[发明专利]扣件成型机的模具状态诊断方法

说明书

本发明公开了一种扣件成型机的模具状态诊断方法，包含:获取扣件成型机和样本模具处理样本工件时的样本压力感测数据。进行模具状态定义步骤，获得对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码演算法建立编码模型，编码模型压缩每个组样本压力感测数据为阵列样本编码特征。使用样本编码特征和其对应的模具状态建立模具状态预测模型。使用扣件成型机和标的模具处理标的工件，获得标的压力感测数据。输入标的压力感测数据至编码模型，获得一组标的编码特征。输入标的编码特征至预测模型，推估出标的模具的预测模具状态。借此，能够提早侦测出扣件成型机的异常状态。

技术领域

本发明是有关于一种模具状态诊断方法，且特别是有关于一种扣件成型机的模具状态诊断方法。

背景技术

为了解决加工机在加工过程无法立即检测加工品质的缺失，现有做法是利用一种预测系统，来在加工机进行加工作业的过程中来预测加工品质。

然而，不同加工机具有不同的运作方式与加工方式，如何找出影响扣件成型机的加工品质的关键特征，来作为提供预测系统的输入值，以达到预测加工品质已成为相关业者努力的目标。

发明内容

因此，本发明的一目的是提供一种扣件成型机的模具状态诊断方法，其可在扣件成型机的加工过程中快速取得模具状态变化，进而能够提早侦测出扣件成型机的异常状态。

根据本发明的上述目的，提出一种扣件成型机的模具状态诊断方法，包含以下步骤。安装至少一个压力感测器至扣件成型机上。安装样本模具至扣件成型机上。使用扣件成型机和样本模具分别处理多个样本工件，而获得多组样本压力感测数据。进行模具状态的定义步骤，以获得一对一对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码(Autoencoder)演算法建立编码模型，其中编码模型分别压缩样本压力感测数据为多组样本编码特征，这些样本编码特征一对一对应至这些模具状态。使用样本编码特征和其对应的模具状态并根据推估演算法，来建立模具状态预测模型。安装标的模具至扣件成型机上。使用扣件成型机和标的模具分别处理数个标的工件，而获得标的压力感测数据。输入标的压力感测数据至编码模型，以获得一组标的编码特征。输入标的编码特征至预测模型中，而推估出针对标的模具所对应的预测模具状态。

根据本发明的上述目的，提出另一种扣件成型机的模具状态诊断方法，包含以下步骤。获取扣件成型机和样本模具分别处理多个样本工件时的样本压力感测数据，其中组样本压力感测数据是由安装在扣件成型机的压力感测器所获得。进行模具状态的定义步骤，以获得一对一对应至样本压力感测数据的多个模具状态。使用样本压力感测数据并根据自动编码(Autoencoder)演算法建立编码模型，其中编码模型分别压缩样本压力感测数据为多组样本编码特征，这些样本编码特征一对一对应至这些模具状态。使用样本编码特征和其对应的模具状态并根据推估演算法，来建立模具状态预测模型。使用扣件成型机和标的模具分别处理数个标的工件，而获得标的压力感测数据。输入标的压力感测数据至编码模型，以获得一组标的编码特征。输入标的编码特征至预测模型中，而推估出针对标的模具所对应的预测模具状态。

依据本发明的一实施例，上述的编码模型包含压缩器以及解码器。其中，压缩器可将每一个样本压力感测数据以及标的压力感测数据压缩后形成压缩数据。解码器可将压缩数据解码还原成对应每一个压缩数据的解码数据。

依据本发明的一实施例，上述的扣件成型机的模具状态诊断方法还包含判断这些压缩数据是否可靠，其中解码数据与其对应的样本压力感测数据的差异小于门槛值时，压缩数据可作为对应的样本压力感测数据的样本编码特征。

依据本发明的一实施例，上述的推估演算法包括支持向量机(Support VectorMachines，SVM)演算法或深度神经网络(Deep neural network，DNN)演算法。

依据本发明的一实施例，上述的模具状态的定义步骤包含将每一这些样本模具的该组样本压力感测数据转换成频域信号。进行判断步骤，以根据频域信号获得对应每一个样本模具的模具状态。