CN115041544A - 冲压件的异常检测方法、装置及存储介质 - Google Patents
冲压件的异常检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115041544A CN115041544A CN202210961347.7A CN202210961347A CN115041544A CN 115041544 A CN115041544 A CN 115041544A CN 202210961347 A CN202210961347 A CN 202210961347A CN 115041544 A CN115041544 A CN 115041544A
- Authority
- CN
- China
- Prior art keywords
- value
- historical
- envelope
- target model
- frequency spectrum
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种冲压件的异常检测方法、装置及存储介质,该方法包括:获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;将当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,第一目标模型基于训练集对初始模型进行训练得到,训练集包括:历史压力信号频谱,以及根据历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;历史评估值为历史包络值与噪声信号对应的有效频率的频谱值的比较结果;将当前评估值与预设阈值进行比较,并基于比较结果检测冲压件是否存在异常。通过本申请,解决了现有技术中通过人为的方式对冲压件是否存在异常进行判断导致,异常监测效率较低的问题。
Description
技术领域
本申请涉及冲压件检测领域,尤其涉及一种冲压件的异常检测方法、装置及存储介质。
背景技术
目前在生产过程中,对于冲压件的异常检测的方式是,在对冲压件的数据进行采集后由工作人员人工进行判断,由于是人工根据经验进行异常检测,其判断过程的时间会比较长,通常是在异常出现一段时间后才会出结果,即判断效率较低因此对冲压件的影响也较大;另外,由于是工作经验进行判断其误判率也较高。
发明内容
本申请提供了一种冲压件的异常检测方法、装置及存储介质,以解决现有技术中通过人为的方式对冲压件是否存在异常进行判断导致,异常监测效率较低的问题。
第一方面,本申请提供了一种冲压件的异常检测方法,包括:获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;将所述当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,所述第一目标模型基于训练集对初始模型进行训练得到,所述训练集包括:历史压力信号频谱,以及根据所述历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;所述历史评估值为所述历史包络值与所述噪声信号对应的有效频率的频谱值的比较结果;将所述当前评估值与预设阈值进行比较,并基于比较结果检测所述冲压件是否存在异常。
第二方面,本申请提供了一种冲压件的异常检测装置,包括:第一获取模块,用于获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;第一处理模块,用于将所述当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,所述第一目标模型基于训练集对初始模型进行训练得到,所述训练集包括:历史压力信号频谱,以及根据所述历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;所述历史评估值为所述历史包络值与所述噪声信号对应的有效频率的频谱值的比较结果;检测模块,用于将所述当前评估值与预设阈值进行比较,并基于比较结果检测所述冲压件是否存在异常。
第三方面,提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的方法步骤。
第四方面,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如第一方面任一项实施例所述的方法步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的该方法,可以在采集到冲压件压力信息对应的当前压力信号频谱,进而将当前压力信号频谱输入到已训练好的第一目标模型中,输出与当前压力信号频谱对应的评估值,进而根据评估值与预设阈值进行比较以确定冲压件是否存在异常;也就是说,在本申请中可以根据采集到的数据和训练好的模型实时对冲压件的当前状态进行监测,不仅提升了监测效率而且还降低了误判率,从而解决了现有技术中通过人为的方式对冲压件是否存在异常进行判断导致,异常监测效率较低的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种冲压件的异常检测方法的流程示意图;
图2为本申请实施例提供的压力感知设备、模数转换设备以及计算处理设备的连接示意图;
图3为本申请实施例提供的一种冲压件的异常检测装置的流程示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种冲压件的异常检测方法的流程示意图,如图1所示,该方法的步骤包括:
步骤102,获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;
在本申请实施例的具体示例中,可以由压力感知设备对冲压件的压力变化进行采集,得到压力信息,并将该压力信息转换为电信号,再由模数转换设备将模拟信号转换为数字信号,即得到当前压力信号频谱,最后由计算处理设备对当前压力信号频谱进行处理得到输出结果。在本申请实施例中压力感知设备、模数转换设备以及计算处理设备的连接如图2所示。
步骤104,将当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,第一目标模型基于训练集对初始模型进行训练得到,训练集包括:历史压力信号频谱,以及根据历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;历史评估值为历史包络值与噪声信号对应的有效频率的频谱值的比较结果;
在本申请实施例中对于初始模型中的回归算法可以是随机树、多项式回归、岭回归、套索回归、最小二乘回归、样条回归、弹性网络回归、高斯过程回归;当然上述仅仅是举例说明,还可以是其他回归算法,如随机森林、梯度提升树、ARD自相关回归、贝叶斯线性回归、感知器回归、被动攻击回归、SGD随梯度下降回归、正交匹配跟踪回归、神经网络回归。
步骤106,将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常。
通过上述步骤102至步骤106,可以在采集到冲压件压力信息对应的当前压力信号频谱,进而将当前压力信号频谱输入到已训练好的第一目标模型中,输出与当前压力信号频谱对应的评估值,进而根据评估值与预设阈值进行比较以确定冲压件是否存在异常;也就是说,在本申请中可以根据采集到的数据和训练好的模型实时对冲压件的当前状态进行监测,不仅提升了监测效率而且还降低了误判率,从而解决了现有技术中通过人为的方式对冲压件是否存在异常进行判断导致,异常监测效率较低的问题。
通过本申请实施例的方法,在具体示例中能够实时检测生产过程中冲压件出现的异常,该冲压件的异常包括但不限于跳料压伤、模具冲头折断、模具开裂、废料空堵塞等情况,通过实时检测生产冲压件出现的异常,可以及时采取手段消除异常以延长模具的使用寿命。
在本申请实施例的可选实施方式中,在将当前压力信号频谱输入目标模型中,输出当前评估值之前,本申请实施例的方法步骤还可以包括:
步骤11,获取历史压力信号频谱;
步骤12,对历史压力信号频谱中的噪声信号进行解析包络处理,得到第一包络值;
步骤13,对第一包络值进行极值包络处理,得到第二包络值;其中,第二包络值为历史包络值;
步骤14,将第二包络值与噪声信号对应的有效频率的频谱值的比较结果确定为历史评估值。
上述步骤11至步骤14是获取训练集的过程,而对于训练集的获取,可以是在获取原始数据,如加工评估值,压力传感器数据以及其他数据之后,可以对原始数据进行预处理,例如,归一化处理,标准化,处理缺失值,以及滤波等。在进行预处理之后再进行特征工程的处理,时域特征:均值、最大最小值、有效值、方根幅值、方差、峰峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数;频域特征:重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、第一频带相对能量、第二频带相对能量、第三频带相对能量、第四频带相对能量和第五频带相对能量。
其中,在获取训练集中历史包络值的过程中进行两次包括处理,一次是解析包括处理,一次是极值包络处理。因为噪声在压力信号频谱中的影响是未知的,而现有技术中的频谱预处理是对其进行的是均值处理,而通过包络处理可以根据相邻频率的振荡情况估计噪声信号的频谱上界,但并不能保证包络值一定就能大于噪声在压力信号频率位置的实际幅值,因此为了获得更高的包络比例,在本申请中采用的是在解析包络的基础上,再进行一次极值包络。
在本申请的实际应用过程中,以100个压力信号频率为例,对仿真信号应用解析包络后,该100个压力信号频率的包络值中,18个频率包络值比噪声真实值小,另外82个频率包络值大于噪声真实值,即包络率为82%;而在18个包络值小于实际频谱的频率中,14个频率的估计噪声频谱与实际频谱的比例(估计值/实际值)为70%以上。如果在进行解析包络后,再进行一次极值包络,包络比例上升为90%,90个压力信号频率的包络值大于噪声真实值;10个包络值小于真实值的频率中,9个的频率估计噪声频谱与真实值的比例大于70%,包络值能很好的反映噪声在压力信号的影响幅度。
进一步地,在本申请中如果针对只存在高斯噪声时的频谱进行包络估计的情况下,同样以100个压力信号频率为例,在100个压力信号频率,只进行解析包络后84个实际频谱小于包络值,16个频率大于包络值,比例约为84%;如果进行解析包络和一次极值包络,93个频率的包络值大于噪声真实值,包络比例约为93%,也就是说,虽然有些频率包络值小于真实值,但是几乎都大于真实值的60%,与真实值具有相同尺度,所以在这些频点的包络值仍然能够表征噪声的最大影响幅值。在此基础上,在本申请中针对同一信号分别加入50组不同的随机噪声,应用包络算法估计,对其在压力信号频率位置包络比例情况进行了统计。在本申请实施例的可选实施方式中,在步骤106中涉及到的将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常的方式之后,本申请实施例的方法还可以包括:
步骤108,在第一目标模型使用时长超过第一预设时长的情况下,更新训练集;
步骤110,基于更新后的训练集对第一目标模型进行训练,得到第二目标模型。
通过上述步骤108至步骤110,在第一目标模型的使用时间达到设定值时,会启动自动训练更新模型,此更新流程是为了能够应对冲压生产过程中遇到数据漂移情况,降低误报警提高监测准确率。数据漂移是指生产过程因温度变化、模具磨损等情况导致采集数据在合理范围内的变化。需要说明的是,上述第一预设时长可以根据实际情况进行相应的设置。
在本申请实施例的可选实施方式中,在步骤106中涉及到的将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常的方式之后,本申请实施例的方法还可以包括:
步骤112,在第一目标模型停止使用后再次启动使用之后,比较第一目标模型的停止使用时长与第二预设时长;
步骤114,在停止使用时长大于或等于第二预设时长的情况下,更新训练集;
步骤116,基于更新后的训练集对第一目标模型进行训练,得到第三目标模型;
步骤118,在停止使用时长小于第二预设时长的情况下,启用第一目标模型。
需要说明的是,本申请中的第二预设时长可以根据实际情况进行相应的设置。进一步地,通过上述步骤112至步骤118,在停止使用后可以重启监测流程,如果是停止使用过长则可以重新训练模型,以防止停止时间过长导致模型失效以至于监测准确率降低,如果是停止时长不长则可以继续使用之前的模型。
在本申请实施例中的步骤106中涉及到的将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常的方式,进一步可以包括:
步骤21,在当前评估值大于或等于预设阈值的情况下,确定冲压件存在异常;
步骤22,在当前评估值小于预设阈值的情况下,确定冲压件正常。
在本申请实施例中的解析包络+极值包络的方式,能够获取噪声在压力信号频率的上界值,利用该上界估计值可以计算压力信号频率位置的噪声评估值,根据该评估值可筛选信号中符合规范的有效频率成分,评估值的计算公式为:
其中,Vf为噪声在有效频率位置的影响最大值(经过解析包括和极值包括后的结果),Sf为在有效频率的总频谱值,Kf为噪声评估值。
在具体示例中可以设定噪声评估值为5%,小于该评估值为合格数据。
对应于上述图1中的方法步骤,本申请实施例还提供了一种冲压件的异常检测装置,如图3所示,该装置包括:
第一获取模块32,用于获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;
第一处理模块34,用于将当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,第一目标模型基于训练集对初始模型进行训练得到,训练集包括:历史压力信号频谱,以及根据历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;历史评估值为历史包络值与噪声信号对应的有效频率的频谱值的比较结果;
检测模块36,用于将当前评估值与预设阈值进行比较,并基于比较结果检测冲压件是否存在异常。
通过本申请实施例的装置,可以在采集到冲压件压力信息对应的当前压力信号频谱,进而将当前压力信号频谱输入到已训练好的第一目标模型中,输出与当前压力信号频谱对应的评估值,进而根据评估值与预设阈值进行比较以确定冲压件是否存在异常;也就是说,在本申请中可以根据采集到的数据和训练好的模型实时对冲压件的当前状态进行监测,不仅提升了监测效率而且还降低了误判率,从而解决了现有技术中通过人为的方式对冲压件是否存在异常进行判断导致,异常监测效率较低的问题。
可选地,本申请实施例中的装置还可以包括:第二获取模块,用于在将当前压力信号频谱输入目标模型中,输出当前评估值之前,获取历史压力信号频谱;第二处理模块,用于对历史压力信号频谱中的噪声信号进行解析包络处理,得到第一包络值;第三处理模块,用于对第一包络值进行极值包络处理,得到第二包络值;其中,第二包络值为历史包络值;确定模块,用于将第二包络值与噪声信号对应的有效频率的频谱值的比较结果确定为历史评估值。
可选地,本申请实施例中的装置还可以包括:第一更新模块,用于在将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常之后,在第一目标模型使用时长超过第一预设时长的情况下,更新训练集;第一训练模块,用于基于更新后的训练集对第一目标模型进行训练,得到第二目标模型。
可选地,本申请实施例中的装置还可以包括:比较模块,用于在将当前评估值与预设阈值进行比较,并基于比较结果确定冲压件是否存在异常之后,在第一目标模型停止使用后再次启动使用之后,比较第一目标模型的停止使用时长与第二预设时长;第二更新模块,用于在停止使用时长大于或等于第二预设时长的情况下,更新训练集;第二训练模块,用于基于更新后的训练集对第一目标模型进行训练,得到第三目标模型;启用模块,用于在停止使用时长小于第二预设时长的情况下,启用第一目标模型。
可选地,本申请实施例中的检测模块还可以包括:第一确定单元,用于在当前评估值大于或等于预设阈值的情况下,确定冲压件存在异常;第二确定单元,用于在当前评估值小于预设阈值的情况下,确定冲压件正常。
如图4所示,本申请实施例提供了一种递单子设备,包括处理器111、通信接口112、存储器113和通信总线114,其中,处理器111,通信接口112,存储器113通过通信总线114完成相互间的通信,
存储器113,用于存放计算机程序;
在本申请一个实施例中,处理器111,用于执行存储器113上所存放的程序时,实现前述任意一个方法实施例提供的冲压件的异常检测方法,起作用也是类似的,在此不再赘述。
本申请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如前述任意一个方法实施例提供的冲压件的异常检测方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种冲压件的异常检测方法,其特征在于,包括:
获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;
将所述当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,所述第一目标模型基于训练集对初始模型进行训练得到,所述训练集包括:历史压力信号频谱,以及根据所述历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;所述历史评估值为所述历史包络值与噪声信号对应的有效频率的频谱值的比较结果;
将所述当前评估值与预设阈值进行比较,并基于比较结果检测所述冲压件是否存在异常。
2.根据权利要求1所述的方法,其特征在于,在将所述当前压力信号频谱输入目标模型中,输出当前评估值之前,所述方法还包括:
获取所述历史压力信号频谱;
对所述历史压力信号频谱中的噪声信号进行解析包络处理,得到第一包络值;
对所述第一包络值进行极值包络处理,得到第二包络值;其中,所述第二包络值为所述历史包络值;
将所述第二包络值与所述噪声信号对应的有效频率的频谱值的比较结果确定为所述历史评估值。
3.根据权利要求1所述的方法,其特征在于,在将所述当前评估值与预设阈值进行比较,并基于比较结果确定所述冲压件是否存在异常之后,所述方法还包括:
在所述第一目标模型使用时长超过第一预设时长的情况下,更新所述训练集;
基于更新后的所述训练集对所述第一目标模型进行训练,得到第二目标模型。
4.根据权利要求3所述的方法,其特征在于,在将所述当前评估值与预设阈值进行比较,并基于比较结果确定所述冲压件是否存在异常之后,所述方法还包括:
在所述第一目标模型停止使用后再次启动使用之后,比较所述第一目标模型的停止使用时长与第二预设时长;
在所述停止使用时长大于或等于所述第二预设时长的情况下,更新所述训练集;
基于更新后的所述训练集对所述第一目标模型进行训练,得到第三目标模型;
在所述停止使用时长小于所述第二预设时长的情况下,启用所述第一目标模型。
5.根据权利要求1所述的方法,其特征在于,所述将所述当前评估值与预设阈值进行比较,并基于比较结果检测所述冲压件是否存在异常包括:
在所述当前评估值大于或等于所述预设阈值的情况下,确定所述冲压件存在异常;
在所述当前评估值小于所述预设阈值的情况下,确定所述冲压件正常。
6.一种冲压件的异常检测装置,其特征在于,包括:
第一获取模块,用于获取由压力感知设备对冲压件进行压力信息采集得到对应的当前压力信号频谱;
第一处理模块,用于将所述当前压力信号频谱输入第一目标模型中,输出当前评估值;其中,所述第一目标模型基于训练集对初始模型进行训练得到,所述训练集包括:历史压力信号频谱,以及根据所述历史压力信号频谱中的噪声进行解析包络和极值包络处理后得到的历史包络值,历史评估值;所述历史评估值为所述历史包络值与噪声信号对应的有效频率的频谱值的比较结果;
检测模块,用于将所述当前评估值与预设阈值进行比较,并基于比较结果检测所述冲压件是否存在异常。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于在将所述当前压力信号频谱输入目标模型中,输出当前评估值之前,获取所述历史压力信号频谱;
第二处理模块,用于对所述历史压力信号频谱中的噪声信号进行解析包络处理,得到第一包络值;
第三处理模块,用于对所述第一包络值进行极值包络处理,得到第二包络值;其中,所述第二包络值为所述历史包络值;
确定模块,用于将所述第二包络值与所述噪声信号对应的有效频率的频谱值的比较结果确定为所述历史评估值。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第一更新模块,用于在将所述当前评估值与预设阈值进行比较,并基于比较结果确定所述冲压件是否存在异常之后,在所述第一目标模型使用时长超过第一预设时长的情况下,更新所述训练集;
第一训练模块,用于基于更新后的所述训练集对所述第一目标模型进行训练,得到第二目标模型。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
比较模块,用于在将所述当前评估值与预设阈值进行比较,并基于比较结果确定所述冲压件是否存在异常之后,在所述第一目标模型停止使用后再次启动使用之后,比较所述第一目标模型的停止使用时长与第二预设时长;
第二更新模块,用于在所述停止使用时长大于或等于所述第二预设时长的情况下,更新所述训练集;
第二训练模块,用于基于更新后的所述训练集对所述第一目标模型进行训练,得到第三目标模型;
启用模块,用于在所述停止使用时长小于所述第二预设时长的情况下,启用所述第一目标模型。
10.根据权利要求6所述的装置,其特征在于,所述检测模块包括:
第一确定单元,用于在所述当前评估值大于或等于所述预设阈值的情况下,确定所述冲压件存在异常;
第二确定单元,用于在所述当前评估值小于所述预设阈值的情况下,确定所述冲压件正常。
11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5中任一项的方法步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210961347.7A CN115041544A (zh) | 2022-08-11 | 2022-08-11 | 冲压件的异常检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210961347.7A CN115041544A (zh) | 2022-08-11 | 2022-08-11 | 冲压件的异常检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115041544A true CN115041544A (zh) | 2022-09-13 |
Family
ID=83168193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210961347.7A Pending CN115041544A (zh) | 2022-08-11 | 2022-08-11 | 冲压件的异常检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115041544A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688493A (zh) * | 2023-01-03 | 2023-02-03 | 深圳市信润富联数字科技有限公司 | 冲压异常监测方法、装置、电子设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106771590A (zh) * | 2017-01-12 | 2017-05-31 | 中南大学 | 一种有源周期信号中有效信息提取的方法及装置 |
US20190171187A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
CN110059738A (zh) * | 2019-04-11 | 2019-07-26 | 清华大学深圳研究生院 | 一种压铸件质量的预警方法和系统 |
CN110533654A (zh) * | 2019-08-30 | 2019-12-03 | 北京明略软件系统有限公司 | 零部件的异常检测方法及装置 |
CN111272412A (zh) * | 2020-03-23 | 2020-06-12 | 北京昊鹏智能技术有限公司 | 电控气动设备的故障检测方法、装置、设备和存储介质 |
CN111860858A (zh) * | 2020-04-15 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种模型更新参数的确定方法、确定装置及可读存储介质 |
CN112258801A (zh) * | 2020-09-21 | 2021-01-22 | 蚌埠隆华压铸机有限公司 | 一种压铸机自动检测故障装置 |
CN113033695A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 一种电子器件故障的预测方法 |
CN114357435A (zh) * | 2020-09-30 | 2022-04-15 | 中移(苏州)软件技术有限公司 | 一种异常检测方法、装置及计算机存储介质 |
CN114713522A (zh) * | 2022-06-06 | 2022-07-08 | 裕钦精密拉深技术(苏州)有限公司 | 一种冲压件检测系统 |
-
2022
- 2022-08-11 CN CN202210961347.7A patent/CN115041544A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190171187A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
CN106771590A (zh) * | 2017-01-12 | 2017-05-31 | 中南大学 | 一种有源周期信号中有效信息提取的方法及装置 |
CN110059738A (zh) * | 2019-04-11 | 2019-07-26 | 清华大学深圳研究生院 | 一种压铸件质量的预警方法和系统 |
CN110533654A (zh) * | 2019-08-30 | 2019-12-03 | 北京明略软件系统有限公司 | 零部件的异常检测方法及装置 |
CN111272412A (zh) * | 2020-03-23 | 2020-06-12 | 北京昊鹏智能技术有限公司 | 电控气动设备的故障检测方法、装置、设备和存储介质 |
CN111860858A (zh) * | 2020-04-15 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种模型更新参数的确定方法、确定装置及可读存储介质 |
CN112258801A (zh) * | 2020-09-21 | 2021-01-22 | 蚌埠隆华压铸机有限公司 | 一种压铸机自动检测故障装置 |
CN114357435A (zh) * | 2020-09-30 | 2022-04-15 | 中移(苏州)软件技术有限公司 | 一种异常检测方法、装置及计算机存储介质 |
CN113033695A (zh) * | 2021-04-12 | 2021-06-25 | 北京信息科技大学 | 一种电子器件故障的预测方法 |
CN114713522A (zh) * | 2022-06-06 | 2022-07-08 | 裕钦精密拉深技术(苏州)有限公司 | 一种冲压件检测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688493A (zh) * | 2023-01-03 | 2023-02-03 | 深圳市信润富联数字科技有限公司 | 冲压异常监测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109213654B (zh) | 一种异常检测方法及装置 | |
CN112232447B (zh) | 一种电力设备状态监测数据的完整样本集的构建方法 | |
CN104280526B (zh) | 水质自动在线监测设备测量误差的分析和估计方法 | |
CN110687896A (zh) | 故障诊断方法、装置、设备及可读介质 | |
CN105718715A (zh) | 异常检测方法和设备 | |
CN110083803B (zh) | 基于时间序列arima模型取水异常检测方法与系统 | |
CN112414694B (zh) | 基于多元状态估计技术的设备多级异常状态识别方法及装置 | |
CN113657221B (zh) | 一种基于智能感知技术的电厂设备状态监测方法 | |
CN110287827B (zh) | 一种基于数据关联性的桥梁应变数据异常值识别方法 | |
CN115041544A (zh) | 冲压件的异常检测方法、装置及存储介质 | |
CN116992393A (zh) | 一种基于工业物联网的安全生产监测方法 | |
CN114417699A (zh) | 泵阀故障检测方法 | |
CN112213687B (zh) | 基于伪异常点辨识的关口电能表数据异常检测方法及系统 | |
CN113568960A (zh) | 物联网数据实时分析方法、系统及计算机可读存储介质 | |
CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
CN114689208A (zh) | 异常温度检测装置、异常温度检测方法以及异常温度检测程序 | |
CN117807551B (zh) | 基于智能戒指的心率异常捕获方法及系统 | |
CN109087490B (zh) | 一种基于报警持续时间特征的干扰报警识别方法 | |
CN117556364A (zh) | 一种矿用矿压安全智能监测系统 | |
RU121944U1 (ru) | Автоматизированная система выявления неисправных датчиков среди датчиков, предназначенных для контроля технологических процессов | |
CN111582340B (zh) | 一种煤场监测方法、装置、设备及计算机可读存储介质 | |
CN112949816A (zh) | 一种基于ann的静力水准仪异常数据识别方法及系统 | |
CN115754821A (zh) | 基于振动声纹相关性的换流变机械失稳诊断方法和装置 | |
CN115392380A (zh) | 一种识别局放在线监测异常数据的方法、装置及存储介质 | |
CN111915858B (zh) | 一种融合模拟量与数字量相关信息的报警方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220913 |
|
RJ01 | Rejection of invention patent application after publication |