拧紧类别的机器学习估计的制作方法

本发明涉及一种用于确定由拧紧工具执行的拧紧操作的拧紧类别的方法以及执行该方法的装置。此外，提供了一种包括计算机可执行指令的计算机程序，当在装置中所包括的处理单元上执行计算机可执行指令时，该计算机可执行指令用于使该装置执行方法的步骤。此外，提供了一种包括计算机可读介质的计算机程序产品，该计算机可读介质上具有在其上实现的计算机程序。

背景技术：

1、在利用拧紧工具拧紧诸如螺栓或螺钉的紧固件的过程中，被拧紧的螺栓或螺钉可能会出现数种不期望的拧紧结果。

2、分析来自拧紧工具的传感器数据提供了关于拧紧结果的有价值的见解。可以开发分析模型，从而基于来自拧紧工具的传感器数据来确定拧紧结果。

3、然而，拧紧结果是否正确可能难以由人工操作者或机器来确定，并且更加麻烦和耗时。

4、为此，可以利用机器学习(machine learning，ml)来分析扭矩和角度的拧紧结果。然而，ml模型的适当训练对于ml模型随后执行准确的拧紧估计是至关重要的。

技术实现思路

1、一个目的是解决或至少减轻现有技术中的这个问题，并因此提供一种改进的方法，其用于确定由拧紧工具执行的拧紧操作的拧紧类别。

2、在第一方面，提供了一种用于确定由拧紧工具执行的拧紧操作的拧紧类别的装置的方法。所述方法包括：获取测量到的一组由拧紧工具拧紧的紧固件的扭矩和角度值，获取至少一组与拧紧工具对紧固件的拧紧相关联的背景数据，使至少一个拧紧类别与测量到的一组扭矩和角度值以及至少一组背景数据相关联，所述拧紧类别标识施加到紧固件的拧紧操作的类型，利用获取的测量到的一组扭矩和角度值、获取的至少一组背景数据以及相关联的至少一个拧紧类别来训练机器学习模型，并且向经训练的机器学习模型提供进一步获取的测量到的一组由拧紧工具拧紧的紧固件的扭矩和角度值、以及至少一个另一组与拧紧工具对紧固件的拧紧相关联的背景数据，其中，经训练的机器学习模型对于提供的测量到的另一组扭矩和角度值以及至少一个另一组背景数据输出至少一个估计的拧紧类别。

3、在第二方面，提供了一种配置为确定由拧紧工具执行的拧紧操作的拧紧类别的装置。所述装置包括处理单元，所述处理单元操作为使所述装置：获取测量到的一组由拧紧工具拧紧的紧固件的扭矩和角度值，获取至少一组与拧紧工具对紧固件的拧紧相关联的背景数据，使至少一个拧紧类别与测量到的一组扭矩和角度值以及至少一组背景数据相关联，所述拧紧类别标识施加到紧固件的拧紧操作的类型，利用获取的测量到的一组扭矩和角度值、获取的至少一组背景数据以及相关联的至少一个拧紧类别来训练机器学习模型，并且向经训练的机器学习模型提供进一步获取的测量到的一组由拧紧工具拧紧的紧固件的扭矩和角度值、以及至少一个另一组与拧紧工具对紧固件的拧紧相关联的背景数据，其中，经训练的机器学习模型对于提供的测量到的另一组扭矩和角度值以及至少一个另一组背景数据输出至少一个估计的拧紧类别。

4、实际上，可能会出现经训练的机器学习(machine learning，ml)模型估计的拧紧类别是不正确的。例如，可能由于某种原因，经训练的ml模型不适合给定的单个工具，经训练的ml模型对于一种类型的拧紧工具表现不佳，但是对于另一种类似类型的拧紧工具表现良好，或者更直接地说，一组扭矩和角度值显示的特性可以与一个以上的拧紧类别正确地相关联。

5、在另一个示例中，可以设想，ml模型对给定的拧紧应用或环境敏感；例如，可以设想，经训练的ml模型对小尺寸的螺栓执行高度准确的拧紧类别估计，但对大尺寸的螺栓执行不太准确的估计，或者经训练的ml模型很好地适合一种类型的要拧紧的接合部，但不适合另一种类型等。

6、因此，为了提供更好的经训练的ml模型，该更好的经训练的ml模型最终将执行更准确的一个或更多个拧紧类别(一个或更多个拧紧类别与输入到经训练的ml模型的多组扭矩和角度值相关联)的估计，提出了ml模型的训练进一步有利地包括通过利用精心选择的背景数据来训练ml模型。

7、背景数据可以是对于当前拧紧的迹线数据(即，测量到的当前拧紧的扭矩和角度值)进一步的、与当前拧紧或一个或更多个先前拧紧有关的数据。因此，背景数据可以将测量到的扭矩和角度值置于能有助于ml模型确定拧紧类别的背景中。进一步设想，要考虑的背景数据是环境数据，例如温度、湿度、大气压等，或者甚至是工具或在工具上执行的计算机程序的设置，诸如要施加的目标扭矩和角度值。

8、在一个实施方案中，背景数据包括：在先前执行的拧紧操作期间，由拧紧工具施加的扭矩和角度值的至少一个。

9、在一个实施方案中，背景数据包括：紧固件和/或由紧固件拧紧的接合部的性质。

10、在一个实施方案中，背景数据包括环境性质，例如温度、湿度、大气压等。

11、在一个实施方案中，提供指示至少一个估计的拧紧类别的警报。

12、在一个实施方案中，警报提供给拧紧工具的操作者、拧紧工具本身、监督控制室或远程云功能。

13、在一个实施方案中，拧紧工具向工具的操作者提供听觉和/或视觉的警报。

14、在一个实施方案中，机器学习基于神经网络、基于随机森林的分类和回归分析的一个或更多个。

15、在第三方面，提供了一种包括计算机可执行指令的计算机程序，当在装置包括的处理单元上执行计算机可执行指令时，所述计算机可执行指令用于使装置执行第一方面的方法所述的步骤。

16、在第四方面，提供了一种包括计算机可读介质的计算机程序产品，所述计算机可读介质上具有在其上实现的根据第三方面的计算机程序。

17、通常，权利要求中使用的所有术语应根据其在技术领域中的普通含义进行解释，除非本文另有明确定义。除非另有明确说明，否则对“元件、装置、组件、手段、步骤等”的所有引用均应开放地解释为涉及该元件、装置、组件、手段、步骤等的至少一个示例。除非明确说明，否则本文中公开的任意方法的步骤不必以公开的确切顺序执行。

技术特征：

1.一种用于确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，背景数据包括在先前执行的拧紧操作期间由拧紧工具(10)施加的扭矩和角度值的至少一个。

3.根据权利要求1或2所述的方法，其中，背景数据包括紧固件(25)和/或由紧固件(25)拧紧的接合部的性质。

4.根据前述权利要求的任一项所述的方法，其中，背景数据包括环境性质。

5.根据前述权利要求的任一项所述的方法，进一步包括：提供指示至少一个估计的拧紧类别的警报。

6.根据前述权利要求的任一项所述的方法，其中，警报提供给拧紧工具(10)的操作者、拧紧工具(10)本身、监督控制室或远程云功能(30)。

7.根据权利要求6所述的方法，其中，拧紧工具(10)向工具(10)的操作者提供听觉和/或视觉的警报。

8.根据前述权利要求的任一项所述的方法，其中，机器学习基于神经网络、基于随机森林的分类和回归分析的一个或更多个。

9.一种计算机程序(18，33)，其包括计算机可执行指令，当在装置(20，35)包括的处理单元(17，32)上执行计算机可执行指令时，所述计算机可执行指令用于使装置(20，35)执行根据权利要求1至8的任一项所述的步骤。

10.一种计算机程序产品，其包括计算机可读介质(19，34)，所述计算机可读介质(19，34)具有在其上实现的根据权利要求9所述的计算机程序(18，33)。

11.一种配置为确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)，所述装置(20，35)包括处理单元(17，32)，所述处理单元(17，32)操作以使所述装置(20，35)：

12.根据权利要求11所述的配置为确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)，其中，背景数据包括在先前执行的拧紧操作期间由拧紧工具(10)施加的扭矩和角度值的至少一个。

13.根据权利要求11或12所述的配置为确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)，其中，背景数据包括紧固件(25)和/或由紧固件(25)拧紧的接合部的性质。

14.根据权利要求11至13的任一项所述的配置为确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)，其中，背景数据包括环境性质。

15.根据权利要求11至14的任一项所述的配置为确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)，进一步包括：提供指示至少一个估计的拧紧类别的警报。

技术总结
本发明涉及拧紧类别的机器学习估计。本发明提供了一种用于确定由拧紧工具(10)执行的拧紧操作的拧紧类别的装置(20，35)的方法。该确定基于利用获取的测量到的一组扭矩和角度值、至少一组背景数据以及一个或更多个相关联的拧紧类别来训练机器学习模型。随后，利用经训练的模型从提供的扭矩和角度值以及背景数据来确定与提供的值和背景数据相关联的一个或更多个拧紧类别。

技术研发人员：唐立斐,W·哈纳斯,D·威尔克曼,S·阿尔登沃克,J·古斯塔夫森
受保护的技术使用者：阿特拉斯·科普柯工业技术公司
技术研发日：
技术公布日：2024/11/7