CN114295365B - 插针机精度异常监测方法、系统、设备及存储介质 - Google Patents
插针机精度异常监测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114295365B CN114295365B CN202210221101.6A CN202210221101A CN114295365B CN 114295365 B CN114295365 B CN 114295365B CN 202210221101 A CN202210221101 A CN 202210221101A CN 114295365 B CN114295365 B CN 114295365B
- Authority
- CN
- China
- Prior art keywords
- pressure
- precision
- pressure curve
- pin
- anomaly
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种插针机精度异常监测方法、系统、设备及存储介质,该方法包括以下步骤:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测;本发明解决了生产良率低的问题,实现了实时精度监测,提高生产良率,节约人力以及物料成本。
Description
技术领域
本发明涉及插针机精度监测领域,尤其涉及一种插针机精度异常监测方法、系统、设备及存储介质。
背景技术
ICT生产线插针机精度造成的良率不稳定问题时有发生。目前技术还停留在传统的被动式解决问题的方法主要有以下几类:1)人工拆卸关键机构件,通过千分尺测量关键机构垂直度(精度);2)通过试错法,将PCB批次样品试做,收集不良品的异常特征规律结合老师傅经验定位机台关键部位异常。然而经验丰富的装配老师傅基于人工试错法与机构件拆装量测精度经常会出现无法溯源问题,造成大量人力成本以及物料成本的浪费。
发明内容
有鉴于此,本申请实施例提供一种插针机精度异常监测方法、系统、设备及存储介质,旨在解决生产良率低的问题。
本申请实施例提供了一种插针机精度异常监测方法,所述方法包括:
获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。
在一实施例中,基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测的步骤之前,包括:
构建所述标准压力曲线,具体包括:
获取多个良品进入生产设备后的良品位置数据以及插针动作时的良品压力数据;
对所述良品位置数据以及所述良品压力数据进行滤波去噪,生成所述标准压力曲线。
在一实施例中,所述对所述位置数据以及压力数据进行滤波去噪,生成压力曲线,包括:
利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线。
在一实施例中,所述利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线,包括:
选取状态方程以及测量方程;
将一时间点的位置数据以及压力数据输入所述状态方程,获得预测值;基于所述预测值,根据预设概率分布执行采样操作获得采样点;其中,所述预测值包含位置预测值以及压力预测值;
将所述采样点输入所述测量方程,获得采样预测值;
对所述采样预测值进行校正,并对获得的校正结果进行重采样,获得重采样点;
将所述重采样点输入所述状态方程,获得重采样预测值;
基于每一时间点的所述重采样预测值,生成压力曲线。
在一实施例中,基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测,包括:
利用所述标准压力曲线与所述压力曲线,获得压力偏差值以及位置偏差值;
利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告。
在一实施例中,所述利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告,包括:
利用所述精度异常识别模型进行判断,若所述压力偏差值不在预设压力偏差范围内,则生成压力异常警告;若所述位置偏差值不在预设位置偏差范围内,则生成位置异常警告;若所述压力偏差值不在预设压力偏差范围内且所述位置偏差值不在预设位置偏差范围内,则生成压力与位置异常警告。
在一实施例中,所述利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告的步骤之后,包括:
基于所述压力偏差值以及所述位置偏差值,利用所述精度异常识别模型对插针异常区域进行统计,获得插针异常区域;
若所述插针异常区域连续出现异常,则判定插针机硬件异常,并生成第一维修建议;其中,所述第一维修建议包含插针机硬件异常的维修方法;
若所述插针异常区域预设时间内出现单次异常,则判定印刷电路板异常,并生成第二维修建议;其中,所述第二维修建议包含印刷电路板异常的维修方法。
为实现上述目的,本申请还提供一种插针机精度异常监测系统,所述插针机精度异常监测系统,包括:
数据获取模块,用于获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
压力曲线生成模块,用于对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
精度异常检测模块,用于基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。
为实现上述目的,本申请还提供一种插针机精度异常监测设备,所述插针机精度异常监测设备包括: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插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被所述处理器执行时实现上述任一项所述的插针机精度异常监测方法的步骤。
为实现上述目的,本申请还提供一种计算机存储介质,所述计算机存储介质上存储有插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被处理器执行时实现上述中任一项所述的插针机精度异常监测方法的步骤。
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:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;通过准确获取目标生产物的位置数据以及压力数据,保证压力曲线计算的正确性。
对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;通过对位置数据以及压力数据的滤波去噪计算,准确获得实时的生产压力曲线,以备与标准压力曲线准确对比。
基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。通过精度异常识别模型对标准压力曲线以及压力曲线之间进行对比,以实现实时精度异常的检测,从而解决生产良率低的问题,实现实时精度监测,提高生产良率,节约人力以及物料成本。
附图说明
图1为本申请插针机精度异常监测方法的第一实施例的流程示意图;
图2为本申请插针机精度异常监测方法的第二实施例的流程示意图;
图3为本申请插针机精度异常监测方法的第二实施例步骤S230的具体实施步骤的流程示意图;
图4为本申请插针机精度异常监测方法的第一实施例中步骤S120的具体实施步骤的流程示意图;
图5为本申请插针机精度异常监测方法步骤S121的具体实施步骤的流程示意图;
图6为本申请插针机精度异常监测方法第一实施例中步骤S130的具体实施步骤的流程示意图;
图7为本申请插针机精度异常监测方法第一实施例中步骤S130的另一具体实施步骤的流程示意图;
图8为本申请插针机精度异常检测系统的示意图;
图9为本申请插针机精度异常检测设备的示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测;本发明解决了生产良率低的问题,实现了实时精度监测,提高生产良率,节约人力以及物料成本。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图1,图1为本申请插针机精度异常监测方法的第一实施例,所述方法包括:
步骤S110:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
具体地,可以是使用惯性传感器测量目标生产物进入导轨后的位置数据,其中位置数据至少包括XY平面基准点以及Z轴(摆臂)插针基准原点位置信息。
步骤S120:对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
具体地,可以通过滤波算法纠正位移并反馈位移及位置偏差;也可以通过滤波算法纠正压力偏差并反馈;其中,压力曲线是随着插针区域变化,压力周期性变化的曲线,若发生精度异常,则压力曲线会呈现出异常波动,所以可以从针对压力曲线,对精度异常进行实时监测。
步骤S130:基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。
具体地,所述精度异常识别模型是通过压力曲线与标准压力曲线之间的偏差值对精度异常进行实时监测的。
在上述实施例中,存在的有益效果:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;通过准确获取目标生产物的位置数据以及压力数据,保证压力曲线计算的正确性。
对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;通过对位置数据以及压力数据的滤波去噪计算,准确获得实时的生产压力曲线,以备与标准压力曲线准确对比。
基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。通过精度异常识别模型对标准压力曲线以及压力曲线之间进行对比,以实现实时精度异常的检测,从而解决生产良率低的问题,实现实时精度监测,提高生产良率,节约人力以及物料成本。
参照图2,图2为本申请插针机精度异常监测方法的第二实施例,所述方法,包括:
步骤S210:获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
步骤S220:对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
步骤S230:构建所述标准压力曲线;
具体地,标准压力曲线可以是海量的良品的位置数据以及压力数据通过滤波去噪后生成的,标准压力曲线可以是目标生产物的压力标准,若压力数据和/或位置数据不在预设波动范围内,则代表出现了精度异常的情况。
步骤S240:基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。
第二实施例与第一实施例相比,包括步骤S230,其他步骤在第一实施例中,已经进行了阐述,在此不再赘述。
在上述实施例中,存在的有益效果:通过正确构建标准压力曲线,并利用精度异常识别模型,判断当前的压力曲线与标准压力曲线之间的偏差值,能够实时准确的判断精度异常的情况,以提高精度异常监测的准确性,从而提高生产良率。
参照图3,图3为本申请插针机精度异常监测方法的第二实施例步骤S230的具体实施步骤,所述构建标准压力曲线包括:
步骤S231:获取多个良品进入生产设备后的良品位置数据以及插针动作时的良品压力数据;
具体地,良品可以是生产过程中符合各项生产标准的产品。其中,良品位置数据以及良品压力数据可以在确定目标生产物为良品后,记录至一良品数据库,以供生成标准压力曲线。
步骤S232:对所述良品位置数据以及所述良品压力数据进行滤波去噪,生成所述标准压力曲线。
具体地,标准压力曲线的构建与压力曲线的生成的步骤基本相同,不同的是标准压力曲线是获取多个良品进行生成设备后的良品位置数据以及插针动作时的良品压力数据,其中,良品位置数据以及良品压力数据越多,则生成的标准压力曲线越精确。
参照图4,图4为本申请插针机精度异常监测方法的第一实施例中步骤S120的具体实施步骤,所述对所述位置数据以及压力数据进行滤波去噪,生成压力曲线,包括:
步骤S121:利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线。
具体地,粒子滤波利用非线性状态方程将含有噪声的误差观测值估计系统状态达到去除噪声目的非线性递归算法。根据历史状态来估计当前状态(其实质是在已知观测值数据基础上,运用递推理论,实现对于未来状态量的估计,使得样本数据(粒子)能近似表示非线性系统的状态。
在本实施例中,通过粒子滤波预处理方法可以准确获得压力曲线,保证实时精度异常监测的准确性。
参照图5,图5为本申请插针机精度异常监测方法步骤S121的具体实施步骤,所述利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线,包括:
步骤S1211:选取状态方程以及测量方程;
具体地,已知观测值数据,要实现对状态量的估计,m阶粒子滤波器方程建立如下:
状态方程:
X(k) = f(X(k-1) ,BU(k-1) ,W(k)) (1)
测量方程:
Z(k) = H(X(k) ,V(k)) (2)
其中:X(k)可以为K时刻的惯性传感器状态向量,U(k-1) 为k-1时控制信号,Z(k)为k时刻惯性传感器的测量值,W(k) 和V(k)分别为输入噪声和观测噪声矩阵,B、H 分别为状态转移矩阵、输入控制矩阵(控制输入向量U与状态向量X的关联矩阵)和测量矩阵(状态向量X和测量向量Z的关联矩阵)。
步骤S1212:将一时间点的位置数据以及压力数据输入所述状态方程,获得预测值;基于所述预测值,根据预设概率分布执行采样操作获得采样点;其中,所述预测值包含位置预测值以及压力预测值;
具体地,根据x(t-1)的概率分布生成大量采样点。其中,预设概率分布在此并不限定,也可以是正态分布,卡方分布等,在此并不作限定。
步骤S1213:将所述采样点输入所述测量方程,获得采样预测值;
步骤S1214:对所述采样预测值进行校正,并对获得的校正结果进行重采样,获得重采样点;
具体地,利用条件概率P(y|xi),对所有的粒子观测值进行评价。条件概率代表了真实状态X(k)取第k个粒子时获得观测值Z的概率。其中,重采样可以是去除低权值的采样点,复制高权值的采样点,得到符合真实状态的X(k)。
步骤S1215:将所述重采样点输入所述状态方程,获得重采样预测值;
具体地,通过递归法则,将重采样点依次输入状态方程,重新获得采样预测值。
步骤S1216:基于每一时间点的所述重采样预测值,生成压力曲线。
具体地,根据获得到的每个时间点的重采样预测值,在XY平面上呈现,则生成压力曲线。
在本实施例中,存在的有益效果为:通过粒子滤波预处理方法准确获得压力曲线,以实现实时精度监测,提高生产良率,节约人力以及物料成本。
参照图6,图6为本申请插针机精度异常监测方法第一实施例中步骤S130的具体实施步骤,基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测,包括:
步骤S131:利用所述标准压力曲线与所述压力曲线,获得压力偏差值以及位置偏差值;
具体地,压力偏差值以及位置偏差值可以是标准压力曲线与压力曲线的差值产生的。
步骤S132:利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告。
具体地,利用所述精度异常识别模型进行判断,若所述压力偏差值不在预设压力偏差范围内,则生成压力异常警告;若所述位置偏差值不在预设位置偏差范围内,则生成位置异常警告;若所述压力偏差值不在预设压力偏差范围内且所述位置偏差值不在预设位置偏差范围内,则生成压力与位置异常警告。
具体地,生成的精度异常警告可以在工人使用的终端前段页面进行展示,以进一步提醒工人进行及时调整。
在本实施例中,通过对压力偏差值和/或位置偏差值的判断,生成精度异常警告,以提醒工人及时暂停,以避免物料的浪费,维修工可以及时调整以及保养修复,降低插针机故障损失。
参照图7,图7为本申请插针机精度异常监测方法第一实施例中步骤S130的另一具体实施步骤,所述利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告的步骤之后,包括:
步骤S131':利用所述标准压力曲线与所述压力曲线,获得压力偏差值以及位置偏差值;
步骤S132':利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告;
步骤S133':基于所述压力偏差值以及所述位置偏差值,利用所述精度异常识别模型对插针异常区域进行统计,获得插针异常区域;
具体地,可以基于压力曲线的特征进行算法分割,可以利用每次插针过程中的动作特点,即每次插针拥有波峰和波谷,每两次波峰即为一个动作周期,将压力曲线分为三个区域;然后根据压力偏差值以及位置偏差值,利用精度异常识别模型对插针异常区域进行统计,获得插针异常区域。
步骤S134':若所述插针异常区域连续出现异常,则判定插针机硬件异常,并生成第一维修建议;其中,所述第一维修建议包含插针机硬件异常的维修方法;若所述插针异常区域预设时间内出现单次异常,则判定印刷电路板异常,并生成第二维修建议;其中,所述第二维修建议包含印刷电路板异常的维修方法。
具体地,如果连续性发生同插针区域异常,可以判定插针机导轨组件问题,即固定机构失效;若是偶发性发生在插针区域异常,比如一个小时内出现一次异常,则可能是印刷电路板质量问题。
与上一实施例相比,本实施例包括步骤S133'和步骤S134',其他步骤在上一实施例中已经进行了阐述,在此不再赘述。
在本实施例中,根据插针异常区域中异常出现连续性或者偶发性分别给出维修建议,更方便的定位问题,以帮助维修工尽快维修,避免物料的浪费。
本申请还保护一种插针机精度异常监测系统20,所述插针机精度异常监测系统,包括:
数据获取模块21,用于获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
压力曲线生成模块22,用于对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
精度异常检测模块23,用于基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测。
图8所示装置包括数据获取模块21、压力曲线生成模块22、精度异常检测模块23,该装置可以执行图1至图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1至图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1至图7所示实施例中的描述,在此不再赘述。
本申请还保护一种插针机精度异常监测设备,所述插针机精度异常监测设备包括: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插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被所述处理器执行时实现上述任一项所述的插针机精度异常监测方法的步骤。
本申请涉及一种插针精度异常监测设备10包括如图9所示:至少一个处理器12、存储器11。处理器12可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器12中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器12可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器11,处理器12读取存储器11中的信息,结合其硬件完成上述方法的步骤。
可以理解,本发明实施例中的存储器11可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ReadOnly Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),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(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器 (Synch link DRAM,SLDRAM) 和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本发明实施例描述的系统和方法的存储器11旨在包括但不限于这些和任意其它适合类型的存储器。
本申请还保护一种计算机存储介质,所述计算机存储介质上存储有插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被处理器执行时实现上述任一项所述的插针机精度异常监测方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发
明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种插针机精度异常监测方法,其特征在于,所述方法包括:
获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测;
其中,基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测,包括:
利用所述标准压力曲线与所述压力曲线,获得压力偏差值以及位置偏差值;
利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告;
所述利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告的步骤之后,包括:
每次插针拥有波峰和波谷,每两次波峰为一个动作周期;
基于所述压力曲线的特征进行算法分割,以将所述压力曲线分为三个区域;
基于所述压力偏差值以及所述位置偏差值,利用所述精度异常识别模型在区域分割后的压力曲线中对插针异常区域进行统计,获得插针异常区域;
若所述插针异常区域连续出现异常,则判定插针机硬件异常,并生成第一维修建议;其中,所述第一维修建议包含插针机硬件异常的维修方法;
若所述插针异常区域预设时间内出现单次异常,则判定印刷电路板异常,并生成第二维修建议;其中,所述第二维修建议包含印刷电路板异常的维修方法;
其中,所述利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线,包括:
选取状态方程以及测量方程;
将一时间点的位置数据以及压力数据输入所述状态方程,获得预测值;基于所述预测值,根据预设概率分布执行采样操作获得采样点;其中,所述预测值包含位置预测值以及压力预测值;
将所述采样点输入所述测量方程,获得采样预测值;
对所述采样预测值进行校正,并对获得的校正结果进行重采样,获得重采样点;
将所述重采样点输入所述状态方程,获得重采样预测值;
基于每一时间点的所述重采样预测值,生成压力曲线。
2.如权利要求1所述的插针机精度异常监测方法,其特征在于,所述基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测的步骤之前,包括:
构建所述标准压力曲线,具体包括:
获取多个良品进入生产设备后的良品位置数据以及插针动作时的良品压力数据;
对所述良品位置数据以及所述良品压力数据进行滤波去噪,生成所述标准压力曲线。
3.如权利要求1所述的插针机精度异常监测方法,其特征在于,所述利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告,包括:
利用所述精度异常识别模型进行判断,若所述压力偏差值不在预设压力偏差范围内,则生成压力异常警告;若所述位置偏差值不在预设位置偏差范围内,则生成位置异常警告;若所述压力偏差值不在预设压力偏差范围内且所述位置偏差值不在预设位置偏差范围内,则生成压力与位置异常警告。
4.一种插针机精度异常监测系统,其特征在于,所述插针机精度异常监测系统,包括:
数据获取模块,用于获取目标生产物进入生产设备后的位置数据以及插针动作时的压力数据;
压力曲线生成模块,用于利用粒子滤波预处理方法,对所述位置数据以及压力数据进行滤波去噪,生成压力曲线;
精度异常检测模块,用于基于标准压力曲线以及所述压力曲线,利用精度异常识别模型对所述压力曲线进行实时精度异常监测;
其中,所述精度异常检测模块还用于:
利用所述标准压力曲线与所述压力曲线,获得压力偏差值以及位置偏差值;
利用所述精度异常识别模型,对所述压力偏差值和/或所述位置偏差值进行判断,生成精度异常警告;
其中,所述插针机精度异常监测系统还包括:
每次插针拥有波峰和波谷,每两次波峰为一个动作周期;
基于所述压力曲线的特征进行算法分割,以将所述压力曲线分为三个区域;
基于所述压力偏差值以及所述位置偏差值,利用所述精度异常识别模型在区域分割后的压力曲线中对插针异常区域进行统计,获得插针异常区域;
若所述插针异常区域连续出现异常,则判定插针机硬件异常,并生成第一维修建议;其中,所述第一维修建议包含插针机硬件异常的维修方法;
若所述插针异常区域预设时间内出现单次异常,则判定印刷电路板异常,并生成第二维修建议;其中,所述第二维修建议包含印刷电路板异常的维修方法;
所述压力曲线生成模块还用于:
选取状态方程以及测量方程;
将一时间点的位置数据以及压力数据输入所述状态方程,获得预测值;基于所述预测值,根据预设概率分布执行采样操作获得采样点;其中,所述预测值包含位置预测值以及压力预测值;
将所述采样点输入所述测量方程,获得采样预测值;
对所述采样预测值进行校正,并对获得的校正结果进行重采样,获得重采样点;
将所述重采样点输入所述状态方程,获得重采样预测值;
基于每一时间点的所述重采样预测值,生成压力曲线。
5.一种插针机精度异常监测设备,其特征在于,所述插针机精度异常监测设备包括: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插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被所述处理器执行时实现如权利要求1至3中任一项所述的插针机精度异常监测方法的步骤。
6.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有插针机精度异常监测方法程序,所述插针机精度异常监测方法程序被处理器执行时实现权利要求1至3中任一项所述的插针机精度异常监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221101.6A CN114295365B (zh) | 2022-03-09 | 2022-03-09 | 插针机精度异常监测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221101.6A CN114295365B (zh) | 2022-03-09 | 2022-03-09 | 插针机精度异常监测方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295365A CN114295365A (zh) | 2022-04-08 |
CN114295365B true CN114295365B (zh) | 2022-07-08 |
Family
ID=80978571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210221101.6A Active CN114295365B (zh) | 2022-03-09 | 2022-03-09 | 插针机精度异常监测方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295365B (zh) |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699410B (zh) * | 2009-11-11 | 2012-07-18 | 中兴通讯股份有限公司 | 一种单板硬件故障的检测方法和装置 |
CN101819424B (zh) * | 2010-01-25 | 2013-01-16 | 南京埃斯顿自动化股份有限公司 | 锻压机床滑块位置、压力测量及安全控制的方法及控制器 |
CN101786150B (zh) * | 2010-02-10 | 2012-06-27 | 广东伊之密精密机械股份有限公司 | 压铸机及压铸工件质量的自动判定方法 |
CN102143111B (zh) * | 2011-02-16 | 2013-10-23 | 河南理工大学 | 一种双极性混沌键控通信系统解调方法 |
CN104299033B (zh) * | 2014-09-24 | 2018-06-05 | 上海电力学院 | 基于布谷鸟搜索和粒子滤波混杂算法的漏磁缺陷重构方法 |
CN104677632B (zh) * | 2015-01-21 | 2018-04-10 | 大连理工大学 | 利用粒子滤波与谱峭度的滚动轴承故障诊断方法 |
CN108444696A (zh) * | 2018-03-09 | 2018-08-24 | 武汉工程大学 | 一种齿轮箱故障分析方法 |
CN108510797B (zh) * | 2018-04-04 | 2019-03-15 | 南京微达电子科技有限公司 | 基于雷达侦测的高速公路预警系统及方法 |
CN109211548A (zh) * | 2018-08-31 | 2019-01-15 | 沃德传动(天津)股份有限公司 | 一种机械故障诊断方法 |
CN112486106A (zh) * | 2019-09-12 | 2021-03-12 | 富泰华工业(深圳)有限公司 | 生产监测方法、装置及计算机可读存储介质 |
CN110888788B (zh) * | 2019-10-16 | 2024-09-10 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
CN113566684B (zh) * | 2020-04-29 | 2023-08-29 | 深圳富联富桂精密工业有限公司 | 一种插针偏位的检测系统与检测方法 |
CN114011903A (zh) * | 2021-11-01 | 2022-02-08 | 深圳市信润富联数字科技有限公司 | 冲压生产异常监测方法、装置、系统与可读存储介质 |
-
2022
- 2022-03-09 CN CN202210221101.6A patent/CN114295365B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114295365A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7275018B2 (en) | Method of condition monitoring | |
CN111414999B (zh) | 一种设备运行状态的监测方法及装置 | |
CN116009480B (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
US20080091361A1 (en) | Method And Computer Programme For Determining Operating Parameters In A Roller Bearing And A Roller Bearing Which May Be Analysed Thus | |
CN115308562A (zh) | 芯片测试方法及相关设备 | |
JP2004150439A (ja) | 故障事象を判定する方法 | |
US20180046917A1 (en) | Identification of process anomalies in a technical facility | |
WO2019078901A1 (en) | USE OF OVERLAY DISTORTION ERROR ESTIMATES IN IMAGING OVERLAY METROLOGY | |
JP2002215231A (ja) | 動作しているシステムの正常性を監視する方法およびシステムの正常性をシステム間で比較する方法 | |
CN101996855A (zh) | 一种晶圆缺陷分析方法 | |
AU2016201794B1 (en) | Analyzing equipment degradation for maintaining equipment | |
US11940357B2 (en) | System for predicting anomalies of machining | |
CN109213057B (zh) | 智能诊断装置和方法 | |
CN112989550A (zh) | 虚拟量测方法、装置及计算机可读存储介质 | |
CN111223799B (zh) | 工艺控制方法、装置、系统及存储介质 | |
CN116994641A (zh) | 一种半导体老化测试方法及其系统 | |
Xiao et al. | Combining process and product information for quality improvement | |
CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN114295365B (zh) | 插针机精度异常监测方法、系统、设备及存储介质 | |
CN115280334A (zh) | 错误原因的推定装置以及推定方法 | |
CN110763696A (zh) | 用于晶圆图像生成的方法和系统 | |
CN101118423A (zh) | 虚拟测量预估模型的适用性选择方法与系统 | |
DE112016006839T5 (de) | Längenmessungskontrollvorrichtung, Fertigungssystem, Längenmessungskontrollverfahren und Längenmessungskontrollprogramm | |
CN111274687A (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN110910357B (zh) | 基于机器视觉的焊点缺陷检测方法、系统及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |