种铁屑n个不同维度的权重值；
x1、x2···xn代表原始数据库的n个维度数据；
y1、y2···yn代表目标铁屑的n个维度数据，n≥3；
其中相似程度值P越小，表明目标铁屑与对应的铁屑越相似，获取与目标铁屑最接近的原始数据库中的铁屑数据，得到与该铁屑数据相对应的来源工位和铁屑品质。
本实施例中铁屑的一种具体的评分规则如下表1和表2：
表1：铁屑数据信息统计
| 宽度 | 厚度 | 长度(圈) | 颜色 | 形状 | 旋向 |
| 0.32 | 0.05 | 0-1圈 | 银白 | 碎状 | 左旋 |
| 0.64 | 0.08 | 0圈 | 白→黄 | 节段状 | 右旋 |
| 0.96 | 0.12 | 0圈 | 黄 | 线状 | 无 |
| 1.04 | 0.2 | 0圈 | 黄→紫 | 普通螺旋状 | 左旋+右旋 |
| 1.24 | 0.21 | 0圈 | 紫 | 紧密螺旋状 | |
| 1.86 | 0.21 | 0圈 | 紫→蓝 | ||
| 2.62 | 0.22 | 0圈 | 蓝 | ||
| 2.66 | 0.22 | 0圈 | 蓝黑 | ||
| 2.7 | 0.24 | 1-10圈 | 黑 | ||
| 3.62 | 0.25 | 12圈 | |||
| 3.82 | 0.26 | 13圈 | |||
| 4.55 | 0.27 | 1-3圈 | |||
| 5.06 | 0.3 | 1-3圈 | |||
| 5.1 | 0.32 | 1-3圈 | |||
| 6.22 | 0.32 | 14圈 | |||
| 7.75 | 0.35 | 14圈 | |||
| 9.27 | 0.42 | 1-4圈 | |||
| 0.44-0.82 | 0.43 | 20圈+ | |||
| 0.78-1.24 | 0.66 | 2圈 | |||
| 1.00-1.52 | 0.18-0.26 | 2圈 | |||
| 1.12-2.56 | 0.18-0.28 | 2圈 | |||
| 1.7-2.22 | 0.20-0.28 | 30圈+ | |||
| 2.20-3.14 | 0.20-0.48 | 32圈+ | |||
| 2.20-3.14 | 0.22-0.32 | 3圈 | |||
| 2.36-2.70 | 0.28-0.30 | 4-12圈 | |||
| 2.58-3.12 | 0.28-0.30 | 4-15圈 | |||
| 2.76-3.26 | 0.28-0.36 | 4-9圈 | |||
| 2.82-3.93 | 0.32-0.44 | 54圈+ | |||
| 2.88-3.28 | 0.32-0.56 | 5圈 | |||
| 5.22-7.38 | 0.32-0.56 | 7-20圈 | |||
| 5.44-6.24 | 0.38-0.46 | 7圈 | |||
| 7.50-7.62 | 0.42-1.06 | 9-11圈 | |||
| 8.68-10.18 | 0.14-0.20 | 9圈 |
表2：铁屑6维度评分规则
本实施例中具有多个铁屑产生工位，以其中一个工序为例进行介绍，如表3所示的该工序40处的采集数据如下：
表3：工序40处所采集铁屑的数据
经过本实施例方法所计算的权重数据如下表4所示：
表4：工序40的权重
以另一个工序为例进行介绍，如表5所示的该工序70处的采集数据如下：
表5：工序70处所采集铁屑的数据
经过本实施例方法所计算的权重数据如下表6所示：
表6：工序70的权重
本实施例中其他工序的权重计算方法与上述两个工序类似，这里不再一一赘述；
结合附图2中的识别模型进行对未知来源的目标铁屑的识别，判断未知的目标铁屑的来源工位，其中一个未知来源的目标铁屑的各个基础标识打分情况如下表7所示，则根据相似程度值P越小，表明目标铁屑与对应的铁屑越相似，获取与目标铁屑最接近的原始数据库中的铁屑数据为编号1217的铁屑，进而可以获得编号1217的铁屑的来源工位。
表7：未知来源的目标铁屑的各个基础标识打分情况
| 基础标识 | 长度打分 | 宽度打分 | 厚度打分 | 形状打分 | 色泽打分 | 旋向打分 |
| 评分 | 2 | 8 | 5 | 4 | 5 | 2 |
结合附图3中的识别模型进行对某一特定工位的铁屑判断该工位设备、刀具运行情况，做到品质工作的提前预防，对该铁屑计算相似程度P，P越小，设备和刀具无异常，测试证明，当相似程度值P＞9时，需要检查设备和刀具状况。
例如已知来源的目标铁屑的各个基础标识打分情况如下表7所示，将其导入识别模型后得到的相似程度值P均小于9，设备和刀具情况良好。
表7：未知来源的目标铁屑的各个基础标识打分情况
| 基础标识 | 长度打分 | 宽度打分 | 厚度打分 | 形状打分 | 色泽打分 | 旋向打分 |
| 评分 | 3 | 5 | 12 | 5 | 5 | 2 |
虽然本发明以较佳实施例揭露如上，但并非用以限定本发明实施的范围。任何本领域的技术人员，在不脱离本发明的发明范围内，当可作些许的改进，即凡是依照本发明所做的同等改进，应为本发明的范围所涵盖。
Claims (6)
1.一种基于大数据的铁屑来源工位和品质的识别方法，其包括以下步骤：
1)收集至少一个铁屑产生工位的铁屑并将其作为原始数据库；
2)选取原始数据库中的每个工位铁屑的基础标识；
3)对原始数据库中的铁屑进行基础标识的多维度分析，得到每种铁屑相应维度的权重值，建立识别模型；
4)将目标铁屑的基础标识数据导入该识别模型中，计算目标铁屑与原始数据库中铁屑的相似程度值P：
P2＝a1(x1-y1)2+a2(x2-y2)2+······+an(xn-yn)2；
其中：a1、a2···an代表一种铁屑n个不同维度的权重值；
x1、x2···xn代表原始数据库的n个维度数据；
y1、y2···yn代表目标铁屑的n个维度数据，n≥3；
其中相似程度值P越小，表明目标铁屑与对应的铁屑越相似，获取与目标铁屑最接近的原始数据库中的铁屑数据，得到与该铁屑数据相对应的来源工位和铁屑品质。
2.如权利要求1所述的基于大数据的铁屑来源工位和品质的识别方法基于大数据的铁屑来源工位和品质的识别方法，其特征在于，基础标识的维度数据包括形状、宽度、厚度、光泽。
3.如权利要求2所述的基于大数据的铁屑来源工位和品质的识别方法基于大数据的铁屑来源工位和品质的识别方法，其特征在于，所述基础标识的维度数据还包括长度和旋向中的至少一种。
4.如权利要求1－3之一所述的基于大数据的铁屑来源工位和品质的识别方法，其特征在于，针对每一基础标识建立分值数据库，对原始数据库中的每一铁屑进行打分并将该分值作为该基础标识下的维度数据。
5.如权利要求4所述的基于大数据的铁屑来源工位和品质的识别方法，其特征在于，根据原始数据库中的每一铁屑的多维度数据，利用主成分分析法确定不同基础标识的权重值。
6.如权利要求1所述的基于大数据的铁屑来源工位和品质的识别方法，其特征在于，在步骤2)中同时选取铁屑的特征标识，并按照所选取的特征标识进行分类；在步骤4)中首先根据目标铁屑的特征标识数据进行分类，然后再进行计算目标铁屑与该类别下的原始数据库中铁屑的相似程度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110039106.2A CN112819038A (zh) | 2021-01-12 | 2021-01-12 | 一种基于大数据的铁屑来源工位和品质的识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110039106.2A CN112819038A (zh) | 2021-01-12 | 2021-01-12 | 一种基于大数据的铁屑来源工位和品质的识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112819038A true CN112819038A (zh) | 2021-05-18 |
Family
ID=75869479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110039106.2A Pending CN112819038A (zh) | 2021-01-12 | 2021-01-12 | 一种基于大数据的铁屑来源工位和品质的识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112819038A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040215402A1 (en) * | 2000-03-10 | 2004-10-28 | Cyrano Sciences, Inc. | Measuring and analyzing multi-dimensional sensory information for identification purposes |
| US20100332210A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
| US20130290222A1 (en) * | 2012-04-27 | 2013-10-31 | Xerox Corporation | Retrieval system and method leveraging category-level labels |
| CN104573740A (zh) * | 2014-12-22 | 2015-04-29 | 山东鲁能软件技术有限公司 | 一种基于svm分类模型的设备故障诊断方法 |
| JP2017097718A (ja) * | 2015-11-26 | 2017-06-01 | 株式会社リコー | 識別処理装置、識別システム、識別処理方法、およびプログラム |
| CN107729519A (zh) * | 2017-10-27 | 2018-02-23 | 上海数据交易中心有限公司 | 基于多源多维数据的评估方法及装置、终端 |
| CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
| CN110532902A (zh) * | 2019-08-12 | 2019-12-03 | 北京科技大学 | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 |
| CN111178252A (zh) * | 2019-12-27 | 2020-05-19 | 东北大学 | 多特征融合的身份识别方法 |
| CN111507470A (zh) * | 2020-03-02 | 2020-08-07 | 上海金仕达软件科技有限公司 | 一种异常账户的识别方法及装置 |
| KR20200122195A (ko) * | 2019-04-17 | 2020-10-27 | 연세대학교 산학협력단 | 비정형 트랜잭션 비식별 데이터의 품질 측정 방법 및 장치 |
| CN111832608A (zh) * | 2020-05-29 | 2020-10-27 | 上海海事大学 | 一种基于单阶段检测模型yolov3的铁谱图像多磨粒识别方法 |
-
2021
- 2021-01-12 CN CN202110039106.2A patent/CN112819038A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040215402A1 (en) * | 2000-03-10 | 2004-10-28 | Cyrano Sciences, Inc. | Measuring and analyzing multi-dimensional sensory information for identification purposes |
| US20100332210A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
| US20130290222A1 (en) * | 2012-04-27 | 2013-10-31 | Xerox Corporation | Retrieval system and method leveraging category-level labels |
| CN104573740A (zh) * | 2014-12-22 | 2015-04-29 | 山东鲁能软件技术有限公司 | 一种基于svm分类模型的设备故障诊断方法 |
| JP2017097718A (ja) * | 2015-11-26 | 2017-06-01 | 株式会社リコー | 識別処理装置、識別システム、識別処理方法、およびプログラム |
| CN107729519A (zh) * | 2017-10-27 | 2018-02-23 | 上海数据交易中心有限公司 | 基于多源多维数据的评估方法及装置、终端 |
| KR20200122195A (ko) * | 2019-04-17 | 2020-10-27 | 연세대학교 산학협력단 | 비정형 트랜잭션 비식별 데이터의 품질 측정 방법 및 장치 |
| CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
| CN110532902A (zh) * | 2019-08-12 | 2019-12-03 | 北京科技大学 | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 |
| CN111178252A (zh) * | 2019-12-27 | 2020-05-19 | 东北大学 | 多特征融合的身份识别方法 |
| CN111507470A (zh) * | 2020-03-02 | 2020-08-07 | 上海金仕达软件科技有限公司 | 一种异常账户的识别方法及装置 |
| CN111832608A (zh) * | 2020-05-29 | 2020-10-27 | 上海海事大学 | 一种基于单阶段检测模型yolov3的铁谱图像多磨粒识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李兵;张培林;任国全;李国璋;: "基于信息融合技术的多模型磨粒智能识别方法", 润滑与密封, no. 06, 15 June 2008 (2008-06-15), pages 16 - 19 * |
| 罗磊;李跃华;栾英宏;卫永平;: "基于改进权重模糊综合评判的目标识别方法", 探测与控制学报, no. 03, 15 June 2009 (2009-06-15), pages 68 - 72 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110421408B (zh) | 一种刀具磨损状态的监测方法 | |
| CN108108890B (zh) | 一种基于工序关联关系的工艺缺陷风险分析方法 | |
| CN115202287B (zh) | 一种数控机床运行作业在线智能监测诊断分析系统 | |
| Herry et al. | Performance analysis of TPM implementation through overall equipment effectiveness (OEE) and six big losses | |
| Shankar et al. | A generalized methodology for evaluating manufacturability | |
| Nair et al. | A comparison between different optimization techniques for CNC end milling process | |
| CN112819038A (zh) | 一种基于大数据的铁屑来源工位和品质的识别方法 | |
| CN109692990A (zh) | 一种带阻尼台转子叶片加工方法 | |
| CN102873363A (zh) | 一种中介机匣衬套销钉孔加工方法 | |
| CN112526931B (zh) | 一种船用柴油机机身孔系镗削加工过程质量控制方法 | |
| CN116106331B (zh) | 一种汽车电池外壳在线检测装置及其检测方法 | |
| CN107443082A (zh) | 基于混流生产模式的船用柴油机缸盖自动加工系统及工艺 | |
| CN114662981B (zh) | 基于大数据应用的污染源企业监管方法 | |
| CN110969111A (zh) | 机械零部件数字图纸的自动识别归类方法 | |
| CN106584040A (zh) | 一种模具的工艺制造方法及步骤 | |
| CN103862236A (zh) | 一种机械零件的加工方法 | |
| CN109590806B (zh) | Cnc刀具检测方法及应用和电子设备壳体加工工艺 | |
| CN113916884A (zh) | 一种硬车削工件表面质量在线预测方法 | |
| CN111843609A (zh) | 零件加工定位方法 | |
| CN206484298U (zh) | 主键体上偏心圆的批量加工工装 | |
| Lu et al. | Cutting tool condition recognition in NC machining process of structural parts based on machining features | |
| CN112181956A (zh) | 一种基于热轧工业大数据的数据挖掘的方法 | |
| Melvin et al. | ANALYSIS OF REJECTION OF SQUARE PISTON AND ITS REMEDIES | |
| Pinkowski et al. | Quality of profile milling on a CNC woodworking machine | |
| Kumar et al. | Strategy development for lean manufacturing implementation in a selected Manufacturing company |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 430056 No. 10 Dongfeng Avenue, Wuhan economic and Technological Development Zone, Wuhan, Hubei Applicant after: DONGFENG MOTER Co.,Ltd. Address before: No.12 Fengshen Avenue, Huadu District, Guangzhou, Guangdong 510000 Applicant before: DONGFENG MOTER Co.,Ltd. |