[发明专利]一种螺栓力矩衰减的预测方法、系统、装置和介质有效
申请号: | 201910643745.2 | 申请日: | 2019-07-17 |
公开(公告)号: | CN110472288B | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 魏智锋;张樵;戴超凡;李继;钟雷;陈欣悦 | 申请(专利权)人: | 武汉科技大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06K9/62;G06Q10/04 |
代理公司: | 北京轻创知识产权代理有限公司 11212 | 代理人: | 姜展志 |
地址: | 430081 湖北省武汉*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 螺栓 力矩 衰减 预测 方法 系统 装置 介质 | ||
本发明涉及一种螺栓力矩衰减的预测方法、系统、装置和介质,方法包括获取多个历史螺栓数据,并根据多个历史螺栓数据建立原始螺栓数据集;对原始螺栓数据集进行预处理,得到目标螺栓数据集;分别采用相关系数分析法、聚类分析法和主成分分析法对目标螺栓数据集进行分析,得到力矩衰减关键因子,并根据力矩衰减关键因子建立原始力矩衰减预测模型;根据目标螺栓数据集获取样本数据集,并根据样本数据集对原始力矩衰减预测模型进行训练,得到目标力矩衰减预测模型;根据目标力矩衰减预测模型对待预测螺栓的力矩衰减进行预测,得到预测结果。本发明能对螺栓的力矩衰减进行预测,预测准确率高、效率高,提高了车辆的安全性。
技术领域
本发明涉及螺栓技术领域,尤其涉及一种螺栓力矩衰减的预测方法、系统、装置和介质。
背景技术
螺栓是最常见的紧固件之一。因其具有结构简单,拆装方便,调整容易等优点,被广泛应用于机械、车辆、铁路以及各种工程结构之中。在交通行业中,各种交通工具的大部分零件都是有螺栓连接的,例如汽车底盘绝大多数零部件就是由螺栓连接,车辆部分部位螺栓在装配线上拧紧后,静止状态检测力矩满足工艺要求,但在不同路况下,车辆路试或跑很长一段时间后,经受横向冲击及轴向颠簸后,螺栓力矩会出现不同程度的衰减情况,严重时影响行车安全。
因此,系统分析螺栓力矩的影响因素,识别各影响因素的显著性,进而建立基于实验测试数据的预测模型,实现对螺栓力矩衰减的预测,对螺栓力矩衰减预警水平的提高是十分重要的,有助于企业及时发现问题并找到对应的解决方案,提高产品的安全性。然而目前还没有一种有效可靠的预测螺栓力矩衰减的方法。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种螺栓力矩衰减的预测方法、系统、装置和介质,能对螺栓的力矩衰减进行预测,能有效分析螺栓力矩衰减的问题,发现影响力矩衰减的主要因素,帮助企业排查螺栓、及时发现问题并找到对应的解决方案。
本发明解决上述技术问题的技术方案如下:
一种螺栓力矩衰减的预测方法,包括以下步骤:
步骤1:获取安装在目标物体上的螺栓的多个历史螺栓数据,并根据多个所述历史螺栓数据建立原始螺栓数据集;
步骤2:对所述原始螺栓数据集进行预处理,得到目标螺栓数据集;
步骤3:分别采用相关系数分析法、聚类分析法和主成分分析法对所述目标螺栓数据集进行分析,得到力矩衰减关键因子,并根据所述力矩衰减关键因子建立原始力矩衰减预测模型;
步骤4:从所述目标螺栓数据集中获取样本数据集,并利用所述样本数据集对所述原始力矩衰减预测模型进行训练,得到目标力矩衰减预测模型;
步骤5:利用所述目标力矩衰减预测模型对待预测螺栓的力矩衰减进行预测,得到预测结果。
本发明的有益效果是:首先通过获取多个历史螺栓数据,并建立原始螺栓数据集,科学地涵盖了螺栓的全生命周期因素,再通过对原始螺栓数据集进行预处理,一方面能保证数据质量,另一方面便于后续对预处理后得到的目标螺栓数据集进行分析,得到影响螺栓的力矩衰减关键因子;分别采用相关系数分析法、聚类分析法和主成分分析法对目标螺栓数据集进行分析,能有效分析螺栓的力矩衰减问题,并发现影响螺栓力矩衰减的主要因素,便于根据力矩衰减因子构建神经网络的原始力矩衰减预测模型,基于前述的目标螺栓数据集,对原始力矩衰减预测模型进行训练,得到预测准确率高的目标力矩衰减预测模型,通过目标力矩衰减预测模型对待预测螺栓的力矩衰减进行预测,得到的预测结果预测准确率高,极大地帮助了企业及时地和全面地掌握力矩衰减情况,并对螺栓进行排查并采取相应的解决方案,减少了主观臆断的不确定性,工作效率得到极大提升,提高了产品的安全性。
在上述技术方案的基础上,本发明还可以做如下改进:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉科技大学,未经武汉科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910643745.2/2.html,转载请声明来源钻瓜专利网。