电动工具质量隐患诊断方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了电动工具质量隐患诊断方法、装置、电子设备及存储介质，诊断方法包括：算法训练阶段：对目标电动工具的多种特征参数进行观察测量，得到原始数据；对原始数据进行分类整理，根据分类后的结果数据使用计算机进行数学建模和训练，得到计算机自动学习算法模型；质量隐患诊断阶段：对目标电动工具的多种特征参数进行观察测量，将测量到的数据作为预测样本输入所述的计算机自动学习算法模型，并将算法模型的输出作为目标电动工具的质量缺陷诊断结果；结果反馈阶段：根据质量缺陷诊断结果，如有项目被诊断为存在质量隐患，则将目标电动工具进行全部项目的检测，将检测结果反馈至计算机的算法训练阶段，作为数据库的补充更新。作为数据库的补充更新。作为数据库的补充更新。

【技术实现步骤摘要】
电动工具质量隐患诊断方法、装置、电子设备及存储介质


[0001]本专利技术涉及电动工具检测领域，特别涉及一种基于计算机辅助的的电动工具质量隐患诊断方法、装置、电子设备及存储介质。

技术介绍

[0002]如今手持式电动工具在建筑装修等行业正发挥着日益重要的作用，常用于建筑装修过程中的锯割、钻孔、抛光、磨光、剪切、搅拌等作业。近年来科技发展迅猛，市场上的各类手持式电动工具新产品层出不穷。一些厂家过分追求价廉，压缩生产成本，导致“劣币驱逐良币”的现象时有发生，手持式电动工具在国家级及各地省级监督抽查中不合格率居高不下。手持式电动工具发展速度过快，但出现检测市场不规范，相关检测技术无法满足市场需要等问题。当前对手持式电动工具的质量检测都是依托专业实验室按照相关产品国家标准来进行检测，通常只有一些省级以上的检测机构才能进行全项目的检测，对检测机构的硬件设施和人员专业性要求都很高。主要缺点是：检测费用高，通常要数千元以上；检测周期长，通常要几十个工作日才能拿到检测结果。由于手持式电动工具产品的质量检验有较高的技术门槛，普通消费者对手持式电动工具产品的质量更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电动工具质量隐患诊断方法，其特征在于，包括：算法训练阶段：对目标电动工具的多种特征参数进行观察测量，得到原始数据；对原始数据进行分类整理，根据分类后的结果数据使用计算机进行数学建模和训练，得到计算机自动学习算法模型；质量隐患诊断阶段：对目标电动工具的多种特征参数进行观察测量，将测量到的数据作为预测样本输入所述的计算机自动学习算法模型，并将算法模型的输出作为目标电动工具的质量缺陷诊断结果；结果反馈阶段：根据质量缺陷诊断结果，如有项目被诊断为存在质量隐患，则将目标电动工具进行全部项目的检测，将检测结果反馈至计算机的算法训练阶段，作为数据库的补充更新。2.根据权利要求1所述的电动工具质量隐患诊断方法，其特征在于，还包括：根据电动工具的多种特征参数和与其对应的质量缺陷诊断结果，生成训练样本集；应用生成的训练样本集，基于对应的评价函数及约束算法建立贝叶斯网络的拓扑结构；基于朴素贝叶斯决策理论确定所述贝叶斯网络的拓扑结构中各结点处的条件概率，得到各个所述结点的条件概率表。3.根据权利要求2所述的电动工具质量隐患诊断方法，其特征在于，生成训练样本集的方法，包括：汇总一定批量的电动工具全项目检测数据以及相关特征参数；在所述的全项目检测数据中提取电动工具的多种特征参数及对应的质量隐患数据，根据特征参数和质量隐患之间的逻辑关系建立电动工具特征参数指标体系；根据建立的电动工具特征参数指标体系进行预处理并生成训练样本集。4.根据权利要求3所述的电动工具质量隐患诊断方法，其特征在于，观察测量的目标电动工具的多种特征参数假设有m个，得到原始数据为m种特征观察量x1、x2……
x
m
；电动工具全项目假设有n个，D1j、D2j、D3j分别表示第j个项目的检测结果是“合格”、“不合格”和“不予判定”，j＝1～n；每个项目对应三种检测结果的概率P(D
1j
)、P(D
2j
)、P(D
3j
)；建立特征观察量x1、x2……
x
m
和各项目检测结果D1j、D2j、D3j之间的数学关系函数模型，用该模型算出各种特征观察量出现概率的估计值p(x
i
|D
1j
),p(x
i
|D
2j
),p(x
i
|D
3j
)；i＝1～m，j＝1～n；对一个未知结果的电动工具，观察测量其m个特征参数，得到结果记为x1、x2……
x
m
，用朴素贝叶斯算法，确定第j个项目是否合格...

【专利技术属性】
技术研发人员：黄海泉，桂旭，张健，唐勇，季天虬，王翔，袁旗，
申请(专利权)人：南通市产品质量监督检验所，
类型：发明
国别省市：