CN117808411A - 一种航空传感器精益分析装置及方法 - Google Patents
一种航空传感器精益分析装置及方法 Download PDFInfo
- Publication number
- CN117808411A CN117808411A CN202311615223.4A CN202311615223A CN117808411A CN 117808411 A CN117808411 A CN 117808411A CN 202311615223 A CN202311615223 A CN 202311615223A CN 117808411 A CN117808411 A CN 117808411A
- Authority
- CN
- China
- Prior art keywords
- sensor
- aviation
- aviation sensor
- data
- subsystem
- 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 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000012800 visualization Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000007547 defect Effects 0.000 claims description 47
- 238000003466 welding Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 37
- 230000035945 sensitivity Effects 0.000 claims description 36
- 230000003068 static effect Effects 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 22
- 238000013178 mathematical model Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 18
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000005303 weighing Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000011088 calibration curve Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 description 7
- 239000003292 glue Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Landscapes
- General Factory Administration (AREA)
Abstract
本发明提供了一种航空传感器精益分析装置及方法,属于涉及精益生产管理技术领域。该装置包括:工控机,用于对生产过程中使用的机器设备、生产流程和数据参数进行监测与控制;采样子系统,用于采集航空传感器生产线车间布设的工控机数据,以及将设备故障信息发送至告警子系统;检测子系统,用于将不合格的产品信息发送至告警子系统;摆渡子系统,用于隔离工控网和内网;告警子系统,用于接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警;服务器集群,用于对工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析;可视化子系统,用于显示数据分析结果。本发明实现了全流程质量控制,提高了生产效率和产品质量。
Description
技术领域
本发明属于涉及精益生产管理技术领域,尤其涉及一种航空传感器精益分析装置及方法。
背景技术
精益数据分析是对生产流程的时间数据的衡量,是面向一线操作工人的数据观。通过对生产数据进行精益分析,辅助生产过程实现精益化的生产管理。但是,现有技术通常只涉及传统产品的生产方法,对于航空传感器这种高精度电子设备,往往需要通过人工流程进行检测,没有将检测步骤与生产制造结合。
现有技术公开了一种生产线精益分析装置及方法,该装置包括:顺次电连接的数据采集单元、信号接收和发送单元、服务器。但是,现有技术中生产制造不涉及检测,其采集数据主要是生产数据,对于电子设备这种产品,尤其是高精度航空传感器,需要采集环境试验数据,现有技术都不涉及。另外,现有精益制造分析装置及方法没有充分利用生产制造过程中的图像数据。
航空传感器作为一种高可靠性要求的产品,有极高的良率检测要求,还有环境试验检测要求,传统方法中,生产制造和检测分开,而且检测往往采用人工方式,不仅劳动强度大且效率低,此外,航空传感器工序复杂,环境试验难,报错后通常人工归零,人工排查问题的时间周期长,并且准确率低,同时,无法对产品缺陷定位和全流程质量控制。
发明内容
针对现有技术中的上述不足,本发明提供的一种航空传感器精益分析装置及方法,实现航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
为了达到以上目的,本发明采用的技术方案为:一种航空传感器精益分析装置,包括:
工控机,用于对生产过程中使用的机器设备、生产流程和数据参数进行监测与控制;
采样子系统,用于采集航空传感器生产线车间布设的工控机数据,若设备故障,则将设备故障信息发送至告警子系统;
检测子系统,用于对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统;
摆渡子系统,用于隔离工控网和内网;
告警子系统,用于接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
服务器集群,用于对工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析;
可视化子系统,用于显示服务器集群的数据分析结果,以对航空传感器产线实时监测和产品全流程追溯。
本发明的有益效果是:本发明通过对采集获取的工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析,以及将不设备故障和不合同的产品信息进行告警,并将结果通过可视化显示,以实现航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
进一步地,所述服务器集群包括:
第一处理单元,用于利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
第二处理单元,用于根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
第三处理单元,用于利用数据标准化处理方法,将经第二处理单元处理得到的数据转换成适用于数据挖掘的形式;
第四处理单元,用于根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
第五处理单元,用于根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷。
上述进一步方案的有益效果是:服务器集群解决了航空传感器产线数据收集和传输问题;还通过对工控机数据、设备故障信息以及不合格的产品信息进行分析应用,提高生产效率和产品质量。
本发明提供了一种航空传感器精益分析装置的航空传感器精益分析方法,包括以下步骤:
S1、利用工控机对生产过程进行监测与控制;
S2、利用采集子系统实时采集航空传感器生产线车间布设的工控机数据,并将采集的工控机数据通过摆渡子系统传输至服务器集群,若设备故障,则将设备故障信息发送至告警子系统;
S3、利用检测子系统,对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统;
S4、由告警子系统接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
S5、由服务器集群接收工控机数据、设备故障信息以及不合格的产品信息,并对其进行预处理和分析;
S6、将步骤S5的处理结果,利用可视化子系统进行显示,完成对航空传感器的精益分析。
本发明的有益效果是:本发明通过对采集获取的工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析,以及将不设备故障和不合同的产品信息进行告警,并将结果通过可视化显示,以实现航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
进一步地,所述步骤S3包括以下步骤:
S301、利用工业相机、称重仪、高低温箱和电性能测试仪,对产品外观、产品重量、环境适应性以及电气进行检测;
S302、根据检测结果,若产品外观与预设标准不一致,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S303、根据检测结果,若产品重量超过预设的范围,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S304、根据检测结果,若未通过环境适应性检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S305、根据检测结果,若未通过电气检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统。
上述进一步方案的有益效果是:将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
再进一步地,所述步骤S5包括以下步骤:
S501、利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
S502、根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
S503、利用数据标准化处理方法,将经步骤S502处理得到的数据转换成适用于数据挖掘的形式;
S504、根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
S505、根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷。
上述进一步方案的有益效果是:通过静态数学模型和图像数据筛选,完成航空传感器的灵敏度、线性度以及焊接工艺加工缺陷的检测,减轻了人工负担,提高了生产效率。
再进一步地,所述步骤S504中静态数学模型的表达式如下:
y=0.03998+0.01389*x
其中,y表示输入的压力信号,x表示传感器输出的电压值。
上述进一步方案的有益效果是:通过最小二乘法拟合直线得到压力传感器的静态数学模型,此模型用于航空传感器的静态参数估算(满量程输出、零位、灵敏度和线性度)。
再进一步地,所述步骤S505包括以下步骤:
S5051、根据静态数学模型,获取目标航空传感器的满量程输出、零位、灵敏度和线性度;
S5052、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格,以预测航空传感器的灵敏度和线性度;同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分析焊接工艺是否存在加工缺陷。
再进一步地,所述步骤S5051中目标航空传感器的满量程输出、零位、灵敏度和线性度的表达式分别如下:
当压力为0时,目标航空传感器的满量程输出的表达式如下:
YF,S=Ymax-Ymin
其中,YF,S表示目标航空传感器的满量程输出,Ymax表示航空传感器工作特性所决定的最大输出值,Ymin表示航空传感器工作特性所决定的最小输出值;
目标航空传感器的零位的表达式如下:
S0=Y(0)
其中,S0表示目标航空传感器的零位,Y(0)表示压力为0时航空传感器输出的电压值;
目标航空传感器的灵敏度的表达式如下:
其中,Kn表示目标航空传感器的灵敏度,Δy表示目标航空传感器输出量的变化值,Δx表示目标航空传感器输入量的变化值;
目标航空传感器的线性度的表达式如下:
其中,δL表示目标航空传感器的线性度,ΔYmax表示校准曲线与拟合直线间的最大偏差。
再进一步地,所述步骤S5052包括以下步骤:
S50521、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格;
S50522、根据对比结果,对合格的目标航空传感器信息进行划分;
S50523、根据划分得到的训练集和测试集,对XGBoost模型进行训练和测试,并利用训练后的XGBoost模型预测航空传感器的灵敏度和线性度,同时选择均方误差作为预测的评价指标;
S50224、同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,并利用焊接缺陷人工分类标准对图像数据进行筛选,筛选出存疑样本和重分类存疑样本;
S50225、根据筛选后的图像数据,分析焊接工艺是否存在加工缺陷。
再进一步地,所述步骤S50523中均方误差MSE的表达式如下:
其中,n表示训练集中的样本数,i表示训练集中的第i个样本,yk表示XGBoost模型对第k个训练样本的预测值,表示第k个训练样本的实际值。
上述进一步方案的有益效果是:均方误差MSE用于评价数据的变化程度,均方误差MSE的值越小,说明XGBboost预测模型描述实验数据具有更好的精确度。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
如图1所示,本发明提供了一种航空传感器精益分析装置,包括:
工控机,用于对生产过程中使用的机器设备、生产流程和数据参数进行监测与控制;
采样子系统,用于采集航空传感器生产线车间布设的工控机数据,若设备故障,则将设备故障信息发送至告警子系统;
检测子系统,用于对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统;
摆渡子系统,用于隔离工控网和内网;
告警子系统,用于接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
服务器集群,用于对工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析;
可视化子系统,用于显示服务器集群的数据分析结果,以对航空传感器产线实时监测和产品全流程追溯。
本实施例中,服务器集群包括:
第一处理单元,用于利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
第二处理单元,用于根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
第三处理单元,用于利用数据标准化处理方法,将经第二处理单元处理得到的数据转换成适用于数据挖掘的形式;
第四处理单元,用于根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
第五处理单元,用于根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷。
本实施例中,工控机,其装置包括:自动绕线机和自动焊接设备,用于对生产过程中使用的机器设备、生产流程、数据参数等进行监测与控制;采集子系统,其装置包括:图像采集设备和工控机传感器,用于采集传感器产线的生产数据;摆渡子系统,其装置包括;数据摆渡机,用于实现工控网和内网的隔离;服务器集群,用于对工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析;可视化子系统,其装置包括:显示设备,用于显示服务器集群的数据分析结果,实现产线实时监测和产品全流程追溯;告警子每亩,用于设备出现故障时,对产线进行告警;检测子系统,其装置包括:机器视觉检测设备、称重设备、环境试验设备和电性能测试仪,用于实现产品外观检测、产品重量检测、环境适应性检测和电气检测。
本实施例中,服务器集群获取分析主题,本实施例中用于获取航空传感器特性数据;在已获取航空传感器数据中抽取一定比例样本进行分类,用于后续数据建模,在本实施例中,对传感器特性指标分类,如特性超过一定范围则判定为不合格;并根据实际满量程输出、零位、灵敏度和线性度分析确定目标传感器是否合格,若静态特性技术指标超过特定范围,则判断目标传感器不合格。
相比于现有技术,本发明增加了检测子系统,实现了航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
本发明通过对采集获取的工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析,以及将设备故障和不合格的产品信息进行告警,并将结果通过可视化显示,以实现航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
实施例2
如图2所示,本发明提供了一种实施例1所述的航空传感器精益分析装置的航空传感器精益分析方法,其实现方法如下:
S1、利用工控机对生产过程进行监测与控制;
本实施例中,通过工控机对生产过程中使用的机器设备、生产流程、数据参数等进行监测与控制,工控机数据包括:工作状态数据、工作参数数据和工件外观、焊接和装配过程中的图像数据。
S2、利用采集子系统实时采集航空传感器生产线车间布设的工控机数据,并将采集的工控机数据通过摆渡子系统传输至服务器集群,若设备故障,则将设备故障信息发送至告警子系统;
S3、利用检测子系统,对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统,其实现方法如下:
S301、利用工业相机、称重仪、高低温箱和电性能测试仪,对产品外观、产品重量、环境适应性以及电气进行检测;
S302、根据检测结果,若产品外观与预设标准不一致,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S303、根据检测结果,若产品重量超过预设的范围,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S304、根据检测结果,若未通过环境适应性检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S305、根据检测结果,若未通过电气检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统。
本实施例中,检测子系统使用工业相机、称重仪、高低温箱和电性能测试仪用于产品外观检测、产品重量检测、环境适应性检测和电气检测;若产品外观与标准不一致则判定不合格,产品重量超过特定范围则判断为不合格,未通过环境适应性检测则判断为不合格,未通过电气检测则判断为不合格,将不合格产品信息发送到告警子系统。
S4、由告警子系统接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
S5、由服务器集群接收工控机数据、设备故障信息以及不合格的产品信息,并对其进行预处理和分析,其实现方法如下:
S501、利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
S502、根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
S503、利用数据标准化处理方法,将经步骤S502处理得到的数据转换成适用于数据挖掘的形式;
S504、根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
S505、根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷,其实现方法如下:
S5051、根据静态数学模型,获取目标航空传感器的满量程输出、零位、灵敏度和线性度;
S5052、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格,以预测航空传感器的灵敏度和线性度;同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分析焊接工艺是否存在加工缺陷,其实现方法如下:
S50521、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格;
S50522、根据对比结果,对合格的目标航空传感器信息进行划分;
S50523、根据划分得到的训练集和测试集,对XGBoost模型进行训练和测试,并利用训练后的XGBoost模型预测航空传感器的灵敏度和线性度,同时选择均方误差作为预测的评价指标;
S50224、同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,并利用焊接缺陷人工分类标准对图像数据进行筛选,筛选出存疑样本和重分类存疑样本;
S50225、根据筛选后的图像数据,分析焊接工艺是否存在加工缺陷。
本实施例中,服务器集群获取并存储采集子系统处理后的工作状态数据、工作参数数据和图像数据,以及告警子系处理后的告警信息。
本实施例中,传感器采集数据,具体地,先根据分析指标,对数据预处理,采用统计量的方法填充缺失值,比如均值、众数、中位数,在本实施例中采用中位数填充缺失值,通过四分位数识别数据中的异常值。具体而言,四分位法需要计算处在数据集1/4和3/4位置的数据,1/4分位数作为Q1,3/4分位数作为Q3,四分位距IQR=Q3-Q1,正常数据的范围为[Q1-1.5*IQR,Q3+1.5*IQR],若不在此范围内则判定为异常数据,抛弃异常数据;同时通过工业相机采集数据,建立人工分类标准,筛选存疑样本和重分类存疑样本。
本实施例中,传感器采集数据,运用最小二乘法拟合直线推导出传感器的静态数学模型,根据静态模型可得传感器的静态特性参数估算,包括实际满量程值、零位、灵敏度和线性度。
本实施例中,采用最小拟合二乘线性度的拟合方法,设拟合后的直线方程为y=kx+b,y是输入量,指施加的压力信号,x为测试出的量,指传感器的输出电压值,k和b分别是直线的斜率和截距;得出静态模型y=0.03998+0.01389*x。
根据静态模型就能得到:
当压力为0时,目标航空传感器的满量程输出的表达式如下:
YF,S=Ymax-Ymin
其中,YF,S表示目标航空传感器的满量程输出,Ymax表示航空传感器工作特性所决定的最大输出值,Ymin表示航空传感器工作特性所决定的最小输出值;
目标航空传感器的零位的表达式如下:
S0=Y(0)
其中,S0表示目标航空传感器的零位,Y(0)表示压力为0时航空传感器输出的电压值;
目标航空传感器的灵敏度的表达式如下:
其中,Kn表示目标航空传感器的灵敏度,Δy表示目标航空传感器输出量的变化值,Δx表示目标航空传感器输入量的变化值;
目标航空传感器的线性度的表达式如下:
其中,δL表示目标航空传感器的线性度,ΔYmax表示校准曲线与拟合直线间的最大偏差。
本实施例中,对比实际满量程输出、零位、灵敏度和线性度指标与传感器型号的标准,若超出范围判定不合格,最后将采集数据按照8:2划分为训练集和测试集,采用XGBoost预测传感器灵敏度和线性度,同时选择均方误差(MSE)作为评价指标,具体地:
其中,n表示训练集中的样本数,i表示训练集中的第i个样本,yk表示XGBoost模型对第k个训练样本的预测值,表示第k个训练样本的实际值,即第k个训练样本中的传感器的灵敏度或线性度。
在本实施例中,工业相机采集的图像数据,首先,利用人工分类单元建立焊接缺陷人工分类标准,具体地,缺陷分为虚焊、连焊、多胶、过焊、胶不足、开焊、多件等28种缺陷,随后筛选存疑样本和重分类存疑样本,紧接着将更新后的图像数据集按照7:3划分训练集和测试集,基于efficientnetv2图像处理方法,分析确定焊接工艺是否存在加工缺陷,利用人工分类焊接缺陷样本图像进行训练生成焊接缺陷判别模型,将焊接过程数据中的图形数据输入焊接缺陷判别模型中,焊接缺陷判别模型用于输出决策结果,确定焊接工艺是否存在焊接缺陷,准确率作为评估指标,通过增大efficientnetv2模型宽度、深度和图片的分辨率提高模型的准确率,最后获得缺陷判定结果。
其中,准确率具体表示为如表1所示:
表1
S6、将步骤S5的处理结果,利用可视化子系统进行显示,完成对航空传感器的精益分析。
本发明通过对采集获取的工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析,以及将不设备故障和不合同的产品信息进行告警,并将结果通过可视化显示,以实现航空传感器产线实时监测,将产品检测与缺陷定位结合到生产制造流程中,实现全流程质量控制,提高生产效率和产品质量。
Claims (10)
1.一种航空传感器精益分析装置,其特征在于,包括:
工控机,用于对生产过程中使用的机器设备、生产流程和数据参数进行监测与控制;
采样子系统,用于采集航空传感器生产线车间布设的工控机数据,若设备故障,则将设备故障信息发送至告警子系统;
检测子系统,用于对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统;
摆渡子系统,用于隔离工控网和内网;
告警子系统,用于接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
服务器集群,用于对工控机数据、设备故障信息以及不合格的产品信息进行预处理和分析;
可视化子系统,用于显示服务器集群的数据分析结果,以对航空传感器产线实时监测和产品全流程追溯。
2.根据权利要求1所述的航空传感器精益分析装置,其特征在于,所述服务器集群包括:
第一处理单元,用于利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
第二处理单元,用于根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
第三处理单元,用于利用数据标准化处理方法,将经第二处理单元处理得到的数据转换成适用于数据挖掘的形式;
第四处理单元,用于根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
第五处理单元,用于根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷。
3.一种执行权利要求1-2任一所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,包括以下步骤:
S1、利用工控机对生产过程进行监测与控制;
S2、利用采集子系统实时采集航空传感器生产线车间布设的工控机数据,并将采集的工控机数据通过摆渡子系统传输至服务器集群,若设备故障,则将设备故障信息发送至告警子系统;
S3、利用检测子系统,对设备、称重设备、环境试验设备和电性能测试仪进行检测,将不合格的产品信息发送至告警子系统;
S4、由告警子系统接收设备故障信息以及不合格的产品信息,对航空传感器产线进行告警,并通过摆渡子系统发送至服务器集群;
S5、由服务器集群接收工控机数据、设备故障信息以及不合格的产品信息,并对其进行预处理和分析;
S6、将步骤S5的处理结果,利用可视化子系统进行显示,完成对航空传感器的精益分析。
4.根据权利要求3所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S3包括以下步骤:
S301、利用工业相机、称重仪、高低温箱和电性能测试仪,对产品外观、产品重量、环境适应性以及电气进行检测;
S302、根据检测结果,若产品外观与预设标准不一致,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S303、根据检测结果,若产品重量超过预设的范围,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S304、根据检测结果,若未通过环境适应性检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统;
S305、根据检测结果,若未通过电气检测,则存在不合格的产品信息,并将不合格的产品信息发送至告警子系统。
5.根据权利要求3所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S5包括以下步骤:
S501、利用服务器集群接收工控机数据、设备故障信息以及不合格的产品信息;
S502、根据分析指标,对工控机数据、设备故障信息以及不合格的产品信息进行缺失值补充以及删除异常数据处理;
S503、利用数据标准化处理方法,将经步骤S502处理得到的数据转换成适用于数据挖掘的形式;
S504、根据数据转换结果,利用最小二乘法拟合直线推导航空传感器的静态数学模型;
S505、根据静态数学模型,得到目标航空传感器的静态特征参数估算,并同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分别得到航空传感器的灵敏度、线性度的预测结果以及焊接工艺是否存在加工缺陷。
6.根据权利要求5所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S504中静态数学模型的表达式如下:
y=0.03998+0.01389*x
其中,y表示输入的压力信号,x表示传感器输出的电压值。
7.根据权利要求5所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S505包括以下步骤:
S5051、根据静态数学模型,获取目标航空传感器的满量程输出、零位、灵敏度和线性度;
S5052、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格,以预测航空传感器的灵敏度和线性度;同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,筛选存疑样本和重分类存疑样本,分析焊接工艺是否存在加工缺陷。
8.根据权利要求5所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S5051中目标航空传感器的满量程输出、零位、灵敏度和线性度的表达式分别如下:
当压力为0时,目标航空传感器的满量程输出的表达式如下:
YF,S=Ymax-Ymin
其中,YF,S表示目标航空传感器的满量程输出,Ymax表示航空传感器工作特性所决定的最大输出值,Ymin表示航空传感器工作特性所决定的最小输出值;
目标航空传感器的零位的表达式如下:
S0=Y(0)
其中,S0表示目标航空传感器的零位,Y(0)表示压力为0时航空传感器输出的电压值;
目标航空传感器的灵敏度的表达式如下:
其中,Kn表示目标航空传感器的灵敏度,Δy表示目标航空传感器输出量的变化值,Δx表示目标航空传感器输入量的变化值;
目标航空传感器的线性度的表达式如下:
其中,δL表示目标航空传感器的线性度,ΔYmax表示校准曲线与拟合直线间的最大偏差。
9.根据权利要求5所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S5052包括以下步骤:
S50521、将步骤S5051获取的目标航空传感器信息与航空传感器实际的满量程输出、零位、灵敏度和线性度进行对比,若对比结果超出预设的范围,则判定目标航空传感器不合格;
S50522、根据对比结果,对合格的目标航空传感器信息进行划分;
S50523、根据划分得到的训练集和测试集,对XGBoost模型进行训练和测试,并利用训练后的XGBoost模型预测航空传感器的灵敏度和线性度,同时选择均方误差作为预测的评价指标;
S50224、同时通过工业相机采集的图像数据,构建焊接缺陷人工分类标准,并利用焊接缺陷人工分类标准对图像数据进行筛选,筛选出存疑样本和重分类存疑样本;
S50225、根据筛选后的图像数据,分析焊接工艺是否存在加工缺陷。
10.根据权利要求5所述的航空传感器精益分析装置的航空传感器精益分析方法,其特征在于,所述步骤S50523中均方误差MSE的表达式如下:
其中,n表示训练集中的样本数,i表示训练集中的第i个样本,yk表示XGBoost模型对第k个训练样本的预测值,表示第k个训练样本的实际值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615223.4A CN117808411A (zh) | 2023-11-28 | 2023-11-28 | 一种航空传感器精益分析装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615223.4A CN117808411A (zh) | 2023-11-28 | 2023-11-28 | 一种航空传感器精益分析装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808411A true CN117808411A (zh) | 2024-04-02 |
Family
ID=90428698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615223.4A Pending CN117808411A (zh) | 2023-11-28 | 2023-11-28 | 一种航空传感器精益分析装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808411A (zh) |
-
2023
- 2023-11-28 CN CN202311615223.4A patent/CN117808411A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109164381B (zh) | 一种高压断路器机械状态在线监测与故障辨识方法及装置 | |
CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
CN111798407B (zh) | 一种基于神经网络模型的带电设备故障诊断方法 | |
CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
CN106093838A (zh) | 关口电能表远程在线校验方法及系统 | |
CN110363339B (zh) | 一种基于电机参数进行预测性维护的方法与系统 | |
JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
CN117134503B (zh) | 一种大型电力供电装置的状态监测方法及系统 | |
CN117405176B (zh) | 一种大体积混凝土施工质量检测方法及系统 | |
CN116520236B (zh) | 一种智能电表的异常检测方法和系统 | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
CN114486889A (zh) | 一种复材壁板微小阵列孔通孔率检测系统及方法 | |
CN113344425A (zh) | 一种基于qar数据的飞行品质监控方法及系统 | |
CN114527078A (zh) | 基于全光谱水质分析仪的监测预警方法和系统 | |
JP6823025B2 (ja) | 検査装置及び機械学習方法 | |
CN116937818B (zh) | 对内部进行实时监控的高压直流配电柜监控系统 | |
CN113837591A (zh) | 一种面向多工况运行条件的装备健康评估方法 | |
CN117808411A (zh) | 一种航空传感器精益分析装置及方法 | |
CN111504927A (zh) | 用于食品检测的高效稳定的原子吸收光谱仪及其控制方法 | |
CN108775921A (zh) | 工业烟气在线连续监测装置 | |
CN113153262A (zh) | 一种基于电缆热特性的海上油田可接入容量评估方法 | |
CN117406027A (zh) | 一种配电网故障测距方法及其系统 | |
Yoon et al. | Improved modified pressure imaging and software for egg micro-crack detection and egg quality grading | |
CN112257017A (zh) | 标准化残差检验法一元线性逐点分析方法及系统和装置 | |
CN117889943B (zh) | 基于机器学习的气体超声波流量计检验方法及系统 |
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 |