[发明专利]基于过程数据分析的拧紧工艺在线故障检测仪及其方法有效
申请号: | 201710812131.3 | 申请日: | 2017-09-11 |
公开(公告)号: | CN107576435B | 公开(公告)日: | 2019-08-23 |
发明(设计)人: | 李晓磊;欧东璟;呼建新;贾全超 | 申请(专利权)人: | 山东大学 |
主分类号: | G01L5/00 | 分类号: | G01L5/00;G01L5/24;G06K9/62;H04L12/24;G06N3/08 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 张勇 |
地址: | 250061 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 拧紧 过程数据 在线故障检测 故障分类器 预处理 拧紧过程数据 训练样本集 工艺故障 离线训练 历史数据 螺栓拧紧 拧紧过程 处理器 标签设定 采集模块 分类结果 分类算法 故障分类 过程曲线 机器学习 实时采集 输出故障 数据传送 数据子集 学习训练 聚类 传送 分析 保留 配置 | ||
本发明公开了基于过程数据分析的拧紧工艺在线故障检测仪及其方法。其中,该拧紧工艺在线故障检测仪包括:拧紧过程数据采集模块,用于实时采集螺栓拧紧过程数据并传送至处理器;处理器被配置为对接收到的螺栓拧紧过程数据进行预处理,保留单纯力矩上升的拧紧过程数据;将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类,并输出故障分类结果;离线训练得到的故障分类器的具体过程为根据拧紧过程历史数据及其相对应的故障,将拧紧过程历史数据进行聚类并形成若干数据子集,进而进行标签设定,构成拧紧工艺故障训练样本集;基于拧紧工艺故障训练样本集,利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练,得到故障分类器。
技术领域
本发明属于在线故障检测领域,尤其涉及一种基于过程数据分析的拧紧工艺在线故障检测仪及其方法。
背景技术
螺栓拧紧工艺涉及产品的装配质量,尤其在发动机、机动车、舰船等行业是三漏等问题的根源,常见的拧紧设备通常以最终扭矩是否达到设定值来判断拧紧的质量,结合简单的超限报警方式来点亮绿灯或红灯指示本次拧紧的合格或不合格状态,难以发现螺栓和螺母等质量问题造成的拧紧缺陷,如螺纹中有杂质会造成螺栓不能长久保持理想的夹紧力等潜在故障。
而且螺栓的故障类型多种多样,其中包括螺栓滑丝、螺栓卡死和螺纹质量不好等等,仅仅通过现有的故障检测装置无法准确获得螺栓在拧紧过程中的故障类型,进而无法及时对螺栓进行检修,影响了螺栓的使用效率。
综上所述,为了解决上述问题,亟需提供一种拧紧工艺在线故障检测装置来对拧紧质量进行深度分析,并对生产过程中遇到的故障进行分类和报警,及时提醒操作人员进行相应的改正处理,从而保障产品的生产质量。
发明内容
为了解决现有技术的不足,本发明的第一目的是提供一种基于过程数据分析的拧紧工艺在线故障检测仪,其通过分析拧紧工艺的过程数据对拧紧质量进行监控,能够对拧紧质量进行深度分析,并及时进行分类和报警,提醒操作人员进行相应的改正处理,从而保障产品的生产质量。
本发明的一种基于过程数据分析的拧紧工艺在线故障检测仪,包括:
拧紧过程数据采集模块,其用于实时采集螺栓拧紧过程数据并传送至处理器;
所述处理器,被配置为:
对接收到的螺栓拧紧过程数据进行预处理,保留单纯力矩上升的拧紧过程数据;
将预处理后的拧紧数据传送至离线训练得到的故障分类器中进行故障分类,并输出故障分类结果;其中,离线训练得到的故障分类器的具体过程为:
根据拧紧过程历史数据及其相对应的故障,将拧紧过程历史数据进行聚类并形成若干数据子集,再对这些数据子集进行标签设定,构成拧紧工艺故障训练样本集;
基于拧紧工艺故障训练样本集,利用机器学习分类算法对拧紧工艺的过程曲线进行学习训练,得到故障分类器。
进一步的,所述处理器还与显示模块相连,所述显示模块用于显示故障分类结果。
其中,显示模块可以采用LED指示灯或LED数码管或LCD、TFT等显示器件,以适应现场人员不同的操作习惯,用于将拧紧过程数据分析结果的显示。
进一步的,所述处理器还与Web服务器相连,所述Web服务器与客户端相连。
其中,处理器还将故障分类结果输入至Web服务器,由Web服务器传送至客户端进行发布和显示。
进一步的,所述处理器还与报警模块相连。
其中,处理器还将故障分类结果输入至报警模块,报警模块根据故障分类结果进行相应预警提示。
进一步的,所述处理器还与无线模块相连,所述无线模块与远程监控服务器相连,所述远程监控服务器与监控终端相连。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710812131.3/2.html,转载请声明来源钻瓜专利网。