一种诊断螺栓拧紧异常的方法与设备技术

本申请的目的是提供一种诊断螺栓拧紧异常的方法与设备。与现有技术相比，本申请获取螺栓拧紧过程的量化曲线；提取所述量化曲线的量化数据特征；通过预设的异常检测模型根据所述量化数据特征确定异常的螺栓拧紧过程；通过预设的聚类模型对确定的异常螺栓拧紧过程对应的所述量化曲线进行分类，以确定一个或多个异常类别及属于该异常类别的异常螺栓拧紧过程。该方式先通过异常检测模型进行异常判断，后根据聚类模型进行异常分类，不仅实现了自动异常判断，还实现了自动的异常分类，大大减少了人工参与的应用成本，同时，用户可根据异常螺栓拧紧过程的异常分类采取对应的修正措施或该异常类型对应的检修方式等。或该异常类型对应的检修方式等。或该异常类型对应的检修方式等。

【技术实现步骤摘要】
一种诊断螺栓拧紧异常的方法与设备


[0001]本申请涉及计算机
，尤其涉及一种用于诊断螺栓拧紧异常的技术。

技术介绍

[0002]螺栓拧紧作为机械加工的一种连接工艺，广泛应用于装配过程当中，随着自动化技术的发展，制造企业逐渐使用自动拧紧枪来完成拧紧工艺。相比手动拧紧的方式，自动拧紧枪的操作要求更严谨，包括需保证在拧紧过程中自动拧紧枪和螺栓之间的扭矩及角度变化合理，以此确保整个拧紧工艺的稳定和较高的可靠性。
[0003]现有的螺栓拧紧异常诊断方式只是对异常与否进行判定，具体该异常属于何种异常类型需要进行人工认定，无法实现自动识别。

技术实现思路

[0004]本申请的目的是提供一种诊断螺栓拧紧异常的方法与设备。
[0005]根据本申请的一个方面，提供了一种诊断螺栓拧紧异常的方法，其中，所述方法包括：
[0006]获取螺栓拧紧过程的量化曲线；
[0007]提取所述量化曲线的量化数据特征；
[0008]通过预设的异常检测模型根据所述量化数据特征确定异常的螺栓拧紧过程；
[0009]通过预设的聚类模型对确定的异常螺栓拧紧过程对应的所述量化曲线进行分类，以确定一个或多个异常类别及属于该异常类别的异常螺栓拧紧过程。
[0010]进一步地，所述量化曲线包括扭矩时间曲线，其中，所述提取所述量化曲线的量化数据特征之前包括：
[0011]根据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段，以提取达到所述标准扭矩的拧紧动作对应的曲线分段，其中，所述标准扭矩包括螺栓拧紧过程唯一对应的结果扭矩，和/或一个或多个门槛扭矩；
[0012]其中，所述提取所述量化曲线的量化数据特征包括：提取一个或多个所述曲线分段的所述量化数据特征。
[0013]进一步地，所述根据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段包括：
[0014]根据所述结果扭矩在所述扭矩时间曲线中提取到达结果扭矩的拧紧动作对应的目标分段，
[0015]其中，所述量化曲线还包括扭矩角度曲线，其中，所述提取一个或多个所述曲线分段的所述量化数据特征包括：
[0016]在所述扭矩角度曲线中提取所述目标分段对应的目标扭矩角度分段的量化数据特征，其中，所述量化数据特征包括斜率值、角度跨度及扭矩跨度。
[0017]进一步地，所述标准扭矩包括所述结果扭矩及一个或多个门槛扭矩，其中，所述根
据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段还包括：
[0018]根据第一门槛扭矩在所述扭矩时间曲线中截取从拧紧过程开始至到达第一个门槛扭矩的拧紧动作对应的起始分段；
[0019]其中，所述提取一个或多个所述曲线分段的所述量化数据特征包括还包括：
[0020]在所述扭矩时间曲线中提取所述起始分段的时间跨度。
[0021]进一步地，预设拟合阈值及拟合比例，其中，所述根据所述结果扭矩在所述扭矩时间曲线中提取到达结果扭矩的拧紧动作对应的目标分段包括：
[0022]确定所述结果扭矩y1在所述扭矩时间曲线上对应的第一点(x1,y1)；
[0023]根据所述拟合比例p设置所述时间扭矩曲线上的第二点(x2,y2)，其中，y2/y1＝p；
[0024]根据所述第一点及所述第二点确定拟合直线；
[0025]若所述拟合直线上的第三点(x3,y3)与所述扭矩时间曲线上的第四点(x3,y4)满足|y3
‑
y4|＝a，将所述第四点作为所述目标分段的起点，其中，a为所述拟合阈值；
[0026]将所述扭矩时间曲线上位于所述起点与所述第一点之间的曲线分段作为所述目标分段。
[0027]进一步地，所述通过预设的异常检测模型根据所述量化数据特征确定异常的螺栓拧紧过程包括：
[0028]将所述量化数据特征输入所述异常检测模型，将输出的异常分数与预设的第一异常阈值比较：
[0029]若所述异常分数小于所述第一异常阈值，所述量化数据特征对应的螺栓拧紧过程正常；反之，
[0030]若所述异常分数大于所述第一异常阈值，所述量化数据特征对应的螺栓拧紧过程异常；
[0031]其中，所述通过预设的聚类模型对确定的异常螺栓拧紧过程对应的所述量化曲线进行分类包括：
[0032]将输出的异常分数与预设的第二异常阈值比较，若所述异常分数大于所述第二异常阈值，将所述量化数据特征对应的所述量化曲线通过所述聚类模型进行分类，以确定一个或多个异常类别及属于该异常类别的异常螺栓拧紧过程，其中，所述第二异常阈值小于所述第一异常阈值。
[0033]进一步地，所述聚类模型包括K
‑
means模型，其中，K
‑
means中的预设异常数量通过肘部法确定。
[0034]进一步地，预设翻译器及标签阈值，其中，所述确定一个或多个异常类别包括：
[0035]对于所述聚类模型输出的一个或若干个分类，通过所述预设翻译器对所述分类中的异常螺栓拧紧过程添加异常标签，若具有所述异常标签的异常螺栓拧紧过程数据超过所述标签阈值，将所述分类中占比最多的异常标签作为该分类的异常类别。
[0036]根据本申请的另一方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述方法的操作。
[0037]根据本申请的再一方面，还提供了一种诊断螺栓拧紧异常的设备，其中，该设备包括：
[0038]一个或多个处理器；以及
[0039]存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行上述方法的操作。
[0040]与现有技术相比，本申请获取螺栓拧紧过程的量化曲线；提取所述量化曲线的量化数据特征；通过预设的异常检测模型根据所述量化数据特征确定异常的螺栓拧紧过程；通过预设的聚类模型对确定的异常螺栓拧紧过程对应的所述量化曲线进行分类，以确定一个或多个异常类别及属于该异常类别的异常螺栓拧紧过程。该方式先通过异常检测模型进行异常判断，后根据聚类模型进行异常分类，不仅实现了自动异常判断，还实现了自动的异常分类，大大减少了人工参与的应用成本，同时，用户可根据异常螺栓拧紧过程的异常分类采取对应的修正措施或该异常类型对应的检修方式等。
附图说明
[0041]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0042]图1示出根据本申请一个方面的一种诊断螺栓拧紧异常的方法流程图；
[0043]图2示出根据本申请一个优选实施例的一种诊断螺栓拧紧异常的方法流程图；
[0044]图3示出以扭矩法为拧紧策略的螺栓拧紧过程对应的扭矩时间曲线；
[0045]图4示出以扭矩角度法为拧紧策略的螺栓拧紧过程对应的扭矩时间曲线；
[0046]图5示出根据肘部法确定聚类模型的异常数据的示意图；
[0047]图6(a)示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断螺栓拧紧异常的方法，其中，所述方法包括：获取螺栓拧紧过程的量化曲线；提取所述量化曲线的量化数据特征；通过预设的异常检测模型根据所述量化数据特征确定异常的螺栓拧紧过程；通过预设的聚类模型对确定的异常螺栓拧紧过程对应的所述量化曲线进行分类，以确定一个或多个异常类别及属于该异常类别的异常螺栓拧紧过程。2.根据权利要求1所述的方法，所述量化曲线包括扭矩时间曲线，其中，所述提取所述量化曲线的量化数据特征之前包括：根据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段，以提取达到所述标准扭矩的拧紧动作对应的曲线分段，其中，所述标准扭矩包括螺栓拧紧过程唯一对应的结果扭矩，和/或一个或多个门槛扭矩；其中，所述提取所述量化曲线的量化数据特征包括：提取一个或多个所述曲线分段的所述量化数据特征。3.根据权利要求2所述的方法，其中，所述根据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段包括：根据所述结果扭矩在所述扭矩时间曲线中提取到达结果扭矩的拧紧动作对应的目标分段，其中，所述量化曲线还包括扭矩角度曲线，其中，所述提取一个或多个所述曲线分段的所述量化数据特征包括：在所述扭矩角度曲线中提取所述目标分段对应的目标扭矩角度分段的量化数据特征，其中，所述量化数据特征包括斜率值、角度跨度及扭矩跨度。4.根据权利要求3所述的方法，所述标准扭矩包括所述结果扭矩及一个或多个门槛扭矩，其中，所述根据螺栓拧紧过程中的一个或多个标准扭矩对所述量化曲线进行分段还包括：根据第一门槛扭矩在所述扭矩时间曲线中截取从拧紧过程开始至到达第一个门槛扭矩的拧紧动作对应的起始分段；其中，所述提取一个或多个所述曲线分段的所述量化数据特征包括还包括：在所述扭矩时间曲线中提取所述起始分段的时间跨度。5.根据权利4所述的方法，预设拟合阈值及拟合比例，其中，所述根据所述结果扭矩在所述扭矩时间曲线中提取到达结果扭矩的拧紧动作对应的目标分段包括：确定所述结果扭矩y1在所述扭矩时间曲线上对应的第一点(x1,y1)；根据所述拟合比例p设置所述时间扭矩曲线上的第二点(x2,y2)，其中，y2/y1＝p；根据所述第一点及...

【专利技术属性】
技术研发人员：徐骏，黄毅，郭云，何琪，
申请(专利权)人：上海大制科技有限公司，
类型：发明
国别省市：