CN117607591B - 一种超级电容的工装设备管理方法及*** - Google Patents
一种超级电容的工装设备管理方法及*** Download PDFInfo
- Publication number
- CN117607591B CN117607591B CN202311615929.0A CN202311615929A CN117607591B CN 117607591 B CN117607591 B CN 117607591B CN 202311615929 A CN202311615929 A CN 202311615929A CN 117607591 B CN117607591 B CN 117607591B
- Authority
- CN
- China
- Prior art keywords
- result
- test
- super capacitor
- environment
- characteristic
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 88
- 238000007726 management method Methods 0.000 title claims abstract description 49
- 238000012360 testing method Methods 0.000 claims abstract description 112
- 230000007547 defect Effects 0.000 claims abstract description 87
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000013441 quality evaluation Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000011990 functional testing Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 23
- 239000000178 monomer Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013101 initial test Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 17
- 206010063385 Intellectualisation Diseases 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013142 basic testing Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/003—Environmental or reliability tests
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Fixed Capacitors And Capacitor Manufacturing Machines (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请提供了一种超级电容的工装设备管理方法及***,涉及设备管理技术领域,所述方法包括:配置环境特征集,建立特征参数,配置测试约束,然后执行超级电容外壳的功能测试,生成第一评分结果,进行多角度的图像采集建立图像集,建立图像集中的位置映射,然后进行缺陷检测,根据位置映射进行缺陷检测补偿生成第二评分结果,最终生成质量评测结果并进行超级电容外壳的设备管理。本申请主要解决了传统方法缺乏智能化和自动化,导致信息的获取不及时、不准确,甚至可能因为人为操作失误而造成数据失真的问题。通过这种管理方法,可以实现对超级电容工装设备的全面监控和管理,提高生产效率和质量,提高利用率和生产效率。
Description
技术领域
本申请涉及设备管理技术领域,具体涉及一种超级电容的工装设备管理方法及***。
背景技术
近年来随着能源、环境以及气候变化问题的日益严重,电动汽车以其零排放、低能耗和高能效等特点,在节能减排和应对气候变化等方面发挥重要作用。然而,电动汽车的充电时间较长,续航里程有限等问题仍然限制着其广泛应用。超级电容是一种新型储能器件,具有高功率密度、快速充放电、循环寿命长、绿色环保等优点,在电动汽车领域具有广阔的应用前景。然而,随着超级电容的广泛应用,其工装设备的管理问题也日益凸显。如何有效管理超级电容的工装设备,提高生产效率,降低成本,成为当前待解决的问题。
但在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
传统方法缺乏智能化和自动化,导致信息的获取不及时、不准确,甚至可能因为人为操作失误而造成数据失真的问题。
发明内容
本申请主要解决了传统方法缺乏智能化和自动化,导致信息的获取不及时、不准确,甚至可能因为人为操作失误而造成数据失真的问题。
鉴于上述问题,本申请提供了一种超级电容的工装设备管理方法及***,第一方面,本申请提供了一种超级电容的工装设备管理方法,所述方法包括:配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
第二方面,本申请提供了一种超级电容的工装设备管理***,所述***包括:特征参数建立模块,所述特征参数建立模块用于配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;方案初始化模块,所述方案初始化模块用于以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;第一评分结果生成模块,所述第一评分结果生成模块用于通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;图像集建立模块,所述图像集建立模块用于对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;第二评分结果生成模块,所述第二评分结果生成模块用于依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;设备管理模块,所述设备管理模块是基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种超级电容的工装设备管理方法及***,涉及设备管理技术领域,所述方法包括:配置环境特征集,建立特征参数,配置测试约束,然后执行超级电容外壳的功能测试,生成第一评分结果,进行多角度的图像采集建立图像集,建立图像集中的位置映射,然后进行缺陷检测,根据位置映射进行缺陷检测补偿生成第二评分结果,最终生成质量评测结果并进行超级电容外壳的设备管理。
本申请主要解决了传统方法缺乏智能化和自动化,导致信息的获取不及时、不准确,甚至可能因为人为操作失误而造成数据失真的问题。通过这种管理方法,可以实现对超级电容工装设备的全面监控和管理,提高生产效率和质量,提高利用率和生产效率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了一种超级电容的工装设备管理方法流程示意图;
图2为本申请实施例提供了一种超级电容的工装设备管理方法中完成测试约束的配置的方法流程示意图;
图3为本申请实施例提供了一种超级电容的工装设备管理方法中完成缺陷检测的方法流程示意图;
图4为本申请实施例提供了一种超级电容的工装设备管理***的结构示意图。
附图标记说明:特征参数建立模块10,方案初始化模块20,第一评分结果生成模块30,图像集建立模块40,第二评分结果生成模块50,设备管理模块60。
具体实施方式
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,都属于本申请保护的范围。
本申请主要解决了传统方法缺乏智能化和自动化,导致信息的获取不及时、不准确,甚至可能因为人为操作失误而造成数据失真的问题。通过这种管理方法,可以实现对超级电容工装设备的全面监控和管理,提高生产效率和质量,提高利用率和生产效率。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示一种超级电容的工装设备管理方法,所述方法包括:
配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;
具体而言,为了更好地管理和优化超级电容的性能,可以配置环境特征集,该环境特征集是基于超级电容的使用环境建立的特征参数。温度:由于超级电容的使用温度会影响其性能和寿命,因此可以将其作为环境特征集的一部分。采集超级电容周围的温度数据,并将其作为特征参数进行监测和分析。湿度:湿度对超级电容的性能和使用寿命也有重要影响。采集超级电容周围的湿度数据,并将其作为特征参数进行监测和分析。气压:气压的变化可能会影响超级电容的性能和使用寿命。采集超级电容周围的气压数据,并将其作为特征参数进行监测和分析。光照:如果超级电容在户外或高亮度环境下使用,光照可能会对其性能和寿命产生影响。采集超级电容周围的光照数据,并将其作为特征参数进行监测和分析。电磁环境:电磁环境可能会对超级电容的性能和使用寿命产生影响。采集超级电容周围的电磁场数据,并将其作为特征参数进行监测和分析。使用频率和负载:这些因素也会影响超级电容的性能和使用寿命。采集超级电容的使用频率和负载数据,并将其作为特征参数进行监测和分析。通过配置这些环境特征集,可以更好地了解和管理超级电容的性能和使用寿命。同时,这些特征参数还可以用于预测和维护超级电容的性能,提高生产效率和质量。
以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;
具体而言,在配置了环境特征集后,可以基于这些特征集配置测试约束,然后使用这些测试约束初始化测试方案。首先需要确定测试的目标,例如测试超级电容在不同环境条件下的性能、寿命、安全性等。配置测试约束:根据测试目标,可以配置相应的测试约束。例如,测试超级电容在不同温度下的充放电性能时,需要将温度作为环境特征集的一部分,并设定相应的温度范围和变化速率等约束条件。初始化测试方案:根据测试约束,可以初始化相应的测试方案。例如,在上述温度测试中,可以设定测试方案包括在不同温度下进行充放电测试,记录测试数据并进行分析。执行测试方案:根据初始化的测试方案,可以执行相应的测试。在此过程中,需要保证测试数据的准确性和可靠性。通过以上步骤,可以基于环境特征集配置测试约束并初始化测试方案,然后执行测试并分析结果,以更好地评估和管理超级电容的性能和使用寿命等。
通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;
具体而言,在执行超级电容外壳的功能测试时,可以基于初始化的测试方案和测试约束来生成功能指标的第一评分结果。执行功能测试:根据初始化的测试方案,可以执行超级电容外壳的功能测试。这些测试可能包括充放电测试、循环寿命测试、安全性能测试等。记录测试数据:在功能测试过程中,需要记录相应的测试数据。这些数据可能包括充放电时间、循环寿命次数、安全性能参数等。评估功能指标:根据测试数据,可以对超级电容外壳的功能指标进行评估。例如,可以评估充放电速度、循环寿命的持久性、安全性能的可靠性等。生成第一评分结果:根据评估的功能指标,可以生成第一评分结果。这个评分结果可以基于测试约束进行量化评估,例如设定评分标准,根据测试数据与标准值的差异程度进行评分。通过以上步骤,可以执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果。这个评分结果可以用于综合评估超级电容外壳的性能和使用寿命等,为后续优化和改进提供参考。
对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;
具体而言,为了更好地了解超级电容外壳的外观和结构,可以对它进行多角度的图像采集,并建立图像集以及位置映射。首先,可以使用图像采集设备,如摄像头,对超级电容外壳进行多角度的图像采集。至少包括第一采集角度和第二采集角度,这两个角度应该具有足够的间隔角度,以便从不同的视角观察超级电容外壳的外观和结构。建立图像集:将采集到的多角度图像数据存储起来,形成一个图像集。这个图像集包含了超级电容外壳在不同角度下的外观和结构信息。建立位置映射:为了更好地管理和分析图像集,可以建立一个位置映射。这个位置映射将每个图像中的特定位置与实际物理空间中的位置相对应。例如,可以通过在图像中标记特定的参照物或者使用三维重建技术来实现位置映射。通过建立图像集和位置映射,可以更好地了解和分析超级电容外壳的外观和结构。
依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;
具体而言,基于所建立的图像集,可以进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果。缺陷检测:在图像集中,通过对比和分析每个图像,可以检测出超级电容外壳可能存在的缺陷。这些缺陷可能包括外观上的划痕、凹陷、变形等,也可能包括结构上的不连续、缺失等。位置映射补偿:由于已经建立了位置映射,可以对检测到的缺陷进行补偿。可以根据位置映射,将每个缺陷从图像空间转换到实际物理空间,从而更准确地评估缺陷的大小、形状和位置。第二评分结果生成:基于缺陷检测和位置映射补偿的结果,可以生成第二评分结果。这个评分结果可以用于进一步评估超级电容外壳的质量和性能。通过缺陷检测和缺陷检测补偿,可以更准确地评估超级电容外壳的质量和性能。
基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
具体而言,基于第一评分结果和第二评分结果,可以生成最终的质量评测结果,并使用该结果进行超级电容外壳的设备管理。综合评分:将第一评分结果和第二评分结果进行综合,生成一个综合评分。这个综合评分可以反映超级电容外壳的整体质量和性能。质量评测结果生成:基于综合评分和其他评估指标(如生产过程的参数、性能测试数据等),可以生成最终的质量评测结果。这个结果可以用来评估超级电容外壳是否符合预期的质量标准和使用要求。设备管理:根据质量评测结果,可以进行超级电容外壳的设备管理。例如,对于质量较低的超级电容外壳,可以采取相应的措施进行维修、更换或改进;对于质量较高的超级电容外壳,可以继续使用或进行优化。通过基于第一评分结果和第二评分结果生成质量评测结果,并进行设备管理,可以更好地控制超级电容外壳的质量和性能,提高生产效率和质量。
进一步而言,如图2所示,本申请方法还包括:
配置基准测试环境,并建立所述基准测试环境与功能测试的初始约束;
对基准测试环境中的环境特征单体变化进行功能的要求影响分析,生成单体特征影响约束;
对所述环境特征进行基于功能影响的特征间关联评价,建立特征关联系数;
以所述单体特征影响约束和所述特征关联系数完成测试约束的配置。
具体而言,配置基准测试环境:选择适合的测试场地和设备,确保测试环境能够模拟实际使用中的各种条件。同时,需要准备必要的测试设备和工具,并确保它们的准确性和可靠性。建立基准测试环境与功能测试的初始约束:根据超级电容的工装设备管理的需求,确定功能测试的目标和要求。然后,根据这些要求和目标,建立基准测试环境与功能测试的初始约束。这些约束包括测试的参数、条件、范围等,以确保测试结果的准确性和可重复性。单体特征影响约束:分析基准测试环境中环境特征单体变化对超级电容工装设备的功能产生的影响。例如,温度的变化可能会影响超级电容的充放电性能和循环寿命。根据这些影响,可以生成单体特征影响约束。这些约束包括每个环境特征的变化范围和对设备功能的影响程度等。特征间关联评价:基于功能影响的特征间关联评价,可以分析不同环境特征之间的相互关系对超级电容工装设备的影响。例如,温度和湿度之间可能会相互影响,从而对超级电容的性能产生综合影响。通过分析这些关联,可以建立特征关联系数,以描述这些特征之间的相互关系和影响程度。测试约束配置:基于单体特征影响约束和特征关联系数,可以完成测试约束的配置。这些约束包括每个环境特征的变化范围和对设备功能的影响程度等。同时,还需要考虑不同环境特征之间的相互关系和影响程度,以确保测试结果的准确性和可靠性。执行测试:根据配置好的测试约束,可以执行相应的测试。在测试过程中,需要密切关注每个环境特征的变化情况,并记录相应的测试数据。通过以上步骤可以有效地配置基准测试环境建立与功能测试相关的初始约束并根据环境特征对超级电容工装设备的影响进行细致的分析与评价最终通过完善的测试约束配置执行具有准确性和可靠性的测试为超级电容的工装设备管理提供准确的数据支持优化生产流程并提高整体质量水平。
进一步而言,本申请方法还包括:
以所述基准测试环境为参考环境,执行环境特征集的增量环境评价;
基于增量环境评价结果和所述单体特征影响约束进行初始测试约束计算,生成初始测试约束计算结果;
通过所述特征关联系数进行初始测试约束计算结果关联补偿,完成测试约束配置。
具体而言,执行增量环境评价:以基准测试环境为参考环境,可以对环境特征集进行增量环境评价。可以分析每个环境特征在基准测试环境下的变化情况,以及这些变化对超级电容工装设备的影响。通过增量环境评价,可以确定每个环境特征的变化范围和对设备功能的影响程度。初始测试约束计算:基于增量环境评价结果和单体特征影响约束,可以进行初始测试约束计算。这些计算可以确定每个环境特征的变化范围和对设备功能的影响程度,从而生成初始测试约束计算结果。关联补偿:通过特征关联系数,可以对初始测试约束计算结果进行关联补偿。可以根据不同环境特征之间的相互关系和影响程度,对每个环境特征的变化范围和对设备功能的影响程度进行综合评估和调整。通过关联补偿,可以更准确地反映不同环境特征之间的相互关系和影响程度,从而生成更准确的测试约束配置。完成测试约束配置:这些配置包括每个环境特征的变化范围和对设备功能的影响程度等,以及不同环境特征之间的相互关系和影响程度。这些测试约束可以用于后续的测试和评估,以确保测试结果的准确性和可靠性。通过以上步骤可以有效地执行环境特征集的增量环境评价并基于增量环境评价结果和单体特征影响约束进行初始测试约束计算通过特征关联系数进行初始测试约束计算结果关联补偿最终完成测试约束的配置为超级电容的工装设备管理提供准确的数据支持优化生产流程并提高整体质量水平。
进一步而言,如图3所示,本申请方法还包括:
对所述图像集进行基于拍摄参数的畸变校正,获取校正图像集;
基于光源方向配置像素阵列,并以每一阵列中的阵列标准值执行同阵列比对,生成第一异常定位结果;
配置渐变约束,以所述渐变约束进行纵向阵列的渐变异常定位,生成第二异常定位结果;
基于所述第一异常定位结果和所述第二异常定位结果完成缺陷检测。
具体而言,基于拍摄参数的畸变校正:根据拍摄时的参数(如相机内参、镜头畸变等),可以对采集到的图像集进行畸变校正。通过校正,可以消除图像中的畸变,提高后续处理的准确性和可靠性。像素阵列配置及同阵列比对:根据光源方向和待检测物体的特性,可以配置相应的像素阵列。然后,以每一阵列中的阵列标准值执行同阵列比对。通过比对,可以发现图像中的异常部分,生成第一异常定位结果。纵向阵列的渐变异常定位:配置渐变约束,以所述渐变约束进行纵向阵列的渐变异常定位。通过约束条件,可以检测到图像中纵向阵列的渐变异常,生成第二异常定位结果。缺陷检测:基于所述第一异常定位结果和所述第二异常定位结果,可以完成缺陷检测。通过综合分析两个结果,可以更准确地确定异常位置和类型,提高缺陷检测的准确性和可靠性。通过以上步骤,可以实现对超级电容外壳的缺陷检测。通过畸变校正和像素阵列配置及同阵列比对,可以有效地发现图像中的异常部分,通过配置渐变约束进行纵向阵列的渐变异常定位,可以更准确地确定异常位置和类型,最后,通过综合分析两个结果,可以完成缺陷检测并进一步优化生产流程和质量。
进一步而言,本申请方法还包括:
获得全部校正图像集内的全部异常定位结果,并执行定位标识;
通过比对特征集进行定位标识的特征识别,根据特征识别结果还原超级电容外壳的位置外观缺陷特征;
对校正图像集内的位置外观缺陷特征进行缺陷特征覆盖;
依据缺陷特征覆盖结果完成缺陷检测补偿。
具体而言,获得全部校正图像集内的全部异常定位结果:对校正图像集中的每一幅图像进行异常定位分析,获取其异常定位结果。这些结果可以包括异常的位置、大小、形状等信息。执行定位标识:对每个异常定位结果进行标识,例如使用不同的颜色或形状来标记不同的异常区域。这些标识可以方便后续的特征识别和缺陷检测补偿。比对特征集进行定位标识的特征识别:基于已知的超级电容外壳的正常特征集,对比校正图像集中的异常定位结果,进行特征识别。通过识别出异常区域的特征,可以推断出这些异常的原因,例如是何种缺陷导致的。还原超级电容外壳的位置外观缺陷特征:根据识别的特征,可以还原出超级电容外壳的原始位置外观缺陷特征。这些特征可以包括缺陷的大小、形状、位置等信息,以及可能的原因如材料问题、制造过程问题等。对校正图像集内的位置外观缺陷特征进行缺陷特征覆盖:将识别的缺陷特征覆盖到校正图像集中的相应位置,以直观地显示缺陷的存在和影响程度。这些覆盖的缺陷特征可以用于后续的缺陷检测补偿和分析。依据缺陷特征覆盖结果完成缺陷检测补偿:根据覆盖的缺陷特征和分析结果,可以进行相应的缺陷检测补偿。补偿的措施可以包括修复缺陷、改进制造工艺、加强质量控制等。通过以上步骤,可以实现对超级电容外壳的缺陷检测和补偿。
进一步而言,本申请方法还包括:
对所述校正图像集进行图像轮廓提取,获取轮廓提取结果;
依据所述轮廓提取结果中的最高频率点的直线拟合结果作为标定结果,进行轮廓的缺陷评价;
根据缺陷评价结果和缺陷检测补偿结果获得第二评分结果。
具体而言,图像轮廓提取:对校正图像集中的每一幅图像进行轮廓提取,获取轮廓提取结果。这些结果可以包括轮廓的形状、大小、方向等信息。最高频率点的直线拟合:对轮廓提取结果进行分析,找到出现频率最高的点,并使用这些点进行直线拟合。这个直线拟合结果可以作为标定结果,用于后续的轮廓缺陷评价。轮廓的缺陷评价:根据标定结果和已知的缺陷类型和等级标准,对轮廓的缺陷进行评价。评价的指标可以包括轮廓的形状误差、表面粗糙度等。缺陷检测补偿结果:根据之前的缺陷检测步骤,可以得到缺陷检测补偿结果。这些结果可以包括哪些区域需要进行补偿、补偿的方式和量等。第二评分结果:根据轮廓的缺陷评价结果和缺陷检测补偿结果,可以计算出第二评分结果。这个评分结果可以用于评估超级电容外壳的质量和性能,以及指导后续的优化措施。后续优化:根据第二评分结果,可以进行后续的优化措施。例如调整制造工艺、改进设计、加强质量检测等,以进一步提高超级电容外壳的质量和性能。通过以上步骤,可以实现对超级电容外壳的轮廓缺陷检测和评价。
进一步而言,本申请方法还包括:
基于标定结果作为定位特征,生成标定结果间的尺寸数据;
以所述尺寸数据进行超级电容外壳的尺寸特征验证,基于尺寸特征验证结果生成第三评分结果;
通过所述第三评分结果对质量评测结果补偿,完成所述超级电容外壳的设备管理。
具体而言,生成标定结果间的尺寸数据:基于标定结果,可以生成标定结果间的尺寸数据。这些尺寸数据可以包括距离、角度、面积等,用于描述标定结果之间的相对位置和形状。超级电容外壳的尺寸特征验证:使用生成的尺寸数据对超级电容外壳的尺寸特征进行验证。通过比对实际测量值与设计值之间的差异,可以评估超级电容外壳的尺寸精度和一致性。生成第三评分结果:基于尺寸特征验证结果,可以生成第三评分结果。这个评分结果可以用于评估超级电容外壳的尺寸质量和性能,以及指导后续的优化措施。质量评测结果补偿:结合之前的质量评测结果和第三评分结果,可以对质量评测结果进行补偿。通过调整评分的权重和阈值,可以更准确地反映超级电容外壳的整体质量水平。完成超级电容外壳的设备管理:通过上述步骤,可以完成超级电容外壳的设备管理。通过综合分析质量评测结果和第三评分结果,可以全面地评估超级电容外壳的质量和性能。根据评估结果,可以进行相应的设备调整、维修、更换等措施,以确保生产流程的稳定性和产品质量的一致性。通过以上步骤,可以实现对超级电容外壳的设备管理。
实施例二
基于与前述实施例一种超级电容的工装设备管理方法相同的发明构思,如图4所示,本申请提供了一种超级电容的工装设备管理***,所述***包括:
特征参数建立模块10,所述特征参数建立模块10用于配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;
方案初始化模块20,所述方案初始化模块20用于以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;
第一评分结果生成模块30,所述第一评分结果生成模块30用于通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;
图像集建立模块40,所述图像集建立模块40用于对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;
第二评分结果生成模块50,所述第二评分结果生成模块50用于依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;
设备管理模块60,所述设备管理模块60是基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
进一步地,该***还包括:
测试约束配置模块,用于配置基准测试环境,并建立所述基准测试环境与功能测试的初始约束;对基准测试环境中的环境特征单体变化进行功能的要求影响分析,生成单体特征影响约束;对所述环境特征进行基于功能影响的特征间关联评价,建立特征关联系数;以所述单体特征影响约束和所述特征关联系数完成测试约束的配置。
进一步地,该***还包括:
关联补偿模块,用于以所述基准测试环境为参考环境,执行环境特征集的增量环境评价;基于增量环境评价结果和所述单体特征影响约束进行初始测试约束计算,生成初始测试约束计算结果;通过所述特征关联系数进行初始测试约束计算结果关联补偿,完成测试约束配置。
进一步地,该***还包括:
缺陷检测模块,用于对所述图像集进行基于拍摄参数的畸变校正,获取校正图像集;基于光源方向配置像素阵列,并以每一阵列中的阵列标准值执行同阵列比对,生成第一异常定位结果;配置渐变约束,以所述渐变约束进行纵向阵列的渐变异常定位,生成第二异常定位结果;基于所述第一异常定位结果和所述第二异常定位结果完成缺陷检测。
进一步地,该***还包括:
缺陷特征覆盖模块,用于获得全部校正图像集内的全部异常定位结果,并执行定位标识;通过比对特征集进行定位标识的特征识别,根据特征识别结果还原超级电容外壳的位置外观缺陷特征;对校正图像集内的位置外观缺陷特征进行缺陷特征覆盖;依据缺陷特征覆盖结果完成缺陷检测补偿。
进一步地,该***还包括:
第二评分结果获取摩模块,用于对所述校正图像集进行图像轮廓提取,获取轮廓提取结果;依据所述轮廓提取结果中的最高频率点的直线拟合结果作为标定结果,进行轮廓的缺陷评价;根据缺陷评价结果和缺陷检测补偿结果获得第二评分结果。
进一步地,该***还包括:
第三评分结果获取模块,是基于标定结果作为定位特征,生成标定结果间的尺寸数据;以所述尺寸数据进行超级电容外壳的尺寸特征验证,基于尺寸特征验证结果生成第三评分结果;通过所述第三评分结果对质量评测结果补偿,完成所述超级电容外壳的设备管理。
说明书通过前述一种超级电容的工装设备管理方法的详细描述,本领域技术人员可以清楚地知识本实施例中一种超级电容的工装设备管理***,对于实施例公开的***而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种超级电容的工装设备管理方法,其特征在于,所述方法包括:
配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;
以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;
通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;
对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;
依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;
基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
2.如权利要求1所述的方法,其特征在于,所述配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数,以所述环境特征集配置测试约束,包括:
配置基准测试环境,并建立所述基准测试环境与功能测试的初始约束;
对基准测试环境中的环境特征单体变化进行功能的要求影响分析,生成单体特征影响约束;
对所述环境特征进行基于功能影响的特征间关联评价,建立特征关联系数;
以所述单体特征影响约束和所述特征关联系数完成测试约束的配置。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
以所述基准测试环境为参考环境,执行环境特征集的增量环境评价;
基于增量环境评价结果和所述单体特征影响约束进行初始测试约束计算,生成初始测试约束计算结果;
通过所述特征关联系数进行初始测试约束计算结果关联补偿,完成测试约束配置。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述图像集进行基于拍摄参数的畸变校正,获取校正图像集;
基于光源方向配置像素阵列,并以每一阵列中的阵列标准值执行同阵列比对,生成第一异常定位结果;
配置渐变约束,以所述渐变约束进行纵向阵列的渐变异常定位,生成第二异常定位结果;
基于所述第一异常定位结果和所述第二异常定位结果完成缺陷检测。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
获得全部校正图像集内的全部异常定位结果,并执行定位标识;
通过正常特征集进行定位标识的特征识别,根据特征识别结果还原超级电容外壳的位置外观缺陷特征;
对校正图像集内的位置外观缺陷特征进行缺陷特征覆盖;
依据缺陷特征覆盖结果完成缺陷检测补偿。
6.如权利要求4所述的方法,其特征在于,所述方法还包括:
对所述校正图像集进行图像轮廓提取,获取轮廓提取结果;
依据所述轮廓提取结果中的出现频率最高的点的直线拟合结果作为标定结果,进行轮廓的缺陷评价;
根据缺陷评价结果和缺陷检测补偿结果获得第二评分结果。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
基于标定结果作为定位特征,生成标定结果间的尺寸数据;
以所述尺寸数据进行超级电容外壳的尺寸特征验证,基于尺寸特征验证结果生成第三评分结果;
通过所述第三评分结果对质量评测结果补偿,完成所述超级电容外壳的设备管理。
8.一种超级电容的工装设备管理***,其特征在于,所述***包括:
特征参数建立模块,所述特征参数建立模块用于配置环境特征集,所述环境特征集为依据超级电容的使用环境建立的特征参数;
方案初始化模块,所述方案初始化模块用于以所述环境特征集配置测试约束,以所述测试约束初始化测试方案;
第一评分结果生成模块,所述第一评分结果生成模块用于通过初始化后的测试方案执行超级电容外壳的功能测试,并基于测试约束生成功能指标的第一评分结果;
图像集建立模块,所述图像集建立模块用于对所述超级电容外壳进行多角度的图像采集,建立图像集,并建立所述图像集中的位置映射,其中,多角度图像采集至少包括第一采集角度和第二采集角度,且所述第一采集角度和所述第二采集角度的间隔角度大于预设角度;
第二评分结果生成模块,所述第二评分结果生成模块用于依据所述图像集进行缺陷检测,并根据位置映射进行缺陷检测补偿,生成第二评分结果;
设备管理模块,所述设备管理模块是基于所述第一评分结果和所述第二评分结果生成质量评测结果,以所述质量评测结果进行所述超级电容外壳的设备管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615929.0A CN117607591B (zh) | 2023-11-28 | 2023-11-28 | 一种超级电容的工装设备管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615929.0A CN117607591B (zh) | 2023-11-28 | 2023-11-28 | 一种超级电容的工装设备管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117607591A CN117607591A (zh) | 2024-02-27 |
CN117607591B true CN117607591B (zh) | 2024-05-10 |
Family
ID=89953082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615929.0A Active CN117607591B (zh) | 2023-11-28 | 2023-11-28 | 一种超级电容的工装设备管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117607591B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007165647A (ja) * | 2005-12-14 | 2007-06-28 | Sony Corp | 欠陥修正装置及び欠陥修正方法 |
JP2012240093A (ja) * | 2011-05-20 | 2012-12-10 | Japan Drive-It Co Ltd | コンデンサ放電型スタッド溶接用溶接ガンの良否判定方法及び良否判定装置 |
CN104297577A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 基于超级电容器的老化状态估算检测***及方法 |
CN110160587A (zh) * | 2019-06-20 | 2019-08-23 | 珠海格力智能装备有限公司 | 电容检测方法及装置 |
CN111679141A (zh) * | 2020-06-03 | 2020-09-18 | 北京博电新力电气股份有限公司 | 一种超级电容器检测方法以及超级电容器检测*** |
CN112083002A (zh) * | 2020-08-26 | 2020-12-15 | 苏州中科全象智能科技有限公司 | 一种基于人工智能技术的电容外观检测装置及方法 |
CN112258491A (zh) * | 2020-10-30 | 2021-01-22 | 国网河南省电力公司电力科学研究院 | 一种电力设备缺陷三维模拟方法 |
CN113658092A (zh) * | 2021-05-13 | 2021-11-16 | 湖南莱塞智能装备有限公司 | 一种基于图像处理的铝电解电容缺陷检测方法 |
CN114943733A (zh) * | 2022-07-20 | 2022-08-26 | 张家港华程机车精密制管有限公司 | 一种钢管打磨质量评估方法及*** |
CN115272271A (zh) * | 2022-08-09 | 2022-11-01 | 郑州芯视道机器人技术有限公司 | 一种基于双目立体视觉的管道缺陷检测与定位测距*** |
CN115294117A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市天成照明有限公司 | Led灯珠的缺陷检测方法及相关装置 |
CN115388956A (zh) * | 2022-10-26 | 2022-11-25 | 济南东方结晶器有限公司 | 一种基于连铸工艺流程的质量检测方法及*** |
KR102503240B1 (ko) * | 2022-12-15 | 2023-02-23 | 주식회사 에스엠전자 | 슈퍼커패시터 이상 감지 센서 모듈 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188161B (zh) * | 2018-11-06 | 2020-07-31 | 苏州电器科学研究院股份有限公司 | 电容器检测设备及其检测方法 |
-
2023
- 2023-11-28 CN CN202311615929.0A patent/CN117607591B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007165647A (ja) * | 2005-12-14 | 2007-06-28 | Sony Corp | 欠陥修正装置及び欠陥修正方法 |
JP2012240093A (ja) * | 2011-05-20 | 2012-12-10 | Japan Drive-It Co Ltd | コンデンサ放電型スタッド溶接用溶接ガンの良否判定方法及び良否判定装置 |
CN104297577A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 基于超级电容器的老化状态估算检测***及方法 |
CN110160587A (zh) * | 2019-06-20 | 2019-08-23 | 珠海格力智能装备有限公司 | 电容检测方法及装置 |
CN111679141A (zh) * | 2020-06-03 | 2020-09-18 | 北京博电新力电气股份有限公司 | 一种超级电容器检测方法以及超级电容器检测*** |
CN112083002A (zh) * | 2020-08-26 | 2020-12-15 | 苏州中科全象智能科技有限公司 | 一种基于人工智能技术的电容外观检测装置及方法 |
CN112258491A (zh) * | 2020-10-30 | 2021-01-22 | 国网河南省电力公司电力科学研究院 | 一种电力设备缺陷三维模拟方法 |
CN113658092A (zh) * | 2021-05-13 | 2021-11-16 | 湖南莱塞智能装备有限公司 | 一种基于图像处理的铝电解电容缺陷检测方法 |
CN114943733A (zh) * | 2022-07-20 | 2022-08-26 | 张家港华程机车精密制管有限公司 | 一种钢管打磨质量评估方法及*** |
CN115272271A (zh) * | 2022-08-09 | 2022-11-01 | 郑州芯视道机器人技术有限公司 | 一种基于双目立体视觉的管道缺陷检测与定位测距*** |
CN115294117A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市天成照明有限公司 | Led灯珠的缺陷检测方法及相关装置 |
CN115388956A (zh) * | 2022-10-26 | 2022-11-25 | 济南东方结晶器有限公司 | 一种基于连铸工艺流程的质量检测方法及*** |
KR102503240B1 (ko) * | 2022-12-15 | 2023-02-23 | 주식회사 에스엠전자 | 슈퍼커패시터 이상 감지 센서 모듈 |
Non-Patent Citations (3)
Title |
---|
基于图像处理的电容器外观缺陷检测***研究与开发;苏朝阳;中国优秀硕士学位论文全文数据库信息科技辑;20190215(第2期);第I138-2255页 * |
基于机器视觉的电容器铝壳端面缺陷检测;陈向伟 等;制造技术与机床;20131202(第12期);第122-125页 * |
电容器铝壳表面缺陷检测的CCD图像处理;田原嫄 等;组合机床与自动化加工技术;20130520(第5期);第73-75页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117607591A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116092214B (zh) | 一种轻量化白车身总成生产的同步监测方法及*** | |
CN112381791A (zh) | 一种基于3d点云的螺栓松动检测方法 | |
US20100259608A1 (en) | Recording machine vision system | |
CN116342599B (zh) | 缺陷检测设备的点检方法、装置、设备和存储介质 | |
CA2677687A1 (en) | Engine wear characterizing and quantifying method | |
CN117115169A (zh) | 一种汽车配件压铸模具表面形变异常智能识别方法 | |
CN117740797A (zh) | 一种铝合金的缺陷探伤方法 | |
CN117607591B (zh) | 一种超级电容的工装设备管理方法及*** | |
CN117147587B (zh) | 基于软抽包装的缺陷检测***及检测方法 | |
CN117367516A (zh) | 基于多维测试的铝塑复合板性能检测*** | |
CN113446932A (zh) | 非接触式裂纹测量方法及其*** | |
CN116879313A (zh) | 一种基于雷视超融合的结构裂损实时测定方法 | |
CN114529543A (zh) | 一种航空发动机外周螺钉垫片的安装检测方法及装置 | |
US20190041191A1 (en) | Method for inspection of a machine part | |
CN114529493A (zh) | 基于双目视觉的电缆外观缺陷检测与定位方法 | |
CN117690846B (zh) | 太阳能硅片视觉检测方法、装置、设备及存储介质 | |
Hassan et al. | Compressed air leakage detection and quantification through infrared thermography | |
CN117723551B (zh) | 电池检测设备、点检方法、电池生产设备和检测方法 | |
CN111750781B (zh) | 一种基于ccd的自动测试***及其方法 | |
CN118067004B (zh) | 一种基于双目视觉体积测量的气密性测试方法及*** | |
CN117190887B (zh) | 一种手机生产用气凝胶厚度自动检测*** | |
CN117330604B (zh) | 自动化温度补偿方法、装置、计算机设备及存储介质 | |
CN118379267A (zh) | 一种箱包配件表面瑕疵的视觉检测智能控制方法及*** | |
CN108020557A (zh) | 一种基于激光扫描的车体喷涂质量自适应检测方法 | |
CN117436769A (zh) | 一种结构件焊接质量监测方法、***、存储介质及设备 |
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 |