CN115034096B - 基于冲压信号的建模方法及装置、存储介质、电子设备 - Google Patents
基于冲压信号的建模方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN115034096B CN115034096B CN202210955729.9A CN202210955729A CN115034096B CN 115034096 B CN115034096 B CN 115034096B CN 202210955729 A CN202210955729 A CN 202210955729A CN 115034096 B CN115034096 B CN 115034096B
- Authority
- CN
- China
- Prior art keywords
- stamping
- characteristic
- signal
- signal curve
- searching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于冲压信号的建模方法及装置、存储介质、电子设备,其中,该方法包括:获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。通过本发明,解决了相关技术由于信号不对齐导致模型不准确的技术问题,可以提高时间/转子相位对齐的准确度,从而改善冲压信号模型的精度。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及一种基于冲压信号的建模方法及装置、存储介质、电子设备。
背景技术
相关技术中,冲压异常检测***需要采集连续一定次数的冲压信号进行建模,并以此为标准对比最新的信号作为评判方式。目前的冲压检测***普遍采取对某一时间段取最高峰,或者直接从冲压机的转轮相位取值的方法进行冲压信号的时间对齐。实际生产场景中,冲压信号可能会和转轮相位略微不齐,冲压信号的峰可能有多个,这会导致裁剪后的一组冲压信号不能在时间上准确对齐,导致模型的效率低下。
相关技术中,在冲压异常检测***中需要先采集一定数量的样本进行建模,随后使用这些样本拟合出一个一定时间内有效的标准模型,再与最新采集到的信号进行对比。样本在建模之前需要先进行裁剪,加窗等处理,让一组信号中的每一个样本都在裁剪后只保留一个波峰,并让这一波峰都处在相同的相位上,从而得到一组波峰位置相近的特征信号。在普遍采取的信号处理方式里,通常直接对整个波峰取最高点作为裁剪区域的中心点,但是某些冲压信号的特征段可能会拥有多个最高点,这会导致信号的相位无法对齐。
针对相关技术中存在的上述问题,目前尚未发现有效的解决方案。
发明内容
本发明实施例提供了一种基于冲压信号的建模方法及装置、存储介质、电子设备。
根据本申请实施例的一个方面,提供了一种基于冲压信号的建模方法,包括:获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
进一步,根据所述多个冲压信号的高度值生成搜索参考点包括:遍历所述冲压信号曲线中的每一个冲压信号,确定所述冲压信号曲线中振幅最大的目标点位置Tn和目标点高度Hn;采用所述目标点高度Hn乘以指定倍率K,得到参考高度Cn;将所述参考高度Cn确定为搜索参考点。
进一步,根据所述搜索参考点定位所述冲压信号曲线的特征对齐点包括:针对所述冲压信号曲线中的每一个冲压信号,比较所述冲压信号的振幅高度与所述搜索参考点,其中,所述搜索参考点的高度为参考高度Cn;在所述冲压信号曲线中查找振幅高度大于所述参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;在所述M个目标冲压信号中截取参考峰Kn;提取所述参考峰Kn的开始坐标An和结束坐标Bn;计算所述开始坐标An和结束坐标Bn的平均坐标值,并将所述平均坐标值确定为所述冲压信号曲线的特征对齐点Dn。
进一步,在所述M个目标冲压信号中截取参考峰Kn包括:若M等于1,将所述目标冲压信号确定为参考峰Kn;若M大于1,确定所述多个冲压信号中振幅最大的目标点位置Tn,并在M个目标冲压信号中选择包含Tn的一个波峰段作为参考峰Kn。
进一步,基于所述特征对齐点计算所述冲压信号曲线的特征参数包括:以所述特征对齐点为所述冲压信号曲线的基准点Dn,分别向前和向后延伸长度W,得到Dn-W和Dn+W;基于[Dn-W,Dn+W]生成信号序列On;对所述信号序列On进行加窗处理后,得到特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;针对所述特征信号矩阵的每一列元素,计算标准差,得到标准差序列;计算所述标准差序列中所有标准差的平均值;将所述平均值确定为所述冲压信号曲线在所述搜索倍率时的聚合松散度,其中,所述特征参数包括所述搜索倍率,以及与所述搜索倍率对应的聚合松散度。
进一步,采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型,包括:循环执行以下步骤,直到最大搜索倍率:按照预设步长调整当前的搜索倍率,根据所述多个冲压信号的高度值和调整后的搜索倍率生成调整后的搜索参考点;根据所述调整后的搜索参考点定位所述冲压信号曲线调整后的特征对齐点;基于所述调整后的特征对齐点计算所述冲压信号曲线的当前特征参数;在搜索倍率循环完成之后,将每一次循环的搜索倍率和聚合松散度关联后,生成特征参数集合;在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
进一步,在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型,包括:在所述特征参数集合中查找值最小的目标聚合松散度Kmin,并将与所述Kmin对应的搜索倍率确定为最优倍率;根据所述多个冲压信号的高度值和所述最优倍率生成最优搜索参考点;根据所述最优搜索参考点定位所述冲压信号曲线的最优特征对齐点;以所述最优特征对齐点为所述冲压信号曲线的最优基准点D,分别向前和向后延伸长度W,得到D-W和D+W;基于[D-W,D+W]生成最优信号序列;对所述最优信号序列进行加窗处理后,得到最优特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;采用最优特征信号矩阵对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
根据本申请实施例的另一个方面,还提供了一种基于冲压信号的建模装置,包括:获取模块,用于获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;生成模块,用于根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;定位模块,用于根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;计算模块,用于基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;建模模块,用于采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
进一步,所述生成模块包括:第一确定单元,用于遍历所述冲压信号曲线中的每一个冲压信号,确定所述冲压信号曲线中振幅最大的目标点位置Tn和目标点高度Hn;运算单元,用于采用所述目标点高度Hn乘以指定倍率K,得到参考高度Cn;第二确定单元,用于将所述参考高度Cn确定为搜索参考点。
进一步,所述定位模块包括:比较单元,用于针对所述冲压信号曲线中的每一个冲压信号,比较所述冲压信号的振幅高度与所述搜索参考点,其中,所述搜索参考点的高度为参考高度Cn;查找单元,用于在所述冲压信号曲线中查找振幅高度大于所述参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;截取单元,用于在所述M个目标冲压信号中截取参考峰Kn;提取单元,用于提取所述参考峰Kn的开始坐标An和结束坐标Bn;确定单元,用于计算所述开始坐标An和结束坐标Bn的平均坐标值,并将所述平均坐标值确定为所述冲压信号曲线的特征对齐点Dn。
进一步,所述截取单元包括:第一截取子单元,用于若M等于1,将所述目标冲压信号确定为参考峰Kn;第二截取子单元,用于若M大于1,确定所述多个冲压信号中振幅最大的目标点位置Tn,并在M个目标冲压信号中选择包含Tn的一个波峰段作为参考峰Kn。
进一步,所述计算模块包括:延伸单元,用于以所述特征对齐点为所述冲压信号曲线的基准点Dn,分别向前和向后延伸长度W,得到Dn-W和Dn+W;生成单元,用于基于[Dn-W,Dn+W]生成信号序列On;加窗单元,用于对所述信号序列On进行加窗处理后,得到特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;第一计算单元,用于针对所述特征信号矩阵的每一列元素,计算标准差,得到标准差序列;第二计算单元,用于计算所述标准差序列中所有标准差的平均值;确定单元,用于将所述平均值确定为所述冲压信号曲线在所述搜索倍率时的聚合松散度,其中,所述特征参数包括所述搜索倍率,以及与所述搜索倍率对应的聚合松散度。
进一步,所述建模模块包括:循环单元,用于循环执行以下步骤,直到最大搜索倍率:按照预设步长调整当前的搜索倍率,根据所述多个冲压信号的高度值和调整后的搜索倍率生成调整后的搜索参考点;根据所述调整后的搜索参考点定位所述冲压信号曲线调整后的特征对齐点;基于所述调整后的特征对齐点计算所述冲压信号曲线的当前特征参数;生成单元,用于在搜索倍率循环完成之后,将每一次循环的搜索倍率和聚合松散度关联后,生成特征参数集合;建模单元,用于在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
进一步,所述建模单元包括:确定子单元,用于在所述特征参数集合中查找值最小的目标聚合松散度Kmin,并将与所述Kmin对应的搜索倍率确定为最优倍率;生成子单元,用于根据所述多个冲压信号的高度值和所述最优倍率生成最优搜索参考点;定位子单元,用于根据所述最优搜索参考点定位所述冲压信号曲线的最优特征对齐点;延伸子单元,用于以所述最优特征对齐点为所述冲压信号曲线的最优基准点D,分别向前和向后延伸长度W,得到D-W和D+W;生成子单元,用于基于[D-W,D+W]生成最优信号序列;加窗子单元,用于对所述最优信号序列进行加窗处理后,得到最优特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;重建子单元,用于采用最优特征信号矩阵对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
通过本发明,获取冲压模具在冲压过程中的冲压信号曲线,其中,冲压信号曲线包括在多个时间点对应采集的多个冲压信号;根据多个冲压信号的高度值和搜索倍率生成搜索参考点;根据搜索参考点定位冲压信号曲线的特征对齐点;基于特征对齐点计算冲压信号曲线的特征参数,其中,特征参数用于指示特征频段的特征质量;采用特征参数对冲压信号曲线重新建模,得到冲压模具的数字模型,提供了一套自适应确定对齐中心点的算法流程,对整个冲压波峰进行对齐检测,并且可以自适应的调整具体的对齐参数,从而实现高效的信号对齐,规避了对于波峰顶端的关注,而关注于作为特征段的整个波峰,从而减小了平顶或多个顶带来的难以对齐的问题,解决了相关技术由于信号不对齐导致模型不准确的技术问题,可以提高时间/转子相位对齐的准确度,从而改善冲压信号模型的精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种计算机的硬件结构框图;
图2是根据本发明实施例的一种基于冲压信号的建模方法的流程图;
图3是本发明实施例中冲压信号的示意图;
图4是本发明实施例从冲压信号曲线提取信号序列的示意图;
图5是本发明实施例对冲压信号曲线进行处理的流程图;
图6是本发明实施例采用最优倍率进行建模的示意图;
图7是本发明实施例对冲压信号进行对齐的对比示意图;
图8是根据本发明实施例的一种基于冲压信号的建模装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在服务器、计算机、冲压机床或者类似的运算装置中执行。以运行在计算机上为例,图1是本发明实施例的一种计算机的硬件结构框图。如图1所示,计算机10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机的结构造成限定。例如,计算机10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种基于冲压信号的建模方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种基于冲压信号的建模方法,图2是根据本发明实施例的一种基于冲压信号的建模方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取冲压模具在冲压过程中的冲压信号曲线,其中,冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
图3是本发明实施例中冲压信号的示意图,冲压信号指通过振动传感器或超声传感器等采集到的表面振幅信号,图3示意了一次冲压过程中,冲压模具上安装的超声传感器检测到的超声波信号,该信号由物体表面发出。
步骤S204,根据多个冲压信号的高度值和搜索倍率生成搜索参考点;
可选的,搜索倍率的范围在0到1之间。
步骤S206,根据搜索参考点定位冲压信号曲线的特征对齐点;
步骤S208,基于特征对齐点计算冲压信号曲线的特征参数,其中,特征参数用于指示特征频段的特征质量;其中,该特征质量可以是聚合松散度J等特征参数。
步骤S210,采用特征参数对冲压信号曲线重新建模,得到冲压模具的数字模型。
通过上述步骤,获取冲压模具在冲压过程中的冲压信号曲线,其中,冲压信号曲线包括在多个时间点对应采集的多个冲压信号;根据多个冲压信号的高度值和搜索倍率生成搜索参考点;根据搜索参考点定位冲压信号曲线的特征对齐点;基于特征对齐点计算冲压信号曲线的特征参数,其中,特征参数用于指示特征频段的特征质量;采用特征参数对冲压信号曲线重新建模,得到冲压模具的数字模型,提供了一套自适应确定对齐中心点的算法流程,对整个冲压波峰进行对齐检测,并且可以自适应的调整具体的对齐参数,从而实现高效的信号对齐,规避了对于波峰顶端的关注,而关注于作为特征段的整个波峰,从而减小了平顶或多个顶带来的难以对齐的问题,解决了相关技术由于信号不对齐导致模型不准确的技术问题,可以提高时间/转子相位对齐的准确度,从而改善冲压信号模型的精度。
在本实施例的一个实施方式中,根据多个冲压信号的高度值生成搜索参考点包括:遍历冲压信号曲线中的每一个冲压信号,确定冲压信号曲线中振幅最大的目标点位置Tn和目标点高度Hn;采用目标点高度Hn乘以指定倍率K,得到参考高度Cn;将参考高度Cn确定为搜索参考点。
开始建模后,每一次采集到模型信号,即冲压信号,都将原始信号Sn储存到一个列表L里,得到冲压信号曲线,在满足建模次数的要求后,对L里的每一个原始信号(S1,S2…Sn)找到该信号的最高值位置Tn和最高点高度Hn。然后计算最高点高度Hn乘以一个指定倍率K,得到参考高度Cn作为搜索参考点。
在本实施例的一个实施方式中,根据搜索参考点定位冲压信号曲线的特征对齐点包括:
S11,针对冲压信号曲线中的每一个冲压信号,比较冲压信号的振幅高度与搜索参考点,其中,搜索参考点的高度为参考高度Cn;
S12,在冲压信号曲线中查找振幅高度大于参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;
S13,在M个目标冲压信号中截取参考峰Kn;
在一个示例中,在M个目标冲压信号中截取参考峰Kn包括:若M等于1,将目标冲压信号确定为参考峰Kn;若M大于1,确定多个冲压信号中振幅最大的目标点位置Tn,并在M个目标冲压信号中选择包含Tn的一个波峰段作为参考峰Kn。
S14,提取参考峰Kn的开始坐标An和结束坐标Bn;
S15,计算开始坐标An和结束坐标Bn的平均坐标值,并将平均坐标值确定为冲压信号曲线的特征对齐点Dn。
对于每一个信号和Cn,找到原始信号Sn大于Cn的部分,由于可能存在多个峰,此时寻找信号中高于某个值的部分可能会找到多个不连续的区间,如果找到多个部分,则选择包括了Tn的部分作为参考峰Kn,Kn拥有开始坐标An和结束坐标Bn,求出An和Bn的平均值,作为实际对齐点Dn。
在一些示例中,基于特征对齐点计算冲压信号曲线的特征参数包括:以特征对齐点为冲压信号曲线的基准点Dn,分别向前和向后延伸长度W,得到Dn-W和Dn+W;基于[Dn-W,Dn+W]生成信号序列On;对信号序列On进行加窗处理后,得到特征信号矩阵,其中,特征信号矩阵的每一行对应一个冲压信号的特征频段;针对特征信号矩阵的每一列元素,计算标准差,得到标准差序列;计算标准差序列中所有标准差的平均值;将平均值确定为冲压信号曲线在搜索倍率时的聚合松散度,其中,特征参数包括搜索倍率,以及与搜索倍率对应的聚合松散度。
在本示例中,在得到特征对齐点之后,接着对该点取前后长度W的部分,得到坐标为[Dn-W,Dn+W]的序列On,序列On是从原信号Sn中取出从(Dn-W)到(Dn+W)的一段,对On进行信号加窗处理后,作为被提取出的特征,存储在一个新列表Q里。可选的,可以采用Kaiser窗,hann窗进行加窗处理。图4是本发明实施例从冲压信号曲线提取信号序列的示意图,On为最后提取得到的信号序列,坐标为[Dn-W,Dn+W]。
在本实施例的一个实施方式中,采用特征参数对冲压信号曲线重新建模,得到冲压模具的数字模型,包括:
S21,循环执行以下步骤,直到最大搜索倍率:按照预设步长调整当前的搜索倍率,根据多个冲压信号的高度值和调整后的搜索倍率生成调整后的搜索参考点;根据调整后的搜索参考点定位冲压信号曲线调整后的特征对齐点;基于调整后的特征对齐点计算冲压信号曲线的当前特征参数;
S22,在搜索倍率循环完成之后,将每一次循环的搜索倍率和聚合松散度关联后,生成特征参数集合;
S23,在特征参数集合中查找最优倍率,采用最优倍率对冲压信号曲线重新建模,得到冲压模具的数字模型。
可选的,在特征参数集合中查找最优倍率,采用最优倍率对冲压信号曲线重新建模,得到冲压模具的数字模型,包括:在特征参数集合中查找值最小的目标聚合松散度Kmin,并将与Kmin对应的搜索倍率确定为最优倍率;根据多个冲压信号的高度值和最优倍率生成最优搜索参考点;根据最优搜索参考点定位冲压信号曲线的最优特征对齐点;以最优特征对齐点为冲压信号曲线的最优基准点D,分别向前和向后延伸长度W,得到D-W和D+W;基于[D-W,D+W]生成最优信号序列;对最优信号序列进行加窗处理后,得到最优特征信号矩阵,其中,特征信号矩阵的每一行对应一个冲压信号的特征频段;采用最优特征信号矩阵对冲压信号曲线重新建模,得到冲压模具的数字模型。
图5是本发明实施例对冲压信号曲线进行处理的流程图,输入冲压信号曲线的信号集合L,对L中的每一个信号Sn进行处理,得到L对应的特征集合Q之后,Q中的每一个元素On都可以表示为(on1,on2,on3…on2W),此时Q可以表示为一个矩阵M:
o11 o12 o13 o14…… o12W
o21 o22 o23 o24…… o22W
……
on1 on2 on3 on4…… on2W
对于矩阵M,求出每一竖列的标准差Stdn,得到标准差序列ST1,ST2…STn,接着对标准差序列求平均值,得到该组信号在倍率K下的聚合松散度J。可以指定K(0到1)的具体范围进行搜索,例如从0.1到0.9,每隔0.05计算以此在该K下的J(对于K=0.1,J=xxx,K=0.15,J=xxx…一直到K=0.9,J=xxx),找到使聚合松散度J最小的K值Kmin,作为最优倍率。
接着就可以使用上面的流程对原始信号集L使用Kmin重新建模得到高精度模型Modeln,并使用K对接下来采集到的新信号Sx使用前面的流程提取对齐后的特征部分Ox,并使用Modeln和Ox进行打分操作。
图6是本发明实施例采用最优倍率进行建模的示意图,将J最小的K作为最优倍率(最优K),然后使用最优K进行对齐处理得到特征频段,最后使用特征频段进行建模操作和预测。本实施例可以自动寻找参考波峰的高度,从而提高了波峰对齐的紧密度,减少了波峰不对齐对模型精度的损失。
采用本实施例的方案,对特征频段的波峰不再使用波峰最高点作为对齐中心,而是使用整个波峰作为对齐目标,从而避免了波峰顶点部分不对称的缺点,从而得到高精度的算法模型。使用波峰高度Hn计算参考高度Cn,随后使用Cn计算当前波峰的具***置Dn作为实际对齐点。使用搜索的方式,对不同的K进行重新建模,从而搜索出得到波峰最紧密的模型需要的最佳K值Kmin,作为时间对齐的最佳参数供实际生产建模和判断用。图7是本发明实施例对冲压信号进行对齐的对比示意图,上面是采用本实施例的方案对冲压信号进行对齐后的波形,下面是采用相关技术的方案对冲压信号进行对齐后的波形,可知,采用本实施例的方案搜索后得到的特征时间段更为集中,因此可以进行更为精准的建模。
本实施例规避了对于波峰顶端的关注,而关注于作为特征段的整个波峰,从而减小了平顶或多个顶带来的难以对齐的问题。本实施例还可以自动寻找参考波峰的高度,从而提高了波峰对齐的紧密度,减少了波峰不对齐对模型精度的损失。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种基于冲压信号的建模装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本发明实施例的一种基于冲压信号的建模装置的结构框图,如图8所示,该装置包括:获取模块80,生成模块82,定位模块84,计算模块86,建模模块88,其中,
获取模块80,用于获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
生成模块82,用于根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;
定位模块84,用于根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;
计算模块86,用于基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;
建模模块88,用于采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
可选的,所述生成模块包括:第一确定单元,用于遍历所述冲压信号曲线中的每一个冲压信号,确定所述冲压信号曲线中振幅最大的目标点位置Tn和目标点高度Hn;运算单元,用于采用所述目标点高度Hn乘以指定倍率K,得到参考高度Cn;第二确定单元,用于将所述参考高度Cn确定为搜索参考点。
可选的,所述定位模块包括:比较单元,用于针对所述冲压信号曲线中的每一个冲压信号,比较所述冲压信号的振幅高度与所述搜索参考点,其中,所述搜索参考点的高度为参考高度Cn;查找单元,用于在所述冲压信号曲线中查找振幅高度大于所述参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;截取单元,用于在所述M个目标冲压信号中截取参考峰Kn;提取单元,用于提取所述参考峰Kn的开始坐标An和结束坐标Bn;确定单元,用于计算所述开始坐标An和结束坐标Bn的平均坐标值,并将所述平均坐标值确定为所述冲压信号曲线的特征对齐点Dn。
可选的,所述截取单元包括:第一截取子单元,用于若M等于1,将所述目标冲压信号确定为参考峰Kn;第二截取子单元,用于若M大于1,确定所述多个冲压信号中振幅最大的目标点位置Tn,并在M个目标冲压信号中选择包含Tn的一个波峰段作为参考峰Kn。
可选的,所述计算模块包括:延伸单元,用于以所述特征对齐点为所述冲压信号曲线的基准点Dn,分别向前和向后延伸长度W,得到Dn-W和Dn+W;生成单元,用于基于[Dn-W,Dn+W]生成信号序列On;加窗单元,用于对所述信号序列On进行加窗处理后,得到特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;第一计算单元,用于针对所述特征信号矩阵的每一列元素,计算标准差,得到标准差序列;第二计算单元,用于计算所述标准差序列中所有标准差的平均值;确定单元,用于将所述平均值确定为所述冲压信号曲线在所述搜索倍率时的聚合松散度,其中,所述特征参数包括所述搜索倍率,以及与所述搜索倍率对应的聚合松散度。
可选的,所述建模模块包括:循环单元,用于循环执行以下步骤,直到最大搜索倍率:按照预设步长调整当前的搜索倍率,根据所述多个冲压信号的高度值和调整后的搜索倍率生成调整后的搜索参考点;根据所述调整后的搜索参考点定位所述冲压信号曲线调整后的特征对齐点;基于所述调整后的特征对齐点计算所述冲压信号曲线的当前特征参数;生成单元,用于在搜索倍率循环完成之后,将每一次循环的搜索倍率和聚合松散度关联后,生成特征参数集合;建模单元,用于在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
可选的,所述建模单元包括:确定子单元,用于在所述特征参数集合中查找值最小的目标聚合松散度Kmin,并将与所述Kmin对应的搜索倍率确定为最优倍率;生成子单元,用于根据所述多个冲压信号的高度值和所述最优倍率生成最优搜索参考点;定位子单元,用于根据所述最优搜索参考点定位所述冲压信号曲线的最优特征对齐点;延伸子单元,用于以所述最优特征对齐点为所述冲压信号曲线的最优基准点D,分别向前和向后延伸长度W,得到D-W和D+W;生成子单元,用于基于[D-W,D+W]生成最优信号序列;加窗子单元,用于对所述最优信号序列进行加窗处理后,得到最优特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;重建子单元,用于采用最优特征信号矩阵对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
S2,根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;
S3,根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;
S4,基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;
S5,采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
S2,根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;
S3,根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;
S4,基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;
S5,采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种基于冲压信号的建模方法,其特征在于,包括:
获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;
根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;
基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;
采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型;
其中,根据所述搜索参考点定位所述冲压信号曲线的特征对齐点包括:针对所述冲压信号曲线中的每一个冲压信号,比较所述冲压信号的振幅高度与所述搜索参考点,其中,所述搜索参考点的高度为参考高度Cn;在所述冲压信号曲线中查找振幅高度大于所述参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;在所述M个目标冲压信号中截取参考峰Kn;提取所述参考峰Kn的开始坐标An和结束坐标Bn;计算所述开始坐标An和结束坐标Bn的平均坐标值,并将所述平均坐标值确定为所述冲压信号曲线的特征对齐点Dn。
2.根据权利要求1所述的方法,其特征在于,根据所述多个冲压信号的高度值生成搜索参考点包括:
遍历所述冲压信号曲线中的每一个冲压信号,确定所述冲压信号曲线中振幅最大的目标点位置Tn和目标点高度Hn;
采用所述目标点高度Hn乘以指定倍率K,得到参考高度Cn;
将所述参考高度Cn确定为搜索参考点。
3.根据权利要求1所述的方法,其特征在于,在所述M个目标冲压信号中截取参考峰Kn包括:
若M等于1,将所述目标冲压信号确定为参考峰Kn;
若M大于1,确定所述多个冲压信号中振幅最大的目标点位置Tn,并在M个目标冲压信号中选择包含Tn的一个波峰段作为参考峰Kn。
4.根据权利要求1所述的方法,其特征在于,基于所述特征对齐点计算所述冲压信号曲线的特征参数包括:
以所述特征对齐点为所述冲压信号曲线的基准点Dn,分别向前和向后延伸长度W,得到Dn-W和Dn+W;
基于[Dn-W,Dn+W]生成信号序列On;
对所述信号序列On进行加窗处理后,得到特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;
针对所述特征信号矩阵的每一列元素,计算标准差,得到标准差序列;
计算所述标准差序列中所有标准差的平均值;
将所述平均值确定为所述冲压信号曲线在所述搜索倍率时的聚合松散度,其中,所述特征参数包括所述搜索倍率,以及与所述搜索倍率对应的聚合松散度。
5.根据权利要求1所述的方法,其特征在于,采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型,包括:
循环执行以下步骤,直到最大搜索倍率:按照预设步长调整当前的搜索倍率,根据所述多个冲压信号的高度值和调整后的搜索倍率生成调整后的搜索参考点;根据所述调整后的搜索参考点定位所述冲压信号曲线调整后的特征对齐点;基于所述调整后的特征对齐点计算所述冲压信号曲线的当前特征参数;
在搜索倍率循环完成之后,将每一次循环的搜索倍率和聚合松散度关联后,生成特征参数集合;
在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
6.根据权利要求5所述的方法,其特征在于,在所述特征参数集合中查找最优倍率,采用所述最优倍率对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型,包括:
在所述特征参数集合中查找值最小的目标聚合松散度Kmin,并将与所述Kmin对应的搜索倍率确定为最优倍率;
根据所述多个冲压信号的高度值和所述最优倍率生成最优搜索参考点;
根据所述最优搜索参考点定位所述冲压信号曲线的最优特征对齐点;
以所述最优特征对齐点为所述冲压信号曲线的最优基准点D,分别向前和向后延伸长度W,得到D-W和D+W;
基于[D-W,D+W]生成最优信号序列;
对所述最优信号序列进行加窗处理后,得到最优特征信号矩阵,其中,所述特征信号矩阵的每一行对应一个冲压信号的特征频段;
采用所述最优特征信号矩阵对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型。
7.一种基于冲压信号的建模装置,其特征在于,包括:
获取模块,用于获取冲压模具在冲压过程中的冲压信号曲线,其中,所述冲压信号曲线包括在多个时间点对应采集的多个冲压信号;
生成模块,用于根据所述多个冲压信号的高度值和搜索倍率生成搜索参考点;
定位模块,用于根据所述搜索参考点定位所述冲压信号曲线的特征对齐点;
计算模块,用于基于所述特征对齐点计算所述冲压信号曲线的特征参数,其中,所述特征参数用于指示特征频段的特征质量;
建模模块,用于采用所述特征参数对所述冲压信号曲线重新建模,得到所述冲压模具的数字模型;
其中,所述定位模块包括:比较单元,用于针对所述冲压信号曲线中的每一个冲压信号,比较所述冲压信号的振幅高度与所述搜索参考点,其中,所述搜索参考点的高度为参考高度Cn;查找单元,用于在所述冲压信号曲线中查找振幅高度大于所述参考高度Cn的M个目标冲压信号,其中,M为大于0的整数;截取单元,用于在所述M个目标冲压信号中截取参考峰Kn;提取单元,用于提取所述参考峰Kn的开始坐标An和结束坐标Bn;确定单元,用于计算所述开始坐标An和结束坐标Bn的平均坐标值,并将所述平均坐标值确定为所述冲压信号曲线的特征对齐点Dn。
8.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,所述计算机程序运行时执行上述权利要求1至6中任一项所述的方法步骤。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:
存储器,用于存放计算机程序;
处理器,用于通过运行存储器上所存放的计算机程序来执行权利要求1至6中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955729.9A CN115034096B (zh) | 2022-08-10 | 2022-08-10 | 基于冲压信号的建模方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210955729.9A CN115034096B (zh) | 2022-08-10 | 2022-08-10 | 基于冲压信号的建模方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115034096A CN115034096A (zh) | 2022-09-09 |
CN115034096B true CN115034096B (zh) | 2022-12-09 |
Family
ID=83131103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210955729.9A Active CN115034096B (zh) | 2022-08-10 | 2022-08-10 | 基于冲压信号的建模方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034096B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014905A (zh) * | 2021-02-24 | 2021-06-22 | 北京金山云网络技术有限公司 | 图像帧的生成方法及装置、存储介质、电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2911072B1 (en) * | 2014-02-21 | 2023-04-05 | Dassault Systèmes | Designing a physical system constrained by equations |
JP6815368B2 (ja) * | 2018-11-22 | 2021-01-20 | 株式会社エクセディ | 異常検知装置、異常検知方法、制御プログラム、および記録媒体 |
CN114433656B (zh) * | 2020-10-30 | 2024-04-23 | 深圳富桂精密工业有限公司 | 冲压异常检测*** |
CN114011903A (zh) * | 2021-11-01 | 2022-02-08 | 深圳市信润富联数字科技有限公司 | 冲压生产异常监测方法、装置、***与可读存储介质 |
-
2022
- 2022-08-10 CN CN202210955729.9A patent/CN115034096B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014905A (zh) * | 2021-02-24 | 2021-06-22 | 北京金山云网络技术有限公司 | 图像帧的生成方法及装置、存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115034096A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111220169B (zh) | 一种轨迹纠偏方法、装置、终端设备及存储介质 | |
CN103678408A (zh) | 一种查询数据的方法及装置 | |
CN108090142B (zh) | 卡片排序方法、装置、服务器以及存储介质 | |
CN103634881A (zh) | 频点搜索方法及装置、终端 | |
CN102467542A (zh) | 获取用户相似度的方法、装置及用户推荐方法、*** | |
CN106407768A (zh) | 一种设备指纹的确定、对目标设备进行识别的方法和设备 | |
CN115034096B (zh) | 基于冲压信号的建模方法及装置、存储介质、电子设备 | |
CN108596636B (zh) | 防伪方法、装置及终端设备 | |
CN111526151A (zh) | 一种数据传输方法、装置、电子设备及存储介质 | |
CN106332229B (zh) | 移动终端的选网方法及装置 | |
CN105992146A (zh) | 定位数据生成方法及装置 | |
JP2019135817A (ja) | 情報処理装置及びプログラム | |
CN110781340A (zh) | 一种推荐***召回策略的离线评估方法、***、装置及存储介质 | |
CN103699589A (zh) | 一种信息推送方法及装置 | |
CN104684060A (zh) | 一种发射功率调整方法及终端 | |
CN107995650B (zh) | 获取邻区小区标识的方法及装置 | |
CN115905373B (zh) | 一种数据查询以及分析方法、装置、设备及存储介质 | |
CN110968835A (zh) | 一种近似分位数计算方法及装置 | |
CN115442799A (zh) | 号码的查询方法及装置、非易失性存储介质、处理器 | |
CN112150492A (zh) | 户型图的读取方法、装置以及存储介质 | |
CN112566162B (zh) | 基于数据挖掘的lte干扰源定位方法、装置及存储介质 | |
CN111610372A (zh) | 基站监测数据的处理方法、装置、电子设备及介质 | |
WO2016177123A1 (zh) | 小区干扰检测方法及装置 | |
CN111127529B (zh) | 图像配准方法及装置、存储介质、电子装置 | |
CN109309637B (zh) | 传输信号的数据存储方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |