CN117848588B - 一种机械平衡自适应测试方法 - Google Patents

一种机械平衡自适应测试方法 Download PDF

Info

Publication number
CN117848588B
CN117848588B CN202410256681.1A CN202410256681A CN117848588B CN 117848588 B CN117848588 B CN 117848588B CN 202410256681 A CN202410256681 A CN 202410256681A CN 117848588 B CN117848588 B CN 117848588B
Authority
CN
China
Prior art keywords
balance
image
self
adaptive
data
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
Application number
CN202410256681.1A
Other languages
English (en)
Other versions
CN117848588A (zh
Inventor
刘培德
高玉刚
綦佳国
邵星伟
刘哲
孟宪颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO TIANYI GROUP RED FLAG TEXTILE MACHINERY CO Ltd
Qingdao Tianyi Red Flag Soft Control Technology Co ltd
Original Assignee
QINGDAO TIANYI GROUP RED FLAG TEXTILE MACHINERY CO Ltd
Qingdao Tianyi Red Flag Soft Control Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by QINGDAO TIANYI GROUP RED FLAG TEXTILE MACHINERY CO Ltd, Qingdao Tianyi Red Flag Soft Control Technology Co ltd filed Critical QINGDAO TIANYI GROUP RED FLAG TEXTILE MACHINERY CO Ltd
Priority to CN202410256681.1A priority Critical patent/CN117848588B/zh
Publication of CN117848588A publication Critical patent/CN117848588A/zh
Application granted granted Critical
Publication of CN117848588B publication Critical patent/CN117848588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M1/00—Testing static or dynamic balance of machines or structures
    • G01M1/14—Determining imbalance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种机械平衡自适应测试方法，涉及平衡测试技术领域，包括：获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像；基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，并将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像；基于第一综合标记图像的图像结果确定当前分类的最优标记图像；将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试。通过对目标设备在不同平衡自适应调整时刻对应的图像进行分析，可以使得对机械平衡自适应结果测试更加准确，提高目标设备的工作效率。

Description

一种机械平衡自适应测试方法
技术领域
本发明涉及平衡测试技术领域，尤其涉及一种机械平衡自适应测试方法。
背景技术
近年来，随着互联网+被广泛应用于工业、服务等领域，各种机械自动化平台及机械自动化设备被广泛使用，在进行机械自动化处理过程中，对机械平衡进行平衡调整成为重点调整内容。
现有的机械平衡自动化调整一般采用模型数据库中模型对设备进行平衡调整。
然而，使用现有模型进行平衡调整会产生较大误差，同时整个过程耗时较长，对平衡自适应测试结果较慢，从而影响设备工作效率。
发明内容
本发明提供一种机械平衡自适应测试方法，用以通过对目标设备在不同平衡自适应调整时刻对应的图像进行分析，可以使得对机械平衡自适应结果测试更加准确，提高目标设备的工作效率。
本发明提供一种机械平衡自适应测试方法，包括：
步骤1：获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像；
步骤2：基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，并将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像；
步骤3：基于第一综合标记图像的图像结果确定当前分类的最优标记图像；
步骤4：将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试。
根据本发明提供的获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像，包括：
步骤11：基于目标设备的平衡自适应调整参考结果确定目标设备进行平衡自适应的结束时刻，并获取目标设备的平衡自适应开始时刻；
步骤12：根据开始时刻及结束时刻确定目标设备平衡自适应的第一时间差；
步骤13：根据目标设备的设备形态确定目标设备进行平衡调整的若干关键点作为标记点；
步骤14：根据第一时间差确定平衡调整获取周期，并在每一平衡调整获取周期中提取任一时刻的标记点位置数据作为当前平衡调整获取周期的第一平衡调整数据；
步骤15：将第一平衡调整数据按照三维空间移动方向分为第一数据、第二数据、第三数据；
步骤16：比较同一标记点在相邻平衡调整获取周期的第一数据、第二数据及第三数据；
若第一数据、第二数据、第三数据中出现与实时平衡调整趋势相反的平衡调整趋势，则将对应数据剔除，并同时剔除对应平衡调整获取周期的剩余三维移动数据；
同时，获取当前平衡调整获取周期除当前时刻外任一时刻的平衡调整数据作为当前平衡调整获取周期的第一数据、第二数据及第三数据，并重新进行数据比较，若仍出现与实时平衡调整趋势相反的平衡调整趋势，则将当前平衡调整获取周期的平衡调整数据剔除，并基于剩余平衡调整数据得到当前标记点在平衡自适应过程的第一平衡调整数据；
步骤17：基于比较结果将每一标记点在平衡调整获取周期得到的第一平衡调整数据按照时间顺序排序，并根据排序结果得到当前标记点的第一标记图像。
本发明提供的基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，包括：
步骤21：获取目标设备进行平衡自适应过程中的平衡调整范围，并对平衡调整范围进行拆分，得到每一子平衡范围的自适应平衡阈值；
步骤22：获取每一第一标记图像中的平衡调整最大差值，并将平衡调整最大差值与每一子平衡范围的自适应平衡阈值进行比较，从而对第一标记图像进行分类。
本发明提供的将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像，包括：
步骤01：将同一分类中的每一第一标记图像按照对应标记点在同一平衡调整获取周期的相对位置输入到同一坐标系中；
步骤02：将当前坐标系中的最小值对应第一标记图像及最大值对应第一标记图像剔除，从而基于剩余第一标记图像得到当前分类的第一综合标记图像。
本发明提供的基于第一综合标记图像的图像结果确定当前分类的最优标记图像，包括：
步骤31：将第一综合标记图像中每一第一标记图像的图像趋势进行比较，剔除图像趋势差异超过预设差异值的第一标记图像，得到第二综合标记图像；
步骤32：基于第二综合标记图像的每一第一标记图像进行第一排序，并根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像；
步骤33：将与第一基准标记图像相邻的两个第一标记图像按照影响权重对第一基准标记图像进行调整得到第二基准标记图像，并剔除相邻的第一标记图像；
步骤34：将与第二基准标记图像相邻的两个第一标记图像按照权重对第二基准标记图像进行调整，直至基于第二综合标记图像中每一第一标记图像得到当前分类的唯一标记图像，即为当前分类的最优标记图像。
本发明提供的根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像，包括：
比较第二综合标记图像中第一标记图像的数量；
若第二综合标记图像中第一标记图像的数量为奇数，则将第一排序结果中处于排序最中间的第一标记图像作为第一基准标记图像；
反之，则将第一排序结果中处于排序最中间的两个第一标记图像作为参考图像，并将两参考图像进行均值处理的，得到第一基准标记图像。
本发明提供的将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试，包括：
步骤41：将目标设备在机械平衡自适应过程的平衡调整数据对应的每一最优标记图像进行逐一测试；
步骤42：将每一最优标记图像的测试结果与标准平衡自适应结果进行比较，并基于比较结果确定当前最优标记图像对应标记点的机械平衡自适应精度；
步骤43：基于每一最优标记图像的机械平衡自适应精度综合确定目标设备在机械平衡自适应过程中的综合测试结果。
本发明提供的基于机械平衡自适应测试结果对目标设备的机械平衡自适应算法进行调整，包括：
步骤51：获取目标设备的第一机械平衡自适应算法及对应的第一平衡自适应精度；
步骤52：将机械平衡自适应测试结果与基于实时机械平衡自适应算法的标准平衡自适应测试结果进行比较，确定实时机械平衡自适应精度；
步骤53：将实时机械平衡自适应精度与第一平衡自适应精度进行比较；
若第一平衡自适应精度大于实时机械平衡自适应精度，则将第一平衡自适应精度对应的第一机械平衡自适应算法作为目标设备的最终机械平衡自适应算法；
反之，则将实时机械平衡自适应精度对第一平衡自适应精度进行优化，并对对应第一机械平衡自适应算法进行调整，得到目标设备的最终机械平衡自适应算法。
本发明提供的一种机械平衡自适应测试方法，通过对目标设备在不同平衡自适应调整时刻对应的图像进行分析，可以使得对机械平衡自适应结果测试更加准确，提高目标设备的工作效率。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种机械平衡自适应测试方法的流程图；
图2是本发明实施例提供的确定当前分类的最优标记图像的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
本发明实施例提供了一种机械平衡自适应测试方法，如图1所示，包括：
步骤1：获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像；
步骤2：基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，并将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像；
步骤3：基于第一综合标记图像的图像结果确定当前分类的最优标记图像；
步骤4：将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试。
该实施例中，标记点是指目标设备在机械平衡自适应过程中设备的每一关键点。
该实施例中，平衡调整数据是目标设备在进行机械平衡自适应过程中每一标记点的位置变化数据。
该实施例中，第一标记图像是根据同一标记点在不同调整时刻的平衡调整数据得到的。
该实施例中，自适应平衡阈值是指根据每一标记点的平衡调整数据的最大差值确定的。
该实施例中，第一综合标记图像是指将自适应平衡阈值在同一平衡调整范围内的第一标记图像输入同一坐标系后得到的综合标记图像，其中，第一综合标记图像包含若干第一标记图像，按照每一标记图像的调整时刻将不同第一标记图像输入到同一坐标系中得到第一综合标记图像。
该实施例中，最优标记图像是指对第一综合标记图像中的第一标记图像进行图像间的拟合处理得到的。
该实施例中，综合测试是对目标设备的不同最优标记图像进行平衡自适应测试后，基于所有平衡自适应测试结果确定的。
上述技术方案的有益效果是：通过对目标设备在不同平衡自适应调整时刻对应的图像进行分析，可以使得对机械平衡自适应结果测试更加准确，提高目标设备的工作效率。
实施例2：
基于实施例1的基础上，得到每一标记点的第一标记图像，包括：
步骤11：基于目标设备的平衡自适应调整参考结果确定目标设备进行平衡自适应的结束时刻，并获取目标设备的平衡自适应开始时刻；
步骤12：根据开始时刻及结束时刻确定目标设备平衡自适应的第一时间差；
步骤13：根据目标设备的设备形态确定目标设备进行平衡调整的若干关键点作为标记点；
步骤14：根据第一时间差确定平衡调整获取周期，并在每一平衡调整获取周期中提取任一时刻的标记点位置数据作为当前平衡调整获取周期的第一平衡调整数据；
步骤15：将第一平衡调整数据按照三维空间移动方向分为第一数据、第二数据、第三数据；
步骤16：比较同一标记点在相邻平衡调整获取周期的第一数据、第二数据及第三数据；
若第一数据、第二数据、第三数据中出现与实时平衡调整趋势相反的平衡调整趋势，则将对应数据剔除，并同时剔除对应平衡调整获取周期的剩余三维移动数据；
同时，获取当前平衡调整获取周期除当前时刻外任一时刻的平衡调整数据作为当前平衡调整获取周期的第一数据、第二数据及第三数据，并重新进行数据比较，若仍出现与实时平衡调整趋势相反的平衡调整趋势，则将当前平衡调整获取周期的平衡调整数据剔除，并基于剩余平衡调整数据得到当前标记点在平衡自适应过程的第一平衡调整数据；
步骤17：基于比较结果将每一标记点在平衡调整获取周期得到的第一平衡调整数据按照时间顺序排序，并根据排序结果得到当前标记点的第一标记图像。
该实施例中，平衡自适应调整参考结果是指目标设备的每一标记点进行平衡自适应调整后的预期位置数据。
该实施例中，第一时间差是指目标设备进行平衡自适应的结束时刻与开始时刻的时间差。
该实施例中，设备形态是指目标设备的外部设备形态，包括目标设备的边缘位置、变形位置等。
该实施例中，标记点是指目标设备在机械平衡自适应过程中设备的每一关键点。
该实施例中，平衡调整获取周期是指根据第一时间差确定的进行平衡调整数据提取的提取周期，比如，第一时间差为1min，则平衡调整周期可以为1s，其中，平衡调整获取周期随时间差变化而变化，且第一时间差中最少需要有50个以上平衡调整获取周期，以保证平衡自适应的结果的准确性。
该实施例中，第一平衡调整数据是指在每一平衡调整获取周期中提取当前平衡调整周期内任一时刻的标记点位置数据。
该实施例中，第一数据、第二数据、第三数据是指将第一平衡调整数据按照目标设备在三维空间的移动方向进行划分后得到的，比如，第一数据、第二数据、第三数据对应的方向为横向、纵向、竖向。
该实施例中，实时平衡调整趋势是指目标设备在不同三维移动方向上的平衡自适应调整趋势，比如，在横向上的实时平衡调整趋势为向坐标轴的上方移动，则向坐标轴下方移动为与实时平衡调整趋势不一致的方向，需要对对应第一平衡调整数据进行数据处理。
该实施例中，第一标记图像是根据同一标记点在不同调整时刻的平衡调整数据得到的。
上述技术方案的有益效果是：通过对目标设备在平衡自适应过程中不同调整时刻的数据进行分析，从而得到每一标记点更加准确的标记图像，可以使得对机械平衡自适应结果测试更加准确。
实施例3：
基于实施例2的基础上，基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，包括：
步骤21：获取目标设备进行平衡自适应过程中的平衡调整范围，并对平衡调整范围进行拆分，得到每一子平衡范围的自适应平衡阈值；
步骤22：获取每一第一标记图像中的平衡调整最大差值，并将平衡调整最大差值与每一子平衡范围的自适应平衡阈值进行比较，从而对第一标记图像进行分类。
该实施例中，平衡调整范围是指目标设备的每一标记点进行平衡自适应调整最大调整范围，比如，若平衡自适应过程为振动过程，则可以根据目标设备不同标记点的振幅确定平衡调整范围。
该实施例中，自适应平衡阈值是指将平衡调整范围进行平均拆分后，每一子平衡调整范围的最大值及最小值。
该实施例中，平衡调整最大差值是指每一第一标记图像中最大值与最小值的差值。
上述技术方案的有益效果是：通过自适应平衡阈值不同对第一标记图像进行分类，可以减少对图像分析的工作量，从而提高对机械平衡自适应结果测试的效率。
实施例4：
基于实施例3的基础上，将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像，包括：
步骤01：将同一分类中的每一第一标记图像按照对应标记点在同一平衡调整获取周期的相对位置输入到同一坐标系中；
步骤02：将当前坐标系中的最小值对应第一标记图像及最大值对应第一标记图像剔除，从而基于剩余第一标记图像得到当前分类的第一综合标记图像。
该实施例中，第一综合标记图像是指将第一标记图像按照平衡调整获取周期输入同一坐标系后，剔除最小值对应第一标记图像及最大值对应标记图像后得到的综合标记图像。
上述技术方案的有益效果是：通过对同一分类中不同第一标记图像进行处理，得到综合标记图像，可以减少对图像分析的工作量，提高对机械平衡自适应结果测试的效率。
实施例5：
基于实施例4的基础上，基于第一综合标记图像的图像结果确定当前分类的最优标记图像，如图2所示，包括：
步骤31：将第一综合标记图像中每一第一标记图像的图像趋势进行比较，剔除图像趋势差异超过预设差异值的第一标记图像，得到第二综合标记图像；
步骤32：基于第二综合标记图像的每一第一标记图像进行第一排序，并根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像；
步骤33：将与第一基准标记图像相邻的两个第一标记图像按照影响权重对第一基准标记图像进行调整得到第二基准标记图像，并剔除相邻的第一标记图像；
步骤34：将与第二基准标记图像相邻的两个第一标记图像按照权重对第二基准标记图像进行调整，直至基于第二综合标记图像中每一第一标记图像得到当前分类的唯一标记图像，即为当前分类的最优标记图像。
该实施例中，图像趋势是指每一标记图像的图像整体趋势，比如，图像的趋势是向上还是向下，是收敛还是线性等。
该实施例中，第二综合标记图像是指将第一综合标记图像中图像趋势与剩余第一标记图像的图像趋势不一致的第一标记图像剔除后，剩余第一标记图像构成的综合图像。
该实施例中，第一排序是指按照第二综合标记图像中每一第一标记图像的每一位置数据综合进行排序。
该实施例中，第一基准标记图像是指第一排序中处于排序结果最中间的第一标记图像。
该实施例中，第二基准标记图像是指将第一基准标记图像相邻的两个第一标记图像按照影响权重对第一基准标记图像进行调整后得到的，第二基准标记图像相邻的两个标记图像按照影响权重对第二基准标记图像进行调整后得到新的基准标记图像，直到第二综合标记图像中只有唯一一条标记图像，即为最优标记图像，对第二基准标记图像进行调整的第一标记图像的影响权重小于对第一基准标记图像进行调整的第一标记图像的影响权重。
该实施例中，最优标记图像是指对第二综合标记图像中的第一标记图像进行调整后得到的当前分类的最优标记图像。
上述技术方案的有益效果是：通过对综合标记图像中每一第一标记图像进行调整优化，从而得到当前综合标记图像中的最优标记图像，可以减少对图像分析的分析量，提高机械平衡自适应结果测试的效率。
实施例6：
基于实施例5的基础上，根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像，包括：
比较第二综合标记图像中第一标记图像的数量；
若第二综合标记图像中第一标记图像的数量为奇数，则将第一排序结果中处于排序最中间的第一标记图像作为第一基准标记图像；
反之，则将第一排序结果中处于排序最中间的两个第一标记图像作为参考图像，并将两参考图像进行均值处理的，得到第一基准标记图像。
该实施例中，参考图像是指当第二综合标记图像的第一标记图像数量为偶数时，第一排序结果中处于排序最中间的两个第一标记图像，将两参考图像中每一平衡调整数据进行平均处理后得到的新的第一标记图像即为第一基准标记图像。
上述技术方案的有益效果是：通过对基准标记图像的确定，从而可以基于剩余第一标记图像对基准标记图像进行调整优化，减少图像分析的工作量。
实施例7：
基于实施例5的基础上，将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试，包括：
步骤41：将目标设备在机械平衡自适应过程的平衡调整数据对应的每一最优标记图像进行逐一测试；
步骤42：将每一最优标记图像的测试结果与标准平衡自适应结果进行比较，并基于比较结果确定当前最优标记图像对应标记点的机械平衡自适应精度；
步骤43：基于每一最优标记图像的机械平衡自适应精度综合确定目标设备在机械平衡自适应过程中的综合测试结果。
该实施例中，测试是指对每一最优标记图像进行平衡自适应结果的测试。
该实施例中，机械平衡自适应精度是指当前最优标记图像的测试结果与标准平衡自适应测试结果进行比较后，确定的对应标记点的机械平衡自适应精度，比如，最优标记图像的测试结果为0.92，标准平衡自适应测试结果为1，则对应机械平衡自适应精度为92%。
该实施例中，综合测试结果是指将目标设备的标记点的最优标记图像的测试结果进行综合后得到的测试结果，比如，不同标记点的机械平衡自适应精度为92%，93%，92%，93%，则综合测试结果为92.5%。
上述技术方案的有益效果是：通过对最优标记图像进行平衡自适应测试，从而得到目标设备的平衡自适应测试结果，可以使得对目标设备的平衡自适应测试更加精准。
实施例8：
基于实施例7的基础上，基于机械平衡自适应测试结果对目标设备的机械平衡自适应算法进行调整，具体包括：
步骤51：获取目标设备的第一机械平衡自适应算法及对应的第一平衡自适应精度；
步骤52：将机械平衡自适应测试结果与基于实时机械平衡自适应算法的标准平衡自适应测试结果进行比较，确定实时机械平衡自适应精度；
步骤53：将实时机械平衡自适应精度与第一平衡自适应精度进行比较；
若第一平衡自适应精度大于实时机械平衡自适应精度，则将第一平衡自适应精度对应的第一机械平衡自适应算法作为目标设备的最终机械平衡自适应算法；
反之，则将实时机械平衡自适应精度对第一平衡自适应精度进行优化，并对对应第一机械平衡自适应算法进行调整，得到目标设备的最终机械平衡自适应算法。
该实施例中，第一平衡自适应精度是指目标设备在进行当前机械平衡自适应之前目标设备的平衡自适应精度，其中，第一平衡自适应精度是根据目标设备在历史平衡自适应调整过程的平衡自适应精度确定的。
该实施例中，实时机械平衡自适应精度是指目标设备在当前平衡自适应调整过程中的平衡自适应精度。
该实施例中，最终机械平衡自适应算法是指根据实时机械平衡自适应精度与第一平衡自适应精度的比较结果，对对应的第一机械平衡自适应算法进行调整后得到的机械平衡自适应算法。
上述技术方案的有益效果是：通过对目标设备的机械平衡自适应算法进行调整，可以使得机械平衡自适应算法更加符合目标设备的平衡自适应需求。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (2)

1.一种机械平衡自适应测试方法，其特征在于，包括：
步骤1：获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像；
步骤2：基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，并将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像；
步骤3：基于第一综合标记图像的图像结果确定当前分类的最优标记图像；
步骤4：将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试；
其中，获取目标设备在机械平衡自适应过程中每一标记点在不同调整时刻的平衡调整数据，从而得到每一标记点的第一标记图像，包括：
步骤11：基于目标设备的平衡自适应调整参考结果确定目标设备进行平衡自适应的结束时刻，并获取目标设备的平衡自适应开始时刻；
步骤12：根据开始时刻及结束时刻确定目标设备平衡自适应的第一时间差；
步骤13：根据目标设备的设备形态确定目标设备进行平衡调整的若干关键点作为标记点；
步骤14：根据第一时间差确定平衡调整获取周期，并在每一平衡调整获取周期中提取任一时刻的标记点位置数据作为当前平衡调整获取周期的第一平衡调整数据；
步骤15：将第一平衡调整数据按照三维空间移动方向分为第一数据、第二数据、第三数据；
步骤16：比较同一标记点在相邻平衡调整获取周期的第一数据、第二数据及第三数据；
若第一数据、第二数据、第三数据中出现与实时平衡调整趋势相反的平衡调整趋势，则将对应数据剔除，并同时剔除对应平衡调整获取周期的剩余三维移动数据；
同时，获取当前平衡调整获取周期除当前时刻外任一时刻的平衡调整数据作为当前平衡调整获取周期的第一数据、第二数据及第三数据，并重新进行数据比较，若仍出现与实时平衡调整趋势相反的平衡调整趋势，则将当前平衡调整获取周期的平衡调整数据剔除，并基于剩余平衡调整数据得到当前标记点在平衡自适应过程的第一平衡调整数据；
步骤17：基于比较结果将每一标记点在平衡调整获取周期得到的第一平衡调整数据按照时间顺序排序，并根据排序结果得到当前标记点的第一标记图像；
其中，基于自适应平衡阈值不同对不同标记点的第一标记图像进行分类，包括：
步骤21：获取目标设备进行平衡自适应过程中的平衡调整范围，并对平衡调整范围进行拆分，得到每一子平衡范围的自适应平衡阈值；
步骤22：获取每一第一标记图像中的平衡调整最大差值，并将平衡调整最大差值与每一子平衡范围的自适应平衡阈值进行比较，从而对第一标记图像进行分类；
其中，将每一分类的第一标记图像输入同一坐标系中，得到当前分类的第一综合标记图像，包括：
步骤01：将同一分类中的每一第一标记图像按照对应标记点在同一平衡调整获取周期的相对位置输入到同一坐标系中；
步骤02：将当前坐标系中的最小值对应第一标记图像及最大值对应第一标记图像剔除，从而基于剩余第一标记图像得到当前分类的第一综合标记图像；
其中，基于第一综合标记图像的图像结果确定当前分类的最优标记图像，包括：
步骤31：将第一综合标记图像中每一第一标记图像的图像趋势进行比较，剔除图像趋势差异超过预设差异值的第一标记图像，得到第二综合标记图像；
步骤32：基于第二综合标记图像的每一第一标记图像进行第一排序，并根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像；
步骤33：将与第一基准标记图像相邻的两个第一标记图像按照影响权重对第一基准标记图像进行调整得到第二基准标记图像，并剔除相邻的第一标记图像；
步骤34：将与第二基准标记图像相邻的两个第一标记图像按照权重对第二基准标记图像进行调整，直至基于第二综合标记图像中每一第一标记图像得到当前分类的唯一标记图像，即为当前分类的最优标记图像；
其中，根据第二综合标记图像中第一标记图像的数量及对应第一排序结果，得到第一基准标记图像，包括：
比较第二综合标记图像中第一标记图像的数量；
若第二综合标记图像中第一标记图像的数量为奇数，则将第一排序结果中处于排序最中间的第一标记图像作为第一基准标记图像；
反之，则将第一排序结果中处于排序最中间的两个第一标记图像作为参考图像，并将两参考图像进行均值处理的，得到第一基准标记图像；
其中，将平衡调整数据对应所有最优标记图像进行综合测试，从而实现机械平衡自适应测试，包括：
步骤41：将目标设备在机械平衡自适应过程的平衡调整数据对应的每一最优标记图像进行逐一测试；
步骤42：将每一最优标记图像的测试结果与标准平衡自适应结果进行比较，并基于比较结果确定当前最优标记图像对应标记点的机械平衡自适应精度；
步骤43：基于每一最优标记图像的机械平衡自适应精度综合确定目标设备在机械平衡自适应过程中的综合测试结果。
2.根据权利要求1所述的一种机械平衡自适应测试方法，其特征在于，在进行机械平衡自适应测试后，还包括：基于机械平衡自适应测试结果对目标设备的机械平衡自适应算法进行调整，具体包括：
步骤51：获取目标设备的第一机械平衡自适应算法及对应的第一平衡自适应精度；
步骤52：将机械平衡自适应测试结果与基于实时机械平衡自适应算法的标准平衡自适应测试结果进行比较，确定实时机械平衡自适应精度；
步骤53：将实时机械平衡自适应精度与第一平衡自适应精度进行比较；
若第一平衡自适应精度大于实时机械平衡自适应精度，则将第一平衡自适应精度对应的第一机械平衡自适应算法作为目标设备的最终机械平衡自适应算法；
反之，则将实时机械平衡自适应精度对第一平衡自适应精度进行优化，并对对应第一机械平衡自适应算法进行调整，得到目标设备的最终机械平衡自适应算法。
CN202410256681.1A 2024-03-07 2024-03-07 一种机械平衡自适应测试方法 Active CN117848588B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410256681.1A CN117848588B (zh) 2024-03-07 2024-03-07 一种机械平衡自适应测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410256681.1A CN117848588B (zh) 2024-03-07 2024-03-07 一种机械平衡自适应测试方法

Publications (2)

Publication Number Publication Date
CN117848588A CN117848588A (zh) 2024-04-09
CN117848588B true CN117848588B (zh) 2024-06-04

Family

ID=90548296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410256681.1A Active CN117848588B (zh) 2024-03-07 2024-03-07 一种机械平衡自适应测试方法

Country Status (1)

Country Link
CN (1) CN117848588B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE579970A (fr) * 1958-07-10 1959-10-16 Us Rubber Co Dispositif pour engendrer un signal indicateur du balourd d'un pneumatique
SU1221516A1 (ru) * 1984-10-30 1986-03-30 Минское станкостроительное производственное объединение им.Октябрьской революции Измерительное устройство к балансировочному станку
RU2176783C1 (ru) * 2000-08-30 2001-12-10 Открытое акционерное общество "Раменское приборостроительное конструкторское бюро" Устройство для автоматической балансировки роторов гироскопов
WO2004034696A1 (en) * 2002-10-09 2004-04-22 Expodisc, Inc. System and method for effectively performing a white balance procedure for electronic cameras
CN102128705A (zh) * 2010-12-27 2011-07-20 沈阳林敏智能检测设备有限公司 全自动车轮动平衡、跳动一体在线检测系统
CN102890477A (zh) * 2012-09-26 2013-01-23 西安交通大学 一种在线主动动平衡测控装置及测控方法
CN107421688A (zh) * 2017-08-10 2017-12-01 中科图灵视控（北京）智能科技有限公司 基于机械视觉的轮毂动平衡及跳动谐波检测系统
CN113334395A (zh) * 2021-08-09 2021-09-03 常州唯实智能物联创新中心有限公司 多夹具的机械臂无序抓取方法及系统
CN114283287A (zh) * 2022-03-09 2022-04-05 南京航空航天大学 基于自训练噪声标签纠正的鲁棒领域自适应图像学习方法
CN115683604A (zh) * 2022-10-14 2023-02-03 山东临工工程机械有限公司 一种基于不平衡数据的工程机械故障诊断方法
CN116067290A (zh) * 2023-03-07 2023-05-05 西安航天动力研究所 一种发动机静力试验的位移测试方法及位移测试系统
CN116091488A (zh) * 2023-03-07 2023-05-09 西安航天动力研究所 一种发动机摇摆试验的位移测试方法及位移测试系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10254773B2 (en) * 2012-09-25 2019-04-09 Lord Corporation Devices, systems, and methods for balancing closely coupled rotating machinery
US20190258807A1 (en) * 2017-09-26 2019-08-22 Mcs2, Llc Automated adjusting of devices

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE579970A (fr) * 1958-07-10 1959-10-16 Us Rubber Co Dispositif pour engendrer un signal indicateur du balourd d'un pneumatique
SU1221516A1 (ru) * 1984-10-30 1986-03-30 Минское станкостроительное производственное объединение им.Октябрьской революции Измерительное устройство к балансировочному станку
RU2176783C1 (ru) * 2000-08-30 2001-12-10 Открытое акционерное общество "Раменское приборостроительное конструкторское бюро" Устройство для автоматической балансировки роторов гироскопов
WO2004034696A1 (en) * 2002-10-09 2004-04-22 Expodisc, Inc. System and method for effectively performing a white balance procedure for electronic cameras
CN102128705A (zh) * 2010-12-27 2011-07-20 沈阳林敏智能检测设备有限公司 全自动车轮动平衡、跳动一体在线检测系统
CN102890477A (zh) * 2012-09-26 2013-01-23 西安交通大学 一种在线主动动平衡测控装置及测控方法
CN107421688A (zh) * 2017-08-10 2017-12-01 中科图灵视控（北京）智能科技有限公司 基于机械视觉的轮毂动平衡及跳动谐波检测系统
CN113334395A (zh) * 2021-08-09 2021-09-03 常州唯实智能物联创新中心有限公司 多夹具的机械臂无序抓取方法及系统
CN114283287A (zh) * 2022-03-09 2022-04-05 南京航空航天大学 基于自训练噪声标签纠正的鲁棒领域自适应图像学习方法
CN115683604A (zh) * 2022-10-14 2023-02-03 山东临工工程机械有限公司 一种基于不平衡数据的工程机械故障诊断方法
CN116067290A (zh) * 2023-03-07 2023-05-05 西安航天动力研究所 一种发动机静力试验的位移测试方法及位移测试系统
CN116091488A (zh) * 2023-03-07 2023-05-09 西安航天动力研究所 一种发动机摇摆试验的位移测试方法及位移测试系统

Also Published As

Publication number Publication date
CN117848588A (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN107063099B (zh) 一种基于视觉系统的机械制造业在线质量监测方法
CN108829878B (zh) 一种工业实验数据异常点检测方法及装置
CN107831024B (zh) 基于多点振动信号特征值的风机振动故障状态诊断方法
EP0428703B1 (en) A method for monitoring the operational state of a system
CN110956613B (zh) 基于图像质量的目标检测算法性能归一化评价方法及系统
CN106682278A (zh) 基于图像处理的超声速流场预测准确度判定装置及方法
CN106844901B (zh) 一种基于多因素融合修正的结构件剩余强度评估方法
CN110935646A (zh) 基于图像识别的全自动螃蟹分级系统
CN116125242B (zh) 对象检测方法及系统
CN112734858A (zh) 一种双目标定精度在线检测方法及装置
CN103218837B (zh) 一种基于经验分布函数的不等组距直方图的绘制方法
CN110568082A (zh) 一种基于声发射信号的缆索断丝的判别方法
CN117848588B (zh) 一种机械平衡自适应测试方法
CN107798149B (zh) 一种飞机维修性评估方法
CN108470194A (zh) 一种特征筛选方法及装置
CN114046749B (zh) 预制混凝土构件点状凹坑结合面粗糙度检测方法及系统
CN101592692B (zh) 测量机台的评估方法
CN116881530B (zh) 一种基于深度学习的器件表面缺陷检测系统
CN117862068A (zh) 一种瑕疵产品分拣程序验证方法、设备及存储介质
CN108054113B (zh) 一种抽样检测方法
CN116071335A (zh) 墙面验收方法、装置、设备及存储介质
CN113326256B (zh) 一种分级预警的处理方法
WO2023085992A1 (en) Image analysis of cut flowers
US11915143B2 (en) Image determination device, image determination method, and non-transitory computer readable medium storing program
Ding et al. A method of plastic gear inspection based on machine vision

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