CN113825561A - 判定系统、判定方法、程序 - Google Patents
判定系统、判定方法、程序 Download PDFInfo
- Publication number
- CN113825561A CN113825561A CN202080036047.7A CN202080036047A CN113825561A CN 113825561 A CN113825561 A CN 113825561A CN 202080036047 A CN202080036047 A CN 202080036047A CN 113825561 A CN113825561 A CN 113825561A
- Authority
- CN
- China
- Prior art keywords
- stirred
- determination
- determination system
- unit
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000003756 stirring Methods 0.000 claims abstract description 119
- 230000008859 change Effects 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims description 22
- 230000007246 mechanism Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000013019 agitation Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000005489 elastic deformation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000011343 solid material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 235000014121 butter Nutrition 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013310 margarine Nutrition 0.000 description 1
- 239000003264 margarine Substances 0.000 description 1
- 239000008268 mayonnaise Substances 0.000 description 1
- 235000010746 mayonnaise Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/10—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material
- G01N11/14—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material by using rotary bodies, e.g. vane
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F27/00—Mixers with rotary stirring devices in fixed receptacles; Kneaders
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mixers Of The Rotary Stirring Type (AREA)
Abstract
本公开提供一种判定系统、判定方法、程序。判定系统的获取部获取波形数据，该波形数据表示与向驱动对搅拌对象物进行搅拌的搅拌器的驱动装置供给的电流相关的波形，判定部基于根据波形数据而获得的由施加于驱动装置的力的特定方向的分量引起的变化，判定搅拌对象物的状态。该判定系统能够提高搅拌对象物的状态的判定的精度。
Description
技术领域
本公开涉及对由搅拌器搅拌的搅拌对象物的状态进行判定的判定系统、判定方法以及程序。
背景技术
专利文献1公开用于检测液体的粘度变化的粘度变化检测用元件。粘度变化检测用元件具有能够进行挠曲弹性变形及/或扭转弹性变形的弹性体、和直接或经由连接构件安装于弹性体而使得根据弹性体的变形进行移动的可动永磁铁。在该粘度变化检测用元件，通过在用于支承粘度变化检测用元件的支承体固定弹性体的一部分，从而在旋转液体中弹性体产生伴随于旋转及/或振动的挠曲弹性变形及/或扭转弹性变形。由此，根据液体的粘度变化，可动永磁铁相对于设置在固定位置的外部检测手段的相对位置变化，能够通过利用外部检测单元检测该相对位置变化来检测液体的粘度变化。
在先技术文献
专利文献
专利文献1：日本特开2018-189569号公报
发明内容
判定系统的获取部获取波形数据，该波形数据表示与向驱动对搅拌对象物进行搅拌的搅拌器的驱动装置供给的电流相关的波形，判定部基于根据波形数据而获得的由施加于驱动装置的力的特定方向的分量引起的变化，判定搅拌对象物的状态。
该判定系统能够提高搅拌对象物的状态的判定的精度。
附图说明
图1是实施方式的判定系统的框图。
图2是实施方式的判定系统的搅拌器的立体图。
图3是示出与向上述搅拌器的驱动装置供给的电流相关的波形的图。
图4是示出与向上述搅拌器的驱动装置供给的电流相关的波形的图。
图5是示出向上述搅拌器的驱动装置供给的电流的频率分量的图。
图6是示出向上述搅拌器的驱动装置供给的电流的频率分量的图。
图7是示出向上述搅拌器的驱动装置供给的电流的频率范围的图。
图8是上述判定系统的动作的流程图。
图9是示出利用了上述判定系统的控制的一个例子的图。
图10是示出利用了上述判定系统的另一控制的图。
具体实施方式
1.实施方式
1.1概要
图1是实施方式的判定系统10的框图。图2是使用了判定系统10的搅拌器30的立体图。判定系统10具备获取部11和判定部13。获取部11获取波形数据，该波形数据表示与向搅拌器30的驱动装置31供给的电流I30相关的波形，搅拌器30对搅拌对象物40进行搅拌。判定部13基于根据波形数据获得的由施加于驱动装置31的力的特定方向的分量引起的变化，判定搅拌对象物40的状态。判定系统10和搅拌器30构成搅拌系统1001。
在搅拌器30中，发现在由搅拌器30搅拌的搅拌对象物40的状态与由施加于驱动装置31的力的特定方向的分量引起的变化之间存在相关性。在判定系统10中，在判定搅拌对象物40的状态时，利用表示与向搅拌器30的驱动装置31供给的电流I30相关的波形的波形数据。即，在判定系统10中，在判定搅拌对象物40的状态时，获得表示与向驱动装置31供给的电流I30相关的波形的波形数据。因此，与使判定用的装置与搅拌对象物40接触的情况以及在驱动装置31的附近设置传感器的情况等不同，在搅拌对象物40的状态的判定中，不易受到搅拌器30的周围环境的影响。因此，根据判定系统10，能够提高搅拌对象物40的状态的判定的精度。
在专利文献1所公开的粘度变化检测用元件中，粘度变化检测用元件需要实际上与液体(搅拌对象物)接触，在高温、油环境等中的破损/劣化成为问题。此外，在专利文献1中，虽然利用由伴随于弹性体的旋转及/或振动的挠曲弹性变形及/或扭转弹性变形引起的变化，但这样的变化容易受到周围的振动、噪声的影响。因此，在专利文献1所公开的粘度变化检测用元件中，搅拌对象物的状态的判定的精度不足。
对此，如前述那样，根据实施方式的判定系统10，能够提高搅拌对象物40的状态的判定的精度。
1.2详细
以下，对判定系统10详细地进行说明。判定系统10对由搅拌器30搅拌的搅拌对象物40的状态进行判定。
搅拌器30对搅拌对象物40进行搅拌。在此，搅拌可以包含分散、混炼、混合等概念。由此，搅拌器30并不是严格意义上的搅拌器，电可以是分散器、混炼器、混合器等。搅拌对象物40由1种以上的材料形成。即，搅拌对象物40既可以由单一材料构成，也可以由两种以上的材料(例如异种材料)构成。作为搅拌对象物40例子，可举出流体、粉体等。更具体地，搅拌对象物40也可以是水溶液、混合气体、橡胶等树脂材料。此外，搅拌对象物40也可以是在水等液体中分散了固形物的分散体，例如，可以是水泥和水的混合物(混凝土、灰浆、沥青等)。此外，搅拌对象物40可以是食品，可举出黄油、人造黄油、蛋黄酱、奶油、肉沫、糯米、面胚(面包、点心、面类等的面胚)等。
1.2.1搅拌器
图2所示的搅拌器30通过对搅拌对象物40进行搅拌来获得具有给定的状态的搅拌对象物40。搅拌器30包含驱动装置31、电线32、控制装置33和机构部34。
机构部34对搅拌对象物40进行搅拌。机构部34在内部具有用于对搅拌对象物40进行搅拌的搅拌空间340。机构部34在搅拌空间340内，具备用于对搅拌对象物40进行搅拌的多个旋转体341、342。作为一个例子，旋转体341、342是搅拌叶片。2个旋转体341、342能够相互独立地旋转。在机构部34中，通过旋转体341、342旋转来对搅拌对象物40进行搅拌。
驱动装置31驱动机构部34。换言之，驱动装置31是机构部34的动力源。驱动装置31包括多个电机311、312。电机311、312的输出根据所给的电流而变化。电机311、312使搅拌器30的旋转体341、342分别相互独立地旋转。在本实施方式中，电机311的转子311a旋转的旋转轴311ax与旋转体341旋转的轴341ax平行。同样，电机312的转子312a旋转的旋转轴312ax与旋转体342的旋转的轴342ax平行。
电机311、312是通过交流电而动作的交流电机。交流电机可以是三相交流电机、单相交流电机。具体地，电机311、312的输出即旋转速度(每单位时间的转速)根据所给的交流电流的基准频率的变化而变化。作为一个例子，如果基准频率变高则输出变大(输出轴的旋转变快，旋转速度变大)，如果基准频率变低则输出变小(输出轴的旋转变慢，旋转速度变小)。
控制装置33控制驱动装置31。控制装置33经由电线32与驱动装置31连接，经由电线32将电流I30供给到驱动装置31。更详细地，控制装置33具备电源装置331、332。电线32包括电线321、322。电源装置331、332经由电线321、322而分别与驱动装置31的电机311、312连接，通过电线321、322而将电流I31、I32分别供给到驱动装置31的电机311、312。以下，在不对电流I31、I32进行区分的情况下，有时简称为电流I30。
尤其是，电源装置331、332为了通过机构部34对搅拌对象物40进行搅拌，分别向驱动装置31的电机311、312供给电流I31、I32。即，在搅拌器30对搅拌对象物40进行搅拌的状态下，电流I31、I32被供给到驱动装置31。在本实施方式中，电机311、312是交流电机，因而电流I31、I32是具有基准频率的交流电。电源装置331、332调整电流I31、I32的基准频率。
1.2.2判定系统
判定系统10作为搅拌对象物40的状态而对搅拌对象物40的粘度进行判定。即，判定系统10具有作为粘度测定系统的功能。如图1所示，判定系统10具备测定部20。此外，判定系统10具备获取部11、提取部12、判定部13、输出部14、收集部15、生成部16和存储部17。
测定部20对供给到搅拌器30的驱动装置31的电流I30进行测定，输出表示与电流I30相关的波形的波形数据(电流波形数据)。测定部20安装于电流I30从控制装置33向驱动装置31流动的电线32。测定部20包括电流传感器。在本实施方式中，测定部20包括微分型的电流传感器。因此，波形数据是表示电流I30的微分的波形的数据。作为这种微分型的电流传感器，可举出电流互感器以及探测线圈。通过使用这种微分型的电流传感器，能够将测定部20后安装在电线32。
在判定系统10中，不需要将测定部20设置在驱动装置31的附近、尤其电机311、312的转子311a、312a的附近。测定部20只要能够测定向驱动装置31供给的电流I30即可，所以能够设置在收纳控制装置33的控制盘等的内部。由此，在机构部34中，不需要用于设置测定部20的装置、布线的引绕，此外，不需要由测定部20的设置引起的机构部34的平衡调整等。进一步地，因此，在设置测定部20时，不需要用于使得能够在对搅拌对象物40进行搅拌期间使用测定部20的对策(例如，耐油对策、耐热对策、防水对策等)。由此，能够减轻测定部20的维护的负担。此外，即便在搅拌器30处于作业中即正在对搅拌对象物40进行搅拌的状态下，也能够获取波形数据。因此，不需要为了判定系统10中的判定而中断搅拌器30的作业，由此，能够降低由判定导致的搅拌作业的长期化。进一步地，即便在搅拌器30的作业期间，也能够获取波形数据，所以能够随时掌握搅拌对象物40的状态。
图3以及图4示出向搅拌器30的驱动装置31供给的电流I30的时间轴波形。时间轴波形表示相对于时间的电流的值。图3示出搅拌对象物40的搅拌刚刚开始时的电流I30的波形。图4示出从开始搅拌对象物40的搅拌起充分地经过了时间之后的电流I30的波形。不过，图3以及图4不是实际的波形而是假想的波形。
图5以及图6示出表示向搅拌器30的驱动装置31供给的电流I30的频率分量的频率轴波形。频率轴波形表示电流相对于频率的分量的值。图5示出图3的电流I30的频率分量、即搅拌对象物40的搅拌刚刚开始时的电流I30的频率分量。在此，可看到基准频率f0处的峰W1和基准频率f0的边带波的峰W2、W3。另一方面，图6示出图4的电流I30的频率分量、即从开始搅拌对象物40的搅拌起充分地经过了时间之后的电流I30的频率分量。在此，仅可看到基准频率f0的峰W1，不能看到相对于基准频率f0的边带波所对应的峰W2、W3。
图7示出电流I30的频率分量的分布范围的时间变化。根据图7明显可知，电流I30的频率分量的范围Wf以基准频率f0为中心而分布，随着时间的经过而向基准频率f0收敛。而且，在搅拌对象物40混合得越均匀则变得越柔软的情况下，从开始搅拌起，搅拌对象物40的粘度随着时间经过而下降。反之，在搅拌对象物40混合得越均匀则变得越硬的情况下，从开始搅拌起，搅拌对象物40的粘度随着时间经过而增加。因此，认为电流I30的频率分量的分布范围的变化和搅拌对象物40的状态(例如粘度)存在相关性。而且，电流I30的频率分量的分布范围Wf的变化由施加于驱动装置31的力引起，即由施加于电机311、312的转子311a、312a的力的特定方向的分量引起。在搅拌对象物40未均匀地混合的情况下，旋转体341、342难以顺畅地旋转，在旋转体341、342的旋转方向上，不规则的力施加于旋转体341、342。根据以上内容可知，在由搅拌器30搅拌的搅拌对象物40的状态和由施加于驱动装置31的力的特定方向的分量引起的变化中存在相关性。在判定系统10中，利用由搅拌器30搅拌的搅拌对象物40的状态与由施加在驱动装置31的力的特定方向的分量引起的变化的相关性，判定搅拌对象物40的状态。另外，上述的特定方向依赖于搅拌器30的结构。例如，根据搅拌器30相对于电机311、312的转子311a、312a的旋转轴311ax、312ax而使怎样的方向的力作用于搅拌对象物40，上述的特定方向可能变化。例如，在搅拌器30针对搅拌对象物40而通过电机311来施加直线的按压力的情况下，上述的特定方向是与电机311的转子311a的旋转轴交叉的方向。
获取部11获取表示与向搅拌器30的驱动装置31供给的电流I30相关的波形的波形数据(电流波形数据)。更详细地，获取部11与测定部20连接，从测定部20获取波形数据。来自测定部20的波形数据是表示按时间对电流I30进行微分而获得的波形的数据。获取部11获取表示与向搅拌器30的驱动装置31的电机311、312供给的电流I31、I32相关的波形的波形数据(电流波形数据)。
提取部12根据由获取部11获取到的波形数据，获取由判定部13利用的信息。由判定部13利用的信息是与由施加在驱动装置31的力的特定方向的分量引起的变化相关的信息。提取部12将由获取部11获取到的波形数据所表示的时间轴波形(参照图3以及图4)变换为频率轴波形(参照图5以及图6)。作为一个例子，时间轴波形能够通过快速傅立叶变换(FFT)而向频率轴波形变换。提取部12从通过变换而获得的频率轴波形中，提取可能包括由施加于驱动装置31的力的特定方向的分量引起的变化的关注部分。
如图7所示，电流I30的频率分量的分布范围Wf以基准频率f0为中心展开，随着时间的经过而向基准频率f0收敛。电流I30的频率分量包含基准频率f0以及边带波，相比于基准频率f0，搅拌对象物40的状态的变化可能对边带波的变化的影响更大。由此，提取部12可以从频率轴波形中提取与边带波对应的部分作为关注部分。
判定部13根据由施加于驱动装置31的力的特定方向的分量引起的变化，判定由搅拌器30搅拌的搅拌对象物40的状态。在本实施方式中，判定部13基于由提取部12提取出的关注部分，判定搅拌对象物40的状态。在本实施方式中，判定部13作为搅拌对象物40的状态来判定搅拌对象物40的粘度。
判定部13利用学习完毕模型M11来判定搅拌对象物40的状态。学习完毕模型M11被设计为针对所给的输入(关注部分)，输出表示搅拌对象物40的状态的值(状态值)。判定部13将从提取部12获得的关注部分提供给学习完毕模型M11，由此基于从学习完毕模型M11获得的状态值来判定搅拌对象物40的状态。例如，状态值可以与粘度对应，在该情况下，判定部13能够根据从学习完毕模型M11获得的状态值，求出搅拌器30的粘度(当前的粘度)。这样的学习完毕模型M11能够通过使用了学习用数据(数据集)的有监督学习来生成，学习用数据(数据集)规定与状态值对应的标签和关注部分的关系。学习完毕模型M11被存储在存储部17。另外，存储部17可以按照电机311、312的每个种类来存储学习完毕模型M11。即，判定部13可以分别针对电机311、312而利用不同的学习完毕模型M11。
如此，判定部13能够判定搅拌对象物40的状态。尤其是，在搅拌对象物40混合得越均匀则变得越柔软的情况下，判定部13能够判定搅拌对象物40是否具有给定柔软度。由此，能够容易地进行将搅拌对象物40的柔软度调整成给定柔软度的作业。反之，在搅拌对象物40混合得越均匀则变得越硬的情况下，判定部13能够判定搅拌对象物40是否具有给定硬度。由此，能够容易地进行将搅拌对象物40的硬度调整成给定硬度的作业。
在本实施方式中，通过获取部11，获得2种电流I31、I32的波形数据。因此，分别根据2种电流I31、I32的波形数据来获得搅拌对象物40的状态。判定部13可以根据分别与2种电流I31、I32的波形数据对应的搅拌对象物40的状态，决定最终的搅拌对象物40的状态。例如，可以将分别与电流I31、I32对应的搅拌对象物40的粘度的代表值作为最终的搅拌对象物40的粘度。代表值可以从平均值、最大值、最小值、最频值等中适当选择。
输出部14输出判定部13中的判定的结果。输出部14例如具有声音输出装置和显示器。显示器例如是液晶显示器、有机EL显示器等薄型的显示器装置。输出部14可以将判定部13中的判定的结果显示在显示器，或者通过声音输出装置来通知。此外，输出部14也可以将判定部13中的判定的结果作为数据而发送到外部装置，或者对判定部13中的判定的结果进行蓄积。另外，输出部14不需要具有声音输出装置和显示器这两者。此外，输出部14还能够通过电子邮件等来输出判定部13中的判定的结果。
收集部15对由获取部11获取到的数据进行收集并进行蓄积。在本实施方式中，由获取部11获取到的数据包括来自测定部20的波形数据。收集部15收集到的数据被利用于学习完毕模型M11的生成/改良。
生成部16生成判定部13所利用的学习完毕模型M11。生成部16使用一定量以上的学习用数据，通过机器学习算法来生成学习完毕模型M11。既可以预先准备学习用数据，也可以根据收集部15所蓄积的数据来生成学习用数据。通过采用根据收集部15所蓄积的数据而生成的学习用数据，可预见到使用了学习完毕模型M11的状态判定的精度的进一步提高。生成部16对新生成的学习完毕模型M11进行评价，如果学习完毕模型M11的评价提高，则将存储在存储部17的学习完毕模型M11置换成新生成的学习完毕模型M11，从而更新学习完毕模型M11。作为生成学习完毕模型M11的方法，如上述那样，能够适当利用有监督学习。作为有监督学习，能够利用代表性的具备有监督学习机构的多层神经网络。
在判定系统10中，获取部11、提取部12、判定部13、输出部14、收集部15和生成部16例如能够通过包括1个以上的处理器(作为一个例子是微处理器)和1个以上的存储器的计算机系统来实现。即，1个以上的处理器通过执行存储在1个以上的存储器的1个以上的程序，作为获取部11、提取部12、判定部13、输出部14、收集部15和生成部16而发挥功能。1个以上的程序既可以预先记录在存储器，也可以通过因特网等电气通信线路或记录在存储卡等非易失性记录介质而被提供。
1.3动作
接下来，参照图5对判定系统10的基本的动作简单地进行说明。以下，为了简化说明，对与搅拌器30的机构部34相关的诊断进行说明。
获取部11获取表示与向搅拌器30的驱动装置31的电机311、312供给的电流I31、I32相关的波形的波形数据(电流波形数据)(步骤S11)。接下来，提取部12将由获取部11获取到的波形数据所表示的波形变换成频率轴波形，根据频率轴波形，提取包括由施加于驱动装置31尤其是电机311、312的转子311a、312a的力的特定方向的分量引起的变化的部分(步骤S12)。之后，判定部13使用多个学习完毕模型M11，根据由提取部12提取出的关注部分来判定搅拌对象物40的状态(步骤S13)。最后，输出部14输出判定部13中的判定的结果(S14)。如此，判定系统10能够根据表示与向驱动装置31供给的电流I31、I32相关的波形的波形数据，判定由搅拌器30搅拌的搅拌对象物40的状态，并提示其结果。
1.4应用例
图9示出利用了判定系统10的搅拌器30的控制的一个例子。在图9中，判定系统10作为搅拌对象物40的状态而判定粘度。图9基于由判定系统10判定出的搅拌对象物40的状态(粘度)的历史记录(时间变化)，决定使搅拌对象物40的粘度成为目标值V11的控制搅拌器30的条件。例如，根据到时刻t12为止获得的搅拌对象物40的状态(粘度)的历史记录(时间变化)，获得时刻t12以后的搅拌对象物40的状态(粘度)的预测值。另外，图9示出到时刻t12为止搅拌对象物40的粘度的实测值(判定系统10中的判定出的粘度的值)，示出时刻t12以后搅拌对象物40的粘度的预测值。考虑搅拌对象物40的粘度的预测值与搅拌对象物40的粘度的实测值之差，决定控制搅拌器30的条件。另外，控制搅拌器30的条件可以包括搅拌对象物40的温度以及搅拌期间。例如，通过使搅拌对象物40的温度变化，能够不改变搅拌期间(搅拌结束时刻t11)而获得粘度成为目标值V11的搅拌对象物40。
图10示出利用了判定系统10的搅拌器30的控制的另一例。在图10中，与图9同样，判定系统10作为搅拌对象物40的状态来判定粘度。图10示出基于由判定系统10判定出的搅拌对象物40的状态来调整搅拌器30中的搅拌期间的例子。判定系统10判定搅拌对象物40的粘度。到由判定系统10判定出的搅拌对象物40的粘度的值与目标值V21之差成为0为止，持续进行搅拌器30中的搅拌。即，到搅拌对象物40的粘度成为目标值V21为止，持续进行搅拌器30中的搅拌。例如，在时刻t21，使用判定系统10来判定搅拌对象物40的粘度，如果此时的搅拌对象物40的粘度的值V22与目标值V21不同，则继续进行搅拌器30中的搅拌。然后，在时刻t22，由于由判定系统10判定出的搅拌对象物40的粘度的值与目标值V21一致，因而结束搅拌器30中的搅拌。由此，能够在搅拌结束时，获得粘度成为目标值V21的搅拌对象物40。
如此，通过利用判定系统10，能够容易地将搅拌对象物40的状态调整成期望的状态。因此，能够不依赖于熟练的作业者的感觉等而完成，抑制搅拌对象物40的状态的偏差。
1.5总结
以上描述的判定系统10具备获取部11和判定部13。获取部11获取波形数据，该波形数据表示与供给到对搅拌对象物40进行搅拌的搅拌器30的驱动装置31的电流I30相关的波形。判定部13基于根据波形数据获得的由施加于驱动装置31的力的特定方向的分量引起的变化，进行与搅拌对象物40的状态相关的判定。根据这样的判定系统10，能够提高搅拌对象物40的状态的判定的精度。
换言之，可以说判定系统10执行下述的判定方法。判定方法包括获取步骤和判定步骤。获取步骤是获取波形数据的步骤，该波形数据表示与向对搅拌对象物40进行搅拌的搅拌器30的驱动装置31供给的电流I30相关的波形。判定步骤基于根据波形数据获得的由施加于驱动装置31的力的特定方向的分量引起的变化，进行与搅拌对象物40的状态相关的判定的步骤。根据这样的判定方法，能够提高搅拌对象物40的状态的判定的精度。
判定系统10通过包括1个以上的处理器的计算机系统来实现。即，判定系统10通过1个以上的处理器执行程序(判定程序)来实现。该程序是用于使1个以上的处理器执行判定方法的程序(计算机程序)。根据这样的程序，与判定方法同样，能够提高搅拌对象物40的状态的判定的精度。
2.变形例
本公开的实施方式不限定于上述实施方式。上述实施方式只要能够实现本公开的目的，则能够根据设计等而进行各种变更。以下，列举上述实施方式的变形例。
在一个变形例中，获取部11可以不一定获取2种电流I31、I32的波形数据。例如，获取部11可以仅获取供给到电机311、312中的一者的电流I30，即，可以仅获取电流I31、I32中的一者的波形数据。在该情况下，测定部20只要测定电流I31、I32中的一者即可。此外，获取部11也可以获取多于2个的多个电流的波形数据。
在一个变形例中，获取部11可以获取使旋转体341、342的转速变动时的波形数据。如此，能够通过使搅拌对象物40积极地产生变化，从而在向驱动装置31供给的电流I30中反映出搅拌对象物40的状态的影响。由此，能够期待在由获取部11获取的电流I30的波形数据中，产生由搅拌对象物40的状态引起的变化。因此，可实现搅拌对象物40的状态的判定的精度的进一步提高。
在一个变形例中，获取部11可以获取对搅拌对象物40进行了给定处理时的波形数据。给定处理是通过外部要素使搅拌对象物40积极地产生变化的处理。作为给定处理的例子，可举出搅拌对象物40的加热、冷却、加压、减压等。如此，能够通过使搅拌对象物40积极地产生变化，从而在向驱动装置31供给的电流I30中反映出搅拌对象物40的状态的影响。由此，能够期待在由获取部11获取的电流I30的波形数据中产生由搅拌对象物40的状态引起的变化。因此，可实现搅拌对象物40的状态的判定的精度的进一步提高。
搅拌对象物40的状态不限于粘度，也可以是雷诺数、固形物(面团)的比例、搅拌的程度等表示搅拌对象物40的状态的数值。此外，搅拌对象物40的状态不限于数值，也可以是正常、异常以及不特定状态等事态。即，搅拌对象物40的状态既可以是定量的状态，也可以是定性的状态。
例如，判定系统10不需要一定具备测定部20。作为一个例子，如果预先将测定部20配备于搅拌器30，则判定系统10也可以仅具有获取部11、提取部12、判定部13、输出部14、收集部15、生成部16以及存储部17。
在此，测定部20不需要一定包括微分型的电流传感器，也可以是其他以往周知的电流传感器。
此外，判定系统10不需要一定具有收集部15、生成部16以及存储部17。即，判定系统10可以不具有通过自身来更新学习完毕模型M11的功能。此外，存储部17不需要一定对多个学习完毕模型M11进行存储。
此外，提取部12不是必须的。例如，在由用户代替来进行提取部12中的处理的情况下，判定系统10可以不进行包括由施加于驱动装置31的力的特定方向的分量引起的变化的部分的提取。此外，可以将由获取部11获取到的波形数据所表示的波形的整体作为输入，从学习完毕模型M11获得搅拌器30的状态来作为输出。即，可以省略包括变化的部分的提取。
此外，判定系统10不需要一定具有输出部14。作为一个例子，判定系统10能够向判定系统10外输出由判定部13判定出的搅拌对象物40的状态即可。
此外，判定系统10也可以由多个计算机构成，判定系统10的功能(尤其是，获取部11、提取部12、判定部13、输出部14、收集部15以及生成部16)也可以被分散到多个装置。例如，获取部11、提取部12、判定部13以及输出部14可以设置于在设备所在的设施中设置的个人计算机等，生成部16以及输出部14可以设置在外部的服务器等。在该情况下，通过个人计算机和服务器协作来实现判定系统10。进一步地，判定系统10的功能的至少一部分例如也可以由云(云计算)来实现。
以上描述的判定系统10的执行主体包括计算机系统。计算机系统具有作为硬件的处理器以及存储器。处理器通过执行记录在计算机系统的存储器的程序，实现作为本公开中的判定系统10的执行主体的功能。程序既可以预先记录在计算机系统的存储器，也可以通过电气通信线路而被提供。此外，程序也可以记录在能够由计算机系统读取的存储卡、光盘、硬盘驱动等非易失性记录介质而被提供。计算机系统的处理器由包括半导体集成电路(IC)或大规模集成电路(LSI)的1个至多个电子电路构成。在此，虽然称为IC、LSI，但根据集成的程度，称呼方式会变化，也可以称为系统LSI、VLSI(verylarge scale integration，超大规模集成电路)或者ULSI(ultralarge scale integration，特大规模集成电路)。在制造LSI之后被编程的现场可编程门阵列(FGPA)、或能够进行LSI内部的接合关系的重构或LSI内部的电路划分的可重构的逻辑器件也能够出于相同目的而使用。多个电子电路既可以集成在1个芯片，也可以分散而设置在多个芯片。多个芯片既可以集成为1个装置，也可以分散而设置为多个装置。
3.方式
根据上述实施方式以及变形例而明显可知，本公开包括下述的方式。以下，仅为了明示与实施方式的对应关系而以带括弧的方式对符号进行标注。
第1方式是判定系统(10)，具备获取部(11)和判定部(13)。所述获取部(11)获取波形数据，该波形数据表示与向对搅拌对象物(40)进行搅拌的搅拌器(30)的驱动装置(31)供给的电流(I30、I31、I32)相关的波形。所述判定部(13)基于根据所述波形数据获得的由施加于所述驱动装置(31)的力的特定方向的分量引起的变化，判定所述搅拌对象物(40)的状态。根据该方式，能够提高搅拌对象物(40)的状态的判定的精度。
第2方式是基于第1方式的判定系统(10)。在第2方式中，所述电流(I30、I31、I32)在所述搅拌对象物(40)的搅拌期间被供给到所述驱动装置(31)。根据该方式，能够不中断搅拌器(30)中的搅拌而对搅拌对象物(40)的状态进行判定。
第3方式是基于第1或第2方式的判定系统(10)。在第3方式中，所述驱动装置(31)包括：电机(311、312)，使用于搅拌所述搅拌对象物(40)的旋转体(341、342)旋转。施加于所述驱动装置(31)的力是施加于所述电机(311、312)的转子(311a、312a)的力。根据该方式，能够进一步提高搅拌对象物(40)的状态的判定的精度。
第4方式是基于第3方式的判定系统(10)。在第4方式中，所述驱动装置(31)包括：多个所述电机(311、312)，分别使多个所述旋转体(341、342)独立地旋转。根据该方式，能够进一步提高搅拌对象物(40)的状态的判定的精度。
第5方式是基于第3或第4方式的判定系统(10)。在第5方式中，所述获取部(11)获取使所述旋转体(341、342)的转速变动时的所述波形数据。根据该方式，可实现搅拌对象物(40)的状态的判定的精度的进一步提高。
第6方式是基于第1～第4方式中的任一项的判定系统(10)。在第6方式中，所述获取部(11)获取对所述搅拌对象物(40)进行了给定处理时的所述波形数据。根据该方式，可实现搅拌对象物(40)的状态的判定的精度的进一步提高。
第7方式是基于第1～第6方式中的任一项的判定系统( 10)。在第7方式中，所述判定部(13)判定所述搅拌对象物(40)的粘度。根据该方式，能够判定搅拌对象物(40)的粘度。
第8方式是基于第1～第6方式中的任一项的判定系统(10)。在第8方式中，所述搅拌对象物(40)混合得越均匀则变得越柔软。所述判定部(13)判定所述搅拌对象物(40)是否具有给定柔软度。根据该方式，能够容易地进行将搅拌对象物(40)的柔软度调整成给定柔软度的作业。
第9方式是基于第1～第6方式中的任一项的判定系统( 10)。在第9方式中，所述搅拌对象物(40)混合得越均匀则变得越硬。所述判定部(13)判定所述搅拌对象物(40)是否具有给定硬度。根据该方式，能够容易地进行将搅拌对象物(40)的硬度调整成给定硬度的作业。
第10方式是基于第1～第9方式中的任一项的判定系统(10)。在第10方式中，所述判定系统(10)还具备：提取部(12)，将所述波形变换成频率轴波形，并且从所述频率轴波形中提取可能包括所述变化的部分。所述判定部(13)基于由所述提取部(12)提取出的所述部分，判定所述搅拌对象物(40)的状态。根据该方式，可实现搅拌对象物(40)的状态的判定的精度的进一步提高。
第11方式是基于第10方式的判定系统(10)。在第11方式中，所述判定部(13)利用学习完毕模型(M11)，根据所述部分来判定所述搅拌对象物(40)的状态。根据该方式，可实现搅拌对象物(40)的状态的判定的精度的进一步提高。
第12方式是基于第1～第11方式中的任一项的判定系统(10)。在第12方式中，所述判定系统(10)还具备：测定部(20)，测定所述电流(I30、I31、I32)并输出所述波形数据。所述测定部(20)包括微分型的电流传感器。根据该方式，能够提高搅拌对象物(40)的状态的判定的精度。
第13方式是基于第12方式的判定系统(10)。在第13方式中，所述测定部(20)被安装于流动所述电流(I30、I31、I32)的电线(32、321、322)。根据该方式，能够容易地安装判定系统(10)。
第14方式是判定方法，包括获取步骤和判定步骤。所述获取步骤是获取波形数据的步骤，所述波形数据表示与向对搅拌对象物(40)进行搅拌的搅拌器(30)的驱动装置(31)供给的电流(I30、I31、I32)相关的波形。所述判定步骤是基于根据所述波形数据获得的由施加于所述驱动装置(31)的力的特定方向的分量引起的变化，判定所述搅拌对象物(40)的对象状态的步骤。根据该方式，能够提高搅拌对象物(40)的状态的判定的精度。
第15方式是程序，是用于使1个以上的处理器执行第14方式的判定方法的程序。根据该方式，能够提高搅拌对象物(40)的状态的判定的精度。
符号说明
10 判定系统；
11 获取部；
12 提取部；
13 判定部；
20 测定部；
30 搅拌器；
31 驱动装置；
311、312 电机；
311a、312a 转子；
32、321、322 电线；
341、342 旋转体；
40 搅拌对象物；
130、I31、I32 电流；
M11 学习完毕模型。
Claims (15)
1.一种判定系统，具备：
获取部，获取波形数据，该波形数据表示与向搅拌器的驱动装置供给的电流相关的波形，所述搅拌器具有对搅拌对象物进行搅拌的机构部和驱动所述机构部的所述驱动装置；以及
判定部，基于根据所述波形数据而获得的由施加于所述驱动装置的力的特定方向的分量引起的变化，判定所述搅拌对象物的状态。
2.根据权利要求1所述的判定系统，其中，
所述电流在对所述搅拌对象物进行搅拌的状态下被供给到所述驱动装置。
3.根据权利要求1或2所述的判定系统，其中，
所述搅拌器包括：第1旋转体，对所述搅拌对象物进行搅拌，
所述驱动装置包括：第1电机，具有使所述第1旋转体旋转的第1转子，
施加于所述驱动装置的所述力是施加于所述第1电机的所述第1转子的力。
4.根据权利要求3所述的判定系统，其中，
所述搅拌器还包括：第2旋转体，与所述第1旋转体独立地对所述搅拌对象物进行搅拌，
所述驱动装置还包括：第2电机，具有使所述第2旋转体旋转的第2转子，
施加于所述驱动装置的所述力是施加于所述第1电机的所述第1转子的所述力和施加于所述第2电机的所述第2转子的力。
5.根据权利要求3或4所述的判定系统，其中，
所述获取部在使所述旋转体的转速变动时获取表示与向所述驱动装置供给的所述电流相关的所述波形的所述波形数据，所述驱动装置驱动对所述搅拌对象物进行搅拌的所述搅拌器。
6.根据权利要求1～4中的任一项所述的判定系统，其中，
所述获取部在对所述搅拌对象物进行了给定处理时获取表示与向所述驱动装置供给的所述电流相关的所述波形的所述波形数据，所述驱动装置驱动对所述搅拌对象物进行搅拌的所述搅拌器。
7.根据权利要求1～6中的任一项所述的判定系统，其中，
所述搅拌对象物的所述状态是所述搅拌对象物的粘度。
8.根据权利要求1～6中的任一项所述的判定系统，其中，
所述搅拌对象物混合得越均匀则变得越柔软，
所述判定部基于由施加于所述驱动装置的所述力的所述特定方向的所述分量引起的所述变化，判定所述搅拌对象物是否具有给定柔软度。
9.根据权利要求1～6中的任一项所述的判定系统，其中，
所述搅拌对象物混合得越均匀则变得越硬，
所述判定部基于由施加于所述驱动装置的所述力的所述特定方向的所述分量引起的所述变化，判定所述搅拌对象物是否具有给定硬度。
10.根据权利要求1～9中的任一项所述的判定系统，其中，
所述判定系统还具备：提取部，将所述波形变换成在频率轴上表现的频率轴波形，从所述频率轴波形中提取可能包括所述变化的部分，
所述判定部基于由所述提取部提取出的所述部分来判定所述搅拌对象物的所述状态。
11.根据权利要求10所述的判定系统，其中，
所述判定部利用学习完毕模型，根据所述部分来判定所述搅拌对象物的所述状态。
12.根据权利要求1～11中的任一项所述的判定系统，其中，
所述判定系统还具备：测定部，具有测定所述电流并输出所述波形数据的微分型的电流传感器。
13.根据权利要求12所述的判定系统，其中，
所述测定部被安装于流动所述电流的电线。
14.一种搅拌对象物的状态的判定方法，包括：
获取波形数据的步骤，所述波形数据表示与向驱动装置供给的电流相关的波形，所述驱动装置驱动对搅拌对象物进行搅拌的搅拌器；以及
基于根据所述波形数据获得的由施加于所述驱动装置的力的特定方向的分量引起的变化，判定所述搅拌对象物的状态的步骤。
15.一种程序，用于使1个以上的处理器执行权利要求14所述的判定方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019152367 | 2019-08-22 | ||
| JP2019-152367 | 2019-08-22 | ||
| PCT/JP2020/021948 WO2021033390A1 (ja) | 2019-08-22 | 2020-06-03 | 判定システム、判定方法、プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113825561A true CN113825561A (zh) | 2021-12-21 |
Family
ID=74660846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080036047.7A Pending CN113825561A (zh) | 2019-08-22 | 2020-06-03 | 判定系统、判定方法、程序 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JPWO2021033390A1 (zh) |
| CN (1) | CN113825561A (zh) |
| WO (1) | WO2021033390A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7154664B1 (ja) | 2022-03-30 | 2022-10-18 | 鈴鹿エンヂニヤリング株式会社 | 混練調整方法 |
| JP7299655B1 (ja) | 2022-03-30 | 2023-06-28 | 鈴鹿エンヂニヤリング株式会社 | 混練状態の評価方法および混練機 |
| TW202339849A (zh) | 2022-03-30 | 2023-10-16 | 日商鈴鹿工程股份有限公司 | 混練狀態之評估方法、混練機，以及混練調整方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01163533U (zh) * | 1988-05-06 | 1989-11-15 | ||
| JPH11295205A (ja) * | 1998-04-09 | 1999-10-29 | Kanegafuchi Chem Ind Co Ltd | 攪拌装置及び攪拌方法 |
| JP2004101444A (ja) * | 2002-09-11 | 2004-04-02 | Fuji Photo Film Co Ltd | 濃度検出方法及び装置 |
| JP2008145132A (ja) * | 2006-12-06 | 2008-06-26 | Japan Tobacco Inc | 食品生地の混練状態の挙動検知方法 |
| JP2015102713A (ja) * | 2013-11-26 | 2015-06-04 | キヤノン株式会社 | 画像形成装置 |
| JP2016109674A (ja) * | 2014-12-02 | 2016-06-20 | 株式会社品川工業所 | 被処理物の状態変化を検出する装置、プログラム、および方法、ならびに処理装置 |
| US20170276583A1 (en) * | 2014-09-15 | 2017-09-28 | Stellenbosch University | A method and system for determining fluid density |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015073942A (ja) * | 2013-10-09 | 2015-04-20 | 株式会社日立製作所 | 水処理システム |
-
2020
- 2020-06-03 WO PCT/JP2020/021948 patent/WO2021033390A1/ja active Application Filing
- 2020-06-03 CN CN202080036047.7A patent/CN113825561A/zh active Pending
- 2020-06-03 JP JP2021540639A patent/JPWO2021033390A1/ja active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01163533U (zh) * | 1988-05-06 | 1989-11-15 | ||
| JPH11295205A (ja) * | 1998-04-09 | 1999-10-29 | Kanegafuchi Chem Ind Co Ltd | 攪拌装置及び攪拌方法 |
| JP2004101444A (ja) * | 2002-09-11 | 2004-04-02 | Fuji Photo Film Co Ltd | 濃度検出方法及び装置 |
| JP2008145132A (ja) * | 2006-12-06 | 2008-06-26 | Japan Tobacco Inc | 食品生地の混練状態の挙動検知方法 |
| JP2015102713A (ja) * | 2013-11-26 | 2015-06-04 | キヤノン株式会社 | 画像形成装置 |
| US20170276583A1 (en) * | 2014-09-15 | 2017-09-28 | Stellenbosch University | A method and system for determining fluid density |
| JP2016109674A (ja) * | 2014-12-02 | 2016-06-20 | 株式会社品川工業所 | 被処理物の状態変化を検出する装置、プログラム、および方法、ならびに処理装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021033390A1 (ja) | 2021-02-25 |
| JPWO2021033390A1 (zh) | 2021-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113825561A (zh) | 判定系统、判定方法、程序 | |
| US10310016B2 (en) | Method for the diagnostics of electromechanical system based on impedance analysis | |
| TW201638472A (zh) | 泵浦監測裝置及其方法 | |
| EP2284987A1 (en) | Method and device for adjusting the frequency of a drive current of an electric motor | |
| WO2018109677A1 (en) | A condition monitoring device and a method for monitoring an electrical machine | |
| JP2021196329A (ja) | 自動化学分析装置および電気インピーダンススペクトル測定器 | |
| WO2019244599A1 (ja) | 診断システム、診断方法、プログラム | |
| Kumar et al. | Development of LDA based indicator for the detection of unbalance and misalignment at different shaft speeds | |
| JP6822242B2 (ja) | 診断装置、診断システム、診断方法およびプログラム | |
| JP2001188070A (ja) | 自動分析装置及び自動分析方法 | |
| Abusaad et al. | Utilizing data from a sensorless AC variable speed drive for detecting mechanical misalignments | |
| CN113267247B (zh) | 电动牙刷的振动频率测量方法、装置及测量仪 | |
| JP2001124784A (ja) | 自動分析装置 | |
| CN114070135A (zh) | 伺服马达装置、控制方法 | |
| JP7243082B2 (ja) | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム | |
| Milovančević et al. | Embedded systems for vibration monitoring | |
| JP6676210B2 (ja) | データ処理装置、データ処理システム、データ処理方法、データ処理プログラムおよび記憶媒体 | |
| CN205659628U (zh) | 磁力搅拌器 | |
| US11539321B2 (en) | Motor control circuit, motor drive control device, and motor unit | |
| JP2011145077A (ja) | トルク測定装置、トルク測定方法、イナーシャ測定装置、イナーシャ測定方法、及び、プログラム | |
| KR20030083915A (ko) | 웨이브렛 변환을 이용한 교반기의 위험감지시스템 | |
| KR102595992B1 (ko) | 점성 추정 장치 및 점성 추정 방법 | |
| US10851002B2 (en) | Systems and methods for determining operating conditions of rotating biological contactor | |
| CN117938009A (zh) | 食品加工机的电机控制方法和食品加工机 | |
| Hashimoto et al. | Development of a torque-sensorless viscometer for food processing applications |
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 |