申请/专利权人：浙江沃沃阀门有限公司

申请日：2023-06-02

公开（公告）日：2024-06-04

公开（公告）号：CN117862876B

主分类号：B23P23/02

分类号：B23P23/02;B23Q3/06;B23Q5/28

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请涉及机械加工领域，其具体地公开了一种锻钢阀门阀盖多工位自动装夹工装，其通过采用基于深度学习的神经网络模型挖掘出锻钢阀门阀盖多工位自动装夹工装的运行过程中所产生的振动信号和声音信号两者之间的关联性时序变化隐含特征，以对于锻钢阀阀盖自动化多工位机加工设备的工作状态进行实时准确地监测，从而保证锻钢阀门阀盖多工位自动装夹工装的安全稳定运行。

主权项：1.一种锻钢阀门阀盖多工位自动装夹工装，其特征在于，包括：数据采集模块，用于获取由振动传感器和声音传感器采集的钻孔过程中的振动信号和声音信号；振动波形特征提取模块，用于将所述振动信号的波形图通过作为过滤器的第一卷积神经网络模型以得到振动波形特征向量；声音波形特征提取模块，用于将所述声音信号的波形图通过作为过滤器的第二卷积神经网络模型以得到声音波形特征向量；数据时序关联编码模块，用于对所述振动波形特征向量和所述声音波形特征向量进行关联编码以得到关联特征矩阵；注意力增强模块，用于将所述关联特征矩阵通过双向注意力机制模块以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及工作状态检测模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示锻钢阀阀盖自动化多工位机加工设备的工作状态是否正常；其中，所述振动波形特征提取模块，用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的全局均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述振动波形特征向量，所述作为过滤器的第一卷积神经网络的第一层的输入为所述振动信号的波形图；其中，所述声音波形特征提取模块，用于：使用所述作为过滤器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的全局均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第二卷积神经网络的最后一层的输出为所述声音波形特征向量，所述作为过滤器的第二卷积神经网络的第一层的输入为所述声音信号的波形图；其中，所述数据时序关联编码模块，用于：以如下公式对所述振动波形特征向量和所述声音波形特征向量进行关联编码以得到关联特征矩阵；其中，所述公式为： ，其中表示所述振动波形特征向量，表示所述振动波形特征向量的转置向量，表示所述声音波形特征向量，表示所述关联特征矩阵，表示向量相乘；其中，所述注意力增强模块，包括：双向池化单元，用于将所述关联特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；池化关联编码单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；激活单元，用于将所述双向关联矩阵输入Sigmoid激活函数以得到注意力特征矩阵；矩阵展开单元，用于将所述关联特征矩阵和所述注意力特征矩阵分别展开为特征向量以得到关联特征向量和注意力特征向量；优化特征融合单元，用于融合所述关联特征向量和所述注意力特征向量以得到融合关联特征向量；以及维度重构单元，用于将所述融合关联特征向量进行维度重构以得到所述分类特征矩阵；其中，所述振动波形特征提取模块，包括：优化因数计算单元，用于计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到多个位置信息图式注意力响应因数；以及加权优化单元，用于以所述多个位置信息图式注意力响应因数作为加权系数对所述分类特征矩阵的各个位置特征值进行加权优化以得到所述优化分类特征矩阵；其中，所述优化因数计算单元，用于：以如下优化公式计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到所述多个位置信息图式注意力响应因数；其中，所述优化公式为： ，其中，是所述分类特征矩阵中各个位置特征值，为所述分类特征矩阵的各个位置特征值的坐标，且是所述分类特征矩阵的所有特征值的全局均值，和代表将二维实数映射为一维实数的函数，和分别是所述分类特征矩阵的宽度和高度，表示以2为底的对数函数值，表示所述多个位置信息图式注意力响应因数中的各个位置信息图式注意力响应因数。

全文数据：

权利要求：

百度查询： 浙江沃沃阀门有限公司 一种锻钢阀门阀盖多工位自动装夹工装

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD