扣件成型机的模具状态诊断方法技术

本发明专利技术公开了一种扣件成型机的模具状态诊断方法，包含:获取扣件成型机和样本模具处理样本工件时的样本压力感测数据。进行模具状态定义步骤，获得对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码演算法建立编码模型，编码模型压缩每个组样本压力感测数据为阵列样本编码特征。使用样本编码特征和其对应的模具状态建立模具状态预测模型。使用扣件成型机和标的模具处理标的工件，获得标的压力感测数据。输入标的压力感测数据至编码模型，获得一组标的编码特征。输入标的编码特征至预测模型，推估出标的模具的预测模具状态。借此，能够提早侦测出扣件成型机的异常状态。

Diagnosis method of die state of fastener forming machine

【技术实现步骤摘要】
扣件成型机的模具状态诊断方法
本专利技术是有关于一种模具状态诊断方法，且特别是有关于一种扣件成型机的模具状态诊断方法。
技术介绍
为了解决加工机在加工过程无法立即检测加工品质的缺失，现有作法是利用一种预测系统，来在加工机进行加工作业的过程中来预测加工品质。然而，不同加工机具有不同的运作方式与加工坊是，如何找出影响扣件成型机的加工品质的关键特征，来作为提供预测系统的输入值，以达到预测加工品质已成为相关业者努力的目标。
技术实现思路
因此，本专利技术的一目的是在提供一种扣件成型机的模具状态诊断方法，其可在扣件成型机的加工过程中快速取得模具状态变化，进而能够提早侦测出扣件成型机的异常状态。根据本专利技术的上述目的，提出一种扣件成型机的模具状态诊断方法，包含以下步骤。安装至少一个压力感测器至扣件成型机上。安装样本模具至扣件成型机上。使用扣件成型机和样本模具分别处理多个样本工件，而获得多组样本压力感测数据。进行模具状态的定义步骤，以获得一对一对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码(Autoencoder)演算法建立编码模型，其中编码模型分别压缩样本压力感测数据为多组样本编码特征，这些样本编码特征一对一对应至这些模具状态。使用样本编码特征和其对应的模具状态并根据推估演算法，来建立模具状态预测模型。安装标的模具至扣件成型机上。使用扣件成型机和标的模具分别处理数个标的工件，而获得标的压力感测数据。输入标的压力感测数据至编码模型，以获得一组标的编码特征。输入标的编码特征至预测模型中，而推估出针对标的模具所对应的预测模具状态。根据本专利技术的上述目的，提出另一种扣件成型机的模具状态诊断方法，包含以下步骤。获取扣件成型机和样本模具分别处理多个样本工件时的样本压力感测数据，其中组样本压力感测数据是由安装在扣件成型机的压力感测器所获得。进行模具状态的定义步骤，以获得一对一对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码(Autoencoder)演算法建立编码模型，其中编码模型分别压缩样本压力感测数据为多组样本编码特征，这些样本编码特征一对一对应至这些模具状态。使用样本编码特征和其对应的模具状态并根据推估演算法，来建立模具状态预测模型。使用扣件成型机和标的模具分别处理数个标的工件，而获得标的压力感测数据。输入标的压力感测数据至编码模型，以获得一组标的编码特征。输入标的编码特征至预测模型中，而推估出针对标的模具所对应的预测模具状态。依据本专利技术的一实施例，上述的编码模型包含压缩器以及解码器。其中，压缩器可将每一个样本压力感测数据以及标的压力感测数据压缩后形成压缩数据。解码器可将压缩数据解码还原成对应每一个压缩数据的解码数据。依据本专利技术的一实施例，上述的扣件成型机的模具状态诊断方法还包含判断这些压缩数据是否可靠，其中解码数据与其对应的样本压力感测数据的差异小于门槛值时，压缩数据可作为对应的样本压力感测数据的样本编码特征。依据本专利技术的一实施例，上述的推估演算法包括支持向量机(SupportVectorMachines，SVM)演算法或深度神经网络(Deepneuralnetwork，DNN)演算法。依据本专利技术的一实施例，上述的模具状态的定义步骤包含将每一这些样本模具的该组样本压力感测数据转换成频域信号。进行判断步骤，以根据频域信号获得对应每一个样本模具的模具状态。据本专利技术的一实施例，上述的压力感测器是安装在扣件成型机的模座上。由上述可知，本专利技术利用自动编码演算法来建立编码模型，并利用编码模型寻找出能够代表扣件成型机所取得的压力感测数据的最适特征，然后再利用最适特征与专家评估的对应模具状态建立预测模型。如此一来，当有不同的待测模具(标的模具)在使用期间所产生的压力感测数据时，编码模型可即时从压力感测数据中找到标的编码特征，当标的编码特征输入至预测模型中后，可准确预测出标的模具的模具状态，进而达到节省数据处理时间、提早侦测出扣件成型机的异常状态等目的。附图说明为了更完整了解实施例及其优点，现参照并结合附图做下列描述，其中：图1是绘示依照本专利技术的一实施方式的一种扣件成型机的模具状态诊断方法的流程示意图；图2是绘示依照本专利技术的一实施方式的一种扣件成型机的局部装置示意图；图3是绘示依照本专利技术的一实施方式的模具状态示意图；图4是绘示依照本专利技术的一实施方式的编码模型的运作示意图；图5是绘示依照本专利技术的一实施方式的编码模型与预测模型的运作示意图；以及图6是绘示依照本专利技术的一实施方式的另一种扣件成型机的模具状态诊断方法的流程示意图。主要附图标记说明：100-模具状态诊断方法，101～110-步骤，210-压力感测器，220-模座，230-样本模具，300-编码模型，310-压缩器，320-解码器，500-模具状态诊断方法，501～507-步骤。具体实施方式请同时参照图1及图2，图1是绘示依照本专利技术的一实施方式的一种扣件成型机的模具状态诊断方法的流程示意图，图2是绘示依照本专利技术的一实施方式的一种扣件成型机的局部装置示意图。本实施方式的模具状态诊断方法100主要包含以下步骤。首先，进行步骤101，以将至少一个压力感测器210安装至扣件成型机的模座220上。接着，进行步骤102，以将样本模具230安装至扣件成型机的模座220上。然后，进行步骤103，以使用扣件成型机和样本模具230分别处理多个样本工件230，而获得多组样本压力感测数据。在一些实施例中，样本压力感测数据为锻造力波形变化图。在本实施例中，样本压力感测数据是当样本模具220在进行扣件成形步骤时，由压力感测器210所测得的压力对时间的关系曲线图。请继续参照图1及图2，在获得样本压力感测数据后，接着进行步骤104，以进行模具状态的定义，进而获得一对一对应至样本压力感测数据的数个模具状态。在本实施例中，模具状态的定义步骤包含将每一个样本模具的样本压力感测数据转换成频域信号。接着，再进行一判断步骤，以根据频域信号获得对应每一个样本模具的模具状态。请一并参照图3，其是绘示依照本专利技术的一实施方式的模具状态示意图。图3的特征线趋势代表样本模具在使用时的模具状态变化。在本示范例子中，模具状态包含四种状态，分别为第一状态(Green)、第二状态(Blue)、第三状态(Yellow)以及第四状态(Red)。其中，第一状态是以尚未使用过的新样本模具的初始状态为基准，特征线趋势的振幅差异小于15％。第二状态是相较于第一状态，特征线趋势的振幅差异介于15～30％之间。第三状态是相较于第一状态，特征线趋势的振幅差异介于30～45％之间。第四状态是相较于第一状态，特征线趋势的振幅差异超过50％。在一些例子中，模具状态示意图可根据专家根据历史数据(例如样本压力感测数据)所判断的状态。请同时参照图1及图4，其中图4是绘示依照本专利技术的一实施方式的编码模型的运作示意图。在获得对应至样本压力感测数据的数个模具状态后，可进行步骤1本文档来自技高网...

【技术保护点】
1.一种扣件成型机的模具状态诊断方法，其特征在于，所述扣件成型机的模具状态诊断方法包含：/n安装至少一个压力感测器至扣件成型机上；/n安装样本模具至所述扣件成型机上；/n使用所述扣件成型机和所述样本模具分别处理多个样本工件，而获得多组样本压力感测数据；/n进行模具状态的定义步骤，以获得一对一对应至所述多组样本压力感测数据的多个模具状态；/n使用所述多组样本压力感测数据并根据自动编码演算法建立编码模型，其中所述编码模型分别压缩所述多组样本压力感测数据为多组样本编码特征，所述多组样本编码特征一对一对应至所述多个模具状态；/n使用所述多组样本编码特征和其对应的所述多个模具状态并根据推估演算法，来建立模具状态预测模型；/n安装标的模具至所述扣件成型机上；/n使用所述扣件成型机和所述标的模具分别处理标的工件，而获得一组标的压力感测数据；/n输入所述组标的压力感测数据至所述编码模型，以获得一组标的编码特征；以及/n输入所述组标的编码特征至所述预测模型中，而推估出针对所述标的模具所对应的预测模具状态。/n

【技术特征摘要】
20181130 TW 1071431051.一种扣件成型机的模具状态诊断方法，其特征在于，所述扣件成型机的模具状态诊断方法包含：
安装至少一个压力感测器至扣件成型机上；
安装样本模具至所述扣件成型机上；
使用所述扣件成型机和所述样本模具分别处理多个样本工件，而获得多组样本压力感测数据；
进行模具状态的定义步骤，以获得一对一对应至所述多组样本压力感测数据的多个模具状态；
使用所述多组样本压力感测数据并根据自动编码演算法建立编码模型，其中所述编码模型分别压缩所述多组样本压力感测数据为多组样本编码特征，所述多组样本编码特征一对一对应至所述多个模具状态；
使用所述多组样本编码特征和其对应的所述多个模具状态并根据推估演算法，来建立模具状态预测模型；
安装标的模具至所述扣件成型机上；
使用所述扣件成型机和所述标的模具分别处理标的工件，而获得一组标的压力感测数据；
输入所述组标的压力感测数据至所述编码模型，以获得一组标的编码特征；以及
输入所述组标的编码特征至所述预测模型中，而推估出针对所述标的模具所对应的预测模具状态。


2.如权利要求1所述的扣件成型机的模具状态诊断方法，其特征在于，所述编码模型包含压缩器以及解码器，其中所述压缩器可将每个所述样本压力感测数据以及标的压力感测数据压缩后形成压缩数据，所述解码器可将所述多个压缩数据解码还原成对应每个所述压缩数据的解码数据。


3.如权利要求2所述的扣件成型机的模具状态诊断方法，其特征在于，所述扣件成型机的模具状态诊断方法还包含：
比对解码数据与其对应的所述多个样本压力感测数据的差异，其中当所述解码数据与其对应的所述多个样本压力感测数据的差异小于门槛值时，所述压缩数据可作为对应的所述多个样本压力感测数据的所述组样本编码特征。


4.如权利要求1所述的扣件成型机的模具状态诊断方法，其特征在于，所述推估演算法包括支持向量机演算法或深度神经网络演算法。


5.如权利要求1所述的扣件成型机的模具状态诊断...

【专利技术属性】
技术研发人员：曾健明，吴闵楠，龚吕文，郑淳宏，杨浩青，陈昱中，
申请(专利权)人：财团法人金属工业研究发展中心，
类型：发明
国别省市：中国台湾;71