CN113195160A - 用于获得实时磨损数据的系统和方法 - Google Patents

Abstract

本申请涉及用于获得实时磨损数据的系统和方法。示例系统包括远离研磨工具和工件定位的远程传感器。所述远程传感器配置成检测与涉及所述研磨工具和所述工件的研磨操作相关的振动和/或噪声。所述系统包括配置成执行操作的通信接口和控制器。所述操作包括：从所述远程传感器接收与所述研磨工具和所述工件相关的振动或噪声信息中的至少一者。所述操作还包括：基于所述振动或噪声信息中的至少一者来确定工具特定信息或工件特定信息。所述操作再进一步包括：经由所述通信接口传输所述工具特定信息或所述工件特定信息。所述系统还包括配置成接收所传输的工具特定信息或工件特定信息的远程计算设备。

Description

用于获得实时磨损数据的系统和方法

相关专利申请的交叉引用

本申请要求于2018年11月21日提交的美国临时专利申请号62/770,394的优先权，其内容通过引用整体并入本文。本申请进一步要求于2019年8月15日提交的美国临时专利申请号62/887,231的优先权，其内容通过引用整体并入本文。

背景技术

磨料工具可用于各种材料去除操作。这样的工具已经配备有可监视工具使用情况的传感器。例如，可将功率传感器结合到工具中，以便监视负载消耗的电功率。尽管结合到工具中的功率传感器可向工具的用户提供与工具有关的有用信息，但是传感器可能无法完全捕获工具的操作和/或用户的体验。例如，功率传感器数据不能有效地用于确定工具的部件是否已损坏或发生故障。

发明内容

本公开总体上涉及用于在磨料和磨料工具应用中获得、分析和利用实时数据的系统和方法。

在第一方面，提供了一种系统。所述系统包括身体安装式设备。所述身体安装式设备包括至少一个传感器，所述至少一个传感器配置成检测与涉及磨料产品或工件的磨料操作相关的磨料操作数据。所述身体安装式设备还包括通信接口。所述身体安装式设备进一步包括控制器，所述控制器包括存储器和处理器。所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令。所述操作包括：从所述至少一个传感器接收所述磨料操作数据。所述操作还包括：基于所述磨料操作数据，确定所述磨料产品的产品特定信息或所述工件的工件特定信息。所述操作进一步包括：经由所述通信接口传输所述产品特定信息或工件特定信息。所述系统进一步包括远程计算设备，所述远程计算设备配置成接收所传输的产品特定信息或工件特定信息。

在第二方面，提供了一种方法。所述方法包括：从设置成邻近磨料产品或工件的至少一个传感器接收与涉及所述磨料产品或所述工件的磨料操作相关的磨料操作数据。所述方法还包括：基于所述磨料操作数据，确定产品特定信息或工件特定信息。所述方法进一步包括：经由通信接口将所述产品特定信息或所述工件特定信息传输至远程计算设备。

在第三方面，提供了一种系统。所述系统包括数据库，所述数据库包含以下各者之间的映射：(i)涉及磨料产品和工件的先验磨料操作数据；以及(ii)与所述先验磨料操作数据相关的产品特定信息和工件特定信息。所述系统还包括计算设备，所述计算设备配置成执行操作。所述操作包括：从配置成检测磨料操作数据的至少一个传感器接收与涉及磨料产品和工件的磨料操作相关的磨料操作数据。所述操作进一步包括：使用所述映射预测所述磨料操作数据与所述磨料产品的产品特定信息或所述工件的工件特定信息有关。

附图说明

图1展示了根据一个示例实施例的可穿戴设备的框图。

图2展示了根据一个示例实施例的使用可穿戴设备的场景。

图3描绘了根据一个示例实施例的可穿戴设备的操作状态的表格。

图4描绘了根据一个示例实施例的曲线图，所述曲线图证明了磨料工具的功率信号和振动信号的相关性。

图5描绘了根据一个示例实施例的加速度曲线图，从所述加速度曲线图可确定磨料工具的操作严酷性(severity，严重性、强度)。

图6A和图6B各自描绘了根据示例实施例的加速度曲线图，从所述加速度曲线图可检测出磨料工具的不平衡磨料制品。

图7描绘了根据示例实施例的加速度曲线图，从所述加速度曲线图可检测出磨料工具的损坏的盘。

图8描绘了根据一个示例实施例的加速度曲线图，从所述加速度曲线图可检测出磨料工具的冲击和/或冲程。

图9包括根据一个示例实施例的粘结的磨料制品的透视图图示。

图10A包括根据一个示例实施例的成形磨料颗粒的透视图图示。

图10B包括根据一个示例实施例的图10A的成形磨料颗粒的顶视图。

图11包括根据一个示例实施例的成形磨料颗粒的透视图图示。

图12A包括根据一个示例实施例的高度受控的磨料颗粒(CHAP)的透视图图示。

图12B包括根据一个示例实施例的非成形颗粒的透视图图示。

图13包括根据一个示例实施例的带涂层的磨料制品的横截面图示。

图14包括根据一个示例实施例的带涂层的磨料的一部分的顶视图。

图15展示了根据一个示例实施例的带涂层的磨料的一部分的横截面。

图16展示了根据一个示例实施例的曲线图。

图17展示了根据一个示例实施例的曲线图。

图18展示了根据一个示例实施例的系统。

图19展示了根据一个示例实施例的模型。

图20展示了根据一个示例实施例的网络应用程序的视图。

图21展示了根据一个示例实施例的可穿戴设备的几种显示。

图22展示了根据一个示例实施例的示例可穿戴设备。

具体实施方式

本文描述了示例方法、设备和系统。应当理解，词语“示例”和“示例性”在本文中用于意指“用作示例、实例或展示”。本文描述为“示例”或“示例性”的任何实施例或特征未必解释为相比其他实施例或特征是优选的或有利的。在不脱离本文提出的主题的范围的情况下，可利用其他实施例，并可进行其他改变。

因此，本文所述的示例实施例并不意味着是限制性的。如本文大体上描述的以及在附图中展示的本公开的各方面可以各种不同的配置来布置、替换、组合、分离和设计，所有这些都被考虑在本文中。

进一步地，除非上下文另有说明，否则在每个附图中展示的特征可彼此组合使用。因此，应将附图一般地视为一个或多个总体实施例的组成方面，但应理解，对于每个实施例而言，并非所有展示的特征都是必需的。

I.概述

与上面的讨论一致，被结合到磨料工具(例如，研磨工具)中的传感器(例如，功率传感器)不能充分捕获工具的行为或使用工具的操作者的用户体验。因此，尽管这样的传感器可向操作员提供与工具的操作有关的一些信息，但是传感器不能为操作者提供其他信息或见解，诸如磨料工具参数的实时值和/或使用工具所执行的磨料操作的实时反馈。

本文公开了用于确定和使用指示磨料工具的行为的磨料操作数据的方法和系统。如本文所述，磨料操作数据可用于许多目的，包括：捕获磨料工具的行为、捕获使用该工具的操作者的用户体验、和/或确定操作和/或企业改进(例如，工作流程最佳实践)。

如本文所用，术语磨料工具包括配置成与磨料制品一起使用的任何工具。磨料制品可包括固定的磨料制品，所述固定的磨料制品至少包括基底和连接到基底(例如，容纳在基底内或覆盖在基底上)的磨料颗粒。本文实施例的磨料制品可以是粘结的磨料、带涂层的磨料、非织造磨料、薄轮、切割轮、增强磨料制品、超硬磨料(superabrasive)、单层磨料制品等。这样的磨料制品可包括一种或多种各种类型的磨料颗粒，包括例如但不限于成形磨料颗粒、恒定高度磨料颗粒、未成形磨料颗粒(例如，压碎的或爆破的磨料颗粒)等。

图10A包括根据一个实施例的成形磨料颗粒的透视图图示。成形磨料颗粒1000可包括主体1001，该主体包括主表面1002、主表面1003以及在主表面1002和主表面1003之间延伸的侧表面1004。如图10A所示，成形磨料颗粒1000的主体1001可为薄形主体，其中主表面1002和主表面1003大于侧表面1004。此外，主体1001可包括从点延伸到基部并且延伸穿过主表面1002或1003上的中点1050的纵向轴线1010。纵向轴线1010可限定主体的沿着主表面并且穿过主表面1002的中点1050的最长尺寸。

在某些颗粒中，如果主体的主表面的中点不容易看清，则可从上往下观察主表面，在主表面的二维形状周围绘制最近拟合圆，并使用圆的中心作为主表面的中点。

图10B包括图10A的成形磨料颗粒的顶视图图示。值得注意的是，主体1001包括具有三角形二维形状的主表面1002。围绕三角形绘制圆1060，以方便将中点1050定位在主表面1002上。

再次参考图10A，主体1001可进一步包括侧向轴线1011，该侧向轴线限定在同一主表面1002上大致垂直于纵向轴线1010延伸的主体1001的宽度。最后，如图所示，主体1001可包括垂直轴线1012，在薄形主体的上下文中可限定主体1001的高度(或厚度)。对于薄形主体，纵向轴线1010的长度大于垂直轴线1012。如图所示，沿垂直轴线1012的厚度可沿侧表面1004在主表面1002和主表面1003之间延伸，并且垂直于由纵向轴线1010和横向轴线1011限定的平面。应当理解，本文中提及的磨料颗粒的长度、宽度和高度可以指取自较大组的磨料颗粒的合适取样量的平均值，该组包括例如一组附连到固结磨料的磨料颗粒。

本文实施例的成形磨料颗粒，包括薄的成形磨料颗粒，可具有以长度:宽度表示的主纵横比，使得长度可大于或等于宽度。此外，主体1001的长度可大于或等于高度。最后，主体1001的宽度可大于或等于高度。根据一个实施例，主纵横比(长度:宽度)可为至少1:1，诸如至少1.1:1、至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少6:1或甚至至少10:1。在另一个非限制性实施例中，成形磨料颗粒的主体1001可具有不大于100:1、不大于50:1、不大于10:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1、不大于2:1或甚至不大于1:1的主纵横比，该主纵横比以长度:宽度表示。应当理解，主体1001的主纵横比可在包括上文提到的任何最小比率至最大比率之间的范围内。

然而，在某些其他实施例中，宽度可大于长度。例如，在其中主体1001为等边三角形的那些实施例中，宽度可大于长度。在此类实施例中，以长度:宽度表示的主要纵横比可为至少1:1.1、或至少1:1.2、或至少1:1.3、或至少1:1.5、或至少1:1.8、或至少1:2、或至少1:2.5、或至少1:3、或至少1:4、或至少1:5、或至少1:10。另外，在一个非限制性实施例中，主要纵横比长度:宽度可不大于1:100、或不大于1:50、或不大于1:25、或不大于1:10、或不大于5:1、或不大于3:1。应当理解，主体1001的主纵横比可在包括上文提到的任何最小比率至最大比率之间的范围内。

此外，主体1001可具有以宽度:高度表示的第二纵横比，该第二纵横比可为至少1:1，诸如至少1.1:1、至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少8:1或甚至至少10:1。另外，在另一个非限制性实施例中，主体1001的第二纵横比(宽度:高度)可不大于100:1，诸如不大于50:1、不大于10:1、不大于8:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1或甚至不大于2:1。应当理解，以宽度:高度表示的第二纵横比可在包括上文的任何最小比率和最大比率的范围内。

在另一个实施例中，主体1001可具有以长度:高度表示的第三纵横比，该第三纵横比可为至少1.1:1，诸如至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少8:1或甚至至少10:1。另外，在另一个非限制性实施例中，主体1001的第三纵横比(长度:高度)可不大于100:1，诸如不大于50:1、不大于10:1、不大于8:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1。应当理解，主体1001的第三纵横比可在包括上文的任何最小比率和最大比率的范围内。

本文实施例的磨料微粒(包括成形磨料颗粒)可包括晶体材料，并且更具体地包括多晶材料。值得注意的是，多晶材料可包括磨粒。在一个实施例中，磨料颗粒的主体(例如包括成形磨料颗粒的主体)可基本上不含有机材料，诸如粘结剂。在至少一个实施例中，磨料颗粒可基本上由多晶材料组成。在另一个实施例中，诸如成形磨料颗粒的磨料颗粒可不含硅烷，并且具体地，可不具有硅烷涂层。

磨料颗粒可由某些材料制成，包括但不限于氮化物、氧化物、碳化物、硼化物、氧氮化物、氧硼化物、金刚石、含碳材料和它们的组合。在特定情况下，磨料颗粒可包括氧化物化合物或复合物，诸如氧化铝、氧化锆、氧化钛、氧化钇、氧化铬、氧化锶、氧化硅、氧化镁、稀土氧化物和它们的组合。磨料颗粒可以是超硬磨料颗粒。

在一个特定实施例中，磨料颗粒可包含大多数含量的氧化铝。对于至少一个实施例，磨料颗粒可包含至少80wt％的氧化铝，诸如至少90wt％的氧化铝、至少91wt％的氧化铝、至少92wt％的氧化铝、至少93wt％的氧化铝、至少94wt％的氧化铝、至少95wt％的氧化铝、至少96wt％的氧化铝或甚至至少97wt％的氧化铝。另外，在至少一个特定实施例中，磨料颗粒可包含不大于99.5wt％的氧化铝，诸如不大于99wt％的氧化铝、不大于98.5wt％的氧化铝、不大于97.5wt％的氧化铝、不大于97wt％的氧化铝、不大于96wt％的氧化铝、或甚至不大于94wt％的氧化铝。应当理解，本文实施例的磨料颗粒可包含在包括上文提到的任何最小百分比和最大百分比之间的范围内的氧化铝含量。此外，在特定情况下，成形磨料颗粒可由引晶溶胶-凝胶形成。在至少一个实施例中，磨料颗粒可基本上由氧化铝和本文所述的某些掺杂剂材料组成。

具体地，本文的实施例的磨料颗粒可包括致密体，其可适合用作磨料。例如，磨料颗粒可具有密度为至少95％理论密度，诸如至少96％理论密度、至少97％理论密度、至少98％理论密度或甚至至少99％理论密度的主体。

容纳在磨料颗粒的主体内的磨粒(即，微晶)可具有一般不大于约100微米的平均晶粒尺寸(即，平均晶体尺寸)。在其他实施例中，平均晶粒尺寸可更小，诸如不大于约80微米、或不大于约50微米、或不大于约30微米、或不大于约20微米、或不大于约10微米、或不大于6微米、或不大于5微米、或不大于4微米、或不大于3.5微米、或不大于3微米、或不大于2.5微米、或不大于2微米、或不大于1.5微米、或不大于1微米、或不大于0.8微米、或不大于0.6微米、或不大于0.5微米、或不大于0.4微米、或不大于0.3微米、或甚至不大于0.2微米。另外，容纳在磨料颗粒的主体内的磨粒的平均晶粒尺寸可为至少约0.01微米，诸如至少约0.05微米、或至少约0.06微米、或至少约0.07微米、或至少约0.08微米、或至少约0.09微米、或至少约0.1微米、或至少约0.12微米、或至少约0.15微米、或至少约0.17微米、或至少约0.2微米、或甚至至少约0.3微米。应当理解，磨料颗粒可具有在上文提到的任何最小值和最大值之间的范围内的平均粒径尺寸(即，平均晶体尺寸)。

可使用扫描电子显微镜(SEM)显微照片基于未校正的拦截方法来测量平均晶粒尺寸(即，平均晶体尺寸)。磨粒样品的制备方法是：在环氧树脂中制成胶木支架，然后使用Struers Tegramin 30抛光单元用金刚石抛光浆料抛光。抛光后，将环氧树脂在热板上加热，然后在低于烧结温度的150℃下对抛光表面进行5分钟的热蚀刻。将单个晶粒(5-10粒)安装在SEM支架上，然后镀金以准备SEM观察。在大约50,000X的放大倍数下拍摄三个单个的磨料颗粒的SEM显微照片，然后使用以下步骤来计算未校正的微晶尺寸：1)从晶体结构视图的一个拐角到另一个拐角绘制对角线，但不包括照片底部的黑色数据带；2)测量对角线的长度L1和L2，精确到0.1厘米；3)计算每条对角线相交的晶界数(即，晶界交点I1和I2)，并为每条对角线记录该数；4)通过测量每个显微照片或观察屏底部的微米条的长度(以厘米为单位)(即，“条长”)来确定计算出的条数，然后将条长(以微米为单位)除以条长(以厘米为单位)；5)将显微照片上绘制的对角线的总厘米数相加(L1+L2)，得出对角线长度的总和；6)将两条对角线的晶界交点数相加(I1+I2)，得到晶界交点的总和；7)将对角线长度的总和(L1+L2)(以厘米为单位)除以晶界交点数的总和(I1+I2)，然后将该数字乘以计算出的条数。对于三个不同的、随机选择的样品，在至少三个不同的时间完成该过程，以获得平均微晶尺寸。

根据某些实施例，某些磨料颗粒可以是复合制品，其在磨料颗粒的主体内包括至少两种不同类型的晶粒。应当理解，不同类型的晶粒是彼此具有不同组成的晶粒。例如，磨料颗粒的主体可形成为使得其包括至少两种不同类型的晶粒，其中两种不同类型的晶粒可以是氮化物、氧化物、碳化物、硼化物、氧氮化物、氧硼化物、金刚石和它们的组合。

根据一个实施例，磨料颗粒可具有如以最大尺寸(即，长度)测量的至少约100微米的平均粒度。事实上，磨料颗粒可具有至少约150微米，诸如至少约200微米、至少约300微米、至少约400微米、至少约500微米、至少约600微米、至少约微米、至少约800微米、或甚至至少约900微米的平均粒度。然而，本文中的实施例的磨料颗粒可具有不大于约5mm，诸如不大于约3mm、不大于约2mm、或甚至不大于约1.5mm的平均粒度。应当理解，磨料颗粒可具有在上文提到的任何最小值和最大值之间的范围内的平均粒度。

图10包括具有由上主表面1002或主表面1003的平面所限定的二维形状的成形磨料颗粒的图示，其具有大致三角形的二维形状。应当理解，本文实施例的成形磨料颗粒不受此限制，并且可包括其他二维形状。例如，本文实施例的成形磨料颗粒可包括具有主体的颗粒，该主体具有由主体的主表面所限定的二维形状，该二维形状选自由以下形状组成的组：多边形，规则多边形，不规则多边形，包括弧形或弯曲侧边或侧边部分的不规则多边形，椭圆形，数字，希腊字母字符，拉丁字母字符，俄罗斯字母字符，汉字字符，具有多边形形状组合的复杂形状，包括中心区域和从中心区域延伸的多条臂(例如，至少三条臂)的形状(例如，星形)，以及它们的组合。特定的多边形形状包括矩形、梯形、四边形、五边形、六边形、七边形、八边形、九边形、十边形以及它们的任意组合。在另一个实例中，最终形成的成形磨料颗粒可具有二维形状的主体，该二维形状为诸如不规则四边形、不规则矩形、不规则梯形、不规则五边形、不规则六边形、不规则七边形、不规则八边形、不规则九边形、不规则十边形以及它们的组合。不规则多边形形状是指定义多边形形状的至少一条侧边相对于另一条侧边在尺寸(例如，长度)上不同的多边形形状。如本文的其他实施例所示，某些成形磨料颗粒的二维形状可具有特定数量的外点或外角。例如，在由长度和宽度限定的平面中观察时，成形磨料颗粒的主体可具有二维多边形形状，其中主体包含二维形状，该二维形状具有至少4个外点(例如，四边形)、至少5个外点(例如，五边形)、至少6个外点(例如，六边形)、至少7个外点(例如，七边形)、至少8个外点(例如，八边形)、至少9个外点(例如，九边形)等。

图11包括根据另一个实施例的成形磨料颗粒的透视图图示。值得注意的是，成形磨料颗粒1100可包括主体1101，该主体包括表面1102和表面1103，其可以被称为端面1102和端面1103。主体可进一步包括主表面1104、主表面1105、主表面1106、主表面1107，这些主表面在端面1102和端面1103之间延伸并且联接至这些端面。图11的成形磨料颗粒为细长的成形磨料颗粒，其具有纵向轴线1110，该纵向轴线沿着主表面1105延伸并且延伸穿过端面1102和端面1103之间的中点1140。对于具有可标识的二维形状的颗粒，诸如图10和图11的成形磨料颗粒，纵向轴线是易于理解的尺寸，其用于定义通过主表面上的中点的主体长度。例如，在图11中，如图所示，成形磨料颗粒1100的纵向轴线1110在端面1102和端面1103之间平行于限定主表面的边缘延伸。这样的纵向轴线与如何限定杆的长度一致。值得注意的是，纵向轴线1110在连接端面1102和1103的拐角与限定主表面1105的边缘之间不对角地延伸，即使这样的线可限定最大长度的尺寸。就主表面相对完美平坦表面具有起伏或微小缺陷来说，可使用忽略了起伏的顶视图二维图像来确定纵向轴线。

应当理解，选择表面1105来表示纵向轴线1110，因为主体1101具有由端面1102和端面1103限定的大致正方形的横截面轮廓。因此，表面1104、表面1105、表面1106和表面17相对于彼此可具有大致相同的尺寸。但是，在其他细长磨料颗粒的上下文中，表面1102和表面1103可具有不同的形状，例如矩形，因此，表面1104、表面1105、表面1106和表面1107中的至少一个相对于彼此可以更大。在此类情况下，最大表面可限定主表面，并且纵向轴线将沿着其中的最大表面延伸穿过中点1140并且可平行于限定主表面的边缘延伸。如图中进一步示出，主体1101可包括在由表面1105所限定的同一平面内垂直于纵向轴线1110延伸的横向轴线1111。如图中进一步示出，主体1101可进一步包括限定磨料颗粒的高度的垂直轴线1112，该垂直轴线1112在垂直于由表面1105的纵向轴线1110和横向轴线1111所限定的平面的方向上延伸。

应当理解，如图10的薄的成形磨料颗粒一样，图11的细长的成形磨料颗粒可具有各种二维形状，诸如关于图10的成形磨料颗粒所定义的那些形状。主体1101的二维形状可由端面1102和端面1103的周边的形状限定。细长成形磨料颗粒1100可具有本文实施例的成形磨料颗粒的任何属性。

图12A包括根据一个实施例的高度受控的磨料颗粒(CHAP)的透视图图示。如图所示，CHAP 1200可包括主体1201，该主体包括第一主表面1202、第二主表面1203以及在第一主表面1202和第二主表面1203之间延伸的侧表面1204。如图12A所示，主体1201可具有薄的相对平面形状，其中第一主表面1202和第二主表面1203大于侧表面1204，并且彼此基本平行。此外，主体1201可包括延伸穿过中点1220并限定主体1201的长度的纵向轴线1210。主体1201可进一步包括第一主表面1202上的横向轴线1211，该横向轴线垂直于纵向轴线1210延伸穿过第一主表面1202的中点1220，并且限定主体1201的宽度。

主体1201可进一步包括垂直轴线1212，该垂直轴线可限定主体1201的高度(或厚度)。如图所示，垂直轴线1212可在第一主表面1202和第二主表面1203之间沿着侧表面1204在大体垂直于第一主表面上的轴线1210和1211所限定的平面的方向上延伸。对于诸如图12A所示的CHAP的薄形主体，长度可等于或大于宽度，并且长度可大于高度。应当理解，本文中提及的磨料颗粒的长度、宽度和高度可以指取自一批磨料颗粒的合适的取样量的磨料颗粒的平均值。

与图10A、图10B和图11的成形磨料颗粒不同，基于第一主表面1202或第二主表面1203的周长，图12A的CHAP不具有易于标识的二维形状。此类磨料颗粒可以多种方式形成，包括但不限于压裂材料的薄层以形成具有受控高度但具有不规则形成的平坦主表面的磨料颗粒。对于此类颗粒，纵向轴线限定为在主表面上延伸穿过表面上的中点的最长尺寸。就主表面具有起伏来说，可使用忽略了起伏的顶视图二维图像来确定纵向轴线。此外，如图10B中所提到的，可使用最近拟合圆来标识主表面的中点以及标识纵向轴线和横向轴线。

图12B包括非成形颗粒的图示，该颗粒可为细长的非成形磨料颗粒或二次颗粒，诸如稀释剂晶粒、填料、团聚体等。可通过包括模制、印刷、浇铸、挤出等的特定过程来形成成形磨料颗粒。成形磨料颗粒可形成为使得每个颗粒均具有相对于彼此基本上相同的表面和边缘布置。例如，一组成形磨料颗粒的表面和边缘通常具有彼此相同的布置和方向和/或二维形状。因此，成形磨料颗粒相对于彼此在表面和边缘的布置中具有相对高的形状保真度和一致性。此外，等高磨料颗粒(CHAP)也可通过特定过程来形成，这些过程便于形成薄形主体，当从上向下观察主表面时，这些薄形主体可具有不规则的二维形状。CHAP可具有比成形磨料颗粒更小的形状保真度，但可具有由侧表面分开的大致平坦且平行的主平面。

相比之下，与成形磨料颗粒和CHAP相比，非成形颗粒可通过不同的过程形成并且具有不同的形状属性。例如，通常通过粉碎工艺形成非成形颗粒，其中形成大量材料，然后破碎并筛分以获得一定尺寸的磨料颗粒。然而，非成形颗粒将具有表面和边缘的一般随机布置，并且通常在表面和边缘布置中缺乏任何可标识的二维形状或三维形状。此外，非成形颗粒不必具有彼此一致的形状，因此与成形磨料颗粒或CHAP相比，其形状保真度低得多。非成形颗粒通常由每个颗粒相对于其他非成形颗粒的表面和边缘的随机布置来限定。

图12B包括非成形颗粒的透视图图示。非成形颗粒1250可具有主体1251，该主体包括沿着主体1251的外表面延伸的边缘1255的大体随机布置。主体可进一步包括限定颗粒的最长尺寸的纵向轴线1252。纵向轴线1252限定以二维方式观察的主体的最长尺寸。因此，与其中纵向轴线是在主表面上测量的成形磨料颗粒和CHAP不同，非成形颗粒的纵向轴线是由主体上的彼此之间最远的点限定的，因为以使用了图像或有利位置的二维方式来观察颗粒，该图像或有利位置提供了颗粒的最长尺寸的视图。即，应当以透视图的方式观察诸如图12B中所示的细长颗粒但未成形颗粒，以使最长的尺寸显而易见，从而适当地评估纵向轴线。主体1251可进一步包括横向轴线1253，该横向轴线垂直于纵向轴线1252延伸并且限定颗粒的宽度。横向轴线1253可在用于标识纵向轴线1252的同一平面中垂直于纵向轴线1252延伸穿过纵向轴线的中点1256。磨料颗粒可具有如由垂直轴线1254所限定的高度(或厚度)。垂直轴线1254可延伸穿过中点1256，但在垂直于用于限定纵向轴线1252和横向轴线1253的平面的方向上延伸。为了评估高度，可能必须改变磨料颗粒的视角，以从不同于评估长度和宽度的有利角度观察磨料颗粒。

应当理解，磨料颗粒可具有由纵向轴线1252限定的长度、由横向轴线1253限定的宽度以及由垂直轴线1254限定的高度。应当理解，主体1251可具有以长度:宽度表示的主纵横比，使得长度等于或大于宽度。此外，主体1251的长度可大于或等于高度。最后，主体1251的宽度可大于或等于高度。根据一个实施例，主纵横比(长度:宽度)可为至少1.1:1、至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少6:1或甚至至少10:1。在另一个非限制性实施例中，细长成形磨料颗粒的主体1251可具有不大于100:1、不大于50:1、不大于10:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1或甚至不大于2:1的主纵横比，该主纵横比以长度:宽度表示。应当理解，主体1251的主纵横比可在包括上文提到的任何最小比率至最大比率之间的范围内。

此外，主体1251可包括以宽度:高度表示的第二纵横比，该第二纵横比可为至少1.1:1，诸如至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少8:1或甚至至少10:1。另外，在另一个非限制性实施例中，主体1251的第二纵横比(宽度:高度)可不大于100:1，诸如不大于50:1、不大于10:1、不大于8:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1或甚至不大于2:1。应当理解，以宽度:高度表示的第二纵横比可在包括上文提到的任何最小比率至最大比率之间的范围内。

在另一个实施例中，主体1251可具有以长度:高度表示的第三纵横比，该第三纵横比可为至少1.1:1，诸如至少1.2:1、至少1.5:1、至少1.8:1、至少2:1、至少3:1、至少4:1、至少5:1、至少8:1或甚至至少10:1。另外，在另一个非限制性实施例中，主体1251的第三纵横比(长度:高度)可不大于100:1，诸如不大于50:1、不大于10:1、不大于8:1、不大于6:1、不大于5:1、不大于4:1、不大于3:1。应当理解，主体1251的第三纵横比可在包括上文提到的任何最小比率和最大比率之间的范围内。

非成形磨料颗粒1250可具有本文的实施例中所述的磨料颗粒的任何属性，包括例如但不限于组成、微结构特征(例如，平均晶粒尺寸)、硬度、孔隙率等。

本文的实施例的磨料制品可结合有不同类型的颗粒，包括不同类型的磨料颗粒、不同类型的二次颗粒或它们的任意组合。例如，在一个实施例中，带涂层磨料制品可包括：第一类型的磨料颗粒，该第一类型的磨料颗粒包括成形磨料颗粒；以及第二类型的磨料颗粒。第二类型的磨料颗粒可以是成形磨料颗粒或非成形磨料颗粒。

图13包括根据一个实施例的结合有微粒材料的带涂层磨料制品的横截面图示。如图所示，带涂层磨料1300可包括基底1301和覆盖基底1301的表面的底胶层1303。带涂层磨料1300可进一步包括：第一类型的颗粒材料1305，其为第一类型的成形磨料颗粒的形式；第二类型的颗粒材料1306，其为第二类型的成形磨料颗粒的形式；以及第三类型的颗粒材料1307，其可为二次颗粒，诸如稀释剂磨料颗粒、非成形磨料颗粒、填料等。带涂层磨料1300可进一步包括复胶层1304，该复胶层覆盖并粘结至磨料微粒材料1305、1306、1307，以及底胶层1304。应当理解，可以将其他层或材料添加至基底的其他组分层，包括但不限于本领域普通技术人员已知的前填料、后填料等。

根据一个实施例，基底1301可包括有机材料、无机材料以及它们的组合。在某些实例中，基底1301可包括织造材料。但是，基底1301可由非织造材料制成。特别合适的基底材料可包括有机材料，其中包括聚合物，尤其是聚酯、聚氨酯、聚丙烯、聚酰亚胺诸如DuPont的KAPTON、纸或它们的任意组合。一些合适的无机材料可包括金属、金属合金，尤其是铜、铝、钢及其组合的箔。在可以是纤维的开放幅材的非织造基底的上下文中，磨料颗粒可以通过一个或多个粘合剂层粘附到纤维上。在此类非织造产品中，磨料颗粒涂覆纤维，但不一定形成覆盖基底主表面的保形层，如图13所示。应当理解，此类非织造产品包括在本文的实施例中。

底胶层1303可在单个过程中施加至基底1301的表面，或另选地，微粒材料1305、1306、1307可与底胶层1303材料结合并且底胶层1303和微粒材料1305-1307的组合可作为混合物施加至基底1301的表面。在某些情况下，通过将施加底胶层1303的过程与磨料微粒材料1305-1307沉积在底胶层1303中的过程分开，可更好地适合微粒1305-1307在底胶层中的受控沉积或放置。另外，可以设想的是，可将此类过程结合。合适的底胶层1303材料可包括有机材料，特别是聚合物材料，其包括例如，聚酯、环氧树脂、聚氨酯、聚酰胺、聚丙烯酸酯、聚甲基丙烯酸酯、聚氯乙烯、聚乙烯、聚硅氧烷、硅树脂、醋酸纤维素、硝酸纤维素、天然橡胶、淀粉、虫胶以及它们的混合物。在一个实施例中，底胶层1303可包括聚酯树脂。然后可加热带涂层的基底，以将树脂和磨料微粒材料固化到基底上。通常，在此固化过程中，可将带涂层基底1301加热到约100℃至小于约250℃的温度。

微粒材料1305-1307可包括根据本文实施例所述的不同类型的磨料颗粒。不同类型的磨料颗粒可包括不同类型的成形磨料颗粒、不同类型的二次颗粒或它们的组合。不同类型的颗粒在组成、二维形状、三维形状、晶粒尺寸、粒度、硬度、脆性、团聚或它们的组合方面可彼此不同。如图所示，带涂层磨料1300可包括具有大体金字塔形的第一类型的成形磨料颗粒1305和具有大体三角形二维形状的第二类型的成形磨料颗粒1306。带涂层磨料1300可包括不同量的第一类型的成形磨料颗粒1305和第二类型的成形磨料颗粒1306。应当理解，带涂层磨料可不必包括不同类型的成形磨料颗粒，而是可基本上由单一类型的成形磨料颗粒组成。可以理解，本文的实施例的成形磨料颗粒可结合到各种固定磨料中(例如，粘结磨料、带涂层磨料、非织造磨料、薄轮、切割轮、增强磨料制品等)，包括共混物的形式，其可包括不同类型的成形磨料颗粒、二次颗粒等。

颗粒1307可以是不同于第一类型的成形磨料颗粒1305和第二类型的成形磨料颗粒1306的二次颗粒。例如，二次颗粒1307可包括表示非成形磨料颗粒的压碎的磨料粒。

在充分形成其中容纳有磨料微粒材料1305-1307的底胶层1303之后，可形成复胶层1304以覆盖磨料微粒材料1305并将其粘结到适当位置。复胶层1304可包括有机材料，可基本上由聚合物材料制成，并且值得注意的是，可使用聚酯、环氧树脂、聚氨酯、聚酰胺、聚丙烯酸酯、聚甲基丙烯酸酯、聚氯乙烯、聚乙烯、聚硅氧烷、硅树脂、醋酸纤维素、硝酸纤维素、天然橡胶、淀粉、虫胶以及它们的混合物。

图14包括根据一个实施例的带涂层磨料的一部分的顶视图。带涂层磨料1400可包括多个区域，诸如第一区域1410、第二区域1420、第三区域1430和第四区域1440。区域1410、1420、1430和1440中的每一个均可由通道区域1450分开，其中通道区域1450限定背衬的不含颗粒的区域。通道区域1450可具有任何尺寸和形状，并且对于去除切屑和改善研磨操作可能特别有用。通道区域的长度(即，最长尺寸)和宽度(即，垂直于长度的最短尺寸)可大于区域1410、1420、1430和1440中的任一个区域中的紧邻的磨料颗粒之间的平均间距。对于本文的实施例中的任何一个，通道区域1450为可选的特征。

如进一步示出，第一区域1410可包括一组成形磨料颗粒1411，该组成形磨料颗粒相对于彼此具有大体随机旋转取向。该组成形磨料颗粒1411可相对于彼此以随机分布布置，使得关于成形磨料颗粒1411的放置没有可辨别的短程或长程有序。值得注意的是，该组成形磨料颗粒1411可基本上均匀地分布在第一区域1410内，从而限制了团块(两个或更多个彼此接触的颗粒)的形成。应当理解，可基于带涂层磨料的预期应用来控制第一区域1410中的该组成形磨料颗粒1411的粒重。

第二区域1420可包括一组成形磨料颗粒1421，该组成形磨料颗粒相对于彼此以受控分布布置。此外，该组成形磨料颗粒1421可具有相对于彼此规则的和受控的旋转取向。如图所示，该组成形磨料颗粒1421可具有与如由带涂层磨料1401的背衬上的相同旋转角所定义的大体相同的旋转取向。值得注意的是，该组成形磨料颗粒1421可基本上均匀地分布在第二区域1420内，从而限制了团块(两个或更多个彼此接触的颗粒)的形成。应当理解，可基于带涂层磨料的预期应用来控制第二区域1420中的该组成形磨料颗粒1421的粒重。

第三区域1430可包括多组成形磨料颗粒1421和二次颗粒1432。该组成形磨料颗粒1431和二次颗粒1432可相对于彼此以受控分布布置。此外，该组成形磨料颗粒1431可具有相对于彼此规则的和受控的旋转取向。如图所示，该组成形磨料颗粒1431在带涂层磨料1401的背衬上一般可具有两种类型的旋转取向中的一种。值得注意的是，该组成形磨料颗粒1431和二次颗粒1432可在第三区域1430内基本上均匀地分布，从而限制了团块(两个或更多个彼此接触的颗粒)的形成。应当理解，可基于带涂层磨料的预期应用来控制第三区域1430中的该组成形磨料颗粒1431和二次颗粒1432的粒重。

第四区域1440可包括一组成形磨料颗粒1441和二次颗粒1442，该组成形磨料颗粒和二次颗粒相对于彼此具有大体随机分布。另外，该组成形磨料颗粒1441可具有相对于彼此的随机旋转取向。该组成形磨料颗粒1441和二次颗粒1442可相对于彼此以随机分布布置，使得不存在可辨别的短程或长程有序。值得注意的是，该组成形磨料颗粒1441和二次颗粒1442可在第四区域1440内基本上均匀地分布，从而限制了团块(两个或更多个彼此接触的颗粒)的形成。应当理解，可基于带涂层磨料的预期应用来控制第四区域1440中的该组成形磨料颗粒1441和二次颗粒1442的粒重。

如图14所示，带涂层磨料制品1400可包括不同的区域1410、1420、1430和1440，其中的每一者均可包括不同组的颗粒，诸如成形颗粒和二次颗粒。带涂层磨料制品1400旨在示出可使用本文的实施例的系统和过程产生的颗粒的不同类型的分组、布置和分布。该说明并不旨在仅限于那些组的颗粒，并且应当理解，可以制造带涂层的磨料制品，所述带涂层的磨料制品仅包括一个区域，如图14所示。还应当理解，可以制造其他带涂层的磨料制品，所述其他带涂层的磨料制品包括图14所示的一个或多个区域的不同组合或布置。

根据另一个实施例，可形成包括不同组的磨料颗粒的带涂层磨料制品，其中不同的组相对于彼此具有不同的倾斜角。例如，如图15所示，提供了带涂层磨料的一部分的横截面图示。带涂层磨料1500可包括背衬1501和第一组磨料颗粒1502，其中第一组磨料颗粒1502中的每一个磨料颗粒均具有第一平均倾斜角。带涂层磨料1500可进一步包括第二组磨料颗粒1503，其中第二组磨料颗粒1503中的每一个磨料颗粒均具有第二平均倾斜角。根据一个实施例，第一组磨料颗粒1502和第二组磨料颗粒1503可通过通道区域1505分开。此外，第一平均倾斜角可不同于第二平均倾斜角。在一个更具体实施例中，第一组磨料颗粒可以直立取向来取向，而第二组磨料颗粒可以倾斜取向来取向。尽管不希望受特定理论的约束，但是据认为对于带涂层磨料的不同区域中的不同组的磨料颗粒，倾斜角的受控变化可便于改善带涂层磨料的性能。

根据一个特定方面，可基于预期的应用来控制覆盖背衬的磨料颗粒的含量。例如，磨料颗粒可覆盖背衬的总表面积的至少5％，诸如至少10％、或至少20％、或至少30％、或至少40％、或至少50％、或至少60％、或至少70％、或至少80％或至少90％。在再一个实施例中，带涂层磨料制品可基本上不含硅烷。

此外，本文的实施例的磨料制品可具有覆盖基底的特定含量的颗粒。此外，应当指出的是，对于背衬上的颗粒的某些含量(诸如疏涂层密度)，本行业已发现，在期望的垂直取向上获得颗粒的某些含量是具有挑战性的。在一个实施例中，这些颗粒可限定疏涂层磨料产品，其颗粒(即，磨料颗粒、二次颗粒或者磨料颗粒和二次颗粒两者)的涂层密度不大于约70个颗粒/cm²。在其他情况下，每平方厘米磨料制品的成形磨料颗粒的密度可不大于约65个颗粒/cm²，诸如不大于约60个颗粒/cm²、不大于约55个颗粒/cm²、或甚至不大于约50个颗粒/cm²。另外，在一个非限制性实施例中，使用本文的成形磨料颗粒的疏涂层带涂层磨料的密度可为至少约5个颗粒/cm²或甚至至少约10个颗粒/cm²。应当理解，每平方厘米磨料制品的成形磨料颗粒的密度可在上述任何最小值和最大值之间的范围内。

在某些情况下，磨料制品的疏涂层密度可不大于覆盖制品的外部磨料表面的颗粒(即，磨料颗粒或二次颗粒或者全部的磨料颗粒和二次颗粒)的约50％。在其他实施例中，相对于其上放置有颗粒的表面的总面积，磨料颗粒的面积可不大于约40％，诸如不大于约30％、不大于约25％、或甚至不大于约20％。另外，在一个非限制性实施例中，相对于表面的总面积，颗粒的涂层百分比可为至少约5％，诸如至少约10％、至少约15％、至少约20％、至少约25％、至少约30％、至少约35％、或甚至至少约40％。应当理解，磨料表面的总面积的颗粒覆盖百分比可在上述任何最小值和最大值之间的范围内。

对于给定面积(例如，令，其中1令＝30.66m²)的背衬，一些磨料制品可具有特定含量的颗粒(即，磨料颗粒或二次颗粒或者全部的磨料颗粒和二次颗粒)。例如，在一个实施例中，磨料制品可利用至少约1磅/令(14.8克/m²)，诸如至少5磅/令、或至少10磅/令、或至少约15磅/令、或至少约20磅/令、或至少约25磅/令、或甚至至少约30磅/令的归一化颗粒重量。另外，在一个非限制性实施例中，磨料制品可包含不大于约90磅/令(1333.8克/m²)，诸如不大于80磅/令、或不大于70磅/令、或不大于60磅/令、或不大于约50磅/令、或甚至不大于约45磅/令的归一化颗粒重量。应当理解，本文的实施例的磨料制品可利用在上述任何最小值和最大值之间的范围内的归一化颗粒重量。

在某些情况下，磨料制品可用在特定工件上。合适的示例性工件可包含无机材料、有机材料、天然材料和它们的组合。根据特定实施例，工件可包含金属或金属合金，诸如铁基材料、镍基材料等。在一个实施例中，工件可以是钢，并且更具体地，可基本上由不锈钢(例如，304不锈钢)组成。

在另一个实施例中，固结磨料制品可以是粘结磨料，包括容纳在粘结材料的三维体积内的磨料颗粒，其可不同于某些其他的固结磨料制品，包括例如带涂层的磨料制品，所述带涂层的磨料制品通常包括粘结剂(诸如底胶层和/或复胶层)中容纳的单层磨料颗粒。此外，带涂层的磨料制品通常包括背衬作为磨料颗粒和粘结剂的层的支撑件。相比之下，粘结磨料制品通常是自支撑制品，包括三维体积的磨料颗粒、粘结材料以及任选的一些孔隙率。粘结磨料制品可不必包括基底，并且可基本上没有基底。

图9包括根据一个实施例的粘结磨料制品的透视图图示。如图所示，粘结磨料制品120可具有大致圆柱形的主体101，该主体包括上表面124、下表面126和在上表面124和下表面126之间延伸的侧表面103。应当理解，图9的固结磨料制品为非限制性实例，并且可利用主体的其他形状，包括但不限于锥形、杯形、凹陷中心轮(例如，T42)等。最后，如进一步示出的，主体101可包括中心开口185，该中心开口可配置成接受用于将主体101安装在机器上的杆或轴，该机器配置成旋转主体101并促进材料去除操作。

粘结磨料制品120可具有包括磨料颗粒的主体101，所述磨料颗粒包括例如容纳在主体101的体积内的磨料颗粒组105和128。磨料颗粒可由粘结材料107容纳在主体101的三维体积内，该粘结材料可延伸遍及主体101的整个三维体积。根据一个实施例，粘结材料107可包括诸如玻璃、多晶、单晶、有机(例如，树脂)、金属、金属合金及其组合的材料。

在特定实施例中，磨料颗粒可封装在粘结材料107内。如本文所用，“封装”是指其中至少一个磨料颗粒被均匀或大致均匀的粘结材料组合物完全包围的状态。在一个实施例中，粘结磨料制品120可基本上没有固结层。在特定情况下，粘结磨料制品120在主体101的整个体积上可以是基本均匀的。在更特定的情况下，主体101可在主体101的整个体积内具有基本均匀的组成。

根据一个实施例，容纳在粘结磨料制品120内的磨料颗粒可包括根据本文实施例中描述的那些的磨料材料。

粘结磨料制品120可包括磨料颗粒的组合，所述磨料颗粒包括一种或多种类型的磨料颗粒，诸如初次类型的磨料颗粒和二次类型的磨料颗粒。初次类型和二次类型可指固定磨料制品的主体内的磨料颗粒的含量，其中初次类型磨料颗粒的含量高于二次类型磨料颗粒的含量。在其他情况下，初次类型的磨料颗粒和二次类型的磨料颗粒之间的区别可基于磨料颗粒在主体内的位置，其中初次磨料颗粒可定位成进行材料去除的初始阶段或与二次磨料颗粒相比进行大部分材料去除。在再其他情况下，初次磨料颗粒和二次磨料颗粒之间的区别可涉及磨料颗粒的磨料性质(例如，硬度、易碎性、断裂力学等)，其中初次磨料颗粒的初次性质通常比二次类型的磨料颗粒更坚固。可被视为二次类型的磨料颗粒的磨料颗粒的一些合适实例包括稀释剂颗粒、团聚颗粒、未团聚颗粒、天然存在的材料(例如，矿物)、合成材料以及它们的组合。

在某些情况下，粘结磨料制品120可在主体101内包括特定含量的磨料颗粒，其可促进适当的材料去除操作。例如，主体101可包括的磨料颗粒的含量占主体的总体积的至少0.5vol％且不大于60vol％。

此外，粘结磨料制品120的主体101可包含特定含量的粘结材料107，其可促进粘结磨料制品120的适当操作。例如，主体101可包括的磨料颗粒107的含量占主体的总体积的至少0.5vol％且不大于90vol％。

在某些情况下，固定磨料制品可具有包含某一孔隙率含量的主体101。孔隙率可延伸穿过主体101的整个体积的至少一部分，并且在某些情况下，可基本上均匀地延伸穿过主体101的整个体积。例如，孔隙率可包括闭合孔隙率或开放孔隙率。闭合孔隙率可为由粘结材料和/或磨料颗粒彼此隔离的离散孔隙的形式。这种闭合孔隙率可由造孔剂形成。在其他情况下，孔隙率可为开放孔隙率，其限定了延伸穿过主体101的三维体积的至少一部分的通道的互连网络。应当理解，主体101可包括闭合孔隙率和开放孔隙率的组合。

根据一个实施例，固定磨料制品可具有主体101，该主体包括特定含量的孔隙率，其可促进适当的材料去除操作。例如，主体101可具有的孔隙率占所述主体的总体积的至少0.5vol％且不大于80vol％。

根据另一个实施例，应当理解，粘结磨料制品120可包括主体101，该主体包含可促进某些研磨操作的某些添加剂。例如，主体101可包含多种添加剂，诸如填料、助磨剂、孔诱导剂、中空材料、催化剂、偶联剂、固化剂、抗静电剂、悬浮剂、抗负载剂、润滑剂、润湿剂、染料、填料、粘度改进剂、分散剂、消泡剂和它们的组合。

如图9进一步所示，主体101可具有直径183，其可根据期望的材料去除操作而变化。直径可指主体的最大直径，特别是在主体101具有圆锥形或杯形轮廓的情况下。

此外，主体101可具有沿着轴向轴线180，在上表面124和下表面126之间沿着侧表面103延伸的特定厚度181。主体101可以具有厚度181，该厚度可以是主体101的平均厚度，其可不大于1m。

根据一个实施例，主体101可在直径183和厚度181之间具有特定的关系，限定可适用于某些材料去除操作的直径:厚度比。例如，主体101可具有至少10:1，诸如至少15:1、至少20:1、至少50:1、或甚至100:1的直径:厚度比。应当理解，主体可具有不大于10,000:1、或不大于1000:1的直径:厚度比。

粘结磨料制品120可包括至少一个加强构件141。在特定情况下，加强材料141可延伸达主体101的整个宽度(例如，直径183)的大部分。然而，在其他情况下，加强构件141可仅延伸达主体101的整个宽度(例如，直径183)的一小部分。在某些情况下，可包括加强构件141以针对某些材料去除操作为主体增加合适的稳定性。根据一个实施例，加强构件141可包含某种材料，诸如织造材料、非织造材料、复合材料、层压材料、整体材料、天然材料、合成材料和它们的组合。更具体地，在某些情况下，加强构件141可包括某种材料，诸如单晶材料、多晶材料、玻璃材料、非晶形材料、玻璃(例如，玻璃纤维)、陶瓷、金属、有机材料、无机材料和它们的组合。在特定情况下，加强材料141可包括玻璃纤维，并且可基本上由玻璃纤维形成。

在特定情况下，加强材料141可基本容纳在主体101的三维体积内，更具体地，容纳在粘结材料107的三维体积内。在某些情况下，加强材料141可与主体101的外表面相交，包括但不限于上表面124、侧面103和/或底表面126。例如，加强材料141可与上表面124或底表面126相交。在至少一个实施例中，加强材料141可限定主体101的上表面124或底表面126，使得粘结材料107设置在一种或多种加强材料之间。应当理解，尽管在图1的实施例中展示了单个加强构件141，但是可以适合于预期的材料去除应用的各种布置和取向在主体101内提供多个加强构件。

如进一步示出的，主体101可包括限定主体101的三维体积的某些轴线和平面。例如，固结磨料制品120的主体101可包括轴向轴线180。如沿着轴向轴线180进一步示出的，主体101可包括第一轴向平面131，该第一轴向平面沿着轴向轴线180延伸并以特定角取向(在本文指定为0°)延伸穿过主体101的特定直径。主体101可进一步包括与第一轴向平面131不同的第二轴向平面132。第二轴向平面132可沿着轴向轴线180延伸并在角位置穿过主体101的直径，如本文中示例性地指定为30°。主体101的第一轴向平面131和第二轴向平面132可限定主体101内的磨料颗粒的特定轴向集合，包括例如轴向平面131内的磨料颗粒191的轴向集合和轴向平面132内的磨料颗粒192的轴向集合。此外，主体101的轴向平面可在它们之间限定扇区，包括例如被定义为主体101内的轴向平面131和132之间的区域的扇区184。扇区可包括可特定的磨料颗粒组，其促进材料去除操作的改进。本文中对主体内的磨料颗粒部分的特征的引用，包括例如轴向平面内的磨料颗粒，也将与主体的一个或多个扇区内包含的磨料颗粒组有关。

如进一步示出的，主体101可包括第一径向平面121，该第一径向平面在沿着轴向轴线180的特定轴向位置处，沿着基本上平行于上表面124和/或底表面126的平面延伸。主体可进一步包括第二径向平面122，该第二径向平面可在沿着轴向轴线180的特定轴向位置处，以基本平行的方式延伸至上表面124和/或底表面126。第一径向平面121和第二径向平面122可在主体101内彼此分离，并且更具体地，第一径向平面121和第二径向平面122可彼此轴向分离。如进一步所示，在某些情况下，一个或多个加强构件141可设置在第一径向平面121和第二径向平面122之间。第一径向平面121和第二径向平面122可包括一个或多个特定磨料颗粒组，包括例如第一径向平面121的磨料颗粒组128和第二径向平面122的磨料颗粒组105，它们彼此之间可能具有某些特征，这些特征可促进研磨性能的改进。

本文实施例的磨料颗粒可包括特定类型的磨料颗粒。例如，磨料颗粒可包括成形磨料颗粒和/或细长磨料颗粒，其中细长磨料颗粒可具有至少为1.1:1的以长度:宽度或长度:高度表示的纵横比。可利用各种方法来获得成形磨料颗粒。颗粒可从商业来源获得或被制造。用于制造成形磨料颗粒的一些合适工艺可包括但不限于沉积、印刷(例如，丝网印刷)、模制、压制、浇铸、切片、切割、切丁、冲孔、冲压、干燥、固化、涂覆、挤出、轧制和它们的组合。可利用类似的工艺获得细长磨料颗粒。可通过粉碎和筛分技术形成细长的未成形磨料颗粒。

在一个实施例中，系统可包括可穿戴设备，该可穿戴设备可获得实时数据，该实时数据可用于确定磨料操作数据。为了获得实时数据，可穿戴设备可包括嵌入式传感器，所述嵌入式传感器可从工具的环境和/或从工具本身实时收集数据。例如，传感器可包括加速度计，该加速度计可用于测量和记录三个轴线(x、y和z)上的加速度信息。因此，当操作者穿戴着可穿戴设备执行磨料操作时，该设备可测量并记录与用于执行该操作的工具有关的加速度信息。在这种场景下，加速度信息可用于确定工具的振动程度。

振动数据是磨料操作数据的一个实例，可用于外推其他磨料操作数据。作为实例，振动数据可用于确定工具的操作信息，诸如操作状态和操作时间。例如，操作状态可包括“关闭(OFF)”、“闲置(IDLE)”、“砂磨(SANDING)”、“用不平衡盘砂磨(SANDING WITH ANUNBALANCED DISC)”或“用磨损盘砂磨(SANDING WITH A WORN DISC)”以及其他可能性。作为另一个实例，振动数据可用于确定所执行的磨料操作的研磨信息，诸如工作角度、抓紧力、施加的压力、角速度(例如，每分钟转数，RPM)以及其他变量。

在一些实施例中，该系统可另外包括设置在其中正在执行操作的环境中的远程传感器。另外和/或另选地，该系统可包括嵌入磨料工具中(例如，在手柄、工具主体内和/或联接至磨料产品)的传感器。可穿戴设备可配置成与远程传感器和/或与磨料产品或工具相关的一个或多个传感器通信。

作为实例，磨料工具可包括光学或磁性传感器，该光学或磁性传感器可操作以提供与研磨轮或盘的角速度(RPM)有关的信息。在这样的场景中，可穿戴设备可配置成与研磨工具通信，以便将RPM信息与可穿戴设备获得的振动信息相关联。然后，RPM和/或振动信息可用于确定研磨工具的研磨功率和/或施加的研磨力。作为另一实例，可穿戴设备可向研磨工具提供指令，以便调整研磨工具的操作模式。在一些实施例中，可穿戴设备可基于噪声和/或振动信息命令研磨工具调整RPM、打开和/或关闭。例如，如果可穿戴设备基于噪声和/或振动数据确定研磨工具的操作是不安全的，则可穿戴设备可命令研磨工具关闭。

另外，可穿戴设备可包括通信接口，以将收集的数据传输至远程服务器。该通信接口可包括Wi-Fi连接性以及对云计算和/或云存储能力的访问。因此，可穿戴设备可向远程服务器提供实时信息，其可提供关于研磨/磨料操作的实时反馈。以这种方式，本文所述的系统和方法可提供关于与研磨/磨料操作有关的一个或多个性能指标的实时信息。

另外，远程服务器可存储接收到的数据。远程服务器然后可分析或挖掘在一段时间内存储的数据(在本文中也称为“历史数据”)，以可能做出与研磨工具相关的一个或多个确定。在一个实例中，远程服务器可确定操作或企业改进(例如，最佳操作实践的标识和教导)。在另一个实例中，远程服务器可针对给定应用中所使用的不同磨料制品(可能跨许多用户)来比较不同的值度量(例如，振动、噪声、生产率、产品寿命等)。

此外，可穿戴设备可通信地联接至一个或多个云计算设备。在一些实施例中，可穿戴设备可以可操作以运行网络应用程序，所述网络应用程序可包括在Node.js(例如，随处可见的JavaScript)运行时环境中运行的事件驱动脚本。即，可穿戴设备可配置成以实时和/或异步方式与云计算设备通信。在示例实施例中，可穿戴设备检测和/或生成的应用程序数据可借助于实时数据库和存储软件(诸如Firebase)在客户端设备和/或云计算设备之间同步。在一些实施例中，可穿戴设备可配置成使用消息队列遥测传输(MQTT)或另一种类型的消息传递协议与远程计算设备通信。

II.说明性可穿戴设备

图1展示了根据一个示例实施例的可穿戴设备100的框图。可穿戴设备100可包括安装件，诸如皮带、腕带、踝带、项链或粘附性基底等，其可以用于将设备安装在用户的身体表面处、用户的身体表面上或附近。因此，可穿戴设备100可采取配置成安装在用户的身体表面上、之中、周围或附近的任何设备的形式。在一个示例实施方式中，可穿戴设备100可安装到用户穿戴的防护手套上。另外或另选地，可穿戴设备100可包括腕带，并且可以类似于手表的方式穿戴(例如，图2中的可穿戴设备202)。

在一些示例中，可穿戴设备100可提供为或包括头戴式设备(HMD)。HMD通常可以是能够戴在头上并将显示器放置在穿戴者的一只或两只眼睛前方的任何显示设备。这样的显示器可占据穿戴者的整个视野，或者仅占据穿戴者的一部分视野。进一步地，头戴式显示器的尺寸可变化，例如，采取较小的形式，诸如眼镜式显示器，或较大的形式，诸如头盔或眼镜。HMD可包括一个或多个定位在其上的传感器，所述传感器可接触或非常靠近穿戴者的身体。

如图1所示，可穿戴设备100可包括：一个或多个传感器116，所述传感器用于收集数据；数据存储器104，所述数据存储器可存储所收集的数据并且可包括指令114；一个或多个处理器102；通信接口106，所述通信接口用于与远程源(例如，服务器或另一个设备/传感器)通信；以及显示器108。另外，可穿戴设备100可包括音频输出设备(例如，扬声器)和触觉反馈设备(例如，偏心旋转质量(ERM)致动器、线性共振致动器(LRA)或压电致动器以及其他实例)。

所述一个或多个传感器116可配置成从可穿戴设备100的环境实时收集数据或与所述可穿戴设备的环境相关。数据的实时收集可涉及传感器周期性地或连续地收集数据。例如，所述一个或多个传感器116可包括声音检测设备(例如，麦克风)，该声音检测设备配置成检测传感器的环境中的声音(例如，来自在传感器附近操作的磨料工具)。另外和/或另选地，传感器116可配置成从可穿戴设备100的操作者收集数据或与所述可穿戴设备的操作者相关。例如，所述一个或多个传感器116可包括加速度计(例如，三轴加速度计)，该加速度计配置成测量操作者的加速度(例如，其上安装有可穿戴设备100的操作者的手部的加速度)。如本文所述，由所述一个或多个传感器116收集的数据可用于确定磨料操作数据，然后可将其用于获得关于研磨/磨料操作的实时数据、捕获正在使用工具的用户的用户体验、和/或确定操作和/或企业改进(例如，基于一段时间内收集的数据)。

所述一个或多个传感器116还可包括用于检测运动的其他传感器，诸如IMU和陀螺仪。进一步地，所述一个或多个传感器116可包括其他类型的传感器，诸如位置跟踪传感器(例如，GPS或其他定位设备)、光强度传感器、温度计、时钟、力传感器、压力传感器、光电传感器、霍尔传感器、振动传感器、声压传感器、磁力计、红外传感器、相机和压电传感器以及其他实例。这些传感器及其部件可被小型化，使得可穿戴设备100可穿戴在身体上而不会显著干扰穿戴者的日常活动。所述一个或多个传感器116可以是电池供电的，或者可具有内部能量收集机制(例如，光伏能量收集系统或压电能量收集系统)以使它们“自供电”。

处理器102可配置成至少部分地基于指令114来控制所述一个或多个传感器116。如将在下面解释的，指令114可用于收集实时数据。进一步地，处理器102可配置成处理由所述一个或多个传感器116收集的实时数据。更进一步，处理器102可配置成将数据转换成指示磨料工具的行为或使用该工具的用户的用户体验的信息。

数据存储器104是非易失性计算机可读介质，其可包括但不限于磁盘、光盘、有机存储器和/或可由处理器102读取的任何其他易失性(例如RAM)或非易失性(例如ROM)存储系统。数据存储器104可包括用于存储数据指示的数据存储装置，所述数据指示诸如传感器读数、程序设置(例如，以调整可穿戴设备100的行为)、用户输入(例如，来自设备100上的用户接口或传送自远程设备)等。数据存储器104还可包括由处理器102执行以使设备100执行由指令指定的操作的程序指令114。所述操作可包括本文所述的任何方法。

通信接口106可包括硬件，以使得能够在可穿戴设备100内和/或在可穿戴设备100与一个或多个其他设备之间进行通信。硬件可包括例如发射机、接收机和天线。通信接口106可配置成根据一种或多种有线或无线通信协议来促进与一个或多个其他设备的通信。例如，通信接口106可配置成根据一种或多种无线通信标准(诸如一种或多种IEEE 801.11标准、ZigBee标准、蓝牙标准、LoRa(低功耗广域网)等)促进可穿戴设备100的无线数据通信。例如，通信接口106可包括WiFi连接性以及对云计算和/或云存储能力的访问。作为另一实例，通信接口106可配置成促进与一个或多个其他设备的有线数据通信。

显示器108可以是配置成显示数据的任何类型的显示部件。作为一个实例，显示器108可包括触摸屏显示器。作为另一个实例，显示器108可包括平板显示器，诸如液晶显示器(LCD)或发光二极管(LED)显示器。

用户接口110可包括用于为可穿戴设备100提供数据和控制信号的一个或多个硬件。例如，用户接口110可包括鼠标或定点设备、键盘或小键盘、麦克风、触摸板、或触摸屏、以及其他可能类型的用户输入设备。通常，用户接口110可使操作者能够与可穿戴设备100提供的图形用户界面(GUI)交互(例如，由显示器108显示)。作为实例，用户接口110可允许操作者提供指示将由操作者执行的任务的输入。作为另一实例，操作者可提供指示将用于执行操作的工具的输入和/或指示操作者可在其上执行磨料操作的工件的输入。

图2展示了根据一个示例实施例的使用可穿戴设备202的场景200。如图2所示，可穿戴设备202为腕戴式设备202的形式，该腕戴式设备安装在用户的手204的腕部上。用户的手204可以是操作者在执行任务时偏爱的主导手。在此，操作者可用手204(其上安装有可穿戴设备202)握住磨料工具206(在本文中也可称为“磨料设备”)的手柄210或手柄212。在一些实例中，用户可在两个腕部上佩戴可穿戴设备。在其他实例中，可穿戴设备202可直接附接到磨料工具206，可能缠绕在手柄210或手柄212周围或以其他方式附接到上述手柄处。

在实例中，磨料工具206可以是配置成在工件(图2中未示出)上执行手动研磨操作的任何工具。这样的手动研磨操作可包括研磨、抛光、磨光、珩磨、切割、钻孔、磨锐、锉削、精磨、砂磨和/或其他类似任务。然而，考虑了可包括振动和/或噪声的其他类型的手动机械操作。例如，在本公开的上下文中，锤击、凿开、压接、敲击或其他手动操作是可能的。

因此，磨料工具206可以是配置成执行一个或多个磨料操作的设备。例如，磨料工具206可以是直角研磨工具、电钻、锤钻和/或敲击锤、锯具、刨具、螺丝起子、槽刨机、砂磨机、角磨机、园林用具和/或多功能工具以及其他实例。

此外，磨料工具206可包括使该工具能够执行一种或多种磨料操作的一个或多个部件。特别地，工具206可包括用于执行所描述的一种或多种操作的磨料制品。磨料制品可包括一种或多种可用于成形或精加工工件的材料。所述一种或多种材料可包括磨料矿物，诸如方解石(碳酸钙)、金刚砂(不纯刚玉)、金刚石粉(例如，合成金刚石)、均密石英岩、浮石、红铁粉、砂土、刚玉、石榴石、砂岩、硅藻岩、粉状长石、十字石、氮化硼、陶瓷、陶瓷氧化铝、陶瓷氧化铁、刚玉、玻璃粉、钢磨料、碳化硅(金刚砂)、氧化锆氧化铝、碳化硼和矿渣。另外和/或另选地，所述一种或多种材料可包括复合材料，该复合材料包括利用粘结剂被压制并粘结在一起的粗颗粒聚集体。该复合材料可包括粘土、树脂、玻璃、橡胶、氧化铝、碳化硅、碳化钨、石榴石和/或gardner陶瓷。

此外，磨料制品可具有多种形状中的一种。例如，该制品可采取块、棍、轮、环或盘以及其他实例的形式。在图2所示的实例中，磨料工具206可包括轮形磨料制品208。

另外，磨料工具206可包括电源，该电源可配置成致动磨料制品以执行操作。在实例中，电源可以是电动机、汽油发动机或压缩空气。磨料工具206还可包括容纳电源的壳体。壳体可由硬塑料、酚醛树脂或中等硬度橡胶以及其他实例形成。

磨料工具206可包括标识特征218，诸如可雕刻在工具206中或附连至该工具的可扫描标识符(例如，QR码、条形码、序列号等)。标识特征可用于标识工具206的类型、工具206的制造商、工具206的模型和/或工具206的唯一标识符。另外和/或另选地，磨料工具206的部件可包括标识特征。例如，磨料制品208可包括雕刻在磨料制品中和/或附连至磨料制品的标识特征220。标识特征可用于标识磨料制品的类型、磨料制品的制造商、磨料制品的模型和/或磨料制品的唯一标识符。

在一个实施例中，可穿戴设备202的一个或多个传感器可配置成读取或扫描磨料工具206的标识特征218。在一个实例中，传感器可以是图像捕获设备(例如，相机)，其可捕获和分析工具206的图像以便确定工具206的类型。在另一个实例中，传感器可以是配置成扫描工具206上的标识图像或代码的扫描仪。例如，传感器可以是QR码扫描仪，其配置成读取附连至工具206的标识特征218(例如，QR码)。本文还考虑了可用于标识目的的其他传感器，诸如条形码扫描仪和RF读取器。所述一个或多个传感器还可配置成读取或扫描工具206的任何其他标识特征，诸如磨料制品208的标识特征220。

标识工具206和/或其部件可允许可穿戴设备202为操作者提供与工具206和/或其部件相关的信息。另外和/或另选地，所述标识可允许可穿戴设备202将由环境中的一个或多个传感器收集的数据与用于执行期望操作的特定工具206和/或特定部件相关联。

在场景200中，可穿戴设备202的一个或多个传感器可连续地或周期性地收集来自设备202的环境或与所述设备的环境相关的数据和/或来自操作者的数据或与所述操作者相关的数据。还如本文中解释的，设置在环境中的一个或多个附加传感器可另外收集来自设备202的环境或与所述设备的环境相关的数据和/或来自操作者或与所述操作者相关的数据。由可穿戴设备202收集的与工具206有关的数据可用于确定磨料操作数据。磨料操作数据可包括：指示由工具206发出的声音的声音数据；由可穿戴设备202收集的加速度数据；指示工具206的振动的振动数据；和/或从声音、加速度和/或振动数据外推的数据(例如，作用力数据、RPM数据、使用率等)。

在一个实施例中，所述一个或多个传感器可收集指示工件的信息。在一个实例中，可穿戴设备202的图像捕获设备(例如，相机)可配置成捕获工件的图像。可分析图像以便确定工件的状态，包括工件的类型、工件的尺寸、工件的表面特性和/或工件在环境中的布置(例如，相对于环境中的参考点(例如，相对于工具206)的取向、角度、位置等)。

在一个实施例中，可穿戴设备202的麦克风可配置成收集声音数据。当用户穿戴着可穿戴设备202操作工具206时，麦克风可收集工具206发出的声音。所收集的声音数据可由可穿戴设备202分析，以便外推信息。举例来说，所收集的声音数据可用于确定磨料产品208操作的RPM。特别地，可穿戴设备202可分析声音数据的幅值以便确定磨料产品208的估计的RPM值。在一些实例中，可穿戴设备202可使用表格，该表格将声音幅值与工具206操作的估计的RPM值相关联。声音幅值与估计的RPM值之间的对应关系可根据工具206的类型而变化。

另外，确定的RPM值可用于外推其他磨料操作数据。例如，可穿戴设备202可使用RPM值来确定工具206的研磨功率。可穿戴设备202可通过使用指示特定工具的RPM与该工具施加的研磨功率之间的相关性的数据(例如，表格)来做到这一点。因此，可穿戴设备202可在从RPM值外推研磨功率之前寻求标识工具206。作为另一实例，可穿戴设备202可使用RPM值来确定施加到工件上的力。可穿戴设备202可通过使用指示特定工具的RPM与该工具施加的研磨功率之间的相关性的数据(例如，表格)来做到这一点。

在一个实施例中，可穿戴设备202的加速度计可配置成收集用户的加速度数据，特别是与用户的手204有关的加速度数据。当用户操作工具206时，由于工具206在使用时振动，因此用户的手可能会振动。因此，加速度计可测量由于振动而引起的手的加速度。因为手的振动是工具振动的结果，所以加速度计收集的加速度信息可指示工具的振动。

在一个实施方式中，加速度计可以是三轴加速度计，该三轴加速度计可用于测量和记录三个轴线(x、y和z)上的加速度信息。测得的加速度信息可用于计算gRMS值，该值可指示分散在重复振动系统中的能量。特别地，可使用加速度(a_rms)的RMS值来计算gRMS值，其中a_rms可计算为：

其中，

可从加速度(a_rms)的RMS值获得gRMS值。特别地，gRMS值可以是加速度的RMS值，其中加速度以g表示。如本文所解释的，gRMS值可指示工具206的振动。

在一个实施例中，可穿戴设备202可包括多个(例如，2个、3个、10个或N个)加速度计。所述多个加速度计中的每一个可以是不同类型的加速度计。例如，所述多个加速度计中的一个可以是压电加速度计，而所述多个加速度计中的另一个可以是微机电系统(MEMS)加速度计。所述多个加速度计中的每一个可配置成在特定的振动范围内并且以特定的采样速率来收集加速度数据。例如，如果可穿戴设备202具有两个加速度计，则所述加速度计中的一个可配置成每1ms收集10Hz至500Hz范围内的数据，而另一个加速度计可配置成每0.5ms收集500Hz至1000Hz范围内的数据。使用多个加速器可允许可穿戴设备202在较大的测量范围内检测振动，并可允许在每个测量范围内进行更精确的测量。

在一个实施例中，磨料操作数据可用于确定与磨料工具206有关的信息。在一个实例中，该信息可指示磨料工具206的一个或多个研磨参数。所述一个或多个研磨参数可包括磨料制品的角速度(例如，每分钟的转数，RPM)、工作角度、抓紧力、施加的压力、操作严酷性以及工具经历的冲击。在另一个实例中，该信息可指示工具的操作信息，诸如操作状态和操作时间。在又一个实例中，该信息可指示磨料工具206或其一个或多个部件(例如，磨料制品)的状况。例如，该状况可指示对磨料制品208的损坏或所述磨料制品中的不平衡。

在另一个实施例中，磨料操作数据可用于确定与用户有关的信息。例如，与用户有关的信息可包括执行分配的任务所花费的时间长度、闲置时间和/或生产时间。例如，声音数据和/或振动数据可用于确定工具206何时在操作中。

在一个实施例中，可穿戴设备202可分析数据以确定与磨料工具206和/或用户有关的信息。可穿戴设备202还可通信地联接至远程服务器216，并可向服务器提供由传感器收集的实时数据。因此，服务器216可另外和/或另选地将数据转换成与磨料工具206和/或用户有关的信息。

此外，远程服务器216可分析数据以提供与磨料操作有关的实时反馈和/或通知。以这种方式，远程服务器216可提供关于与研磨/磨料操作有关的一个或多个性能指标的实时信息。基于服务器216提供的指标，可穿戴设备202可确定为用户提供特定的通知或反馈。

作为实例，基于对传感器数据的分析，服务器216可确定磨料工具的磨料制品已损坏或发生故障。例如，服务器216可分析加速度和/或噪声数据以确定磨料制品已损坏和/或不平衡。更具体地，服务器216可检测加速度和/或噪声数据中的一种或多种模式，其可指示磨料制品已损坏或发生故障。例如，尖峰或峰值的第一模式可指示磨料工具已损坏，而尖峰或峰值的第二模式可指示磨料工具发生故障。

然后，服务器216可向可穿戴设备202提供磨料制品已损坏或发生故障的指示。响应于接收到该指示，可穿戴设备202可输出视觉、触觉和/或音频警报，该警报向用户指示磨料制品已损坏或发生故障。另外，该警报可向用户提供订购替换制品或请求维护制品的选项。

作为另一个实例，基于对传感器数据的分析，服务器216可确定磨料轮208不平衡。所述确定可基于对加速度和/或噪声数据的分析。更具体地，服务器216可检测加速度和/或噪声数据中的一种或多种模式，其可指示磨料制品已损坏或发生故障。例如，尖峰或峰值的特定模式可指示磨料轮不平衡。

然后，服务器216可向可穿戴设备202提供磨料轮208不平衡的指示。响应于接收到该指示，可穿戴设备202可输出视觉、触觉和/或音频警报，该警报向用户指示磨料轮不平衡。

作为又一个实例，基于对传感器数据的分析，服务器216可确定正在执行的操作的严酷性超过了磨料工具206的阈值严酷性。例如，所述确定可基于对加速度和/或噪声数据的分析。更具体地，服务器216可检测加速度和/或噪声数据中的峰值，所述峰值可指示操作的严酷性超过了阈值严酷性。然后，服务器216可向可穿戴设备202提供已超过阈值严酷性的指示。响应于接收到该指示，可穿戴设备202可输出视觉、触觉和/或音频警报，该警报向用户指示超过了阈值严酷性。

作为另一个实例，基于对数据的分析，服务器216可确定用户正在错误地执行操作。例如，所述确定可基于陀螺仪数据和服务器216可用的指示对其执行操作的工件的任何信息(例如，基于指示工件的传感器数据，诸如图像)。特别地，服务器216可使用指示工件的数据来确定工件相对于陀螺仪的参考系的角度。然后，服务器216可基于陀螺仪数据确定用户正以不同于推荐角度(基于关于操作和/或工件的信息来确定)的角度来定位磨料工具。

然后，服务器216可向可穿戴设备202提供用户正在错误地执行操作的指示。响应于接收到该指示，可穿戴设备202可输出视觉、触觉和/或音频警报，该警报向用户指示用户正在错误地执行操作。另外和/或另选地，可穿戴设备202可向用户提供指示正确执行操作的反馈。

作为另一个实例，基于对数据的分析，服务器216可确定用户的状态。例如，所述确定可基于对加速度和/或噪声数据的分析。更具体地，基于加速度和/或噪声数据的持续时间大于阈值持续时间，服务器216可确定用户已至少在阈值时间段内执行了操作。

然后，服务器216可向可穿戴设备202提供用户已在阈值时间段内执行操作的指示。然后，可穿戴设备可向用户提供该用户已在阈值时间段内执行了操作的视觉、触觉和/或音频警报。

作为可穿戴设备的另一个实例，提供了图22。特别的，图22展示了根据一个示例实施例的使用可穿戴设备2202的场景2200。可穿戴设备2202为腕表的形式，该腕表附接在用户的手2204的腕部上。继而，手2204抓住磨料工具2206的手柄2210。

图3展示了根据一个示例实施例的示例操作状态的表格300。特别地，对于每种操作状态，表格300指示振动数据(例如，gRMS数据)中的模式，该模式指示相应的操作状态。如行302所示，如果服务器在振动数据中检测到稳定的模式，则服务器可确定磨料工具的操作状态为“关闭”。如行304所示，如果服务器在振动数据中检测到小峰值，则服务器可确定用户的状态为“行走”。如行306所示，如果服务器在振动数据中检测到稳定的斜率，则服务器可确定磨料工具的操作状态为“闲置”。如行308所示，如果服务器在振动数据中检测到峰值和稳定的斜率，则服务器可确定磨料工具的操作状态为“砂磨”。如行310所示，如果服务器检测到振动信号强度大于第一阈值，则服务器可确定磨料工具的操作状态为“用磨损件砂磨”。如行312所示，如果服务器检测到振动信号强度大于比第一阈值大的第二阈值，则服务器可确定磨料工具的操作状态为“用不平衡盘砂磨”。表格300的操作状态是示例操作状态，并且在本文中考虑了其他示例操作状态。

图4、5、6A、6B、7和8分别描绘了由可穿戴设备在不同条件下收集的示例加速度数据和/或振动数据的曲线图。这些曲线图可用于外推指示特定条件或性能指标的数据模式。如本文所解释的，计算系统可使用一种或多种数据分析方法来外推模式。这些方法包括机器学习(例如，贝叶斯分类器、支持向量机、线性分类器、k最近邻分类器、决策树、随机森林和神经网络)、快速傅里叶变换(FFT)、人工智能(AI)方法(例如神经网络、模糊逻辑、聚类分析或模式识别)、过滤、峰值、均值、标准差、偏度和/或峰度。

图4展示了根据一个示例实施例的曲线图402、404、406和408。特别地，曲线图描绘了在两种测试条件下的磨料工具的功率信号和工具的振动数据。第一测试条件涉及用户在正常条件下使用包括4.5英寸百叶轮的磨料设备执行操作。曲线图402描绘了由执行操作的用户穿戴的可穿戴设备收集的振动数据，并且曲线图404描绘了磨料工具的功率信号。第二测试条件涉及用户在严酷条件下使用包括4.5英寸百叶轮的磨料设备执行操作。曲线图406描绘了由可穿戴设备收集的振动数据，并且曲线图408描绘了磨料工具的功率信号。

在一个实施例中，这些曲线可用于外推在操作期间供应给工具的功率信号与操作期间工具的振动之间的相关性。如这些曲线图所示，振动数据的幅值可随着功率信号的增加而增加。因此，振动数据可用于确定是否将功率信号提供给磨料工具。例如，在至少一个阈值时间段内具有大于阈值的幅值的振动数据可指示在该幅值大于阈值的时间段内对研磨工具供电。此外，在至少一个阈值时间段内具有大于第二阈值的幅值的振动数据可指示在振动数据的幅值大于第二阈值的时间段内磨料工具在严酷条件下操作。

图5展示了根据一个示例实施例的曲线图502、504、506、508、510和512。每个曲线图描绘了在两个测试条件下由使用包括7英寸薄磨料轮的磨料工具的用户穿戴的可穿戴设备测量的相应轴线的加速度信号。第一测试条件涉及用户在正常条件下使用磨料设备执行操作。曲线图502描绘了在x轴线上的加速度数据，曲线图504描绘了在y轴线上的加速度数据，并且曲线图506描绘了在第一测试条件下在z轴线上的加速度数据。第二测试条件涉及用户在严酷条件下使用磨料设备执行操作。曲线图508描绘了在x轴线上的加速度数据，曲线图510描绘了在y轴线上的加速度数据，并且曲线图512描绘了在第二测试条件下在z轴线上的加速度数据。

在一个实施例中，可从在曲线图502-512中描绘的加速度数据外推操作磨料工具的严酷性水平。特别地，当在严酷条件下操作磨料工具时，加速度数据包括比在正常条件下操作磨料工具时更高的峰值。具体地，三个轴线中的每一个上的严酷条件加速度数据具有比正常条件加速度数据更高的峰值/幅值。因此，大于每个轴线的振动数据中的阈值的峰值可指示严酷的操作条件。

图6A展示了根据一个示例实施例的曲线图602、604、606、608、610和612。每个曲线图描绘了在两个测试条件下由使用包括7英寸薄磨料轮的磨料工具的用户穿戴的可穿戴设备测量的相应轴线的加速度信号。第一测试条件涉及用户在正常条件下使用磨料设备执行操作。曲线图602描绘了在x轴线上的加速度数据，曲线图604描绘了在y轴线上的加速度数据，并且曲线图606描绘了在第一测试条件下在z轴线上的加速度数据。第二测试条件涉及用户使用包括不平衡的7英寸薄磨料轮的磨料设备执行操作。曲线图608描绘了在x轴线上的加速度数据，曲线图610描绘了在y轴线上的加速度数据，并且曲线图612描绘了在第二测试条件下在z轴线上的加速度数据。

图6B展示了根据一个示例实施例的曲线图614、616、618、620、622和624。每个曲线图描绘了在两个测试条件下由使用包括4.5英寸薄磨料轮的磨料工具的用户穿戴的可穿戴设备测量的相应轴线的加速度信号。第一测试条件涉及用户在正常条件下使用磨料设备执行操作。曲线图614描绘了在x轴线上的加速度数据，曲线图616描绘了在y轴线上的加速度数据，并且曲线图618描绘了在第一测试条件下在z轴线上的加速度数据。第二测试条件涉及用户使用包括不平衡的4英寸薄磨料轮的磨料设备执行操作。曲线图620描绘了在x轴线上的加速度数据，曲线图622描绘了在y轴线上的加速度数据，并且曲线图624描绘了在第二测试条件下在z轴线上的加速度数据。

在一个实施例中，可从曲线图602-612和/或曲线图614-624中描绘的加速度数据外推磨料工具的盘不平衡的指示。特别地，当用不平衡轮操作磨料工具时，与在正常条件下操作磨料工具时y轴线上的加速度数据相比，y轴线上的加速度数据包括显著的信号变化。因此，也许与磨料工具的正常操作相比，在y轴上的加速度数据中检测到显著的信号变化可指示轮是不平衡的。

图7展示了根据一个示例实施例的曲线图702、704、706、708、710和712。每个曲线图描绘了在两个测试条件下由使用包括4.5英寸薄磨料百叶轮的磨料工具的用户穿戴的可穿戴设备测量的相应轴线的振动信号。第一测试条件涉及用户在正常条件下使用磨料设备执行操作。曲线图702描绘了在x轴线上的振动数据，曲线图704描绘了在y轴线上的振动数据，并且曲线图706描绘了在第一测试条件下在z轴线上的振动数据。第二测试条件涉及用户使用包括损坏的(例如，磨损的)4.5英寸磨料百叶轮的磨料设备执行操作。曲线图708描绘了在x轴线上的振动数据，曲线图710描绘了在y轴线上的振动数据，并且曲线图712描绘了在第二测试条件下在z轴线上的振动数据。

在一个实施例中，可从曲线图702-712中描绘的振动数据外推磨料工具的盘已损坏的指示。特别地，当用百叶轮操作磨料工具时，与在正常条件下操作磨料工具时y轴线上的振动数据相比，y轴线上的振动数据包括显著的信号变化。因此，也许与磨料工具的正常操作相比，在y轴上的振动数据中检测到显著的信号变化可指示百叶轮已损坏。

图8展示了根据一个示例实施例的曲线图802和804。曲线图802描绘了从在严酷条件下由使用包括7英寸薄磨料百叶轮的磨料工具的用户穿戴的可穿戴设备测量的加速度数据计算出的振动信号。曲线图804描绘了从在严酷条件下由使用包括4.5英寸薄磨料百叶轮的磨料工具的用户穿戴的可穿戴设备测量的加速度数据计算出的振动信号。在一个实施例中，振动数据中的峰值可用于确定磨料工具经历的冲击和冲程。因此，检测到振动数据中的峰值(也许大于阈值)可指示磨料工具经历的冲击和冲程。

除了使用磨料操作数据确定与磨料操作有关的实时反馈和/或通知外，可穿戴设备202和/或远程服务器216还可将收集的数据和/或确定的磨料操作数据存储在数据存储器中。具体地，可在执行任务之后将收集的数据和/或与特定任务相对应的磨料操作数据存储在数据存储器中。另外，存储的数据可包括指示任务执行情况的度量，诸如执行任务的员工、任务的计时、对任务的反馈(例如，来自管理者或客户)、振动、噪音、生产率、产品寿命等。可基于任务中所使用的工具206的类型、执行任务的日期、执行任务的用户、任务的长度和/或与任务相关的工件类型来对所存储的数据进行分类。

在一个实施例中，可穿戴设备202和/或远程服务器可分析所存储的数据(在本文中也称为“历史数据”)。在一种实施方式中，基于对所存储的数据的分析，可穿戴设备202和/或远程服务器可确定操作和/或企业改进。操作和/或企业改进可涉及实现用于执行特定类型任务的工作流程和/或最佳实践。另外和/或另选地，操作和/或企业改进可包括：信息资源，诸如包括与任务有关的信息的知识库文章；与在执行任务时的最佳实践有关的信息；以及描述如何使用某些工具的信息。

在另一个实施方式中，可穿戴设备202和/或远程服务器216可分析数据以确定与工具206和/或工具206的部件相关的不同度量。所述度量可包括(例如，磨料制品208的)使用率、总操作时间、故障数量、维修请求数量、寿命。另外和/或另选地，可穿戴设备202和/或远程服务器216可针对给定任务中所使用的不同磨料产品(可能跨许多用户)比较不同的度量。

在另一个实施方式中，可穿戴设备202和/或远程服务器216可分析由不同的操作者在许多不同规格的部件的整个寿命期间收集的数据，以便确定产品寿命、产品规格和/或使用条件之间的相关性。这样的数据可用于向操作者提供磨料规格以及操作者正在执行的任务的使用条件的指示。例如，基于工件的材料，可穿戴设备202可向操作者提供磨料规格和使用条件的推荐，这可基于数据的分析来确定。

在一些实施例中，远程传感器和/或可穿戴设备可配置成与关联于研磨产品或工具的一个或多个传感器通信。例如，研磨工具可包括光学或磁性传感器，该光学或磁性传感器可用于提供关于研磨轮或盘的角速度(RPM)的信息。在这样的场景中，远程传感器和/或可穿戴设备可配置成与研磨工具通信，以便将RPM信息与由可穿戴设备获得的噪声和/或振动信息相关联。另外或另选地，远程传感器和/或可穿戴设备可向研磨工具提供指令，以便调整研磨工具的操作模式。例如，在一些实施例中，远程传感器和/或可穿戴设备可基于噪声和/或振动信息命令研磨工具调整RPM、打开和/或关闭。例如，如果远程传感器和/或可穿戴设备基于噪声和/或振动数据确定研磨工具的操作不安全，则远程传感器和/或可穿戴设备可命令研磨工具关闭。基于远程传感器和/或可穿戴设备接收到的噪声和/或振动数据，其他类型的指令也是可能的。

III.另外的实施例

i.另外的传感器

在一个实施例中，除了嵌入在可穿戴设备中的传感器之外，还可将远程传感器设置在磨料工具的环境中。特别地，远程传感器可用于从研磨操作获得实时噪声和/或振动数据。远程传感器可配置成检测与研磨和/或切割操作有关的声音和/或运动。远程传感器可相对于研磨/切割工具和工件定位在各个位置。例如，振动传感器、陀螺仪、麦克风和/或任何其他传感器可嵌入工具或工具的手柄内。在一些实施例中，远程传感器可位于工具和/或工件附近。在其他实施例中，远程传感器可安装在工件可在其上放置的工作表面上。在其他实施例中，远程传感器可安装在墙壁或天花板位置。应当理解，多个远程传感器可位于工具和/或工件附近的各个位置处，以提供“立体”或多传感器组合。这样的多个传感器组合可基于立体或多视感测来提供关于正在使用哪个工具的信息和/或消除特定声音的歧义。远程传感器可以是电池供电的，或者可具有内部能量收集机制(例如，光伏能量收集系统或压电能量收集系统)以使它们“自供电”。

一个或多个远程传感器包括通信接口。在一些实例中，通信接口可配置成将音频数据、振动数据或其他数据传输至可穿戴设备，该可穿戴设备继而可将数据传输至云计算设备。在一些实例中，通信接口可配置成将音频数据、振动数据或其他数据直接传输至云计算设备。在一些实例中，通信接口可配置成将音频数据、振动数据或其他数据直接传输至中间计算设备(例如，应急(on premise，预置)计算设备)，该中间计算设备继而可将数据传输至云计算设备。还考虑了其他可能性。

通信接口可包括无线网络接收器和/或收发器，诸如蓝牙收发器、ZigBee收发器、Wi-Fi收发器、WiMAX收发器、Zeewave收发器、无线广域网(WWAN)收发器和/或其他类似类型的可配置成经由无线网络进行通信的无线收发器。考虑了其他类型的通信接口。

在一些实施例中，远程传感器和/或可穿戴设备可配置成与关联于研磨产品或工具的一个或多个传感器通信。例如，研磨工具可包括光学或磁性传感器，该光学或磁性传感器可用于提供关于研磨轮或盘的角速度(RPM)的信息。在这样的场景中，远程传感器和/或可穿戴设备可配置成与研磨工具通信，以便将RPM信息与由可穿戴设备获得的噪声和/或振动信息相关联。另外或另选地，远程传感器和/或可穿戴设备可向研磨工具提供指令，以便调整研磨工具的操作模式。例如，在一些实施例中，远程传感器和/或可穿戴设备可基于噪声和/或振动信息命令研磨工具调整RPM、打开和/或关闭。例如，如果远程传感器和/或可穿戴设备基于噪声和/或振动数据确定研磨工具的操作不安全，则远程传感器和/或可穿戴设备可命令研磨工具关闭。例如，本文所述的系统和方法可包括可自动关闭工具的远程开关。可基于确定不安全条件、确定磨损的磨料产品、确定磨料工具即将达到其使用寿命终点等来远程执行关闭工具的操作。基于远程传感器和/或可穿戴设备接收到的噪声和/或振动数据，其他类型的指令也是可能的。

在一些实施例中，研磨工具、研磨轮或盘和/或可穿戴设备可包括标签，该标签可以是快速响应(QR)代码、条形码、射频识别(RFID)标签(有源和无源)、近场通信(NFC)标签、蓝牙低能耗(BLE)标签或其他类型的标签。在实例中，标签可包含关于研磨工具、研磨轮或盘和/或可穿戴设备的信息，和/或可包括可用作指针引用的唯一标识符，诸如通用唯一标识符(UUID)。指针引用可将计算设备引导至存储在数据库服务器或其他位置的与研磨工具、研磨轮或盘和/或可穿戴设备有关的信息。该信息可包括例如由远程传感器和/或可穿戴设备捕获的过程数据，诸如振动和RPM数据。

为了从标签获得信息，可使用读取器。读取器可利用RFID、NFC和/或BLE通信以超高频率(例如，等于或约900兆赫兹)、高频率(例如，等于或约14兆赫兹)或低频率(例如，等于或约130千赫兹)与标签进行通信。标签与读取器之间在通信期间的物理距离可基于通信介质的频率和类型而有所不同。读取器接收的数据可以是与研磨工具、研磨轮或盘和/或可穿戴设备有关的信息和/或研磨工具、研磨轮或盘和/或可穿戴设备的唯一标识符。

在一些实施例中，读取器可采取便携式独立读取器系统的形式。在一些实施例中，读取器可采取物理连接至可穿戴设备或研磨工具的设备的形式。在一些实施例中，读取器可嵌入可穿戴设备的电路中。读取器可经由USB连接、微型USB连接或类似的物理连接机制、或无线协议(诸如蓝牙或Wi-Fi)将从标签接收的信息传输至可能的云计算设备。

ii.云计算设备、移动设备和存储装置

本文所述的系统和方法可包括多个远程传感器和/或可穿戴设备，其可通信地联接至一个或多个网络服务、服务器或云计算设备。在一些实施例中，远程传感器和/或可穿戴设备可用于运行网络应用程序，所述网络应用程序可包括在Node.js(例如，随处可见的JavaScript)运行时环境中运行的事件驱动脚本。即，远程传感器和/或可穿戴设备可配置成以实时和/或异步方式与云计算设备通信。在示例实施例中，由远程传感器和/或可穿戴设备检测和/或生成的应用程序数据可借助于实时数据库和存储软件(诸如Firebase)在客户端设备和/或云计算设备之间同步。在一些实施例中，远程传感器和/或可穿戴设备可配置成使用消息队列遥测传输(MQTT)或另一种类型的消息传递协议与远程计算设备通信。其他软件服务和/或通信协议是可能的并且被考虑在本文中。

在一些实施例中，上文所述的远程传感器、可穿戴设备和/或云计算设备可与移动设备通信。移动设备可包括智能手机、平板电脑、膝上型计算机或另一种类型的计算设备。甚至更进一步地，移动设备可包括例如具有或没有用户接口的头戴式显示器(HMD)、抬头式显示器(HUD)或另一种类型的便携式计算设备。

移动应用程序可在移动设备上运行。移动应用程序可配置有认证机制，所述认证机制可包括密码、双因素认证、指纹识别、面部识别或其他生物特征信息的验证。这样的认证机制可提供不同级别或类型的用户访问。基于当前用户的访问级别，移动应用程序可显示信息的不同排列、提供对不同类型信息的访问和/或提供各种功能。

在移动应用程序上显示的信息可包括由远程传感器和/或可穿戴设备收集的信息(例如，RPM信息、振动信息)、指示远程传感器和/或可穿戴设备的状况的维护信息等。移动应用程序还可包含执行动作的可选选项。所述动作可包括允许用户再订购损坏的或发生故障的磨料制品的方法。例如，移动应用程序可从服务器216接收对传感器数据的分析(或者可对从远程传感器和/或可穿戴设备接收的传感器数据进行分析)。基于分析，移动应用程序可提供允许用户请求替换磨料制品的图形界面。例如，在用户从图形界面选择替换后，移动应用程序可将请求转发至云计算设备。

在一些实施例中，来自多个远程传感器和/或可穿戴设备的数据可存储在非易失性形式的存储器存储装置中，使得可在没有网络通信(例如，“离线”)的情况下获得数据。例如，可穿戴设备202可配备有Secure

(SD)存储卡，该存储卡可存储与多个远程传感器和/或可穿戴设备202的操作有关的数据。

iii.机器学习

在一个实施例中，云计算设备或可穿戴设备可利用机器学习来处理和/或分析由可穿戴设备和/或远程传感器收集的传感器数据。在一个实施方式中，云计算设备可使用无监督学习算法来确定振动和/或噪声数据的基线模式。该算法然后可从基线模式检测变化。一旦检测到变化，算法就可外推磨料工具的操作参数，如上所述。

在一个实施例中，云计算设备可利用机器学习来处理和/或分析由可穿戴设备和/或远程传感器收集的传感器数据。在一个实施方式中，云计算设备可使用无监督学习来确定振动和/或噪声数据的基线模式。该算法然后可从基线模式检测变化。一旦检测到变化，计算设备就可外推磨料工具的操作参数，如上所述。

在又一个实施例中，云计算设备可利用机器学习来将数据与以下各者中的至少一者相关联：研磨操作模式、特定工件、特定工具或特定研磨条件。响应于将数据与一个或多个操作模式、工件、工具和/或研磨条件相关联，云计算设备可提供输出，该输出可包括警告、警报、通知和/或报告。

在进一步的实施例中，可使用监督或半监督的机器学习方法来训练机器学习模型。例如，在训练阶段期间，云计算设备可配置成接受贴标签的或标记的数据作为输入。在这种场景中，标记的数据可包括已知条件(例如，轮类型、操作条件、工具类型等)下的加速度数据，诸如参考图4、5、6A、6B、7和8所示和所述的。标记可包括每个数据条目一个或多个已知条件。云计算设备可利用标记的数据来调整(例如，分类器模型或推荐器模型的)权重和/或其他参数。可使用例如逻辑回归或线性回归、支持向量机(SVM)、贝叶斯网络以及其他可能性来实现这样的模型。并入了基于规则的算法的模型(例如，关联规则模型、学习分类器模型等)也被考虑在内并且在本申请的范围内是可能的。

训练阶段可包括，例如，在给定标记数据作为输入的情况下评估给定模型预测结果的良好程度。例如，训练阶段可包括基于预测结果与标记结果之间的差异来确定损失函数。各种优化算法是可能的，包括最大似然估计(MLE)或其他拟合算法。

在一些实施例中，先前的实时数据可被标记并且在随后的训练阶段期间被利用以进一步改进机器学习模型。在更进一步的实施例中，可将先前的实时数据与工件的测量值(例如，平滑度、材料去除深度等)相关联。在这样的场景中，可使用加强学习方法通过最大化预期奖励(例如，工件表面光滑度、适当的材料去除等)来改进机器学习模型。

在训练阶段期间对模型进行训练后，可在运行时应用机器学习模型，以基于传感器(例如，安装在参考图2示出和描述的身体安装式设备上的加速度传感器)接收到的实时数据来预测或推测状况。如本文所述，预测的状况可触发、提示或发起各种事件，诸如通知、报告、命令或另一种类型的动作。

iv.计算的系统和方法

如前所述，磨料产品/工具可包括检测研磨轮或盘的角速度(RPM)的传感器。可穿戴设备202可与这些传感器通信以接收RPM信息并确定磨料产品/工具的研磨功率和/或施加的研磨力。另外和/或另选地，可穿戴设备202可使用声音数据来确定研磨轮或盘的RPM。特别地，可穿戴设备202可分析声音数据的幅值，然后使用相关性表格将声音幅值映射至估计的RPM值。声音幅值与估计的RPM值之间的映射可根据磨料产品/工具的类型而变化。

在以上场景中的任一种中，可穿戴设备202依赖于与传感器的通信或磨料产品/工具的类型(例如，用于映射)以确定RPM信息。然而，使可穿戴设备202的依赖性与磨料产品/工具分离可以是有利的。这样做例如可允许可穿戴设备202确定任何研磨轮或盘的RPM，而与可穿戴设备202的用户如何保持磨料产品/工具无关，无论所保持的磨料产品/工具的类型如何，并且无论磨料产品/工具上是否存在任何通信传感器。

为了独立地确定RPM，可使用振动信号。特别地，可从可穿戴设备202的加速度计确定振动信号。如上所述，加速度计收集与用户的手的振动有关的加速度数据。因为手的振动是由磨料产品/工具的振动引起的，所以加速度数据指示磨料产品/工具的振动。然后，加速度数据可用于计算随时间变化的gRMS值，从而产生振动信号。值得注意的是，可对可穿戴设备202、对远程设备(诸如前述云计算设备)、或者部分地对可穿戴设备202以及部分地对远程设备执行gRMS的计算。

图16展示了根据示例实施例的曲线图1600。如图16中所示，曲线图1600包括信号1602，该信号表示可穿戴设备202随时间变化的振动。即，信号1602是由用户穿戴着可穿戴设备202并使用磨料产品/工具时经历的振动产生的。曲线图1600的x轴线对应于时间值，而y轴线对应于振动值(以gRMS计)。

应认识到的重要一点是，因为研磨轮或盘的RPM贡献于信号1602，所以可对信号1602执行傅立叶变换(例如，快速傅立叶变换(FFT)、短时傅立叶变换(STFT)等)以确定RPM值。例如，嵌入可穿戴设备202上的软件可从t0到t3之间的时间段对信号1602执行傅立叶变换，以确定从t0到t3的研磨轮或盘的RPM。

在一些实施例中，盘的研磨轮的RPM可随时间变化。例如，用户可更用力地将研磨轮或盘推入工件中(工件的摩擦力从而使转速降低)，磨料设备/工具的功率水平可发生变化，依此类推。为了解决这个问题，可将信号1602划分/采样为较短的片段，然后嵌入可穿戴设备202中的软件可对每个较短的片段计算傅立叶变换。例如，可从t0至t1之间的时间段、从t1至t2之间的时间段等对信号1602执行傅立叶变换。可绘制每个时间段的RPM，以确定RPM随时间变化的曲线图(如图17所示)。

在一些实施例中，信号1602可由多个基础频率组成和/或可具有混杂频率/假频。为了确定与研磨轮或盘的RPM相对应的确切频率，可使用具有最高幅值的频率或具有在预定范围内的幅值的频率。另选地，在其中信号1602被划分成较短的片段的场景中，给定时间段的RPM可基于具有显示出与先前的时间段几乎无偏差的幅值的频率来确定。其他方法也是可能的。

在一些实施例中，信号1602表示可穿戴设备202相对于给定轴线的振动(例如，加速度计可用于测量和记录三个轴线(x、y和z)上的振动数据)。在这些情况下，可针对每个轴线确定振动信号，并可通过加权/组合每个轴线的单个的振动信号来确定研磨轮或盘的聚集/复合振动信号。在一些实例中，加权/组合可基于职业安全标准，诸如本文讨论的ISO5349标准。为了说明，应用ISO 5349标准可涉及借助于均方根计算来组合来自每个轴线的振动信号，其中在复合振动信号中每个轴线的权重不同。然而，本文还考虑了其他职业安全标准及其用于确定聚集/复合振动信号的对应算法。可穿戴设备202可配置成另外和/或另选地执行ISO 5349标准的那些算法。

如图16所示，可以对信号1602设置限制。更具体地，上限1604和下限1606可用于表示振动的上限和下限，其中上限1604和下限1606之间的区域是磨料产品/工具的振动的“最佳区域”。在一些实施例中，上限1604和下限1606可由可穿戴设备202的制造商或磨料产品/工具的制造商确定。在其他实施例中，上限1604和下限1606可基于当今或未来实施的职业安全标准。例如，上限1604和下限1606可基于由职业安全与健康管理局(OSHA)、国家职业安全与健康研究所(NIOSH)、欧洲工作安全与健康局(EU-OSHA)或国际标准化组织(ISO)设定的标准。在一些情况下，上限1604和下限1606可基于ISO 5349暴露风险。

在一些实施例中，可基于制造时安装到可穿戴设备202的固件中的值或动态加载到可穿戴设备202的固件中的用户定义的值来确定上限1604和下限1606。在实例中，用户定义的值可经由可穿戴设备202的用户接口部件传送至可穿戴设备202，可经由网络应用程序(诸如下文所述的网络应用程序)传送至可穿戴设备202，或者从云计算设备(诸如上文所述的云计算设备)传送至可穿戴设备202。还存在其他可能性。

因为将磨料产品/工具的振动保持在最佳区域内对用户而言可能是有价值的，所以可穿戴设备202可确定与最佳区域的偏差。例如，可穿戴设备202可确定暴露时间1608，其对应于振动处于最佳区域中的时间长度。可将暴露时间1608与总操作时间(例如，t3-t0)进行比较，以确定最佳区域内的时间百分比。如果在最佳区域内的时间百分比足够低，则可穿戴设备202可提供信息以增加时间百分比，这也许是通过输出视觉、触觉和/或音频警报来提供的，该警报提供了操作上的改进、推荐的操作角度等。

作为另一个实例，可穿戴设备202可确定临界暴露时间1610，该临界暴露时间表示高于上限1604的振动时期。因为超过临界暴露时间1610的操作可能对用户有害，所以可穿戴设备202可提供信息以减少临界暴露时间1610，这也许是通过与如上所述类似的方式输出视觉、触觉和/或音频警报来提供的。

进一步地，在信号1602上发现的模式可指示表格300中所示的操作状态。例如，如果临界暴露时间1610大于N秒(N＝1s、2s、10s)，则可穿戴设备202可确定磨料工具的操作状态为“用磨损件砂磨”。其他操作状态也是可能的。

图17展示了根据示例实施例的曲线图1700。如图17中所示，曲线图1700包括信号1702，该信号可表示研磨轮或盘随时间变化的RPM。即，信号1702可由对来自曲线图1600的信号1602执行的傅立叶变换产生。曲线图1700的x轴线对应于时间值，而y轴线对应于RPM值(以gRMS计)。

与曲线图1600类似，曲线图1700包含上限1704和下限1706，分别表示RPM的上限和下限。上限1704和下限1706之间的区域是研磨轮或盘的RPM的“最佳区域”。在一些实施例中，上限1704和下限1706可由可穿戴设备202的制造商或磨料产品/工具的制造商确定。在其他实施例中，上限1704和下限1706可基于当今或未来实施的职业安全标准。

在一些实施例中，可基于制造时安装到可穿戴设备202的固件中的值或动态加载到可穿戴设备202的固件中的用户定义的值来确定上限1704和下限1706。在实例中，用户定义的值可经由可穿戴设备202的用户接口部件传送至可穿戴设备202，可经由网络应用程序(诸如下文所述的网络应用程序)传送至可穿戴设备202，或者从云计算设备(诸如上文所述的云计算设备)传送至可穿戴设备202。还存在其他可能性。

与曲线图1600非常相似，将RPM保持在曲线图1700的最佳区域内对于用户而言可能是有价值的。因此，可穿戴设备202可用于确定RPM与最佳区域的偏差。例如，可穿戴设备202可确定临界时间1708，该临界时间对应于RPM高于上限1704的时间长度。同样，可穿戴设备202可用于确定低使用时间1710，该低使用时间对应于RPM低于下限1706的时间长度。在任一情况下，可穿戴设备202可提供信息以减少临界时间1708和低使用时间1710，也许通过输出提供操作改进、推荐的操作角度等的视觉、触觉和/或音频警报来提供。

在一些实施例中，来自曲线图1600和/或曲线图1700的数据可由可穿戴设备202传输至云计算设备以用于存储和另外的计算。例如，云计算设备可执行上文所述的机器学习算法以发现关于信号1602和/或信号1702的模式(例如，研磨时间、最佳RPM时间、过载时间、最佳振动时间等)。然后可将发现的模式传输至向用户提供信息的网络应用程序。另外和/或另选地，网络应用程序可包括可穿戴设备202随时间变化的振动的曲线图(例如，曲线图1600)和/或可包括可穿戴设备202随时间变化的RPM的曲线图(例如，曲线图1700)。该网络应用程序可以是可自动缩放的——能够在平板设备、台式计算设备、移动设备等上查看。进一步地，网络应用程序可配置成为各个用户建立专用帐户，并且可具有适当的安全措施来隔离每个用户的数据并确保隐私。在一些实施例中，例如，可将云计算设备或网络应用程序用于通过将软件更新传输至可穿戴设备202的通信接口106来更新可穿戴设备202的固件。

值得注意的是，尽管关于振动和RPM数据讨论了上述实施例，但是在本文的公开内容中还考虑了其他类型的数据。

在一个实例中，温度传感器/相对湿度传感器可用于提供有关可穿戴设备202周围的环境温度和湿度水平的数据。继而，由温度传感器/相对湿度传感器收集的数据可用于测量由可穿戴设备202的用户操作的磨料产品/工具的热暴露时间。例如，温度传感器/相对湿度传感器可计算出磨料产品/工具在55℉的环境中操作2小时，然后在105℉的环境中操作6小时。然后可将计算出的热暴露时间用于确定磨料产品/工具的剩余产品寿命/生产率。例如，如果磨料产品/工具经常在高温环境下操作，则磨料产品/工具的预计产品寿命可能比经常在中等温度环境下操作的磨料产品/工具的寿命短。

在另一个实例中，磁力计可用于提供与可穿戴设备202或由可穿戴设备202的用户操作的工件的周围磁场/取向有关的数据。

在又一个实例中，电容传感器可用于提供关于与可穿戴设备202或磨料工具有关的材料密度或潜在损坏的数据。

在进一步的实例中，可从磨料工具获得电流测量值并将所述电流测量值转换成功率数据。功率数据可用于提供磨料工具的研磨周期数据，并且在某些情况下，可将所述功率数据与前述振动和RPM数据进行比较，以进一步了解磨料操作。此外，上文所述的数据以及来自其他传感器(诸如惯性传感器、压力传感器和/或力传感器)的数据可被图形化、变换、显示在仪表板上(诸如下文所述的显示2100、2110、2120和2130)以及与阈值上限和阈值下限相关，如与关于曲线图1600和曲线图1700所述类似的。

v.其他系统

图16和图17中所述的实施例提供了捕获研磨轮或盘的RPM的方法。这些方法通常从可穿戴设备202的振动确定RPM。特别地，可穿戴设备202上的加速度计收集与用户的手的振动有关的加速度数据。手的振动是由磨料产品/工具的振动引起的。然而，在某些情况下，用户的手穿戴可穿戴设备202并操作磨料产品/工具可能是不切实际的或甚至是不可能的。例如，磨料产品/工具可能没有手柄来方便手抓握。或者，磨料产品/工具可能太危险，以至于手无法操作。但是即使在这些情况下，仍然可能需要从可穿戴设备202的振动确定RPM数据。

试图在用户不用手的情况下从振动数据确定RPM会带来许多缺点。例如，简单地将可穿戴设备202附接至磨料工具的手柄(例如，将可穿戴设备202绑到手柄212上)或将振动传感器嵌入磨料产品/工具中的方法无法将RPM与振动信号区别开来，因为这些方法会在振动信号中引入噪声。

为了解决这个问题以及可能的其他问题，本文的实施例提出了模仿人的手的生理性质的系统和方法。特别地，提出了可穿戴设备202与磨料工具之间的辅助部件。辅助部件可构造成具有人的手(例如，可穿戴设备202所附接的手)的生理学固有性质。这些性质使辅助部件可滤除噪声，并能够将RPM与振动信号区别开。

另外，辅助部件可使可穿戴设备202符合ISO 5349标准。如上所述，ISO 5349是用于测量和评估人暴露于手传递振动的标准。特别地，ISO5349规定，应当通过位于用户的手与振动设备之间(例如，当用户握住振动设备时在用户的手掌中)的传感器来进行手传递振动的测量。如果可穿戴设备202呈如图2所示的腕戴式设备的形式，则可穿戴设备202可能不符合该标准。然而，使用本文所述的辅助部件，可穿戴设备202可符合标准。

图18展示了根据示例实施例的系统的部件。值得注意的是，图18展示了磨料工具206，该磨料工具包括磨料制品208、手柄210和手柄212。另外，图18显示辅助部件1802附接至磨料工具206。辅助部件1802可包括可穿戴设备202，或者另选地可包括独立式振动传感器，以检测磨料制品208的RPM。

在一些实施例中，辅助部件1802可具有与人手相似的自由度。换句话说，辅助部件1802可包括接头1804和接头1806，它们一起允许辅助部件1802经历多个方向上的振动。例如，接头1804可允许辅助部件1802经历沿y轴线的振动，接头1806可允许辅助部件1802经历沿z轴线的振动。这允许辅助部件1802沿这样的方向振动，所述方向通常无法通过简单地将可穿戴设备202或独立式振动传感器附接至磨料工具206来启用。

在一些实施例中，辅助部件1802可由具有与人手臂相似的粘弹性质的材料形成。例如，辅助部件1802可由乳胶、橡胶、硅和/或聚合材料构造。这些粘弹性质还可允许辅助部件1802沿这样的方向振动，所述方向通常无法通过简单地将可穿戴设备202或独立式振动传感器附接至磨料工具206来启用。

vi.示例网络应用程序和数据模型

如上所述，网络应用程序可配置成显示与远程传感器、可穿戴设备、磨料工具、磨料工具操作者等有关的信息。这可借助于由云计算设备托管并根据请求提供给用户的网页或一系列网页来实现。这些网页中的信息的布局和汇编可实现高效查看与远程传感器、可穿戴设备、磨料工具、磨料工具操作者等有关的相关信息。另外，网页可使用具有直观视觉效果和易于理解的度量的图形来组织和排列信息。

作为另外的特征，网页应用程序可允许用户在磨料工具、可穿戴设备、磨料工具操作者和车间(例如，正在其中执行磨料操作的环境)之间建立关联。例如，用户可将工厂P1与磨料工具AT1相关联，以指示磨料工具AT1正在车间P1内操作。然后，用户可将磨料工具AT1与可穿戴设备WD2相关联，以指示由可穿戴设备WD2收集的数据与磨料工具AT1的操作有关。最后，用户可将可穿戴设备WD1与操作者O1相关联，以指示操作者O1穿戴着可穿戴设备WD1。以这种方式，磨料工具、可穿戴设备、磨料工具操作者和车间成为网络应用程序上的不同的逻辑实体，所述逻辑实体可与彼此匹配地混合在一起。

具有不同的逻辑实体可能会带来许多益处。例如，假设可穿戴设备WD1与操作者O1永久相关。如果操作者O1突然变得不可用，则在不可用期间无法从可穿戴设备WD1收集任何数据。另一方面，假设可穿戴设备WD1是与操作者O1不同的逻辑实体。如果操作者O1变得不可用，则可穿戴设备WD1可迅速与操作者O3关联，并且仍可为可穿戴设备WD1收集数据。有利地，无论是操作者O1还是操作者O3，都可从可穿戴设备WD1收集数据。其他优点也是可能的。

图19展示了根据示例实施例的模型1900。模型1900可包括四个基本表格——车间表1910、工具表1930、可穿戴表1950和操作者表1950——以及三个链接表格——车间工具表1920、工具可穿戴表1940和操作者可穿戴表1960。这些表格作为一个整体提供了必要的信息，以捕获车间、磨料工具、可穿戴设备和操作者之间的关系。在一些实例中，模型1900可具有比图19中所示的更多、更少和/或不同类型的表格。此外，为了清楚起见，可对模型1900中的表格进行删节。但是实际上，这些表格可包含更多、更少和/或不同的条目。

车间表1910可以包括车间的条目。特别地，车间表1910中的每个条目可具有用于车间的唯一标识符以及用于车间的相关信息。在一些实例中，用户可例如通过由云计算设备提供的网页或一系列网页来输入信息以填充车间表1910。

车间工具表1920可包括将来自车间表1910的给定车间映射到来自在该给定车间中操作的工具表1930的磨料工具的条目。特别地，上文所述的网页应用程序可提供用于动态填充车间工具表1920中的条目的方式。例如，网络应用程序可提供一系列下拉菜单，以允许用户在车间与在这些车间中操作的磨料工具之间建立关联。

工具表1930可包括用于磨料工具(诸如磨料工具206)的条目。特别地，工具表1930中的每个条目可具有用于磨料工具的唯一标识符以及用于磨料工具的相关信息。在一些实例中，用户可例如通过由云计算设备提供的网页或一系列网页来输入信息以填充工具表1930。在其他实例中，可如上所述从远程传感器和/或可穿戴设备填充工具表1930中的信息。

工具可穿戴表1940可包括将来自工具表1930的磨料工具映射到来自可穿戴表1950的可穿戴的条目，所述可穿戴表收集与该磨料工具相关的数据。特别地，上文所述的网络应用程序可提供用于动态填充工具可穿戴表1940中的条目的方式。例如，网络应用程序可提供一系列下拉菜单，以允许用户在磨料工具与可穿戴设备之间建立关联。在某些情况下，如上所述，可通过读取器自动填充工具可穿戴表1940中的条目。例如，磨料工具可包括RFID标签，诸如标识特征218，并且可穿戴设备可包括RFID读取器，该读取器可读取磨料工具的RFID标签以将可穿戴设备与磨料工具相关联。

可穿戴表1950可包括用于可穿戴设备(诸如可穿戴设备202)的条目。特别地，可穿戴表1950中的每个条目可具有用于可穿戴设备的唯一标识符以及用于可穿戴设备的相关信息。在一些实例中，用户可例如通过由云计算设备提供的网页或一系列网页来输入信息以填充可穿戴表1950。在其他实例中，可如上所述从远程传感器填充可穿戴表1950中的信息。

操作者可穿戴表1960可包括将来自可穿戴表1950的可穿戴设备映射到来自操作者表1970的穿戴可穿戴设备的操作者的条目。特别地，上文所述的网络应用程序可提供用于动态填充操作者可穿戴表1960中的条目的方式。例如，网络应用程序可提供一系列下拉菜单，以允许用户在可穿戴设备与操作者之间建立关联。在某些情况下，如上所述，可通过读取器自动填充操作者可穿戴表1960中的条目。例如，可穿戴设备可包括RFID标签，并且操作者可具有RFID读取器，该读取器可读取可穿戴设备的RFID标签以将可穿戴设备与操作者相关联。

操作者表1970可包括用于穿戴可穿戴设备的操作者的条目。特别地，操作者表1970中的每个条目可具有用于操作者的唯一标识符以及用于操作者的相关信息。在一些实例中，用户可例如通过由云计算设备提供的网页或一系列网页来输入信息以填充操作者表1970。

综上所述，模型1900的表格提供信息以建立：(i)哪些操作者与哪些可穿戴设备相关，(ii)哪些可穿戴设备与哪些磨料工具相关，以及(iii)哪些磨料工具与哪些车间相关。在某些情况下，网络应用程序可使用该信息以提供与车间、可穿戴设备、磨料工具和操作者有关的度量。

图20展示了根据示例实施例的网页2000。网页2000可由上文所述的网络应用程序提供给用户。特别地，网页2000提供与车间、可穿戴设备、磨料工具和操作者有关的度量。

如图20所示，车间下拉列表2010允许用户指示他们想要针对其接收度量的多个车间范围中的车间。设备下拉列表2020允许用户选择他们想要针对其接收度量的一个或多个设备。设备下拉列表2020中可用的设备可基于用户对车间下拉列表2010以及对车间工具表1920中的条目的选择。日期范围2030允许用户选择他们想要针对其接收度量的日期范围。在针对车间下拉列表2010、设备下拉列表2020和日期范围2030做出选择之后，用户可通过按下“搜索”继续。该动作可显示与车间下拉列表2010、设备下拉列表2020和日期范围2030中的信息相对应的一个或多个条目(例如，条目2040)。

条目2040包括与使用选自设备下拉列表2020的设备、在选自车间下拉列表2010的车间内以及在选自日期范围2030的时间范围期间的特定操作者有关的度量。可基于操作者可穿戴表1960、可穿戴表1950和工具可穿戴表1940中的条目来确定特定操作者。条目2040显示了特定操作者的研磨时间度量2050、最佳研磨度量2060和振动暴露度量2070。

研磨时间度量2050显示了在日期范围2030期间特定操作者的总研磨时间的条形图。特别地，可使用关于曲线图1600和曲线图1700描述的实施例来确定研磨时间度量2050。

最佳研磨度量2060显示了特定操作者在最佳研磨参数内研磨时所花费的时间的条形图。特别地，可使用关于曲线图1600和曲线图1700描述的实施例来确定最佳研磨度量2060。尽管最佳研磨度量2060被展示为条形图，但应理解，在最佳研磨参数内研磨时的时间量或这种时间的百分比或比例可以各种不同的形式来表示和/或显示。例如，最佳研磨度量2060可表示为饼图、雷达图、折线图或另一种类型的信息表示或信息图。

振动暴露度量2070在三个类别中显示特定操作者的振动暴露时间的饼图。特别地，可使用关于曲线图1600和曲线图1700描述的实施例来确定振动暴露度量2070。尽管将振动暴露度量2070展示为饼图，但应理解，可以各种不同的形式来表示和/或显示在相应振动暴露条件下的时间量。例如，振动暴露度量2070可表示为饼图、雷达图、折线图或另一种类型的信息表示或信息图。

应当理解，出于示例的目的呈现了网页2000。在其他实施例中，网页2000可提供其他类型的度量以及显示这样的度量的另选方法。

图21展示了根据示例实施例的可穿戴设备202的显示2100、2110、2120和2130。特别地，图21中所示的显示展示了可出现在可穿戴设备202的用户接口部件上的不同视图。然而，应当注意，图21所示的显示并非是限制性的；在本公开的范围内，其他显示也被考虑在内并且是可能的。

显示2100提供了有关可穿戴设备202的平均振动、电池电量(显示在顶部左侧)、当前时间(显示在顶部中间)以及可穿戴设备202上是否存在WiFi信号(显示在顶部右侧)。

显示2110还描绘了可穿戴设备202的电池电量、当前时间和WiFi信号，但是另外示出了研磨时间度量，该研磨时间度量可例如使用在图16和17中讨论的曲线图1600和1700来计算。

显示2120还描绘了可穿戴设备202的电池电量、当前时间和WiFi信号，但是另外示出了最佳研磨时间度量，该最佳研磨时间度量可例如使用在图16和17中讨论的曲线图1600和1700来计算。

显示2130还描绘了可穿戴设备202的电池电量、当前时间和WiFi信号，但是另外示出了当操作者执行磨料操作时的当前RPM和振动的瞬时视图。

vii.示例机器人设备

在一些实施例中，本文所述的系统和设备可集成到机器人设备中。例如，可穿戴设备202可附接至机器人设备的主轴、臂/操纵器和/或末端效应器，以及其他可能的位置。一旦附接，可穿戴设备202就可测量与由机器人设备执行的磨料操作相关的振动/噪声数据，可使用该振动/噪声数据来计算RPM信息，以及可向机器人设备提供指令以便调整机器人设备的操作模式。

在示例操作中，可穿戴设备202可通信地链接至机器人设备的控制器。可穿戴设备202可测量与机器人设备相关的振动/噪声数据，并且当其检测到与基线磨料操作的偏差时可响应地向控制器发送反馈。该反馈可包括用于调整机器人设备当前使用的RPM或打开/关闭机器人设备的指令以及其他指令。

IV.列举的示例实施例

本公开的实施例可涉及下文列出的列举的示例实施例(EEE)之一。

EEE 1是一种系统，包括：

传感器，所述传感器设置成邻近磨料产品和工件，其中所述传感器配置成收集与涉及所述磨料产品和所述工件的磨料操作相关的磨料操作数据；

通信接口；

控制器，所述控制器包括存储器和处理器，其中所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令，所述操作包括：

从所述传感器接收所述磨料操作数据；

基于所述磨料操作数据，确定所述磨料产品的产品特定信息和/或工件特定信息；以及

经由所述通信接口传输所述产品特定信息或所述工件特定信息；和

远程计算设备，所述远程计算设备配置成接收所传输的产品特定信息或工件特定信息。

EEE 2是根据EEE 1所述的系统，其中确定所述产品特定信息或工作特定信息包括将所述磨料操作数据与以下各者中的至少一者相关联：材料、材料去除率、操作条件、消耗的功率或特定的研磨能量。

EEE 3是根据EEE 1-2中任一项所述的系统，其中基于振动或噪声数据中的至少一者来确定所述磨料产品的产品特定信息或工件特定信息包括：

通过以一定的采样速率分别采样振动或噪声数据中的至少一者来生成振动或噪声信息中的至少一者；以及

基于所述振动或噪声信息中的至少一者，确定所述产品特定信息或工作特定信息。

EEE 4是根据EEE 3所述的系统，其中所述采样速率是基于所述传感器的电池的能量水平来选择的。

EEE 5是根据EEE 1所述的系统，其中所述传感器配置成以一定的采样速率收集所述振动或噪声数据，并且其中所述采样速率是基于所述传感器的数据解析度或电池可用能量水平中的至少一者来选择的。

EEE 6是根据EEEs 1-5中任一项所述的系统，其中所述操作进一步包括：

使用所述通信接口获得所述磨料产品的标识符；以及

使用所述标识符标识所述磨料产品。

EEE 7是根据EEE 6所述的系统，其中所述通信接口包括以下各者中的至少一者：图像捕获设备、无线通信设备、近场通信(NFC)设备或射频识别(RFID)读取器。

EEE 8是根据EEEs 6-7中任一项所述的系统，其中使用所述通信接口来获得所述磨料产品的标识符包括：

从所述远程计算设备接收所述产品标识符。

EEE 9是根据EEEs 1-8中任一项所述的系统，其中所述传感器设置在所述磨料产品内或远离所述磨料产品。

EEE 10是根据EEEs 1-9中任一项所述的系统，其中基于所述振动或噪声数据中的至少一者来确定所述磨料产品的产品特定信息或工件特定信息包括：

基于所述振动或噪声数据中的至少一者来生成振动或噪声信息中的至少一者；

基于对所述振动或噪声信息中的至少一者的频率分析来生成频率数据；以及

基于所述频率数据，确定所述产品特定信息或工作特定信息。

EEE 11是根据EEE 10所述的系统，其中所述操作进一步包括：

向所述远程计算设备提供所述频率数据。

EEE 12是根据EEEs 1-11中任一项所述的系统，其中所述操作进一步包括：

向所述远程计算设备提供所述振动和/或噪声数据或所述振动或噪声信息中的至少一者，其中所述远程计算设备进一步配置成分析接收到的振动和/或噪声数据或所述振动或噪声信息中的至少一者。

EEE 13是一种计算设备和专用于计算网络的数据库，其中所述计算设备能访问对磨料操作特性进行预测的机器学习模型，并且其中所述计算设备配置成执行操作，所述操作包括：

从远程传感器接收振动和噪声信息，其中所述振动和噪声信息与涉及磨料产品和工件的磨料操作相关；以及

应用所述机器学习模型来预测所述振动和噪声信息与所述磨料产品的产品特定信息或工件特定信息有关，其中所述机器学习模型是利用以下各项之间的映射来训练的：(i)涉及多个磨料产品和多个工件的多个先验磨料操作的操作特性；以及(ii)所述工件的在所述先验磨料操作期间和之后的表面特性。

EEE 14是根据EEE 13所述的计算设备和数据库，其中所述操作进一步包括在所述数据库中存储与所述振动和噪声信息以及预测的产品特定信息或工件特定信息有关的配置项。

EEE 15是根据EEEs 1-14中任一项所述的计算设备和数据库，其中所述操作进一步包括将所述预测的产品特定信息或工件特定信息传输至远程计算设备。

EEE 16是一种系统，包括：

身体安装式设备，包括：

至少一个传感器，其中所述至少一个传感器配置成检测磨料操作数据；

通信接口；和

控制器，所述控制器包括存储器和处理器，其中所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令，所述操作包括：

从所述至少一个传感器接收与特定研磨工具或特定磨料产品相关的磨料操作数据；

基于所述磨料操作数据确定产品特定信息；以及

经由所述通信接口传输所述产品特定信息；以及

远程计算设备，所述远程计算设备配置成接收所传输的产品特定信息。

EEE 17是根据EEE 16所述的系统，其中所述磨料操作数据包括振动或噪声数据中的至少一者，并且其中基于所述磨料操作数据确定所述磨料产品的产品特定信息或工件特定信息包括：

通过以一定的采样速率分别采样振动或噪声数据中的至少一者来生成振动或噪声信息中的至少一者；以及

基于所述振动或噪声信息中的至少一者，确定所述产品特定信息或工作特定信息。

EEE 18是根据EEEs 16-17中任一项所述的系统，其中所述采样速率是基于所述传感器的数据解析度或电池可用能量水平中的至少一者来选择的。

EEE 19是根据EEEs 16-18中任一项所述的系统，其中所述传感器配置成以一定的采样速率收集所述磨料操作数据，并且其中所述采样速率是基于所述传感器的电池的能量水平来选择的。

EEE 20是根据EEE 16-19中任一项所述的系统，其中所述操作进一步包括：

使用所述通信接口获得所述磨料产品的标识符；以及

使用所述标识符标识所述磨料产品。

EEE 21是根据EEEs 16-20中任一项所述的系统，其中所述通信接口包括以下各者中的至少一者：图像捕获设备、无线通信设备、近场通信(NFC)设备或射频识别(RFID)读取器。

EEE 22是根据EEEs 16-21中任一项所述的系统，其中使用所述通信接口来获得所述磨料产品的标识符包括：

从所述远程计算设备接收所述产品标识符。

EEE 23是根据EEEs 16-22中任一项所述的系统，其中所述传感器设置在所述磨料产品内或远离所述磨料产品。

EEE 24是根据EEEs 16-23中任一项所述的系统，其中基于所述振动或噪声数据中的至少一者来确定所述磨料产品的产品特定信息或工件特定信息包括：

基于所述振动或噪声数据中的至少一者来生成振动或噪声信息中的至少一者；

基于对所述振动或噪声信息中的至少一者的频率分析来生成频率数据；以及

基于所述数据的频率和/或幅值，确定所述产品特定信息或工作特定信息。

EEE 25是根据EEEs 16-24中任一项所述的系统，其中所述操作进一步包括：

向所述远程计算设备提供所述频率数据。

EEE 26是根据EEEs 16-25中任一项所述的系统，其中所述操作进一步包括：

向所述远程计算设备提供所述振动和/或噪声数据或所述振动或噪声信息中的至少一者，其中所述远程计算设备进一步配置成分析接收到的振动和/或噪声数据或所述振动或噪声信息中的至少一者。

EEE 27是根据EEEs 16-26中任一项所述的系统，其中所述产品特定信息包括以下各者中的至少一者：针对所述特定磨料产品的操作状态、操作持续时间、闲置持续时间或生产时间。

EEE 28是根据EEEs 16-27中任一项所述的系统，其中所述产品特定信息包括指示与所述特定磨料产品相关的磨料操作的信息。

EEE 29是根据EEEs 16-28中任一项所述的系统，其中基于所述振动或噪声信息中的至少一者来确定所述产品特定信息包括：将所述振动或噪声信息中的至少一者与已知的振动或噪声模式中的至少一者的集合进行比较。

EEE 30是根据EEEs 16-29中任一项所述的系统，其中所述操作进一步包括基于标识过程来确定所述特定磨料产品。

EEE 31是根据EEE 30所述的系统，其中所述标识过程包括以下各者中的至少一者：用户输入、远程握手通信过程、近距离检测过程或光学识别过程。

EEE 32是根据EEEs 16-31中任一项所述的系统，其中基于所述振动和噪声信息确定的所述产品特定信息包括有关所述特定磨料产品的实时磨料信息。

EEE 33是根据EEEs 16-32中任一项所述的系统，其中所述远程计算设备包括云计算平台。

EEE 34是EEEs 16-33中任一项所述的系统，其中所述身体安装式设备配置成佩戴在使用者的手腕或胸部。

EEE 35是根据EEEs 16-34中任一项所述的系统，其中所述身体安装式设备联接至防护手套或头戴式显示器(HMD)中的至少一者。

EEE 36是一种方法，包括：

从设置成邻近磨料产品的至少一个传感器接收与所述磨料产品相关的振动或噪声信息中的至少一者，其中所述至少一个传感器配置成检测振动和噪声；

基于所述振动或噪声信息中的至少一者来确定产品特定信息；以及

经由通信接口将所述产品特定信息传输至远程计算设备。

EEE 37是根据EEE 36所述的系统，其中所述产品特定信息包括以下各者中的至少一者：针对所述特定磨料产品的操作状态、操作持续时间、闲置持续时间或生产时间。

EEE 38是根据EEEs 36-37中任一项所述的方法，其中所述产品特定信息包括指示与所述磨料产品相关的磨料操作的信息。

EEE 39是根据EEEs 36-38中任一项所述的方法，其中基于所述振动或噪声信息中的至少一者来确定所述产品特定信息包括：将所述振动或噪声信息中的至少一者与已知的振动或噪声模式中的至少一者的集合进行比较。

EEE 40根据EEEs 36-39中任一项所述的方法，进一步包括基于标识过程来确定所述磨料产品。

EEE 41是根据EEEs 36-40中任一项所述的方法，其中所述标识过程包括以下各者中的至少一者：用户输入、远程握手通信过程、近距离检测过程或光学识别过程。

EEE 42是根据EEEs 36-41中任一项所述的方法，其中基于所述振动或噪声信息中的至少一者确定的所述产品特定信息包括有关所述磨料产品的实时磨料信息。

EEE 43是根据EEEs 36-42中任一项所述的方法，其中传输所述产品特定信息包括将所述产品特定信息传输至云计算平台。

EEE 44是根据EEEs 36-43中任一项所述的方法，进一步包括：

响应于所述产品特定信息的确定，向所述磨料产品传输至少一个控制指令。

EEE 45是根据EEEs 36-44中任一项所述的方法，其中所述至少一个控制指令包括以下各者中的至少一者：调整转速，提供通知，打开工具，或关闭工具。

EEE 46是根据EEEs 36-45中任一项所述的方法，其中从远程控制开关接收所述至少一个控制指令。

EEE 47是一种系统，包括：

身体安装式设备，包括：

至少一个传感器，其中所述至少一个传感器配置成检测与特定磨料工具或特定磨料产品相关的振动数据；以及

控制器，所述控制器包括存储器和处理器，其中所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令，所述操作包括：

基于对所述振动数据的频率分析生成振动信号；

使用所述振动信号生成角速度(RPM)信号；以及

基于所述振动信号和所述RPM信号来确定产品特定信息。

EEE 48是根据EEE 47所述的系统，其中生成所述RPM信号包括对所述振动信号执行傅立叶变换分析。

EEE 49是根据EEEs 47-48中任一项所述的系统，其中所述产品特定信息至少部分地基于所述振动信号或所述RPM信号低于上限和高于下限的时间长度。

EEE 50是根据EEE 49所述的系统，其中所述上限和所述下限是基于ISO 5349标准。

EEE 51是一种系统，包括：

磨料工具，所述磨料工具配置成使用磨料制品执行磨料操作；

辅助部件，所述辅助部件附接至所述磨料工具的表面，其中所述辅助部件具有比所述磨料工具大的自由度；

至少一个传感器，其中所述至少一个传感器配置成检测与所述磨料工具的操作相关的振动数据，其中所述至少一个传感器安装在所述辅助部件上；以及

控制器，所述控制器包括存储器和处理器，其中所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令，所述操作包括：

基于所述振动数据生成振动信号；

将所述振动信号转换成角速度(RPM)信号，

基于所述振动信号和所述RPM信号，确定与所述磨料工具有关的产品特定信息。

EEE 52是一种系统，包括：

持久性存储装置，所述持久性存储装置包含：(i)车间与在所述车间内分别操作的磨料工具之间的第一组映射，(ii)所述磨料工具与分别与所述磨料工具相关的身体安装式设备之间的第二组映射，以及(iii)所述身体安装式设备与分别与所述身体安装式设备相关的操作者之间的第三组映射；以及

一个或多个处理器，所述一个或多个处理器配置成执行操作，所述操作包括：

从客户端设备接收查看与所述车间中的至少一个车间相关的磨料操作度量的请求；

基于所述第一组映射，确定与所述至少一个车间相关的一组工具；

从所述客户端设备接收查看与所述一组工具中的至少一个工具相关的磨料操作度量的请求；

基于所述第二组映射，确定与所述至少一个工具相关的一组身体安装式设备；

基于所述第三组映射，确定与所述一组身体安装式设备相关的一组操作者；以及

向所述客户端设备提供与所述一组操作者有关的磨料操作度量。EEE 53是根据EEE 52所述的系统，其中所述操作进一步包括：

从所述客户端设备接收查看日期范围内的磨料操作度量的请求，其中提供所述磨料操作度量包括：提供所述日期范围内的所述磨料操作度量。

Claims (22)

1.一种系统，包括：

身体安装式设备，包括：

至少一个传感器，其中所述至少一个传感器配置成检测与涉及磨料产品或工件的磨料操作相关的磨料操作数据；

通信接口；和

控制器，所述控制器包括存储器和处理器，其中所述存储器存储可由所述处理器执行以使所述控制器执行操作的指令，所述操作包括：

从所述至少一个传感器接收所述磨料操作数据；

基于所述磨料操作数据，确定所述磨料产品的产品特定信息或所述工件的工件特定信息；以及

经由所述通信接口传输所述产品特定信息或所述工件特定信息；和

远程计算设备，所述远程计算设备配置成接收所传输的产品特定信息或工件特定信息。

2.根据权利要求1所述的系统，其中所述身体安装式设备配置成佩戴在使用者的手腕或胸部。

3.根据权利要求1所述的系统，其中所述身体安装式设备联接至保护手套或头戴式显示器(HMD)中的至少一者。

4.根据权利要求1所述的系统，其中所述操作进一步包括：

使用所述通信接口从所述远程计算设备接收所述磨料产品的标识符；以及

使用所述标识符标识所述磨料产品。

5.根据权利要求4所述的系统，其中所述通信接口包括以下各者中的至少一者：图像捕获设备、无线通信设备、近场通信(NFC)设备、射频识别(RFID)读取器、蓝牙设备或LoRa(低功耗广域网)设备。

6.根据权利要求1所述的系统，其中所述磨料操作数据包括振动或噪声数据中的至少一者，并且其中进一步基于所述振动或噪声数据中的至少一者来确定所述产品特定信息或所述工件特定信息。

7.根据权利要求6所述的系统，其中所述振动或噪声数据中的至少一者由所述至少一个传感器以一定的采样速率采样，其中所述采样速率是基于所述至少一个传感器的数据解析度或电池可用能量水平中的至少一者来选择的。

8.根据权利要求6所述的系统，其中所述操作进一步包括：向所述远程计算设备提供所述振动或噪声数据中的至少一者，其中所述远程计算设备进一步配置成分析所接收的振动或噪声数据中的至少一者。

9.根据权利要求6所述的系统，其中基于所述振动或噪声数据中的至少一者来确定所述产品特定信息或所述工件特定信息包括：将所述振动或噪声数据中的至少一者与已知的振动或噪声模式中的至少一者的集合进行比较。

10.根据权利要求6所述的系统，其中所述操作进一步包括：

对所述振动数据执行频率分析，以产生对应的振动信号；以及

确定与所述振动信号相关的角速度(RPM)信号，其中进一步基于所述振动信号或所述RPM信号来确定所述产品特定信息或所述工件特定信息。

11.根据权利要求10所述的系统，其中确定与所述振动信号相关的所述RPM信号包括：对所述振动信号执行傅立叶变换分析。

12.根据权利要求10所述的系统，其中所述产品特定信息或所述工件特定信息至少部分地基于所述振动信号或所述RPM信号低于上限且高于下限的时间长度。

13.根据权利要求12所述的系统，其中所述上限和所述下限是基于ISO5349标准。

14.根据权利要求1所述的系统，其中所述产品特定信息包括以下各者中的至少一者：操作状态；操作持续时间；闲置持续时间；所述磨料产品的生产时间；或指示与所述磨料产品相关的磨损操作的信息。

15.根据权利要求1所述的系统，其中所述至少一个传感器设置在所述磨料产品内或远离所述磨料产品。

16.一种方法，包括：

在身体安装式设备处从设置成邻近磨料产品或工件的至少一个传感器接收与涉及所述磨料产品或所述工件的磨料操作相关的磨料操作数据；

由所述身体安装式设备基于所述磨料操作数据确定产品特定信息或工件特定信息；以及

由所述身体安装式设备经由通信接口将所述产品特定信息或所述工件特定信息传输至远程计算设备。

17.根据权利要求16所述的方法，进一步包括：

响应于确定所述产品特定信息或所述工件特定信息，向所述磨料产品传输至少一个控制指令。

18.根据权利要求17所述的方法，其中所述至少一个控制指令包括以下各者中的至少一者：调节转速，提供通知，打开工具，或关闭工具。

19.根据权利要求16所述的方法，进一步包括：

在所述远程计算设备处确定与所述产品特定信息或所述工件特定信息相关的特定磨料产品或特定工件，其中所述远程计算设备包括经过训练的机器学习系统，所述经过训练的机器学习系统配置成基于产品特定信息或工件特定信息推测特定工件或特定磨料产品。

20.一种系统，包括：

包含以下各者之间的映射的数据库：(i)涉及磨料产品和工件的先验磨料操作数据；以及(ii)与所述先验磨料操作数据相关的产品特定信息和工件特定信息；以及

计算设备，所述计算设备配置成执行操作，所述操作包括：

从配置成检测磨料操作数据的至少一个传感器接收与涉及磨料产品和工件的磨料操作相关的磨料操作数据；以及

使用所述映射预测所述磨料操作数据与所述磨料产品的产品特定信息或所述工件的工件特定信息有关。

21.根据权利要求20所述的系统，其中所述数据库进一步包含：(i)车间与在所述车间内分别操作的磨料产品之间的第一组映射，(ii)所述磨料产品与分别与所述磨料产品相关的身体安装式设备之间的第二组映射，以及(iii)所述身体安装式设备与分别与所述身体安装式设备相关的操作者之间的第三组映射，并且其中所述操作进一步包括：

从客户端设备接收查看与所述车间中的至少一个车间相关的磨料操作数据的请求；

基于所述第一组映射，确定与所述至少一个车间相关的一组磨料产品；

从所述客户端设备接收查看与所述一组磨料产品中的至少一个磨料产品相关的磨料操作数据的请求；

基于所述第二组映射，确定与所述至少一个磨料产品相关的一组身体安装式设备；

基于所述第三组映射，确定与所述一组身体安装式设备相关的一组操作者；以及

向所述客户端设备提供与所述一组操作者有关的磨料操作数据。

22.根据权利要求21所述的系统，其中所述操作进一步包括：

从所述客户端设备接收查看日期范围内的磨料操作数据的请求，其中提供所述磨料操作数据包括：提供所述日期范围内的所述磨料操作数据。

Images