CN113680703B - 一种旋转连接器的材料智能筛选方法及系统 - Google Patents

Abstract

本发明公开了一种旋转连接器的材料智能筛选方法及系统，其中，所述方法包括：根据旋转连接器的应用场景信息和第一应力强度系数，获得第一绳索的第一受力阈值，所述第一绳索用于与所述第一连接环连接；基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线；将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。解决了现有技术连接器材料筛选缺乏选择标准，导致材料选择不准确，从而影响连接器工作强度和连接效果的技术问题。

Description

一种旋转连接器的材料智能筛选方法及系统

技术领域

本发明涉及材料筛选领域，尤其涉及一种旋转连接器的材料智能筛选方法及系统。

背景技术

连接器是指连接两个不同物体之间的辅助器具，连接器包括固定连接器和活动连接器，固定连接器分为螺栓、铆钉，活动连接器包括轴承、链条，皮带，其中固定连接器多用于静态连接，活动连接器多用于动态连接，在活动连接器中，还有一种连接状态应用也非常普及，即两个互相独立的物体之间的浮动式连接，比如第一根牵引绳和第二根牵引绳之间的连接。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术连接器材料筛选缺乏选择标准，导致材料选择不准确，从而影响连接器工作强度和连接效果的技术问题。

发明内容

本申请实施例通过提供一种旋转连接器的材料智能筛选方法及系统，解决了现有技术连接器材料筛选缺乏选择标准，导致材料选择不准确，从而影响连接器工作强度和连接效果的技术问题，达到结合旋转连接器的应用受力情况进行材料筛选，材料选择准确高效，保证连接器工作强度和连接效果满足应用场景的技术效果。

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的方法。

第一方面，本申请实施例提供了一种旋转连接器的材料智能筛选方法，所述方法包括：获得旋转连接器的应用场景信息；获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。

另一方面，本申请还提供了一种旋转连接器的材料智能筛选系统，所述系统包括：第一获得单元，所述第一获得单元用于获得旋转连接器的应用场景信息；第二获得单元，所述第二获得单元用于获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；第三获得单元，所述第三获得单元用于根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；第四获得单元，所述第四获得单元用于通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；第五获得单元，所述第五获得单元用于将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。

第三方面，本发明实施例提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。

第四方面，本发明实施例还提供了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上述任意一项所述的控制输出数据的方法中的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得旋转连接器的应用场景信息；获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。进而达到结合旋转连接器的应用受力情况进行材料筛选，材料选择准确高效，保证连接器工作强度和连接效果满足应用场景的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种旋转连接器的材料智能筛选方法的流程示意图；

图2为本申请实施例一种旋转连接器的材料智能筛选方法中获得旋转连接器材料筛选模型强化后的筛选结果的流程示意图；

图3为本申请实施例一种旋转连接器的材料智能筛选方法中获得更新后的旋转连接器材料筛选模型的流程示意图；

图4为本申请实施例一种旋转连接器的材料智能筛选方法中获得结合综合振动数据和相对姿态数据筛选结果的流程示意图；

图5为本申请实施例一种旋转连接器的材料智能筛选方法中对旋转连接器材料筛选模型进行更新的流程示意图；

图6为本申请实施例一种旋转连接器的材料智能筛选方法中获得综合振动数据的流程示意图；

图7为本申请实施例一种旋转连接器的材料智能筛选系统的结构示意图；

图8为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150，操作系统1151，应用程序1152和用户接口1160。

具体实施方式

在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。

上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。

本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。

应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。

也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。

也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。

下面结合本发明实施例中的附图对本发明实施例进行描述。

实施例一

如图1所示，本申请实施例提供了一种旋转连接器的材料智能筛选方法，其中，所述方法应用于一旋转连接器的材料智能筛选系统，所述系统应用于一旋转连接器，所述旋转连接器包括第一连接环和第二连接环，且所述第一连接环与所述第二连接环转动连接，所述系统包括力传感器，所述方法包括：

步骤S100：获得所述旋转连接器的应用场景信息；

具体而言，旋转连接器是指连接两个不同物体之间的辅助器具，可灵活连接转动，准确的材料筛选可增强连接器的应用范围。所述旋转连接器包括第一连接环和第二连接环，连接环类型包括马蹄形连接环、钉子连接环等，用于牵引绳的连接，且所述第一连接环与所述第二连接环转动连接，可灵活转动。所述旋转连接器的应用场景信息包括牵引绳索连接等，广泛应用于电力、冶金、石油、机械、铁路、化工、港口、矿山、建筑等各行各业，不同的应用场景对连接器的连接强度的要求也不同。

步骤S200：获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；

具体而言，所述第一绳索用于与所述第一连接环连接，所述第一绳索是牵引绳索，是通过扭或编等方式加强后，连成一定长度的纤维，其拉伸强度很好但没有压缩强度，可用来做连接、牵引的工具。所述第一应力强度系数为所述第一绳索的抗拉强度系数，表明所述绳索的抗拉强度等级，绳索的应力强度系数用于绳索牵引时的受力范围大小判定。

步骤S300：根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；

具体而言，根据所述第一绳索的应用场景信息和所述第一应力强度系数，获得所述第一绳索在所述应用场景下的第一受力阈值，即牵引绳索的可承受拉伸力范围大小，避免在绳索使用时因牵引力过大造成绳索崩断。

步骤S400：通过所述力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；

具体而言，所述力传感器为测力传感器，用于对物体受力时的力值大小进行测定，通过所述力传感器检测所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环在不同位置的受力大小，其中受力大小不得超过所述第一受力阈值，避免因牵引力过大造成绳索损坏。并根据受力大小获得相应的所述第一受力曲线即所述第一连接环的极大值受力曲线，和所述第二受力曲线即所述第一连接环极小值受力曲线，受力情况考虑更加全面，保证后续连接器的材料选择满足连接环受力范围。

步骤S500：将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。

具体而言，将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，所述第一旋转连接器材料筛选模型为神经网络模型，用于为旋转连接器的材料进行筛选。获得所述模型的训练输出结果即第一筛选结果，所述第一筛选结果包括第一材料备选数据集，即备选旋转器材料类型，如黄铜、钢制、铜合金等，不同的材料具有不同的强度。根据受力情况具体选择，使得材料选择更加准确高效，从而保证连接器工作强度和连接效果满足应用场景。

如图2所示，进一步而言，本申请实施例还包括：

步骤S610：获得第二绳索的第二应力强度系数，其中，所述第二绳索用于与所述第二连接环连接；

步骤S620：根据所述应用场景信息和所述第二应力强度系数，获得所述第二绳索的第二受力阈值；

步骤S630：通过所述力传感器，基于所述第二受力阈值，获得所述第二绳索在所述第二连接环的各不同位置时，所述第二连接环不同位置的受力信息，获得第三受力曲线和第四受力曲线，其中，所述第三受力曲线为所述第二连接环的极大值受力曲线，所述第四受力曲线为所述第二连接环的极小值受力曲线；

步骤S640：根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，获得第二旋转连接器材料筛选模型；

步骤S650：根据所述第二旋转连接器材料筛选模型获得第二筛选结果，所述第二筛选结果包括第二材料备选数据集，其中，所述第二材料备选数据集包含于所述第一材料备选数据集。

具体而言，所述第二绳索用于与所述第二连接环连接，所述第二绳索是与所述第二连接环连接的牵引绳索，所述第二应力强度系数为所述第二绳索的抗拉强度系数，表明所述绳索的抗拉强度等级，绳索的应力强度系数用于绳索牵引时的受力范围大小判定。根据所述应用场景信息和所述第二应力强度系数，获得所述第二绳索在所述应用场景下的第二受力阈值，即牵引绳索的可承受拉伸力范围大小，避免在绳索使用时因牵引力过大造成绳索崩断。通过所述力传感器检测所述第二绳索在所述第二连接环的各不同位置时，所述第二连接环在不同位置的受力大小，其中受力大小不得超过所述第二受力阈值，避免因牵引力过大造成绳索损坏。并根据受力大小获得相应的所述第三受力曲线即所述第二连接环的极大值受力曲线，和所述第四受力曲线即所述第二连接环极小值受力曲线，受力情况考虑更加全面，保证后续连接器的材料选择满足连接环受力范围。

根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，受力数据集是所述第二连接环受力时的详细力值变化数据，获得增量强化后的第二旋转连接器材料筛选模型，所述第二旋转连接器材料筛选模型是在所述第一旋转连接器材料筛选模型的数据基础上进行更新强化。因此，所述第二旋转连接器材料筛选模型进行增量学习后能够保留所述第一复发风险评估模型的基础性能，并且完成对应的增量学习，进而基于所述第二旋转连接器材料筛选模型，获得对应的输出信息即所述第二筛选结果，所述第二筛选结果包括第二材料备选数据集，且所述第二材料备选数据集包含于所述第一材料备选数据集，即所述第二材料备选数据集中的材料从所述第一材料备选数据集中进行筛选，保证两个连接环的连接强度满足应用场景。所述第二旋转连接器材料筛选模型为增量学习后的更新后的模型，从而达到了对于延时特征进行增量学习，以提高筛选结果更新性能的技术效果。

如图3所示，进一步而言，其中，所述根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，获得第二旋转连接器材料筛选模型，本申请实施例步骤S640还包括：

步骤S641：将所述第三受力数据集和第四受力数据集输入所述第一旋转连接器材料筛选模型，获得第三材料备选数据集；

步骤S642：对所述第三材料备选数据集进行数据强化分析，获得第一强化数据；

步骤S643：通过所述第一强化数据对所述第一旋转连接器材料筛选模型进行更新，获得第二旋转连接器材料筛选模型。

具体而言，所述第三材料备选数据集基于所述第三受力数据集和第四受力数据集在所述第一旋转连接器材料筛选模型中进行材料筛选获得的对应材料备选数据集，由于所述第一旋转连接器材料筛选模型是基于所述第一受力数据集和第二受力数据集进行数据训练获得的，因此，通过引入损失函数完成数据损失的分析进而获得所述第一损失数据，其中，所述第一损失数据是代表所述第一旋转连接器材料筛选模型对于所述第三受力数据集和第四受力数据集的相关数据知识损失数据，再基于所述第一损失数据完成对所述第一旋转连接器材料筛选模型的增量学习。由于所述第一旋转连接器材料筛选模型是多个神经元相互连接组成构成神经网络获得的，因此，通过损失数据的训练使得所述第二旋转连接器材料筛选模型保留了所述第一旋转连接器材料筛选模型的基本功能，并维持模型不断更新的性能，从而提高了材料筛选的更新性能，保证旋转连接器材料筛选结果准确性的技术效果。

如图4所示，进一步而言，其中，所述系统还包括振动传感器和姿态传感器，本申请实施例步骤S650还包括：

步骤S651：通过所述振动传感器获得综合振动数据；

步骤S652：通过所述姿态传感器获得所述第一连接环的第一姿态数据和所述第二连接环的第二姿态数据；

步骤S653：根据所述第一姿态数据和所述第二姿态数据，获得相对姿态数据；

步骤S654：根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型；

步骤S655：根据所述第四旋转连接器材料筛选模型获得第三筛选结果，所述第三筛选结果包括第三材料备选数据集，其中，所述第三材料备选数据集包含于所述第二材料备选数据集。

具体而言，所述振动传感器用于检测所述旋转连接器在连接工作时的综合振动数据，包括振动振幅、振动频率等，所述姿态传感器用于检测所述旋转连接器的三维运动姿态与方位数据，通过所述姿态传感器检测获得所述第一连接环在连接工作时的第一姿态数据和所述第二连接环的在连接工作时的第二姿态数据。根据所述第一姿态数据和所述第二姿态数据，获得所述第一连接环和所述第二连接环的相对姿态数据，根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型，所述第四旋转连接器材料筛选模型为神经网络模型。进而获得所述第四旋转连接器材料筛选模型的输出结果即所述第三筛选结果，所述第三筛选结果包括第三材料备选数据集，且所述第三材料备选数据集包含于所述第二材料备选数据集，即所述第三材料备选数据集中的材料从所述第二材料备选数据集中进行筛选的，材料选择更加准确高效，保证两个连接环在连接工作时的连接强度满足应用场景的技术效果。

如图5所示，进一步而言，所述根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型，本申请实施例步骤S654还包括：

步骤S6541：根据所述综合振动数据和所述相对姿态数据，对所述第一旋转连接器材料筛选模型进行训练，获得第三旋转连接器材料筛选模型；

步骤S6542：根据所述第三旋转连接器材料筛选模型，获得模型参数；

步骤S6543：根据所述模型参数，对所述第二旋转连接器材料筛选模型进行更新，获得第四旋转连接器材料筛选模型。

具体而言，根据所述综合振动数据和所述相对姿态数据，对所述第一旋转连接器材料筛选模型进行数据训练，所述训练的过程实质为监督学习的过程，获得数据训练后的神经网络模型即第三旋转连接器材料筛选模型。通过所述第三旋转连接器材料筛选模型获得模型参数，所述模型参数包括训练数据、数据属性、模型学习率、学习周期等。根据所述模型参数，对所述第二旋转连接器材料筛选模型进行更新，即对所述第二旋转连接器材料筛选模型进行增量学习，获得更新后的第四旋转连接器材料筛选模型，所述第四旋转连接器材料筛选模型保留了所述第二旋转连接器材料筛选模型的基本功能，并维持模型不断更新的性能，从而提高了材料筛选的更新性能，保证旋转连接器在连接工作时的连接强度效果。

如图6所示，进一步而言，其中，所述通过所述振动传感器获得综合振动数据，本申请实施例步骤S651还包括：

步骤S6511：通过所述振动传感器获得所述旋转连接器的振动幅度和振动频率；

步骤S6512：获得环境影响系数；

步骤S6513：根据所述环境影响系数、所述振动幅度和所述振动频率，获得综合振动数据。

具体而言，通过所述振动传感器检测所述旋转连接器在连接工作时的综合振动数据，包括所述旋转连接器的振动幅度和振动频率，所述环境影响系数是所述旋转连接器的在连接工作时的环境影响因素，如工作温度、湿度、天气状况等。通过所述环境影响系数、所述振动幅度和所述振动频率，确定所述旋转连接器的综合振动数据，结合旋转连接器的实际工作情况对材料进行选择更加准确高效，保证两个连接环在连接工作时的连接强度满足应用场景的技术效果。

进一步而言，其中，所述获得综合振动数据的公式为：

其中，

为环境影响系数;

为振动幅度；

为振动频率；

为综合振动数据。

具体而言，为计算所述旋转连接器的具体综合振动数据，构建计算公式

，其中，

为环境影响系数，

为振动幅度，

为振动频率，

为综合振动数据。将所述环境影响系数、所述振动幅度和所述振动频率输入计算公式中，计算获得所述旋转连接器的具体综合振动数据，使得旋转连接器的振动数据计算更加精确合理，进而为后续的材料选择提供更加准确高效的数据基础，从而保证两个连接环在连接工作时的连接强度满足应用场景的技术效果。

综上所述，本申请实施例所提供的一种旋转连接器的材料智能筛选方法及系统具有如下技术效果：

由于采用了获得旋转连接器的应用场景信息；获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。进而达到结合旋转连接器的应用受力情况进行材料筛选，材料选择准确高效，保证连接器工作强度和连接效果满足应用场景的技术效果。

实施例二

基于与前述实施例中一种旋转连接器的材料智能筛选方法同样发明构思，本发明还提供了一种旋转连接器的材料智能筛选系统，如图7所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得旋转连接器的应用场景信息；

第二获得单元12，所述第二获得单元12用于获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；

第三获得单元13，所述第三获得单元13用于根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；

第四获得单元14，所述第四获得单元14用于通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；

第五获得单元15，所述第五获得单元15用于将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于获得第二绳索的第二应力强度系数，其中，所述第二绳索用于与所述第二连接环连接；

第七获得单元，所述第七获得单元用于根据所述应用场景信息和所述第二应力强度系数，获得所述第二绳索的第二受力阈值；

第八获得单元，所述第八获得单元用于通过所述力传感器，基于所述第二受力阈值，获得所述第二绳索在所述第二连接环的各不同位置时，所述第二连接环不同位置的受力信息，获得第三受力曲线和第四受力曲线，其中，所述第三受力曲线为所述第二连接环的极大值受力曲线，所述第四受力曲线为所述第二连接环的极小值受力曲线；

第九获得单元，所述第九获得单元用于根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，获得第二旋转连接器材料筛选模型；

第十获得单元，所述第十获得单元用于根据所述第二旋转连接器材料筛选模型获得第二筛选结果，所述第二筛选结果包括第二材料备选数据集，其中，所述第二材料备选数据集包含于所述第一材料备选数据集。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于将所述第三受力数据集和第四受力数据集输入所述第一旋转连接器材料筛选模型，获得第三材料备选数据集；

第十二获得单元，所述第十二获得单元用于对所述第三材料备选数据集进行数据强化分析，获得第一强化数据；

第十三获得单元，所述第十三获得单元用于通过所述第一强化数据对所述第一旋转连接器材料筛选模型进行更新，获得第二旋转连接器材料筛选模型。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于通过所述振动传感器获得综合振动数据；

第十五获得单元，所述第十五获得单元用于通过所述姿态传感器获得所述第一连接环的第一姿态数据和所述第二连接环的第二姿态数据；

第十六获得单元，所述第十六获得单元用于根据所述第一姿态数据和所述第二姿态数据，获得相对姿态数据；

第十七获得单元，所述第十七获得单元用于根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型；

第十八获得单元，所述第十八获得单元用于根据所述第四旋转连接器材料筛选模型获得第三筛选结果，所述第三筛选结果包括第三材料备选数据集，其中，所述第三材料备选数据集包含于所述第二材料备选数据集。

进一步的，所述系统还包括：

第十九获得单元，所述第十九获得单元用于根据所述综合振动数据和所述相对姿态数据，对所述第一旋转连接器材料筛选模型进行训练，获得第三旋转连接器材料筛选模型；

第二十获得单元，所述第二十获得单元用于根据所述第三旋转连接器材料筛选模型，获得模型参数；

第二十一获得单元，所述第二十一获得单元用于根据所述模型参数，对所述第二旋转连接器材料筛选模型进行更新，获得第四旋转连接器材料筛选模型。

进一步的，所述系统还包括：

第二十二获得单元，所述第二十二获得单元用于通过所述振动传感器获得所述旋转连接器的振动幅度和振动频率；

第二十三获得单元，所述第二十三获得单元用于获得环境影响系数；

第二十四获得单元，所述第二十四获得单元用于根据所述环境影响系数、所述振动幅度和所述振动频率，获得综合振动数据。

前述图1实施例一中的一种旋转连接器的材料智能筛选方法的各种变化方式和具体实例同样适用于本实施例的一种旋转连接器的材料智能筛选系统，通过前述对一种旋转连接器的材料智能筛选方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种旋转连接器的材料智能筛选系统的实施方法，所以为了说明书的简洁，在此不再详述。

此外，本发明实施例还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

具体的，参见图8所示，本发明实施例还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。

在本发明实施例中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。

收发器1130，用于在处理器1120的控制下接收和发送数据。

本发明实施例中，总线架构（用总线1110来代表），总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。

总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。

处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤和逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。

处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。

收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。

应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。

应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。

易失性存储器包括：随机存取存储器，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。

在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。

具体而言，操作系统1151包含各种装置程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。

此外，本发明实施例还提供了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上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

以上所述，仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种旋转连接器的材料智能筛选方法，其中，所述方法应用于一旋转连接器的材料智能筛选系统，所述系统应用于一旋转连接器，所述旋转连接器包括第一连接环和第二连接环，且所述第一连接环与所述第二连接环转动连接，所述系统包括力传感器，所述方法包括：

获得所述旋转连接器的应用场景信息；

获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与所述第一连接环连接；

根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；

通过所述力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；

将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集，其中，所述第一旋转连接器材料筛选模型为神经网络模型，用于为旋转连接器的材料进行筛选，所述第一筛选结果为所述第一旋转连接器材料筛选模型的训练输出结果。

2.如权利要求1所述的方法，其中，所述方法还包括：

获得第二绳索的第二应力强度系数，其中，所述第二绳索用于与所述第二连接环连接；

根据所述应用场景信息和所述第二应力强度系数，获得所述第二绳索的第二受力阈值；

通过所述力传感器，基于所述第二受力阈值，获得所述第二绳索在所述第二连接环的各不同位置时，所述第二连接环不同位置的受力信息，获得第三受力曲线和第四受力曲线，其中，所述第三受力曲线为所述第二连接环的极大值受力曲线，所述第四受力曲线为所述第二连接环的极小值受力曲线；

根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，获得第二旋转连接器材料筛选模型；

根据所述第二旋转连接器材料筛选模型获得第二筛选结果，所述第二筛选结果包括第二材料备选数据集，其中，所述第二材料备选数据集包含于所述第一材料备选数据集。

3.如权利要求2所述的方法，其中，所述根据所述第三受力曲线和所述第四受力曲线中的第三受力数据集和第四受力数据集对所述第一旋转连接器材料筛选模型进行强化训练，获得第二旋转连接器材料筛选模型，包括：

将所述第三受力数据集和第四受力数据集输入所述第一旋转连接器材料筛选模型，获得第三材料备选数据集；

对所述第三材料备选数据集进行数据强化分析，获得第一强化数据；

通过所述第一强化数据对所述第一旋转连接器材料筛选模型进行更新，获得第二旋转连接器材料筛选模型。

4.如权利要求2所述的方法，其中，所述系统还包括振动传感器和姿态传感器，所述方法还包括：

通过所述振动传感器获得综合振动数据；

通过所述姿态传感器获得所述第一连接环的第一姿态数据和所述第二连接环的第二姿态数据；

根据所述第一姿态数据和所述第二姿态数据，获得相对姿态数据；

根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型；

根据所述第四旋转连接器材料筛选模型获得第三筛选结果，所述第三筛选结果包括第三材料备选数据集，其中，所述第三材料备选数据集包含于所述第二材料备选数据集。

5.如权利要求4所述的方法，其中，所述根据所述综合振动数据和所述相对姿态数据，获得第四旋转连接器材料筛选模型，包括：

根据所述综合振动数据和所述相对姿态数据，对所述第一旋转连接器材料筛选模型进行训练，获得第三旋转连接器材料筛选模型；

根据所述第三旋转连接器材料筛选模型，获得模型参数；

根据所述模型参数，对所述第二旋转连接器材料筛选模型进行更新，获得第四旋转连接器材料筛选模型。

6.如权利要求4所述的方法，其中，所述通过所述振动传感器获得综合振动数据，包括：

通过所述振动传感器获得所述旋转连接器的振动幅度和振动频率；

获得环境影响系数；

根据所述环境影响系数、所述振动幅度和所述振动频率，获得综合振动数据。

7.如权利要求6所述的方法，其中，所述获得综合振动数据的公式为：

其中，

为环境影响系数;

为振动幅度；

为振动频率；

为综合振动数据。

8.一种旋转连接器的材料智能筛选系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于获得旋转连接器的应用场景信息；

第二获得单元，所述第二获得单元用于获得第一绳索的第一应力强度系数，其中，所述第一绳索用于与第一连接环连接；

第三获得单元，所述第三获得单元用于根据所述应用场景信息和所述第一应力强度系数，获得所述第一绳索的第一受力阈值；

第四获得单元，所述第四获得单元用于通过力传感器，基于所述第一受力阈值，获得所述第一绳索在所述第一连接环的各不同位置时，所述第一连接环不同位置的受力信息，获得第一受力曲线和第二受力曲线，其中，所述第一受力曲线为所述第一连接环的极大值受力曲线，所述第二受力曲线为所述第一连接环极小值受力曲线；

第五获得单元，所述第五获得单元用于将所述第一受力曲线和所述第二受力曲线中的第一受力数据集和第二受力数据集分别输入第一旋转连接器材料筛选模型，获得第一筛选结果，所述第一筛选结果包括第一材料备选数据集。

9.一种旋转连接器的材料智能筛选电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述旋转连接器的材料智能筛选方法中的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述旋转连接器的材料智能筛选方法中的步骤。

Images