[发明专利]发动机装配检测方法、系统、存储介质以及电子设备

说明书

本发明公开了一种发动机装配检测方法、系统、存储介质以及电子设备，涉及发动机技术领域，该方法包括：获取发动机装配检测过程中采集到的装配检测数据；将所述装配检测数据作为训练好的失效检测模型的输入，根据所述失效检测模型的输出结果确定所述发动机的装配是否合格。本发明的有益效果是：通过训练好的失效检测模型，可以引入多个维度的检测数据进行分析，使得发动机装配检测的检测结果更佳。

技术领域

本发明属于发动机技术领域，尤其涉及一种发动机装配检测方法、系统、存储介质以及电子设备。

背景技术

在发动机生产装配过程中，通过建立IPV工位检测，监控关键零部件装配状态，提前识别因零部件问题或者设备状态等引起的装配缺陷，保证流出发动机的装配质量完全满足保证市场需求。但是窗口、包络线和斜率等判定规则在两维度过程曲线波动较大时，很难设定合理的监控规则，识别装配差异性表现，如增加滤波功能，可以减小上述波动，但是会带来相应性变差。另外，装配线IPV工位(拧紧、压装、气密性检测等)检测均采用两通道测试数据边缘计算模式监控装配质量，两个维度数据仅能搭建窗口和包络线等监控实现部分或者整个装配过程的监控。

发明内容

本发明正是基于上述技术问题，提出了一种发动机装配检测方法、系统、存储介质以及电子设备。

第一方面，本发明实施例提供了一种发动机装配检测方法，包括：

获取发动机装配检测过程中采集到的装配检测数据；

将所述装配检测数据作为训练好的失效检测模型的输入，根据所述失效检测模型的输出结果确定所述发动机的装配是否合格。

可选地，通过以下步骤构建所述失效检测模型，包括：

获取训练样本，其中，所述训练样本包括装配合格的历史装配检测数据以及装配不合格的历史装配检测数据；

基于所述训练样本，进行机器学习，获得所述失效检测模型。

可选地，所述基于所述训练样本，进行机器学习，获得所述失效检测模型，包括：

从所述历史装配检测数据中提取预设区域上的特征值；其中，所述特征值包括最大值、最小值、标准差、均值以及四分位数中的至少一种；

对提取到的特征值进行主成分分析，得到主成分分析结果；

对所述主成分分析结果进行聚类，得到聚类后的类簇，并将所述聚类后的类簇作为所述失效检测模型。

可选地，所述对所述主成分分析结果进行聚类，得到聚类后的类簇，包括：

将所述主成分分析结果作为DBSCAN聚类模型的输入，得到聚类后的类簇。

可选地，所述将所述装配检测数据作为训练好的失效检测模型的输入，以根据所述失效检测模型的输出结果确定所述发动机的装配是否合格，包括：

从所述装配检测数据中提取预设区域上的特征值；

将提取到的特征值与所述失效检测模型进行对比，以判断提取到的特征值是否在所述失效检测模型的区域内；

当提取到的特征值在所述失效检测模型的区域内，确定所述发动机的装配合格。

可选地，所述基于所述训练样本，进行机器学习，获得所述失效检测模型，包括：

将所述训练样本作为待训练的神经网络模型的输入，以对所述神经网络模型进行训练，得到所述失效检测模型，其中，所述神经网络模型用于对装配检测数据进行分析。

可选地，所述装配检测数据包括发动机装配过程中采集到的扭矩值、角度值、压力值以及位移值中的至少一种。

第二方面，本发明实施例提供了一种发动机装配检测系统，包括：