CN113093590A - 焊接异常检测方法、装置、计算机设备和存储介质 - Google Patents
焊接异常检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113093590A CN113093590A CN202110268025.XA CN202110268025A CN113093590A CN 113093590 A CN113093590 A CN 113093590A CN 202110268025 A CN202110268025 A CN 202110268025A CN 113093590 A CN113093590 A CN 113093590A
- Authority
- CN
- China
- Prior art keywords
- welding
- detected
- preset
- variable
- mechanism model
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 586
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 47
- 230000005856 abnormality Effects 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 abstract description 30
- 238000010586 diagram Methods 0.000 description 12
- 238000013515 script Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005493 welding type Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种焊接异常检测方法、装置、计算机设备和存储介质。本申请通过获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果；根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。本申请通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，而预设焊接机理模型基于焊接机理构建，对于相同的焊机具备较高的复用性，在焊接品换型后可以保证焊接检测过程不需要重新训练识别模型，从而保证焊接异常检测的检测效率。
Description
技术领域
本申请涉及焊接技术领域，特别是涉及一种焊接异常检测方法、装置、计算机设备和存储介质。
背景技术
焊接是机械制造领域最重要的工艺之一，根据焊接性质、方式、应用场合等方面的不同，焊接可分为手工焊接、半自动焊接、自动焊接等形式。由于焊接过程中焊接异常的发生，往往会导致焊接品出现漏焊、焊穿、焊缝成型不均匀等现象。因此，需要在焊接完成后进行焊接异常检测，从而保证焊接品的质量。
目前对焊接异常检测的方法一般通过数据模型来实现，但是数据模型依托于相同型号的焊接品的前期数据积累，当焊接品换型后，就需要重新积累数据，导致焊接异常检测的效率较差。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效提高焊接异常检测过程检测效率的焊接异常检测方法、装置、计算机设备和存储介质。
一种焊接异常检测方法，所述方法包括：
获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
在其中一个实施例中，所述将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果包括：
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型提取所述待测焊接信号所包含的待测焊接变量对应的待测特征值；
查找所述待测特征值对应的预设特征值约束；
根据所述待测特征值以及所述预设特征值约束，获取所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
在其中一个实施例中，所述将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果之前，还包括：
获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件；
根据所述变量配置文件生成变量配置模板；
根据所述变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
在其中一个实施例中，所述获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件包括：
获取历史数据中焊接变量对应的基准变化趋势曲线；
确定所述基准变化趋势曲线对应的坐标轴阈值线；
通过所述坐标轴阈值线对所述基准变化趋势曲线进行分解，获取基准曲线片段；
提取所述基准曲线片段内的特征点；
根据所述特征点确定所述焊接变量对应的预设特征值约束；
根据所述焊接变量对应的预设特征值约束构建变量配置文件。
在其中一个实施例中，所述提取所述基准曲线片段内的特征点包括：
获取预设特征点提取规则；
根据所述预设特征点提取规则识别所述局部点集基准曲线片段内的特征点。
在其中一个实施例中，所述根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果之后，还包括：
当所述焊接异常检测结果为异常焊接时，生成所述焊接异常检测结果对应的焊接检测报告；
反馈所述焊接检测报告。
一种焊接异常检测装置，所述装置包括：
请求获取模块，用于获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
机理模型识别模块，用于将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
焊接异常识别模块，用于根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
在其中一个实施例中，所述机理模型识别模块具体用于：
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型提取所述待测焊接信号所包含的待测焊接变量对应的待测特征值；
查找所述待测特征值对应的预设特征值约束；
根据所述待测特征值以及所述预设特征值约束，获取所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
上述焊接异常检测方法、装置、计算机设备和存储介质，通过获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。本申请通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，而预设焊接机理模型基于焊接机理构建，即基于焊接变量对应的基准变化趋势曲线构建，对于相同的焊机具备较高的复用性，在焊接品换型后可以保证焊接检测过程不需要重新训练识别模型，从而保证焊接异常检测的检测效率。
附图说明
图1为一个实施例中焊接异常检测方法的应用环境图；
图2为一个实施例中焊接异常检测方法的流程示意图；
图3为一个实施例中图2中步骤203的子流程示意图；
图4为一个实施例中构建预设焊接机理模型步骤的流程示意图；
图5为一个实施例中获取变量配置文件步骤的流程示意图；
图6为一个实施例中超声波焊接的5类基准变化趋势曲线的示意图；
图7为一个实施例中基准曲线片段的物理特征点的示意图；
图8为一个实施例中基准曲线片段的虚拟特征点的示意图；
图9为一个实施例中获提取基准曲线片段内的特征点的流程示意图；
图10为一个实施例中焊接频率的曲线模板的示意图；
图11为一个实施例中定义特征点后焊接频率的曲线模板的示意图；
图12为一个实施例中实际焊接过程中焊接频率的曲线的示意图；
图13为一个实施例中焊接电压的曲线模板的示意图；
图14为一个实施例中定义特征点后焊接电压的曲线模板的示意图；
图15为一个实施例中实际焊接过程中焊接电压的曲线的示意图；
图16为一个实施例中定义特征值后的焊接变量曲线的示意图；
图17为一个实施例中焊接异常检测装置的结构框图；
图18为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的焊接异常检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。其中，当终端102方的焊接检测工作人员需要针对焊接的结果进行检测，判断焊接是否存在异常时。可以通过发送相应的焊接异常检测请求至服务器104，同时提交焊接异常检测请求对应的待测焊接信号。由服务器104来对这些待测焊接信号进行检测，来判断焊接过程是否存在焊接异常的情况。服务器104获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个具体地实施例中，服务器104还可以通过PLC(Programmable Logic Controller，可编辑逻辑控制器)来实现。
在一个实施例中，如图2所示，提供了一种焊接异常检测方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤201，获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号。
其中，焊接异常检测请求用于请求服务器104针对指定的焊接数据进行异常检测，来判断焊接数据对应的焊接过程是否存在异常。待测焊接信号具体是指焊接过程中产生的各种变量波形数据，如对于超声波电焊，待测焊接信号包括焊接电流，仪器Ready信号，焊接电压，焊接超声输出控制信号，气缸抬起落下控制信号，焊接气压，传感器检测到的探头位置，电压相位差，电流相位差，鉴相结果，焊接频率，有功功率，无功功率等诸多参数数据。而对于其他电焊方式，也有着对应类型的焊接参数数据。
具体地，当终端102方的焊接检测工作人员在焊接完成后，如果需要对焊接过程进行校验，保证焊接结果不出现异常时，可以发送焊接异常检测请求至服务器104，以请求服务器104来进行相应的焊接异常检测。在其中一个实施例中，焊接异常检测请求可以在焊接完成后自动发送至服务器104，而不需要工作人员手动发送，通过自动发送焊接异常检测请求，可以有效提高检测效率。服务器104则在接收到焊接异常检测请求，进一步确定焊接异常检测请求对应的待测焊接信号。在其中一个实施例中，焊接异常检测请求可以包含对应的待测焊接信号。在另一个实施例中，焊接异常检测请求可以包含对应的焊接数据的数据标记或者存储地址等信息，而服务器104在焊接异常检测请求后，即可根据数据标记或者存储地址来确定焊接异常检测请求对应的待测焊接信号。
步骤203，将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建。
其中，预设焊接机理模型是指基于焊接变量的工作机理对焊接异常进行检测的模型，预设焊接机理模型包括有特征提取、变量配置模板以及异常分析等模块，其中特征提取模块用于从待测焊接信号对应的各个焊接变量中提取得到用于分析的特征数据，而变量配置模板则基于历史数据中焊接变量对应的基准变化趋势曲线构建，具体包括待测焊接信号对应的各个焊接变量的预设特征值约束。而异常分析则用于基于提取的特征以及变量配置模板来对待测焊接信号内待测焊接变量是待测焊接信号内待测焊接变量中是否存在异常进行判断。
具体地，在待测焊接信号的变量波形数据中，包含许多可以肉眼观察到有意义的焊接信息，比如对于超声波焊接，完整的焊接共有两次超声的触发，每次触发会引起电流和电压的突变等等。因此可以归纳出这类焊接机理规律，并构建相应的焊接变量对应的基准变化曲线，从而可以基于焊接变量对应的基准变化趋势曲线来学习变量对应的焊接知识，而后将焊接知识固化到预设焊接机理模型的变量配置模板中，从而通过预设焊接机理模型实现对现场焊接信号的实时判断。在其中一个实施例中，基准变化曲线可以基于不同焊接过程中的历史数据总结获取，而在另外的实施例中，还可以直接由有经验的焊接专家直接绘制获取。因为同种焊机在焊接机理上的一致性，所以当定义好变量配置模板后。本申请的变量配置模板有很强的复用性，对于不同现场工况的焊接过程，只需要微调规则库就可以直接用于焊接异常检测，从而保证了焊接过程的异常分析效率。
步骤205，根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。
具体地，当得到待测焊接变量对应的焊接异常识别结果后，即可根据各个待测焊接变量对应的焊接异常识别结果来对完整的焊接过程是否存在异常进行分析。该分析过程可以根据焊接质量要求等进行具体的设置，如在其中一个实施例中，当待测焊接变量对应的焊接异常识别结果中出现异常的待测焊接变量时，即可确定焊接异常检测请求对应的焊接异常识别结果为焊接过程出现异常。而在另一个实施例中，则需要同时满足指定的若干个待测焊接变量同时出现异常时，才会确定焊接异常检测请求对应的焊接异常识别结果为焊接过程出现异常。
上述焊接异常检测方法，通过获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。本申请通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，而预设焊接机理模型基于焊接机理构建，即基于历史数据中焊接变量对应的基准变化趋势曲线构建，对于相同的焊机具备较高的复用性，在焊接品换型后可以保证焊接检测过程不需要重新训练识别模型，从而保证焊接异常检测的检测效率。
在一个实施例中，如图3所示，步骤203包括：
步骤302，将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型提取待测焊接信号所包含的待测焊接变量对应的待测特征值。
步骤304，查找待测特征值对应的预设特征值约束。
步骤306，根据待测特征值以及预设特征值约束，获取待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
其中，预设焊接机理模型包括有预设的变量配置模板，该变量配置模板基于历史数据中焊接变量对应的基准变化趋势曲线构建。而预设特征值约束是指预设的变量配置模板对处于正常范围内焊接变量的限制条件。
具体地，在通过预设焊接机理模型来判断待测焊接变量是否异常时，其主要通过判断当待测焊接信号所包含的待测焊接变量对应的待测特征值不在对应的预设特征值约束的范围内时，即可获取待测焊接变量对应的焊接异常识别结果。在这一过程中，具体需要通过预设焊接机理模型来进行特征提取的处理，这部分具体是指从变量的波形图中提取出特征数据，包括特征点对应的待测特征值。而后可以基于预设焊接机理模型中变量配置模板查找，特征点对应的预设特征值约束。即可通过对比待测特征值是否满足预设特征值约束，来对获取待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。本实施例中，基于待测特征值以及预设特征值约束，来对变量异常进行识别，可以有效提高识别过程的准确性以及效率。
如图4所示，在其中一个实施例中，步骤203之前，包括：
步骤401，获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件。
步骤403，根据变量配置文件生成变量配置模板。
步骤405，根据变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
在生成焊接机理模型时，需要生成变量配置模板，变量模板内包括多种不同变量。在确定某个变量对应的约束规则时，首先选取需要进行异常检测的某焊接变量，针对该焊接变量挑选基准曲线，在基准曲线上设置若干x，y轴阈值线，进行局部分解，在每个分解后的基准曲线片段提取合适的特征点，对选中的特征点进行特征值选取，为选出的特征值制定约束规则。当对所有变量完成约束规则后，需要将这部分知识固化为文档并传递给执行器，该知识文档即变量配置文件，变量配置文件可以用json或者xml等格式来描述。而将所有的知识文档结合，所构建成的即为变量配置模板，将变量配置下发到执行特征提取的预设特征提取模块的和执行模型分析的预设模型分析模块中，即可构建生成完整的预设焊接机理模型。本实施例中，通过获取基准变化趋势曲线的变量配置文件，而后基于变量配置文件生成相应的变量配置模板，可以基于变量配置模板、预设特征提取模块以及预设模型分析模块来更合理地构建预设焊接机理模型。
如图5所示，在其中一个实施例中，步骤401包括：
步骤501，获取历史数据中焊接变量对应的基准变化趋势曲线。
具体地，焊接各变量的变化趋势可以通过基准变化趋势曲线来体现。如图6所示，对于超声波焊接，可以抽象为5类基准变化趋势曲线。其中图(i)可以作为焊接超声输出控制信号，鉴相结果和焊接频率的基准，图(ii)可以作为ready信号和电流信号的基准，图(iii)可以作为电压相位差和电流相位差的基准，图(iv)可以作为无功功率的基准，图(v)可以作为电压和有功功率的基准。此外，本申请中的基准曲线图库默认为预定义在系统的曲线，支持复制和编辑功能，如果需要扩展新的基准曲线，就需要在“自定义曲线操作面板”中添加曲线。自定义曲线操作面板内含一些基本形状，当用户有新的基准曲线需求时，可以用基本形状，比如线段来自定义曲线。流程类似于利用Office PowerPoint中“插入形状”来编辑曲线。自定义编辑结束后，输出类似于图6中(i)-(v)的形状，该形状可以添加到曲线库，作为一些新变量的基准曲线。
步骤502，确定基准变化趋势曲线对应的坐标轴阈值线。
步骤503，通过坐标轴阈值线对基准变化趋势曲线进行分解，获取基准曲线片段。
步骤504，提取基准曲线片段内的特征点。
其中，坐标轴阈值线分别表示基准变化趋势曲线中的x轴线以及y轴线。而对于特征点，本申请的特征点原始库默认有最小y值点，最大y值点，最小x值点，最大x值点，过界点1，过界点2，中位数点等物理点，也有平均值点，等面积点等虚拟点。当用户有额外需求时，也支持自己用脚本定义特征点。具体特征点的含义和选取流程举例如下。
选定基准曲线后，利用2根x轴阈值线和1根y轴阈值线即可对基准曲线做一个局部分割，得到基准曲线片段。针对基准曲线片段，可以在特征点库中选取合适的特征进行提取。如图7所示，有4个物理点，假设这4个点都是希望提取的特征点，那么利用x轴阈值线V1和V2，可以找到最大y值点Fmax和最小y值点Fmin，再结合y轴阈值线H1即可确定过界点Fcross1和Fcross2。其中最大y值点和最小y值点的选取逻辑很好理解，关于过界点的选取，基于图7，过界点逻辑具体为：
对于局部范围的所有点集合Fn(xn，yn)，当(yn-H1)(yn+1-H1)<0，且满足xn，xn+1∈(V1，V2)，则定义Fcross1＝(xn，yn)，Fcross2＝(xn+1，yn+1)。
如果在实际应用中，用户希望提取的特征点不是物理点(实际采集的信号点)，而是某段时间范围内的信号平均值或者是某段时间范围内信号的投影面积，例如功率在时间轴上的投影是能耗值，那么可以选取特征点库中的虚拟点，即平均点Fmean和面积点Farea。如图8所示，平均点Fmean的横纵坐标值为局部区域内所有信号点的平均值，面积点Farea的横纵坐标值相等，其平方等于信号在x轴上的投影面积。通过坐标轴阈值线来将基准变化趋势曲线，可以得到对应的基准曲线片段，该基准曲线片段为曲线在坐标轴区域内的片段，因此能更有效地识别出部分特征点，如过界点和极值点等。
步骤505，根据特征点确定焊接变量对应的预设特征值约束。
步骤506，根据焊接变量对应的预设特征值约束构建变量配置文件。
当选中变量的特征值后，需要添加对应的预设特征值约束规则。这一过程可以通过焊接专家定义来实现，焊接专家需要为特征值添加约束规则，可以采用自定义脚本或者使用规则模板来定义约束规则，规则模板的功能包括但不限于变量值选取，操作运算符选取(加减乘除)，逻辑运算符选取(与或非)，比较运算符选取(等号，不等号，大于，小于)，集合运算符(属于，不属于等等)。在其中一个实施例中40000<F2y<41000：焊接频率触发后稳定值要在40000～41000之间，又在另一个实施例中，在第一次焊接过程中，焊接电压出发后持续时间至少要在30个时间单位以上，且焊接电压极值要超过280伏特。当对所有变量完成约束规则后，需要将这部分知识固化为变量配置文件并传递给执行器，该变量配置文件可以用json或者xml等格式来描述。本实施例中，通过将焊接变量对应的基准变化趋势曲线进行分解，而后提取特征点，来进行预设特征值约束，可以保证焊接异常识别过程中异常识别的准确率。
在其中一个实施例中，如图9所示，步骤504具体包括：
步骤902，获取预设特征点提取规则。
步骤904，根据所述预设特征点提取规则识别所述基准曲线片段内的特征点。
具体地，在提取特征点时，需要对原先的基准变化趋势曲线进行分割得到基准曲线片段。而后基于预设特征点提取规则以及这部分基准曲线片段来查找其中的特征点。预设特征点提取规则具体可以根据各个待测焊接变量的物理意义来进行进一步地确定，如基于焊接过程中各个工序的变化来定义区域划分的阈值线，而后将阈值线所划分的基准曲线片段区域内的过界点来作为特征点。在其中一个实施例中，如图10所示，可以选取如图所示基准变化趋势曲线作为焊接频率的曲线模板，然后用x轴阈值线V1，V2，V3，V4和y轴阈值线H1分解出两块区域。如图11所示，根据实际焊接频率的物理意义，可以在基准曲线片段上定义合适的V1，V2，V3，V4和H1，然后选用4个过界点F1～F4。其示意图如11所示，其中F1和F2是[V1，V2]区域内的过界点1和过界点2，F3和F4是[V3，V4]区域内的过界点1和过界点2。假设定义好基准曲线片段和预设特征点提取规则，其中的H1＝20000，V1＝150，V2＝200，V3＝325，V4＝375(此处设置的具体数值为依据经验大概设置好的数值)，而特征点为两组过界点，然后把实际的焊接频率曲线用该预设特征点提取规则进行解析(解析的意思是把V1～V2和V3～V4这个区域的点都遍历一遍，看是不是符合特征点的定义)，可以得到所需的4个特征点，F1(174，0)，F2(175，40168)，F3(340，400168)，F4(341，0)。实际焊接频率特征如图12所示。
而在另一个实施例中，对于焊接电压特征点选取则可以参照图13，首先，选取如图所示的基准变化趋势曲线作为焊接电压的基准变化趋势曲线，然后用x轴阈值线V1，V2，V3，V4，V5，V6分解出5块局部区域(图13所示，两两相邻的x轴阈值线都是分解后的区域)。根据实际焊接电压的物理意义，可以在(v)基准曲线片段上定义合适的V1，V2，V3，V4，V5，V6和H1，H12，然后选用合适的特征点F1～F10。其示意图如图14所示，其中F1和F2是[V1，V2]区域内的过界点1和过界点2，F3和F4是[V2，V3]区域内的最大y值点和过界点2，F5和F6是[V3，V4]区域内的过界点1和过界点2，F7和F8是[V4，V5]区域内的过界点1和过界点2，F9和F10是[V5，V6]区域内的过界点1和过界点2。假设定义好基准变化趋势曲线和特征点模板，其中的H1＝100，H2＝600，V1＝175，V2＝190，V3＝275，V4＝325，V5＝330，V6＝375，特征点除了F3为最大y值点外，其它都为过界点，然后把实际的焊接电压曲线用该模板进行解析，可以得到所需的10个特征点，F1(189，59)，F2(190，156)，F3(214，304)，F4(220，7)，F5(302，21)，F6(303，156)，F7(325，434)，F8(326，726)，F9(340，919)，F10(341，0)。实际焊接电压特征点如图15所示。需要说明的是，本申请中的过界点是针对指定的区域而言的，例如，对于图15而言，F7和F8是[V4，V5]区域内的过界点，F9和F10是[V5，V6]区域内的过界点，而不能将图15中各个区域的过界点统称为过界点，比如不能将F8和F9直接作称为过界点，它们不属于同一个区域，且它们的y值相等，也不符合过界点的公式。
而对于预设特征值提取规则，每个变量的曲线都根据基准模板选取出了相应的特征点，预设特征值提取规则还可以将特征点转换为特征数值，然后才能成为焊接分析模型的输入。特征值的属性有x值和y值，分别由特征点的横坐标和纵坐标表示。如图16所示，特征点Fmin的特征值就可以选取其横纵坐标Fminx和Fminy，具体选择哪个值做特征值要看关心的指标是什么。除了默认的特征值属性x和y之外，该模块也支持用户用脚本自定义属性值，比如x2等。通过预设特征点提取规则提取基准变化曲线内的特征点，可以保证特征点提取的准确性，从而提高焊接异常识别过程的识别准确率。
在其中一个实施例中，步骤205之后，还包括：当焊接异常检测结果为异常焊接时，生成焊接异常检测结果对应的焊接检测报告；反馈焊接检测报告。
具体地，当触发异常报警时，服务器104可以自动生成该异常信号的检测报告，报告的内容包括但不限于焊接的时间，电芯的编码，极耳的编码，相似度，各参数的曲线对比图等等。而后反馈生成的焊接检测报告至终端102的焊接检测工作人员端，方便故障记录和追溯。本实施例中，通过生成并反馈焊接检测报告可以更直观且有效地对焊接异常进行汇报，提高焊接异常检测过程的反应速度。
应该理解的是，虽然图2-9中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图17所示，提供了一种焊接异常检测装置，包括：
请求获取模块1702，用于获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号。
机理模型识别模块1704，用于将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建。
焊接异常识别模块1706，用于根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。
在其中一个实施例中，机理模型识别模块1704具体用于：将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型提取待测焊接信号所包含的待测焊接变量对应的待测特征值；查找待测特征值对应的预设特征值约束；根据待测特征值以及预设特征值约束，获取待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
在其中一个实施例中，还包括模型构建模块，用于：获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件；根据变量配置文件生成变量配置模板；根据变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
在其中一个实施例中，模型构建模块还用于：获取历史数据中焊接变量对应的基准变化趋势曲线；确定基准变化趋势曲线对应的坐标轴阈值线；通过坐标轴阈值线对基准变化趋势曲线进行分解，获取基准曲线片段；提取基准曲线片段内的特征点；根据特征点确定焊接变量对应的预设特征值约束；根据焊接变量对应的预设特征值约束构建变量配置文件。
在其中一个实施例中，模型构建模块还用于：获取基准曲线片段对应局部点集；获取预设特征点提取规则；根据预设特征点提取规则识别局部点集内的特征点。
在其中一个实施例中，还包括报告生成模块，用于：当焊接异常检测结果为异常焊接时，生成焊接异常检测结果对应的焊接检测报告；反馈焊接检测报告。
关于焊接异常检测装置的具体限定可以参见上文中对于焊接异常检测方法的限定，在此不再赘述。上述焊接异常检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图18所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储流量转发数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种焊接异常检测方法。
本领域技术人员可以理解，图18中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；
将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型提取待测焊接信号所包含的待测焊接变量对应的待测特征值；查找待测特征值对应的预设特征值约束；根据待测特征值以及预设特征值约束，获取待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件；根据变量配置文件生成变量配置模板；根据变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取历史数据中焊接变量对应的基准变化趋势曲线；确定基准变化趋势曲线对应的坐标轴阈值线；通过坐标轴阈值线对基准变化趋势曲线进行分解，获取基准曲线片段；提取基准曲线片段内的特征点；根据特征点确定焊接变量对应的预设特征值约束；根据焊接变量对应的预设特征值约束构建变量配置文件。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取基准曲线片段对应局部点集；获取预设特征点提取规则；根据预设特征点提取规则识别局部点集内的特征点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当焊接异常检测结果为异常焊接时，生成焊接异常检测结果对应的焊接检测报告；反馈焊接检测报告。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取焊接异常检测请求，确定焊接异常检测请求对应的待测焊接信号；
将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型识别待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据待测焊接变量对应的焊接异常识别结果，确定焊接异常检测请求对应的焊接异常识别结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将待测焊接信号输入预设焊接机理模型，通过预设焊接机理模型提取待测焊接信号所包含的待测焊接变量对应的待测特征值；查找待测特征值对应的预设特征值约束；根据待测特征值以及预设特征值约束，获取待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件；根据变量配置文件生成变量配置模板；根据变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史数据中焊接变量对应的基准变化趋势曲线；确定基准变化趋势曲线对应的坐标轴阈值线；通过坐标轴阈值线对基准变化趋势曲线进行分解，获取基准曲线片段；提取基准曲线片段内的特征点；根据特征点确定焊接变量对应的预设特征值约束；根据焊接变量对应的预设特征值约束构建变量配置文件。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取基准曲线片段对应局部点集；获取预设特征点提取规则；根据预设特征点提取规则识别局部点集内的特征点。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当焊接异常检测结果为异常焊接时，生成焊接异常检测结果对应的焊接检测报告；反馈焊接检测报告。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(StaticRandomAccessMemory，SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种焊接异常检测方法，所述方法包括：
获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果包括：
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型提取所述待测焊接信号所包含的待测焊接变量对应的待测特征值；
查找所述待测特征值对应的预设特征值约束；
根据所述待测特征值以及所述预设特征值约束，获取所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
3.根据权利要求1所述的方法，其特征在于，所述将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果之前，还包括：
获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件；
根据所述变量配置文件生成变量配置模板；
根据所述变量配置模板、预设特征提取模块以及预设模型分析模块构建预设焊接机理模型。
4.根据权利要求3所述的方法，其特征在于，所述获取历史数据中焊接变量对应的基准变化趋势曲线的变量配置文件包括：
获取历史数据中焊接变量对应的基准变化趋势曲线；
确定所述基准变化趋势曲线对应的坐标轴阈值线；
通过所述坐标轴阈值线对所述基准变化趋势曲线进行分解，获取基准曲线片段；
提取所述基准曲线片段内的特征点；
根据所述特征点确定所述焊接变量对应的预设特征值约束；
根据所述焊接变量对应的预设特征值约束构建变量配置文件。
5.根据权利要求4所述的方法，其特征在于，所述提取所述基准曲线片段内的特征点包括：
获取预设特征点提取规则；
根据所述预设特征点提取规则识别所述基准曲线片段内的特征点。
6.根据权利要求1所述的方法，其特征在于，所述根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果之后，还包括：
当所述焊接异常检测结果为异常焊接时，生成所述焊接异常检测结果对应的焊接检测报告；
反馈所述焊接检测报告。
7.一种焊接异常检测装置，其特征在于，所述装置包括：
请求获取模块，用于获取焊接异常检测请求，确定所述焊接异常检测请求对应的待测焊接信号；
机理模型识别模块，用于将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型识别所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果，所述预设焊接机理模型基于焊接变量对应的基准变化趋势曲线构建；
焊接异常识别模块，用于根据所述待测焊接变量对应的焊接异常识别结果，确定所述焊接异常检测请求对应的焊接异常识别结果。
8.根据权利要求7所述的装置，其特征在于，所述机理模型识别模块具体用于：
将所述待测焊接信号输入预设焊接机理模型，通过所述预设焊接机理模型提取所述待测焊接信号所包含的待测焊接变量对应的待测特征值；
查找所述待测特征值对应的预设特征值约束；
根据所述待测特征值以及所述预设特征值约束，获取所述待测焊接信号所包含的待测焊接变量对应的焊接异常识别结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110268025.XA CN113093590A (zh) | 2021-03-12 | 2021-03-12 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110268025.XA CN113093590A (zh) | 2021-03-12 | 2021-03-12 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113093590A true CN113093590A (zh) | 2021-07-09 |
Family
ID=76667239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110268025.XA Pending CN113093590A (zh) | 2021-03-12 | 2021-03-12 | 焊接异常检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113093590A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114545854A (zh) * | 2022-02-14 | 2022-05-27 | 惠州锂威新能源科技有限公司 | 一种极耳焊接监控系统及监控方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011053188A (ja) * | 2009-09-04 | 2011-03-17 | Tokyu Car Corp | 溶接部の異常検出方法 |
| US20120189993A1 (en) * | 2009-07-10 | 2012-07-26 | Lincoln Global, Inc. | Virtual welding system |
| CN109376411A (zh) * | 2018-09-30 | 2019-02-22 | 武昌船舶重工集团有限公司 | 一种焊接物量统计方法及系统 |
| CN110261483A (zh) * | 2019-07-31 | 2019-09-20 | 三一汽车起重机械有限公司 | 焊缝缺陷检测方法、装置、检测设备及可读存储介质 |
| CN110619188A (zh) * | 2019-09-26 | 2019-12-27 | 华中科技大学 | 一种焊接变形应力仿真方法、装置、设备及存储介质 |
| CN112464405A (zh) * | 2020-11-26 | 2021-03-09 | 江南造船(集团)有限责任公司 | 一种基于三维模型的焊缝表达方法 |
-
2021
- 2021-03-12 CN CN202110268025.XA patent/CN113093590A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120189993A1 (en) * | 2009-07-10 | 2012-07-26 | Lincoln Global, Inc. | Virtual welding system |
| JP2011053188A (ja) * | 2009-09-04 | 2011-03-17 | Tokyu Car Corp | 溶接部の異常検出方法 |
| CN109376411A (zh) * | 2018-09-30 | 2019-02-22 | 武昌船舶重工集团有限公司 | 一种焊接物量统计方法及系统 |
| CN110261483A (zh) * | 2019-07-31 | 2019-09-20 | 三一汽车起重机械有限公司 | 焊缝缺陷检测方法、装置、检测设备及可读存储介质 |
| CN110619188A (zh) * | 2019-09-26 | 2019-12-27 | 华中科技大学 | 一种焊接变形应力仿真方法、装置、设备及存储介质 |
| CN112464405A (zh) * | 2020-11-26 | 2021-03-09 | 江南造船(集团)有限责任公司 | 一种基于三维模型的焊缝表达方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114545854A (zh) * | 2022-02-14 | 2022-05-27 | 惠州锂威新能源科技有限公司 | 一种极耳焊接监控系统及监控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113094770B (zh) | 图纸生成方法、装置、计算机设备和存储介质 | |
| CN109669844B (zh) | 设备故障处理方法、装置、设备和存储介质 | |
| CN112818457B (zh) | 基于cad图纸的bim模型智能生成方法及系统 | |
| JP2020071845A (ja) | 異常検知装置、異常検知方法および異常検知プログラム | |
| CN111857470B (zh) | 一种生产设备的无人值守控制方法、装置和控制器 | |
| CN110763952A (zh) | 地下电缆故障监测方法和装置 | |
| JP2019215698A (ja) | 画像検査支援装置および方法 | |
| CN109815434A (zh) | 页面编辑方法、装置、设备及存储介质 | |
| CN115496120A (zh) | 物联网设备异常检测方法、装置、设备及存储介质 | |
| CN112184491B (zh) | 电网中异常数据识别方法、装置、计算机设备和存储介质 | |
| CN113093590A (zh) | 焊接异常检测方法、装置、计算机设备和存储介质 | |
| US20230066703A1 (en) | Method for estimating structural vibration in real time | |
| CN115509848A (zh) | 日志分析方法、装置、电子设备和存储介质 | |
| US20220121195A1 (en) | Predictive Maintenance Tool Based on Digital Model | |
| CN111680478A (zh) | 基于组态软件的报表生成方法、装置、设备和存储介质 | |
| CN113076350B (zh) | 焊接异常检测方法、装置、计算机设备和存储介质 | |
| CN110838940A (zh) | 地下电缆巡检任务配置方法和装置 | |
| CN116611003A (zh) | 一种变压器故障诊断方法、装置、介质 | |
| CN110334905B (zh) | 项目故障显示方法、装置、计算机设备和存储介质 | |
| CN115098326A (zh) | 一种系统异常检测方法及装置、存储介质及电子设备 | |
| CN114254854A (zh) | 一种基于离群值监测的配网线损异常判断方法及系统 | |
| KR20220159098A (ko) | 로그 데이터 처리 방법 및 그 장치 | |
| CN113240140A (zh) | 物理设备的故障检测方法、装置、设备及存储介质 | |
| CN116804993B (zh) | 一种具备时序数据特征的可视化表达方法 | |
| US20160305847A1 (en) | Computer device for detecting correlations within data |
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: 20210709 |
|
| RJ01 | Rejection of invention patent application after publication |