一种智能设备力学特性缺陷检测的方法技术

本发明专利技术公开了一种智能设备力学特性缺陷检测的方法，属于智能设备检测技术领域，包括以下步骤：测试软件采集智能设备运动过程中的受力数据作为测试数据；根据最优非线性回归自由度对测试数据进行处理；根据决定系数比对获得异常因素干扰程度；根据拟合曲线比对输出力学特性缺陷状态，该方法一方面利用力学传感器快速、获取足量的运动过程实际力学数据，另一方面独创性的引入了非线性回归方法，利用标准样品运动过程力学数据进行模型训练，整个测量过程的控制、数据采集、运算通过代码自动完成，效率有较大提高，结论可信度更高；输出的力学特性缺陷结论有助于指导设计以及组装工艺进行优化改进，并且对异常因子引起的缺陷进行了有效标记。

【技术实现步骤摘要】
一种智能设备力学特性缺陷检测的方法
本专利技术属于智能设备检测
，具体涉及一种智能设备力学特性缺陷检测的方法。
技术介绍
智能家居中的智能锁，让人们的日常生活更加的贴心和智能化，高端智能手表更是通过健康监测、运动训练以及通话功能成为了人们日常生活不可或缺的智能设备。智能锁的机械运动过程影响整个系统的功耗评估，高端智能手表旋转表冠的运动力学影响用户的体验以及应用控制的精细度，所以对产品运动过程中的力学特性描述以及检测提出了更严格和精确的要求。力学特性包含运动过程中的摩擦力、形变过程中的扭力以及旋转过程的阻尼力等，一方面力学特性检测需要尽可能多的覆盖到整个运动过程，另一方面运动过程中异常因素的影响对数据的有效性占比，对整个力学特性的描述以及检测带来了一定的挑战。现有测试方案是利用力学传感器采集固定点位的数据，进行固定阈值判定；这种方法系统搭建比较简单，但仅仅能反应固定点位力的数值，不能很好的反应整个运动过程的力学状态，另外异常因素对受力过程的影响缺乏有效的标定方式。
技术实现思路
本专利技术所要解决的技术问题是：提本文档来自技高网...

【技术保护点】
1.一种智能设备力学特性缺陷检测的方法，其特征在于，包括以下步骤：/n测试软件采集智能设备运动过程中的受力数据作为测试数据；/n所述测试软件根据最优非线性回归自由度N对所述测试数据进行数据处理，获取测试决定系数，并进行非线性拟合得到测试曲线；/n将所述测试决定系数与训练决定系数进行对比，当干扰度大于干扰阈值时认为所述测试数据受异常因素干扰程度大；/n将所述测试曲线与训练曲线进行比对，偏离度大于偏离阈值的所述测试数据标定为缺陷数据，根据所述缺陷数据位置标定出相应的力学特性缺陷位置。/n

【技术特征摘要】
1.一种智能设备力学特性缺陷检测的方法，其特征在于，包括以下步骤：
测试软件采集智能设备运动过程中的受力数据作为测试数据；
所述测试软件根据最优非线性回归自由度N对所述测试数据进行数据处理，获取测试决定系数，并进行非线性拟合得到测试曲线；
将所述测试决定系数与训练决定系数进行对比，当干扰度大于干扰阈值时认为所述测试数据受异常因素干扰程度大；
将所述测试曲线与训练曲线进行比对，偏离度大于偏离阈值的所述测试数据标定为缺陷数据，根据所述缺陷数据位置标定出相应的力学特性缺陷位置。


2.根据权利要求1所述的智能设备力学特性缺陷检测的方法，其特征在于，所述最优非线性回归自由度N的获取方法包括以下步骤：
通过所述测试软件采集标准智能设备运动过程中的受力数据作为训练数据；
将所述训练数据使用LinearRegreSion方法创建模型；
使用PolynomialFeatures方法根据所述模型创建非线性回归训练模型；
使用Fit_transform方法将所述非线性回归训练模型标准化和拟合；
计算出标准决定系数，并对N＝1、2、3……n时获取的所述标准决定系数进行比对评估，将大于等于0.95的所述标准决定系数标记为所述训练决定系数，在所述训练决定系数下的自由度为所述最优非线性回归自由度N；
存储所述最优非线性回归自由度N。


3.根据权利要求2所述的智能设备力学特性缺陷检测的方法，其特征在于，对所述测试数据...

【专利技术属性】
技术研发人员：赵建行，刘艳萍，聂奇，
申请(专利权)人：歌尔科技有限公司，
类型：发明
国别省市：山东;37