CN114001889A - 汽车零部件振动试验的监控方法、系统、装置及介质 - Google Patents
汽车零部件振动试验的监控方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN114001889A CN114001889A CN202111239632.XA CN202111239632A CN114001889A CN 114001889 A CN114001889 A CN 114001889A CN 202111239632 A CN202111239632 A CN 202111239632A CN 114001889 A CN114001889 A CN 114001889A
- Authority
- CN
- China
- Prior art keywords
- vibration
- test
- user
- compliance
- monitoring
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000010801 machine learning Methods 0.000 claims abstract description 35
- 230000011664 signaling Effects 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 29
- 238000012549 training Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 206010000369 Accident Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000013112 stability test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种汽车零部件振动试验的监控方法、系统、装置及介质。该方法接收用户的试验项目选择指令,根据试验项目选择指令输出对应的提示音频;提示音频用于指引用户执行试验项目;采集用户执行试验项目的图像数据,将图像数据输入到训练好的机器学习模型中,得到机器学习模块输出的识别结果;识别结果用于表征用户的操作合规或者不合规;当判断到用户的操作不合规时,输出危险提示信号或者控制振动设备停机;振动设备用于对汽车的部件进行振动试验。该方法可以在判断到用户的振动试验操作不合规时,输出危险提示信号提醒测试人员处理或者及时控制振动设备停机,提高振动试验测试的安全性和可靠性。本申请可广泛应用于汽车技术领域内。
Description
技术领域
本申请涉及汽车技术领域,尤其是一种汽车零部件振动试验的监控方法、系统、装置及存储介质。
背景技术
汽车是当下一种重要的交通运输工具,给人们的生活和工作带来了很大的便利。而随着汽车技术的发展,人们对汽车的要求也越来越高。其中,维持汽车工况的长期可靠运行是业界的重点研究课题之一。
相关技术中,振动试验是一种检测汽车部件如电机等在振动环境下的工况测试方式。一般来说,在进行振动试验时,需要经过培训的测试人员按照操作手册,使用相关的振动设备进行操作,从而得到对应的测试结果。但是,实际应用中发现,由于人员变动频繁和管理疏忽,测试人员的操作规范性很难得到保障。某些不规范的操作或者参数调试错误,很容易导致危害发生,例如测试过程中振动的幅度或者阈值设置错误,可能导致部分部件上的零件脱落,对于动力电池这种器件来说很容易发生起火的事故。
综上,相关技术存在的问题亟需得到解决。
发明内容
本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
为此,本申请实施例的一个目的在于提供一种汽车零部件振动试验的监控方法,该方法可以有效提高振动试验测试的安全性和可靠性,减少事故发生的概率。
本申请实施例的另一个目的在于提供汽车零部件振动试验的监控系统。
为了达到上述技术目的,本申请实施例所采取的技术方案包括:
第一方面,本申请实施例提供了一种汽车零部件振动试验的监控方法,所述方法包括以下步骤:
接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
另外,根据本申请上述实施例的汽车零部件振动试验的监控方法,还可以具有以下附加的技术特征:
进一步地,在本申请的一个实施例中,所述提示音频通过以下步骤得到:
接收远程后台发送的项目操作手册信息;
根据所述项目操作手册信息生成或者更新所述提示音频。
进一步地,在本申请的一个实施例中,所述方法还包括以下步骤:
采集所述振动设备的振动参数;
根据所述振动参数,判断所述振动设备的运行工况是否正常;
当确定所述振动设备的运行工况异常,输出危险提示信号或者控制所述振动设备停机。
进一步地,在本申请的一个实施例中,所述当确定所述振动设备的运行工况异常,输出危险提示信号或者控制振动设备停机,包括:
当确定所述振动设备的运行工况异常,输出危险提示信号;
当确定所述振动设备的运行工况异常的累计时长达到第一时长,控制所述振动设备停机。
进一步地,在本申请的一个实施例中,所述输出危险提示信号,包括:
检测当前用户所在的位置和环境灯光的光照颜色;
通过投射灯向所述用户所在的位置进行照射;所述投射灯的光照颜色和所述环境灯光的光照颜色不同。
进一步地,在本申请的一个实施例中,所述方法还包括以下步骤:
获取振动设备执行所述试验项目的时长和振动参数;
根据所述用户的身份信息、所述图像数据、所述时长和所述振动参数,生成试验记录报表。
第二方面,本申请实施例提供了一种汽车零部件振动试验的监控系统,所述系统包括:
接收模块,用于接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
识别模块,用于采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
处理模块,用于当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
第三方面,本申请实施例提供了一种汽车零部件振动试验的监控装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现第一方面所述的汽车零部件振动试验的监控方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的汽车零部件振动试验的监控方法。
本申请的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到:
本申请实施例中提供的汽车零部件振动试验的监控方法,接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。该方法可以在判断到用户的振动试验操作不合规时,输出危险提示信号提醒测试人员处理或者及时控制振动设备停机,提高振动试验测试的安全性和可靠性,减少事故发生的概率。
附图说明
为了更清楚地说明本申请实施例或者现有技术中的技术方案,下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本申请的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本申请一种汽车零部件振动试验的监控方法具体实施例的流程示意图;
图2为本申请一种汽车零部件振动试验的监控系统具体实施例的结构示意图;
图3为本申请一种汽车零部件振动试验的监控装置具体实施例的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
当下,汽车在生产制造过程中,经常需要进行车上部件的稳定性试验,以提高汽车的质量,减少不良产品流出的情况。相关技术中,振动试验是一种检测汽车部件如电机等在振动环境下的工况测试方式,一般来说,在进行振动试验时,需要经过培训的测试人员按照操作手册,使用相关的振动设备进行操作,从而得到对应的测试结果。但是,实际应用中发现,由于人员变动频繁和管理疏忽,测试人员的操作规范性很难得到保障。某些不规范的操作或者参数调试错误,很容易导致危害发生,例如测试过程中振动的幅度或者阈值设置错误,可能导致部分部件上的零件脱落,对于动力电池这种器件来说很容易发生起火的事故。
本申请实施例中提供一种汽车零部件振动试验的监控方法,本申请实施例中的监控方法,可应用于终端中,也可应用于服务器中,还可以是运行于终端或服务器中的软件等。终端可以是平板电脑、笔记本电脑、台式计算机等,但并不局限于此。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1,本申请实施例中提供的汽车零部件振动试验的监控方法,主要包括以下步骤:
步骤110、接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
本申请实施例中,可以设置触摸屏供测试人员选择对应的试验项目,比如说,用户可以通过碰触触摸屏上相关的区域,触发“维护”、“测试”、“点检”等试验项目选择指令,以执行后续的试验项目。当然,触摸屏上还可以设置其他的操作选项,例如“设备状态查询”等操作选择。此处,用户指的可以是测试人员,当用户选择了试验项目后,触摸屏接收用户的试验项目选择指令后,可以启动振动设备开始进行振动试验,并根据试验项目选择指令确定出试验项目,输出对应的提示音频。在一些实施例中,该提示音频可以是根据文字信息,通过文字识别和语音合成自动生成的;在另一些实施例中,该提示音频也可以是事先根据可选的试验项目制作保存好的。
具体地,本申请实施例中,输出提示音频的方式可以有多种,并可以根据提示音频的类型选择,例如,在一些实施例中,可以设置一个显示屏,在显示屏上展示需要用户操作的图文信息或者各个步骤的操作视频的提示音频;在一些实施例中,也可以设置音响,通过输出操作语音来提示用于执行对应的操作;当然,也可以同时采用显示屏和音响,比如说:用户选择了“测试”的试验项目,则显示屏会显示“测试”的试验项目的流程,并对流程中的各步骤进行图文及视频操作的提示,音响则输出对应的语音提示步骤。
在一些可选的实施方式中,可以事先设置远程后台,并在远程后台处输入一些项目操作手册信息,通过远程后台将这些项目操作手册信息发送到执行本方法的处理器中,从而生成或者更新得到对应的提示音频,以对执行该试验项目的用户进行操作指引。
步骤120、采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
本申请实施例中,采集用户执行试验项目过程中的图像数据,并基于图像识别技术判断用户的操作是否和合规。此处,采用的图像识别技术主要是基于机器学习模块的监督学习算法,即基于图像数据对用户的行为类型进行分类,以确定用户是属于操作合规还是属于操作不合规的类型。当然,上述的图像数据的个数可以是任意的,也可以是连续时间段的视频数据,基于图像数据,一方面可以通过人体的位姿判断某些操作是否到位,另一方面还能够检测用户是否处在不安全的区域。举例来说,在进行振动试验时,可能存在需要用户站在指定位置的情况(例如需要关注当前汽车的部件在某个侧面的振动情况),当用户未处于该位置时,认为其操作不合规。此时,对于用户操作合规的判断即变成了检测用户是否处于指定位置的判断任务。当然,其他的情况也可以按照上述的方式拆分,而机器学习模型处理各类任务的数据基础,均为上述的图像数据。
本申请中,采用的机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,机器学习(深度学习)通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
具体地,在使用上述的机器学习模型前,需要对其进行基于监督学习的训练。此处,可以通过样本图像数据对其进行训练,样本图像数据也是用户执行所述试验项目的图像数据,不同的是其携带有标签,该标签用于表征用户的操作合规或者不合规。在对样本图像数据进行预处理以后,可以将其随机划分为训练集和测试集,比如说采用5折交叉验证的方式进行划分,即取80%的样本图像数据作为训练集,取剩下20%的样本图像数据作为测试集。
对于训练集中的样本图像数据,可以提取其特征信息,并将特征信息输入到机器学习模型中,得到机器学习模型输出的预测结果。此处,该机器学习模型可以是基于任意一种机器学习算法搭建的模型。得到预测结果后,可以根据该预测结果和前述的标签评估机器学习模型预测的准确性,以对模型进行反向传播训练,更新其内容的相关参数。
具体地,对于机器学习模型来说,它的预测结果的准确性可以通过损失函数(LossFunction)来衡量,损失函数是定义在单个训练数据上的,用于衡量一个训练数据的预测误差,具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时,一个训练数据集有很多训练数据,因此一般采用代价函数(CostFunction)来衡量训练数据集的整体误差,代价函数是定义在整个训练数据集上的,用于计算所有训练数据的预测误差的平均值,能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说,基于前述的代价函数,再加上衡量模型复杂度的正则项即可作为训练的目标函数,基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多,例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数,在此不再一一阐述。本申请实施例中,可以从中任选一种损失函数来确定训练的损失值,也即预测结果和标签之间的损失值。基于训练的损失值,采用反向传播算法对模型的参数进行更新,迭代预设的轮次即可得到训练好的机器学习模型。
本申请实施例中,通过采集用户执行试验项目的图像数据,将图像数据输入到训练好的机器学习模型中,可以得到所述机器学习模块输出的识别结果。这个识别结果表征用户的操作合规或者不合规。
步骤130、当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
本申请实施例中,当判断到用户的操作不合规时,可以输出危险提示信号,提示用户检查或者规避试验风险,或者也可以直接输出控制指令,控制振动设备停机,降低试验可能造成事故的概率,提高试验的安全性和稳定性。
在一些可选的实施方式中,所述方法还包括以下步骤:
采集所述振动设备的振动参数;
根据所述振动参数,判断所述振动设备的运行工况是否正常;
当确定所述振动设备的运行工况异常,输出危险提示信号或者控制所述振动设备停机。
本申请实施例中,在试验的过程中,还可以采集振动设备的振动参数,例如振动控制系统的振动控制信号、振动台体的传感器信号等,从而判断振动设备的运行工况是否正常。具体地,可以预先设置相关信号的正常范围阈值,通过采集到的振动参数和阈值之间的对比,当振动参数超出阈值时,认为存在运行工况异常,此时同样可以输出危险提示信号或者控制所述振动设备停机。并且,优选地,可以在确定振动设备的运行工况异常时,首先输出危险提示信号,通知测试人员可能存在故障,需要及时排查处理,此时不直接停机能够兼顾到试验进行的顺畅性,减少因不必要关机引起的时间和设备资源消耗;当确定振动设备的运行工况异常的累计时长达到第一时长,控制振动设备停机。此处的第一时长可以自行设置,当振动设备的运行工况异常的累计时长达到第一时长时,说明此时异常情况比较严重,并非是短时的波动,需要从安全的角度考量,故而此时可以选择停机,减少事故发生的概率。
在一些可选的实施方式中,所述输出危险提示信号,包括:
检测当前用户所在的位置和环境灯光的光照颜色;
通过投射灯向所述用户所在的位置进行照射;所述投射灯的光照颜色和所述环境灯光的光照颜色不同。
本申请实施例中,一般地,在输出危险提示信号时,可以通过投射灯、音响和显示屏进行提示,例如:用户未在指定区域内操作或存在危险动作,则可以控制投射灯转动到用户当前所在的区域进行危险提示,显示屏及音响也可以进行对应的反复提示。优选地,还可以检测试验场地的环境灯光的光照颜色,并采用不同的光照颜色的投射灯照向用户所在的位置,提高危险提示的可见性,帮助用户快速反应出可能存在的安全隐患。
在一些可选的实施方式中,所述方法还包括以下步骤:
获取振动设备执行所述试验项目的时长和振动参数;
根据所述用户的身份信息、所述图像数据、所述时长和所述振动参数,生成试验记录报表。
本申请实施例中,还可以获取振动设备执行所述试验项目的时长和振动参数,并根据这些信息和用户的身份信息、图像数据一起整理成试验记录报表保存,例如,可以定期生成点检记录、维保记录、操作记录等报表。从而可以提高试验室及试验设备使用的自动化管理水平,改善试验信息的留存率,方便后续的复查分析等工作的进行。
下面参照附图详细描述根据本申请实施例提出的汽车零部件振动试验的监控系统。
参照图2,本申请实施例中提出的汽车零部件振动试验的监控系统,所述系统包括:
接收模块101,用于接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
识别模块102,用于采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
处理模块103,用于当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
可以理解的是,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本申请实施例提供了汽车零部件振动试验的监控装置,包括:
至少一个处理器201;
至少一个存储器202,用于存储至少一个程序;
当至少一个程序被至少一个处理器201执行时,使得至少一个处理器201实现的汽车零部件振动试验的监控方法。
同理,上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本申请实施例还提供了一种计算机可读存储介质,其中存储有处理器201可执行的程序,处理器201可执行的程序在由处理器201执行时用于执行上述的汽车零部件振动试验的监控方法。
同理,上述方法实施例中的内容均适用于本计算机可读存储介质实施例中,本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外,在本申请的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本申请,但应当理解的是,除非另有相反说明,功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本申请是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本申请。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本申请的范围,本申请的范围由所附权利要求书及其等同方案的全部范围来决定。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施方式,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
以上是对本申请的较佳实施进行了具体说明,但本申请并不限于实施例,熟悉本领域的技术人员在不违背本申请精神的前提下可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种汽车零部件振动试验的监控方法,其特征在于,所述方法包括以下步骤:
接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
2.根据权利要求1所述的汽车零部件振动试验的监控方法,其特征在于,所述提示音频通过以下步骤得到:
接收远程后台发送的项目操作手册信息;
根据所述项目操作手册信息生成或者更新所述提示音频。
3.根据权利要求1所述的汽车零部件振动试验的监控方法,其特征在于,所述方法还包括以下步骤:
采集所述振动设备的振动参数;
根据所述振动参数,判断所述振动设备的运行工况是否正常;
当确定所述振动设备的运行工况异常,输出危险提示信号或者控制所述振动设备停机。
4.根据权利要求3所述的汽车零部件振动试验的监控方法,其特征在于,所述当确定所述振动设备的运行工况异常,输出危险提示信号或者控制振动设备停机,包括:
当确定所述振动设备的运行工况异常,输出危险提示信号;
当确定所述振动设备的运行工况异常的累计时长达到第一时长,控制所述振动设备停机。
5.根据权利要求1-4中任一项所述的汽车零部件振动试验的监控方法,其特征在于,所述输出危险提示信号,包括:
检测当前用户所在的位置和环境灯光的光照颜色;
通过投射灯向所述用户所在的位置进行照射;所述投射灯的光照颜色和所述环境灯光的光照颜色不同。
6.根据权利要求1所述的汽车零部件振动试验的监控方法,其特征在于,所述方法还包括以下步骤:
获取振动设备执行所述试验项目的时长和振动参数;
根据所述用户的身份信息、所述图像数据、所述时长和所述振动参数,生成试验记录报表。
7.一种汽车零部件振动试验的监控系统,其特征在于,所述系统包括:
接收模块,用于接收用户的试验项目选择指令,根据所述试验项目选择指令输出对应的提示音频;所述提示音频用于指引所述用户执行试验项目;
识别模块,用于采集所述用户执行所述试验项目的图像数据,将所述图像数据输入到训练好的机器学习模型中,得到所述机器学习模块输出的识别结果;所述识别结果用于表征所述用户的操作合规或者不合规;
处理模块,用于当判断到所述用户的操作不合规时,输出危险提示信号或者控制振动设备停机;所述振动设备用于对汽车的部件进行振动试验。
8.一种汽车零部件振动试验的监控装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-6中任一项所述的汽车零部件振动试验的监控方法。
9.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于:所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-6中任一项所述的汽车零部件振动试验的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239632.XA CN114001889A (zh) | 2021-10-25 | 2021-10-25 | 汽车零部件振动试验的监控方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239632.XA CN114001889A (zh) | 2021-10-25 | 2021-10-25 | 汽车零部件振动试验的监控方法、系统、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114001889A true CN114001889A (zh) | 2022-02-01 |
Family
ID=79923730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111239632.XA Pending CN114001889A (zh) | 2021-10-25 | 2021-10-25 | 汽车零部件振动试验的监控方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114001889A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203216731U (zh) * | 2012-12-30 | 2013-09-25 | 罗广生 | 一种机车试风提示装置 |
DE102014213793A1 (de) * | 2014-07-16 | 2016-01-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zum dynamischen Anweisen von Arbeitsvorgängen in einem Arbeitsprozess |
CN106679915A (zh) * | 2016-12-16 | 2017-05-17 | 南京航空航天大学 | 一种基于智能语音控制的振动测试实验方法及系统 |
CN109032054A (zh) * | 2018-08-03 | 2018-12-18 | 深圳众厉电力科技有限公司 | 一种监控预警系统 |
CN109084998A (zh) * | 2018-09-18 | 2018-12-25 | 深圳易嘉恩科技有限公司 | 车辆安全自动检测系统及方法 |
CN109413393A (zh) * | 2018-11-26 | 2019-03-01 | 陕西瑞海工程智慧数据科技有限公司 | 带电作业车安全监测方法、装置及带电作业车 |
RU2687848C1 (ru) * | 2018-06-28 | 2019-05-16 | Общество с ограниченной ответственностью НПЦ "Динамика" - Научно-производственный центр "Диагностика", надежность машин и комплексная автоматизация" | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов |
CN109883635A (zh) * | 2019-03-20 | 2019-06-14 | 苏州环邦检测科技有限公司 | 振动试验装备的健康管理系统 |
CN110533328A (zh) * | 2019-08-30 | 2019-12-03 | 广州广电城市服务集团股份有限公司 | 一种项目现场运行调度方法、装置、介质及终端设备 |
CN111726586A (zh) * | 2020-06-29 | 2020-09-29 | 上海药明生物技术有限公司 | 一种生产体系操作规范监测提醒系统 |
CN111829742A (zh) * | 2019-03-29 | 2020-10-27 | Oppo(重庆)智能科技有限公司 | 电子设备振动测试方法、装置、电子设备及存储介质 |
CN112587131A (zh) * | 2020-12-30 | 2021-04-02 | 北京体育大学 | 一种规范坐位体前屈测试的方法及装置 |
CN112737102A (zh) * | 2020-12-08 | 2021-04-30 | 国网辽宁省电力有限公司锦州供电公司 | 一种人工智能变电站微机防误处理方法 |
CN113119982A (zh) * | 2021-04-23 | 2021-07-16 | 昆山宝创新能源科技有限公司 | 操作状态识别与处理方法、装置、设备、介质及程序产品 |
-
2021
- 2021-10-25 CN CN202111239632.XA patent/CN114001889A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203216731U (zh) * | 2012-12-30 | 2013-09-25 | 罗广生 | 一种机车试风提示装置 |
DE102014213793A1 (de) * | 2014-07-16 | 2016-01-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zum dynamischen Anweisen von Arbeitsvorgängen in einem Arbeitsprozess |
CN106679915A (zh) * | 2016-12-16 | 2017-05-17 | 南京航空航天大学 | 一种基于智能语音控制的振动测试实验方法及系统 |
RU2687848C1 (ru) * | 2018-06-28 | 2019-05-16 | Общество с ограниченной ответственностью НПЦ "Динамика" - Научно-производственный центр "Диагностика", надежность машин и комплексная автоматизация" | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов |
CN109032054A (zh) * | 2018-08-03 | 2018-12-18 | 深圳众厉电力科技有限公司 | 一种监控预警系统 |
CN109084998A (zh) * | 2018-09-18 | 2018-12-25 | 深圳易嘉恩科技有限公司 | 车辆安全自动检测系统及方法 |
CN109413393A (zh) * | 2018-11-26 | 2019-03-01 | 陕西瑞海工程智慧数据科技有限公司 | 带电作业车安全监测方法、装置及带电作业车 |
CN109883635A (zh) * | 2019-03-20 | 2019-06-14 | 苏州环邦检测科技有限公司 | 振动试验装备的健康管理系统 |
CN111829742A (zh) * | 2019-03-29 | 2020-10-27 | Oppo(重庆)智能科技有限公司 | 电子设备振动测试方法、装置、电子设备及存储介质 |
CN110533328A (zh) * | 2019-08-30 | 2019-12-03 | 广州广电城市服务集团股份有限公司 | 一种项目现场运行调度方法、装置、介质及终端设备 |
CN111726586A (zh) * | 2020-06-29 | 2020-09-29 | 上海药明生物技术有限公司 | 一种生产体系操作规范监测提醒系统 |
CN112737102A (zh) * | 2020-12-08 | 2021-04-30 | 国网辽宁省电力有限公司锦州供电公司 | 一种人工智能变电站微机防误处理方法 |
CN112587131A (zh) * | 2020-12-30 | 2021-04-02 | 北京体育大学 | 一种规范坐位体前屈测试的方法及装置 |
CN113119982A (zh) * | 2021-04-23 | 2021-07-16 | 昆山宝创新能源科技有限公司 | 操作状态识别与处理方法、装置、设备、介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6890527B2 (ja) | 動作に関する予測推論のモデルを求めるシステム及び方法、およびこれらのための非一時的コンピューター可読記憶媒体 | |
EP3407200B1 (en) | Method and device for updating online self-learning event detection model | |
US12078497B2 (en) | Methods and internet of things systems for jointly processing safety hazards based on smart gas geographic information systems | |
CN111160802B (zh) | 预设方案评估方法及装置 | |
CN112115927A (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
CN110703743A (zh) | 设备故障预测与检测系统和方法 | |
CN113761234A (zh) | 水电厂设备的巡检方法、装置、电子设备及存储介质 | |
CN112286771A (zh) | 一种针对全域资源监控的告警方法 | |
CN118095975B (zh) | 基于bim和ai大模型的工程质量智能管理方法及系统 | |
CN116244444A (zh) | 设备故障诊断方法和装置 | |
CN115952081A (zh) | 一种软件测试方法、装置、存储介质及设备 | |
CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
CN118172213A (zh) | 一种基于多源数据融合的工伤预防培训管理系统 | |
CN108267170B (zh) | 一种环境监测方法和装置 | |
CN117910999A (zh) | 一种智能电厂设备检修方法及系统 | |
CN114001889A (zh) | 汽车零部件振动试验的监控方法、系统、装置及介质 | |
CN112506754A (zh) | 一种系统性能监测方法及平台 | |
CN116205496B (zh) | 合规风险管控方法、系统、电子设备及存储介质 | |
CN117010601A (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN112819262A (zh) | 存储器、工艺管道检维修决策方法、装置和设备 | |
CN109074413A (zh) | 用于确定资产是否有可能具有流体问题的计算机化流体分析 | |
CN112241511B (zh) | 交通工具辅助电气系统的性能检测方法及装置、终端 | |
CN109063856B (zh) | 生成安全围栏的方法及装置 | |
CN115913596A (zh) | 一种网络数据安全态势综合评估分析方法 | |
CN115600783A (zh) | 信号系统的健康度评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: The road in Whampoa District of Guangzhou City, Guangdong Province, No. 1 510700 Applicant after: GAC Honda Automobile Co., Ltd. Applicant after: Guangzhou Honda Research & Development Co.,Ltd. Address before: Huangpu District guangben road Guangzhou City, Guangdong province 510700 No. 1 Applicant before: GAC Honda Automobile Co., Ltd. Applicant before: Guangzhou Honda Research & Development Co.,Ltd. |