TW202117560A - 工具機健康狀態監測方法 - Google Patents

工具機健康狀態監測方法 Download PDF

Info

Publication number
TW202117560A
TW202117560A TW108138447A TW108138447A TW202117560A TW 202117560 A TW202117560 A TW 202117560A TW 108138447 A TW108138447 A TW 108138447A TW 108138447 A TW108138447 A TW 108138447A TW 202117560 A TW202117560 A TW 202117560A
Authority
TW
Taiwan
Prior art keywords
machine tool
health
cluster
current
feature cluster
Prior art date
Application number
TW108138447A
Other languages
English (en)
Other versions
TWI732324B (zh
Inventor
鄭志鈞
邱昱阩
程文男
蔡秉均
郭育昕
陳韋任
劉德騏
莊鎮瑋
吳秩達
曾文鵬
郭文傑
Original Assignee
國立中正大學
東台精機股份有限公司
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 國立中正大學, 東台精機股份有限公司 filed Critical 國立中正大學
Priority to TW108138447A priority Critical patent/TWI732324B/zh
Priority to US16/810,251 priority patent/US11119001B2/en
Publication of TW202117560A publication Critical patent/TW202117560A/zh
Application granted granted Critical
Publication of TWI732324B publication Critical patent/TWI732324B/zh

Links

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
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一種工具機健康狀態監測方法，主要是利用一工具機其複數部件上預設的複數振動感測器，在該工具機健康狀態良好的狀態下，驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行一診斷流程，藉以取得一樣本健康特徵群集；該診斷流程包含有下列程序：取得振動傳遞率程序、奇異值分解程序、曲線擬合程序以及模態建立程序。另外，在該工具機需要監測其健康狀態時，則再對該工具機進行激振及執行該診斷流程，進而取得一目前健康特徵群集。最後，將該目前健康特徵群集與該樣本健康特徵群集相比對，在差異大於一安全門檻狀態時，判斷該工具機目前狀態為健康或不健康。

Description

工具機健康狀態監測方法
本發明係與對工具機進行監測的技術有關，特別是指一種工具機健康狀態監測方法。
隨著工具機蓬勃發展，工具機健康狀態資訊獲得需求愈來愈高，一般而言，健康狀態又可細分為動態特性狀態以及使用壽命，其中，動態特性狀態受到機台組裝及環境因素的影響最大。在組裝機台時，主要是藉由水平儀、扭力扳手等儀器進行人為調整，然而，人為調整無法得知組裝狀態的優劣與否，也無法有效率的檢測各部件組裝是否不良。而環境因素則受客戶端環境與原廠不同，使得工具機無法發揮如同原廠調校時的機台特性，導致工具機的加工品質與原廠相比或有下降及使用壽命縮短等問題，其中又以客戶端環境地基與溫度差異的影響最為顯著。機台的動態特性也會影響機台的使用壽命，工具機各個部件會因機台的使用而致磨損，因此，如果能藉由監測與診斷來及早得知工具機的健康狀態，可提升工具機的稼動率、加工品質及效率，同時又可以節省維修成本及時間。
現有技術中，欲取得工具機的健康狀態時，大多使用振動背景訊號量測(Vibration-based)技術，其優點為量測快速、對機台的健康狀態靈敏度高以及診斷成本低等特點，因此能在機台組配不良或損壞的前期，及早發出警告訊息來提醒使用者。而前述的振動訊號量測技術的健康狀態診斷，常會以兩種方式進行分析，第一種方式為結構特徵量化法，其主要依據振動背景來計算機台動態特性的頻率響應函數，並由頻率響應函數中獲自然頻率、阻尼比以及模態等參數，由於機台動態特性對於機台的健康狀態優劣與否是具有高靈敏度的，因此常作為健康狀態的指標。然而，此種方法需要激振設備，例如，使用衝擊槌(impact hammer)或激振器(shaker)，同時又需要仰賴專業人員來使用衝擊槌來進行人為激振，且必須量測輸入的力量，因此這種方式需要耗費大量人力及時間，故不利於診斷自動化與智能化。第二種方式則是非結構徵量化法，這種方法乃是藉由萃取振動訊號資訊中屬於機台運作的特定頻率特徵，並以統計分析來進行健康狀態分析，不過其缺點是需要龐大的資料收集與建立資料庫的時間，而且由於機台移機後，往往需要重新建立機台健康資料庫，因此無法立即診斷機台的健康狀態。
有鑑於上述先前技術之缺點，本發明提出一種工具機健康狀態監測方法，其利用工具機本身的各個馬達設備進行工具機的激振，不需要人工激振，即可萃取出振動傳遞率、自然頻率以及模態的健康特徵，進而判斷出工具機的健康狀態。
為了達成上述目的，本發明提供一種工具機健康狀態監測方法，包含有下列步驟：取得樣本健康特徵群集：利用一工具機其複數部件上預設的複數振動感測器，在該工具機健康狀態良好的狀態下，以一電子裝置驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行一診斷流程，藉以取得一特徵群集，並定義該特徵群集為一樣本健康特徵群集，該診斷流程包含有下列程序：取得振動傳遞率程序、奇異值分解程序、曲線擬合程序以及模態建立程序；該取得振動傳遞率程序，係為：每隔一段預定時間，讀取該複數振動感測器所感測到的數據，並依式(1)計算出複數振動感測器所測得的複數振動傳遞率Tij ，其中，i及j分別代表安裝在不同位置的振動感測器；
Figure 02_image001
式(1)；
其中，Hik (s)及Hjk (s)為轉移函數，該轉移函數如式(2)(以Hik (s)為例)所示；
Figure 02_image003
)                                               式(2)；
其中，φ為模態向量，L為模態參與因子，λ為系統的極點，當iω接近系統的極點時將發生共振，此時前述式(1)將變成為下述的式(3)；
Figure 02_image005
式(3)；
該奇異值分解程序，係為：將前述複數振動傳遞率組合為如下述式(4)所示的一個振動傳遞率矩陣，再以下述的式(5)進行奇異值分解法來分解，進而求得前述振動傳遞率矩陣的奇異值；
Figure 02_image007
式(4)；
Figure 02_image009
式(5)；
其中，U、V為單位正交矩陣，Σ為斜對角矩陣，Σ(s)如下式(6)所示；
Figure 02_image011
式(6)；
上述式(6)中的斜對角元素σk (s)即為奇異值；該曲線擬合程序，係為：對式(6)中的σ2 取其倒數並執行一曲線擬合程序，並定義擬合後曲線其複數個峰值為複數個自然頻率；該模態建立程序，係為：以該複數個自然頻率為基礎，依下述式(7)建立出該工具機的複數個目前模態，每一個目前模態以一個φh 為例；
Figure 02_image013
式(7)；
其中，前述的複數個目前模態即定義為一特徵群集；取得目前健康特徵群集：在上述步驟經過一預定時間之後，在欲取得該工具機目前的健康狀態時，以該電子裝置驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行前述診斷流程，藉以取得一特徵群集，並定義該特徵群集為一目前健康特徵群集；以及判斷健康狀態：將該目前健康特徵群集與該樣本健康特徵群集相比對，在差異大於一安全門檻狀態時，判斷該工具機目前狀態為不健康，否則判斷為健康。
藉由上述步驟，本發明可以利用工具機本身的各個馬達設備進行工具機的激振，不需要人工激振，即可萃取出振動傳遞率、自然頻率以及模態的健康特徵，進而判斷出工具機的健康狀態
為了詳細說明本發明之技術特點所在，茲舉以下之較佳實施例並配合圖式說明如後，其中：
如圖1至圖7所示，本發明一較佳實施例所提供之一種工具機健康狀態監測方法，主要具有下列步驟：
(S01)取得樣本健康特徵群集：利用一工具機90其複數部件(例如主軸、進給平台)上預設的複數振動感測器91，在該工具機90健康狀態良好的狀態下，以一電子裝置95驅動該工具機90的馬達運轉而構成對該工具機90的激振，並在激振的過程中執行一診斷流程D，藉由執行該診斷流程D來取得由複數個模態φh 所組成的一特徵群集，並定義該特徵群集是一個樣本健康特徵群集SG。該診斷流程D，如圖2所示，具有下列程序：(SS1)取得振動傳遞率程序、(SS2)奇異值分解程序、(SS3)曲線擬合程序以及(SS4)模態建立程序。前述之工具機90健康狀態良好，是指工具機90剛組裝並調校完成的最佳狀態，或是指工具機90修理保養後完成調校至良好狀態時，不限定是剛出廠或是用戶端已使用一段時間的狀態。
(SS1)該取得振動傳遞率程序，係為：每隔一段預定時間，以該電子裝置95讀取該複數振動感測器91所感測到的數據，並依式(1)計算出複數振動感測器91所測得的複數振動傳遞率Tij ，其中，i及j分別代表安裝在不同位置的振動感測器91。
Figure 02_image001
式(1)
其中，Hik (s)及Hjk (s)為轉移函數，該轉移函數如式(2)(以Hik (s)為例)所示。
Figure 02_image003
)                                                     式(2)
其中，φ為模態向量，L為模態參與因子，λ為系統的極點，當iω接近系統的極點時將發生共振，此時前述式(1)將變成為下述的式(3)。
Figure 02_image005
式(3)
圖5即顯示由複數個振動傳遞率Tij 中的一個振動傳遞率Tij 相對於不同頻率所形成的波形圖，在圖5中有29.75Hz、69.37 Hz以及99.12三個自然頻率NF，其餘自然頻率可能出現在圖5中的波谷處，或因節點效應而無法偵測到，因此還需要下述的奇異值分解法來進行處理。
(SS2)該奇異值分解程序，係為：將前述複數個振動傳遞率Tij 組合為如下述式(4)所示的一個振動傳遞率矩陣，再以下述的式(5)進行奇異值分解法來分解，進而求得前述振動傳遞率矩陣的奇異值。
Figure 02_image007
式(4)
Figure 02_image009
式(5)
其中，U、V為單位正交矩陣，Σ為斜對角矩陣，Σ(s)如下式(6)所示。
Figure 02_image011
式(6)
上述式(6)中的斜對角元素σk (s)即為奇異值。
(SS3)該曲線擬合程序，係為：對式(6)中的σ2 取其倒數並執行一曲線擬合程序，並定義擬合後之曲線如圖6所示，其複數個峰值為即複數個自然頻率NF。其中，該曲線擬合程序係為已知技術，且為所屬技術領域人員所熟知，因此容不贅述。
(SS4)該模態建立程序，係為：以該複數個自然頻率NF為基礎，依下述式(7)建立出該工具機90複數個目前模態φh ，每一個目前模態φh 如下述式(7)所示。
Figure 02_image015
式(7)
其中，前述的複數個目前模態φh 即定義為一特徵群集，且前述式中的-1、0、1、1、0等數值乃係以前述的複數個自然頻率NF為基礎所決定的，在該工具機90的健康狀態有所改變時，數值即有可能不同。
(S02)取得目前健康特徵群集：在上述(S01)步驟經過一預定時間之後，例如，該工具機90使用了一年以後，或安裝後因遷廠而搬移過，或在廠內移動至不同地方，或使用者認為應該再次檢視該工具機90的健康狀態時，即以該電子裝置95驅動該工具機90之馬達運轉而構成對該工具機90激振，並在淚振的過程中執行前述診斷流程D，藉以取得由複數個模態φh 所組成的一特徵群集，並定義該特徵群集為一目前健康特徵群集PG。
(S03)判斷健康狀態：將該目前健康特徵群集PG與該樣本健康特徵群集SG相比對，在差異大於一安全門檻狀態時，判斷該工具機90目前狀態為不健康，否則判斷為健康。更詳細的來說，在本步驟中，如圖7所示，可以將該目前健康特徵群集PG以及該樣本健康特徵群集SG中的各該模態以點狀表示於一高維度座標中，再使用自組織對映法(Self-Organizing Map, SOM)的機器學習方法將該高維度座標系中的各個點映射到一個二維座標系上，而於該二維座標系上形成對應該目前健康特徵群集PG的複數個投影點而定義為一目前投影群集MPG，以及形成對應該樣本健康特徵群集SG的複數投影點而定義為一樣本投影群集MSG。至於前述的安全門檻狀態則取距離來代表，而成為安全門檻距離，藉由取得該目前投影群集MPG的中心點與該樣本投影群集MSG的中心點之間的距離是否大於該安全門檻距離，來判斷該工具機90是否健康。然而，上述的自組織對映法乃是一種已知的機器學習技術，而本發明並不欲限制在這個技術之內，其他種比對方法，同樣應為本發明之專利範圍所涵蓋。
藉由上述步驟，使用者可以在工具機90處於健康良好的狀態下，先執行該診斷流程D來取得該樣本健康特徵群集SG。之後，在工具機90搬移過或有較大程度的重組或更換零件之後，可能有健康狀態的疑慮時，再執行該診斷流程D來取得該目前健康特徵群集PG。之後再將該目前健康特徵群集PG與該樣本健康特徵群集SG相比較之後，即可以藉由比較結果來判斷目前該工具機90是否處於健康良好的狀態。
另外，由於不同的溫度狀況可能因熱脹冷縮或其他原因導致工具機90的健康狀態改變，因此，在溫度可能產生變化的場合，也需要在不同的溫度下建立該樣本健康特徵群集SG，才能讓不同溫度狀況下取得的目前健康特徵群集PG能有所比對。至於在溫度不會產生變化的場合，例如恆溫廠房，即無此需要。要在溫度可能變化的場合，進行取得樣本健康特徵群集SG的步驟時，係預設複數個目標溫度，例如攝氏25-35度之間的每一度，並控制該工具機90的環境溫度在各該目標溫度，並在環境溫度處於每一該目標溫度時，都以該電子裝置95驅動該工具機90之馬達運轉而構成對該工具機90的激振，並在激振的過程中執行一次該診斷流程D，藉以在不同的溫度下分別取得對應的一該特徵群集，藉此取得對應不同前述目標溫度的複數個特徵群集；在取得目前健康特徵群集PG步驟中，係記錄取得過程的溫度並定義為目前溫度；在判斷健康狀態步驟中，係將該目前健康特徵群集PG與該樣本健康特徵群集SG中對應於該目前溫度的特徵群集進行比對。藉此，可以達到以相同的環境溫度來比對該目前健康特徵群集PG與該樣本健康特徵群集SG，進而達到更為精準的判斷結果。
由上可知，本發明可以利用工具機90本身的各個馬達設備進行工具機90的激振，不需要人工激振，即可萃取出振動傳遞率Tij 、自然頻率NF以及模態的健康特徵，進而判斷出工具機90的健康狀態。
90:工具機 91:振動感測器 95:電子裝置 D:診斷流程 MPG:目前投影群集 MSG:樣本投影群集 NF:自然頻率 PG:目前健康特徵群集 SG:樣本健康特徵群集 Tij :振動傳遞率
圖1係本發明一較佳實施例之流程圖。 圖2係本發明一較佳實施例之診斷流程之流程圖。 圖3係本發明一較佳實施例之方塊圖。 圖4係本發明一較佳實施例之安裝示意圖，顯示振動感測器安裝在工具機上的狀態。 圖5係本發明一較佳實施例之振動傳遞率波形圖。 圖6係本發明一較佳實施例之曲線擬合後之結果圖。 圖7係本發明一較佳實施例之分佈示意圖，顯示特徵群集在高維度座標系的分佈狀態，以及映射在二維座標系的分佈狀態。

Claims (3)

  1. 一種工具機健康狀態監測方法，包含有下列步驟： 取得樣本健康特徵群集：利用一工具機其複數部件上預設的複數振動感測器，在該工具機健康狀態良好的狀態下，以一電子裝置驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行一診斷流程，藉以取得一特徵群集，並定義該特徵群集為一樣本健康特徵群集，該診斷流程包含有下列程序：取得振動傳遞率程序、奇異值分解程序、曲線擬合程序以及模態建立程序； 該取得振動傳遞率程序，係為：每隔一段預定時間，讀取該複數振動感測器所感測到的數據，並依式(1)計算出複數振動感測器所測得的複數振動傳遞率Tij ，其中，i及j分別代表安裝在不同位置的振動感測器91；
    Figure 03_image001
    式(1)； 其中，Hik (s)及Hjk (s)為轉移函數，該轉移函數如式(2)(以Hik (s)為例)所示；
    Figure 03_image003
    )                                                        式(2)； 其中，φ為模態向量，L為模態參與因子，λ為系統的極點，當iω接近系統的極點時將發生共振，此時前述式(1)將變成為下述的式(3)；
    Figure 03_image005
    式(3)； 該奇異值分解程序，係為：將前述複數振動傳遞率組合為如下述式(4)所示的一個振動傳遞率矩陣，再以下述的式(5)進行奇異值分解法來分解，進而求得前述振動傳遞率矩陣的奇異值；
    Figure 03_image007
    式(4)；
    Figure 03_image009
    式(5)； 其中，U、V為單位正交矩陣，Σ為斜對角矩陣，Σ(s)如下式(6)所示；
    Figure 03_image011
    式(6)； 上述式(6)中的斜對角元素σk (s)即為奇異值； 該曲線擬合程序，係為：對式(6)中的σ2 取其倒數並執行一曲線擬合程序，並定義擬合後曲線其複數個峰值為複數個自然頻率； 該模態建立程序，係為：以該複數個自然頻率為基礎，依下述式(7)建立出該工具機的複數個目前模態，每一個目前模態以一個φh 為例；
    Figure 03_image013
    式(7)； 其中，前述的複數個目前模態即定義為一特徵群集； 取得目前健康特徵群集：在上述步驟經過一預定時間之後，在欲取得該工具機目前的健康狀態時，以該電子裝置驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行前述診斷流程，藉以取得一特徵群集，並定義該特徵群集為一目前健康特徵群集；以及 判斷健康狀態：將該目前健康特徵群集與該樣本健康特徵群集相比對，在差異大於一安全門檻狀態時，判斷該工具機目前狀態為不健康，否則判斷為健康。
  2. 依據申請專利範圍第1項所述之工具機健康狀態監測方法，其中：在該判斷健康狀態的步驟中，係將該目前健康特徵群集以及該樣本健康特徵群集中的各該模態以點狀表示於一高維度座標系中，再使用自組織對映法(Self-Organizing Map, SOM)的機器學習方法將該高維度座標系中的各個點映射至一二維座標系上，而於該二維座標系上形成對應該目前健康特徵群集的複數投影點而定義為一目前投影群集，以及形成對應該樣本健康特徵群集的複數投影點而定義為一樣本投影群集，而該安全門檻狀態即設定為安全門檻距離，藉由取得該目前投影群集與該樣本投影群集之間的距離是否大於該安全門檻距離，來判斷該工具機是否健康。
  3. 依據申請專利範圍第1項所述之工具機健康狀態監測方法，其中：在取得樣本健康特徵群集步驟中，係預設複數個目標溫度，並控制該工具機的環境溫度在各該目標溫度，並在環境溫度處於每一該目標溫度時，都以該電子裝置驅動該工具機之馬達運轉而構成對該工具機的激振，並在激振的過程中執行一次該診斷流程，藉以在不同的溫度下分別取得對應的一該特徵群集，藉此取得對應不同前述目標溫度的複數個特徵群集；在取得目前健康特徵群集步驟中，係記錄取得過程的溫度並定義為目前溫度；在判斷健康狀態步驟中，係將該目前健康特徵群集與該樣本健康特徵群集中對應於該目前溫度的特徵群集進行比對。
TW108138447A 2019-10-24 2019-10-24 工具機健康狀態監測方法 TWI732324B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW108138447A TWI732324B (zh) 2019-10-24 2019-10-24 工具機健康狀態監測方法
US16/810,251 US11119001B2 (en) 2019-10-24 2020-03-05 Machine tool health monitoring method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108138447A TWI732324B (zh) 2019-10-24 2019-10-24 工具機健康狀態監測方法

Publications (2)

Publication Number Publication Date
TW202117560A true TW202117560A (zh) 2021-05-01
TWI732324B TWI732324B (zh) 2021-07-01

Family

ID=75585785

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108138447A TWI732324B (zh) 2019-10-24 2019-10-24 工具機健康狀態監測方法

Country Status (2)

Country Link
US (1) US11119001B2 (zh)
TW (1) TWI732324B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3929677A1 (de) * 2020-06-24 2021-12-29 Siemens Aktiengesellschaft Schwingungsdämpfungssystem und werkzeugmaschine
US20220176509A1 (en) * 2020-12-08 2022-06-09 National Formosa University Method for inspecting normality of a spindle of a machine tool
US11921001B2 (en) 2022-03-11 2024-03-05 Hiwin Technologies Corp. System for inspecting deviation in dynamic characteristics of linear transmission device of feeding system
CN115685879B (zh) * 2023-01-05 2023-06-02 广东美的制冷设备有限公司 机床状态调整方法、装置、设备、机床、介质
CN117786445B (zh) * 2024-02-26 2024-05-10 山东盈动智能科技有限公司 一种自动化摇纱机运行数据智能处理方法
CN118013808B (zh) * 2024-04-09 2024-07-09 中国海洋大学 一种海上风力发电结构螺栓松动健康状态鉴别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI626111B (zh) * 2016-11-10 2018-06-11 國立中正大學 切削加工轉速調整裝置及其方法
US10436759B2 (en) * 2017-01-12 2019-10-08 Fisher Controls International Llc Methods and apparatus to monitor a condition of a structure
TWI665436B (zh) * 2017-11-30 2019-07-11 National Chung Cheng University 防振腳座健康狀態監測裝置及其方法
TWM563108U (zh) * 2018-01-24 2018-07-01 全控自動化有限公司 智慧型電力管理及自我品質管控系統
TWM575368U (zh) * 2018-10-09 2019-03-11 東台精機股份有限公司 智能化工具機雲端運算系統

Also Published As

Publication number Publication date
TWI732324B (zh) 2021-07-01
US11119001B2 (en) 2021-09-14
US20210123830A1 (en) 2021-04-29

Similar Documents

Publication Publication Date Title
TWI732324B (zh) 工具機健康狀態監測方法
CN107335908A (zh) 用于特征发现的自动化随机方法及其在重复过程中的使用
CN116705163B (zh) 一种实时荧光pcr数据管理系统
CN113326774A (zh) 一种基于AlexNet网络的机床能耗状态识别方法及系统
KR102267811B1 (ko) Rnn 기반의 영농형 태양광 발전 구조물의 현재 상태 및 미래 상태 예측 시스템
CN105651537B (zh) 一种高损伤敏感性的桁架结构损伤实时监测系统
CN116678368A (zh) 基于bim技术的装配式钢结构数据智能采集方法
KR20210006832A (ko) 기계고장 진단 방법 및 장치
CN112034048A (zh) 基于多重频响函数估计的梁类结构裂纹定位方法
CN110986267A (zh) 用于空调器异响的检测方法及装置、空调器
WO2023029382A1 (zh) 一种强鲁棒的信号早期退化特征提取及设备运行状态监测方法
CN111291239B (zh) 机组测试方法、装置、设备和存储介质
CN112901546A (zh) 电控硅油风扇性能间接测量方法及装置
WO2021042233A1 (en) Remote diagnosis system, apparatus and method for power tool
CN114235141A (zh) 基于mems传感器的振动监测方法及装置
KR20220135005A (ko) 구조물의 내부 결함 판독 장치 및 그 방법
US11921001B2 (en) System for inspecting deviation in dynamic characteristics of linear transmission device of feeding system
JP2021144433A (ja) 構造物の異常判別方法及び異常判別システム
CN114001939B (zh) 一种线路连接装置监测方法、装置、设备及存储介质
WO2018211639A1 (ja) 制御装置、通信システム、および制御方法
TWI789167B (zh) 檢測進給系統之動態特性偏差的方法及系統
CN116258467B (zh) 一种电力施工管控系统
CN117169286B (zh) 一种视觉辅助下的工业线束质量检测方法
CN117571164B (zh) 一种多功能混凝土试样表面应力自动化采集装置
CN114310488B (zh) 刀具断裂检测模型的生成方法、检测方法、设备及介质