基于机器学习的螺栓异常检测

被引量 : 0次 | 上传用户:czwhczwh75
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
工业4.0时代以来,产品的大规模自动化生产逐渐成为普遍的生产模式,螺栓作为制造业中至关重要的装配零件,其紧固质量直接影响了产品的整体性能与安全系数。由于直接在工业流水线上进行人工异常检测难度较大,且误判率较高,因此,近年来螺栓紧固状态的智能检测成为了热点研究问题之一。随着工业物联网的不断发展,实时检测设备在装配检测方面的应用也越来越广泛,为各行业的高质量生产提供了重要的技术基础。本文针对螺栓紧固异常特征难以被有效量化与提取的问题,结合目前螺栓自动化装配的工艺方法,对于螺栓拧紧过程中的角度、扭矩等各数
其他文献
学位
学位
学位
学位
学位
学位
学位
学位
学位
随着自然处理领域对文本分析的精度以及深度的不断研究与发展,同时伴随着互联网电商平台中商品评价信息的快速积累,挖掘其中更有价值的以及更加精准的信息已是非常迫切的需求,因此关于文本情感倾向的分析,已从篇章级别发展为现在的方面级别文本情感分析。本文就家电领域在线商品评价进行方面级情感信息的挖掘,提出了基于概率生成模型的语句级情感分析方法与基于注意力机制的LSTM方面级分析方法,利用分析模型作为技术支撑,
学位