本发明专利技术公开了一种冲压生产异常监测方法、装置、系统和可读存储介质，该方法包括：在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型；采集模具对应的数据集合，并对所述数据集合进行预设操作；将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常；本发明专利技术通过模具编号确定对应的计算模型，并将模具对应的数据集合输入计算模型，得到目标指标值，并根据目标指标值判断生产是否异常，以实时监测生产是否异常，进而提高产品良率。进而提高产品良率。进而提高产品良率。
【技术实现步骤摘要】
冲压生产异常监测方法、装置、系统与可读存储介质
[0001]本专利技术涉及机器学习
，尤其涉及冲压生产异常监测方法、装置、系统与可读存储介质。
技术介绍
[0002]对于换模频次高、加工节拍快的冲压生产场景，模具数量、种类较多，生产中经常会出现跳料压伤、漏打孔、冲孔形位尺寸超差等质量问题，由于生产节奏较快，因此上述问题很容易导致批量不良的情况发生；现行生产异常监控的模式为：对于冲压件质量的监测依靠产品质量抽检反馈的方式进行，当抽检到异常产品时，批量不良的产品数量已经较多，这样不仅影响产品良率，而且浪费生产材料。
技术实现思路
[0003]本专利技术的主要目的在于提出一种冲压生产异常监测方法、装置、系统与可读存储介质，旨在解决如何及时监测生产异常，以提高产品良率的问题。
[0004]为实现上述目的，本专利技术提供一种冲压生产异常监测方法，所述冲压生产异常监测方法包括如下步骤：
[0005]在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型；
[0006]采集模具对应的数据集合，并对所述数据集合进行预设操作；
[0007]将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常。
[0008]优选地，在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型的步骤之前，所述冲压生产异常监测方法还包括：
[0009]获取不同模具的样本数据集合，并对所述样本数据集合进行训练，得到计算模型集合；
[0010]将所述计算模型集合储存在云端服务器中。
[0011]优选地，获取不同模具的样本数据集合，并对所述样本数据集合进行训练，得到计算模型集合的步骤包括：
[0012]根据预设样本数量和模具编号，获取不同模具对应的样本数据集合；
[0013]通过云端服务器对不同模具对应的样本数据集合进行训练，得到不同模具对应的计算模型，以得到计算模型集合。
[0014]优选地，根据所述模具编号确定对应的计算模型的步骤包括：
[0015]将所述模具编号发送到云端服务器，并接收所述云端服务器根据所述模具标号下发的计算模型。
[0016]优选地，对所述数据集合进行预设操作的步骤包括：
[0017]对所述数据集合进行时间对齐操作，并对经过所述时间对齐操作的数据集合进行
滤波操作；
[0018]对所述经过滤波操作的数据集合进行特征构造操作，以获取数据集合对应的时域特征集合和频域特征集合。
[0019]优选地，将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常的步骤包括：
[0020]将所述时域特征集合和所述频域特征集合输入所述计算模型，以得到目标指标值，并将所述目标指标值与预设指标阈值进行对比；
[0021]若所述目标指标值小于所述预设指标阈值，则确定生产异常，并进行报警操作；
[0022]若所述目标指标值不小于所述预设指标阈值，则确定生产非异常，以继续进行生产操作。
[0023]优选地，将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常的步骤之后，所述冲压生产异常监测方法还包括：
[0024]若接收到反馈指令，获取所述反馈指令中的反馈数据集合，并将所述反馈数据集合发送到云端服务器，以通过所述反馈数据集合和样本数据集合更新对应的计算模型。
[0025]此外，为实现上述目的，本专利技术还提供一种冲压生产异常监测装置，所述冲压生产异常监测装置包括：
[0026]获取模块，用于在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型；
[0027]采集模块，用于采集模具对应的数据集合，并对所述数据集合进行预设操作；
[0028]计算模块，用于将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常。
[0029]进一步地，所述获取模块还包括训练模块，所述训练模块用于：
[0030]获取不同模具的样本数据集合，并对所述样本数据集合进行训练，得到计算模型集合；
[0031]将所述计算模型集合储存在云端服务器中。
[0032]进一步地，所述训练模块还用于：
[0033]根据预设样本数量和模具编号，获取不同模具对应的样本数据集合；
[0034]通过云端服务器对不同模具对应的样本数据集合进行训练，得到不同模具对应的计算模型，以得到计算模型集合。
[0035]进一步地，所述获取模块还用于：
[0036]将所述模具编号发送到云端服务器，并接收所述云端服务器根据所述模具标号下发的计算模型。
[0037]进一步地，所述采集模块还包括提取模块，所述提取模块用于：
[0038]对所述数据集合进行时间对齐操作，并对经过所述时间对齐操作的数据集合进行滤波操作；
[0039]对所述经过滤波操作的数据集合进行特征构造操作，以获取数据集合对应的时域特征集合和频域特征集合。
[0040]进一步地，所述计算模块还用于：
[0041]将所述时域特征集合和所述频域特征集合输入所述计算模型，以得到目标指标
值，并将所述目标指标值与预设指标阈值进行对比；
[0042]若所述目标指标值小于所述预设指标阈值，则确定生产异常，并进行报警操作；
[0043]若所述目标指标值不小于所述预设指标阈值，则确定生产非异常，以继续进行生产操作。
[0044]进一步地，所述计算模块还包括反馈模块，所述反馈模块用于：
[0045]若接收到反馈指令，获取所述反馈指令中的反馈数据集合，并将所述反馈数据集合发送到云端服务器，以通过所述反馈数据集合和样本数据集合更新对应的计算模型。
[0046]此外，为实现上述目的，本专利技术还提供一种冲压生产异常监测系统，所述冲压生产异常监测系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的冲压生产异常监测程序，所述冲压生产异常监测程序被所述处理器执行时实现如上所述的冲压生产异常监测方法的步骤。
[0047]此外，为实现上述目的，本专利技术还提供一种可读存储介质，所述可读存储介质为计算机可读储存介质，所述计算机可读存储介质上存储有冲压生产异常监测程序，所述冲压生产异常监测程序被处理器执行时实现如上所述的冲压生产异常监测方法的步骤。
[0048]本专利技术提出的冲压生产异常监测方法，在检测到启动指令时，获取启动指令中的模具编号，并根据模具编号确定对应的计算模型；采集模具对应的数据集合，并对数据集合进行预设操作；将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据目标指标值，判断生产是否异常；本专利技术通过模具编号确定对应的计算模型，并将模具对应的数据集合输入计算模型，得到目本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种冲压生产异常监测方法，其特征在于，所述冲压生产异常监测方法包括如下步骤：在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型；采集模具对应的数据集合，并对所述数据集合进行预设操作；将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并根据所述目标指标值，判断生产是否异常。2.如权利要求1所述的冲压生产异常监测方法，其特征在于，所述在检测到启动指令时，获取所述启动指令中的模具编号，并根据所述模具编号确定对应的计算模型的步骤之前，所述冲压生产异常监测方法还包括：获取不同模具的样本数据集合，并对所述样本数据集合进行训练，得到计算模型集合；将所述计算模型集合储存在云端服务器中。3.如权利要求2所述的冲压生产异常监测方法，其特征在于，所述获取不同模具的样本数据集合，并对所述样本数据集合进行训练，得到计算模型集合的步骤包括：根据预设样本数量和模具编号，获取不同模具对应的样本数据集合；通过云端服务器对不同模具对应的样本数据集合进行训练，得到不同模具对应的计算模型，以得到计算模型集合。4.如权利要求1所述的冲压生产异常监测方法，其特征在于，所述根据所述模具编号确定对应的计算模型的步骤包括：将所述模具编号发送到云端服务器，并接收所述云端服务器根据所述模具标号下发的计算模型。5.如权利要求1中所述的冲压生产异常监测方法，其特征在于，所述对所述数据集合进行预设操作的步骤包括：对所述数据集合进行时间对齐操作，并对经过所述时间对齐操作的数据集合进行滤波操作；对所述经过滤波操作的数据集合进行特征构造操作，以获取数据集合对应的时域特征集合和频域特征集合。6.如权利要求5所述的冲压生产异常监测方法，其特征在于，所述将经过预设操作的数据集合输入所述计算模型，以得到目标指标值，并...
【专利技术属性】
技术研发人员：张建宇，朱瑜鑫，杜冬冬，熊皓，周文明，成建洪，赵一波，叶佩玉，花霖，冯建设，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。