Nothing Special   »   [go: up one dir, main page]

CN117331355B - 一种基于神经网络的压铸件去毛刺工艺调控系统及方法 - Google Patents

一种基于神经网络的压铸件去毛刺工艺调控系统及方法 Download PDF

Info

Publication number
CN117331355B
CN117331355B CN202311254998.3A CN202311254998A CN117331355B CN 117331355 B CN117331355 B CN 117331355B CN 202311254998 A CN202311254998 A CN 202311254998A CN 117331355 B CN117331355 B CN 117331355B
Authority
CN
China
Prior art keywords
deburring
tool
deburring tool
characteristic
marking
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
Application number
CN202311254998.3A
Other languages
English (en)
Other versions
CN117331355A (zh
Inventor
章明
徐林森
于海武
邱少杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Cascc Intelligent Industrial Equipment Co ltd
Original Assignee
Jiangsu Cascc Intelligent Industrial Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Cascc Intelligent Industrial Equipment Co ltd filed Critical Jiangsu Cascc Intelligent Industrial Equipment Co ltd
Priority to CN202311254998.3A priority Critical patent/CN117331355B/zh
Publication of CN117331355A publication Critical patent/CN117331355A/zh
Application granted granted Critical
Publication of CN117331355B publication Critical patent/CN117331355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D31/00—Cutting-off surplus material, e.g. gates; Cleaning and working on castings
    • B22D31/002—Cleaning, working on castings
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • General Factory Administration (AREA)
  • Molds, Cores, And Manufacturing Methods Thereof (AREA)

Abstract

本发明涉及机器去毛刺技术领域，具体为一种基于神经网络的压铸件去毛刺工艺调控系统及方法，包括使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺；含有毛刺的压铸件中存在若干种规格的压铸件毛刺；对各个历史周期内去毛刺工具对应的去毛刺信息进行筛选，得到标记去毛刺工具；基于当前周期内的去毛刺信息，对去毛刺工具使用状态进行评估，得到当前周期内的特征去毛刺工具；基于当前周期内特征去毛刺工具和目标去毛刺工具，将特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行调整。

Description

一种基于神经网络的压铸件去毛刺工艺调控系统及方法
技术领域
本发明涉及机器去毛刺技术领域，具体为一种基于神经网络的压铸件去毛刺工艺调控系统及方法。
背景技术
神经网络是一种计算机算法个模型，它受到人脑中的神经元网络的启发，有多个节点组成的网络层级构成，通过连接这些节点来构建复杂的网络结构，这些网络可以通过训练学习从输入数据中提取特征，并通过调整权重和偏差来预测和分类未知的数据；使用神经网络有很多好处，包含以下几种，1.模式识别和分类，神经网络可以通过学习大量的样本数据，实现对未标记的数据进行分类和识别，2.回归和预测，通过学习数据之间的关系，神经网络可以用于事物的预测和回归分析，3.语音和图像识别，神经网络在语音和图像处理中有广泛的应用，4.自然语音的处理，神经网络可以用于处理和分析文本等数据。
压铸件产生毛刺的主要原因是因为模具因为磨损和不完整，导致压力过高，铸造的温度过高和过低，金属液中含有杂质也会导致压铸件产生毛刺，目前去毛刺工艺的调控主要是针对于压铸件的去毛刺情况进行分析，从而调整压铸件去工艺，但是实际上去毛刺工具的使用状态也是十分重要的，人们往往会忽略从去毛刺工具角度上对压铸件去毛刺工艺的调整。
发明内容
本发明的目的在于提供一种基于神经网络的压铸件去毛刺工艺调控系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于神经网络的压铸件去毛刺工艺调控方法，方法包括：
步骤S100：使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺；含有毛刺的压铸件中存在若干种规格的压铸件毛刺；将各个去毛刺工具的历史去毛刺记录进行汇集，并对各个区毛刺工具去毛刺情况进行评估，得到标记去毛刺工具；
步骤S200：基于标记去毛刺工具，对不同去毛刺工具之间的关联性进行评估；
步骤S300：获取当前周期内的去毛刺信息；基于当前周期内的去毛刺信息，对去毛刺工具使用状态进行评估，得到当前周期内的特征去毛刺工具；获取与特征去毛刺工具存在关联性的去毛刺工具，并记为目标去毛刺工具；
步骤S400：获取当前周期内特征去毛刺工具和目标去毛刺工具；基于当前周期内特征去毛刺工具和目标去毛刺工具，将特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行调整；
上述步骤中使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺，意思是对于一种规格的压铸件毛刺需要使用不同去毛刺工具按照相应的工序，依次对压铸件毛刺进行去除，例如，对于0.1mm的毛刺，可能需要若干个去毛刺工具按照相应工序，依次对压铸件毛刺进行去除。
进一步的，步骤S100包括：
步骤S101：对去除毛刺后的压铸件使用工业相机进行拍摄，得到压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
步骤S102：获取各个去毛刺工具的标准工具精度；获取特征压铸件对应的工序流程，将工序流程中的各个去毛刺工具进行获取，并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被工作人员判定不符合相应的标准工具精度，获取工作人员判定某个去毛刺工具不符合相应的标准工具精度的时间点，将时间点记为某个去毛刺工具对应的特征时间点；获取各个去毛刺工具对应的特征时间点；对去毛刺工具的特征时间点之前的工作总时长进行获取，并记为某个去毛刺工具的使用时长；获取各个去毛刺工具对应的使用时长；获取各个去毛刺工具出厂标记的标准使用寿命最小值；
步骤S103：当去毛刺信息集合W中存在某一去毛刺工具的使用时长，小于某一去毛刺工具的标准使用寿命最小值，将去毛刺工具记为标记去毛刺工具；
上述步骤中当去毛刺信息集合W中存在某一去毛刺工具的使用时长，小于某一去毛刺工具的标准使用寿命最小值，将去毛刺工具记为标记去毛刺工具，是因为在一个历史周期内去毛刺工具对应的使用时长在去毛刺工具出厂标记的标准使用寿命范围内，则表示这个，这个去毛刺工具的损害属于正常，不是被其他去毛刺工具影响，而标记去毛刺工具受到的损害属于不正常的，所以才需要将标记去毛刺工具进行选出，从而才能更好的判断出是那些去毛刺工具对标记去毛刺工具造成了影响。
进一步的，步骤S200包括：
步骤S201：将标记去毛刺工具对应特征时间点，记为标记特征时间点α；设置标记时长β；获取标记去毛刺工具对应的标记时段U∈[α-β，α]；获取各个标记去毛刺工具对应的各个标记时段；
步骤S202：当去毛刺工具对应的特征时间点在某一标记去毛刺工具的标记时段内，判定去毛刺工具与标记去毛刺工具疑似存在关联，将去毛刺工具记为疑似第一去毛刺工具，将标记去毛刺工具记为第二去毛刺工具；
步骤S203：获取疑似第一去毛刺工具与第二去毛刺工具的特征时间点之间距离的时长，并记为疑似第一去毛刺工具与第二去毛刺工具对应的特征时长；
步骤S204：当疑似第一去毛刺工具对应的特征时间点，在第二去毛刺工具对应的标记时段内，将标记时段记为疑似第一去毛刺工具与第二去毛刺工具对应的关联标记时段；获取疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；
步骤S205：对关联标记时段内的特征压铸件的数量进行获取，并记为疑似第一去毛刺工具与第二去毛刺工具的压铸件影响个数；获取关联标记时段内压铸件影响个数平均值获取各个标记时长内压铸件生产个数的平均值；
步骤S206：计算疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值P：
其中，to表示标记时长；j为关联标记时段的时段个数；tc表示为疑似第一去毛刺工具与第二去毛刺工具的第c个特征时长；μ为疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；为各个标记时长内压铸件生产个数的平均值；
设置工具关联程度值阈值；当疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，大于关联程度值阈值，判断疑似第一去毛刺工具，与第二去毛刺工具之间存在关联，并将疑似第一去毛刺工具，记为第一去毛刺工具。
进一步的，步骤S300包括：
步骤S301：设置去毛刺压铸件组；去毛刺压铸件组为含有毛刺的压铸件；在当前周期内对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像；将其中含有毛刺的压铸件，记为特征压铸件；
步骤S302：获取当前周期内特征压铸件对应的工序流程；将工序流程中的各个去毛刺工具进行获取，并记为特征毛刺压铸件对应的各个去毛刺工具；并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被判定需要进行更换时，将去毛刺工具记为特征去毛刺工具；
步骤S303：当当前周期内某一特征去毛刺工具与另一去毛刺工具存在关联，将某一特征去毛刺工具，标为第一去毛刺工具；对当前周期内第一去毛刺工具对应的第二去毛刺工具进行获取，并将第二去毛刺工具记为目标去毛刺工具。
进一步的，步骤S400包括：
步骤S401：获取当前周期内的特征去毛刺工具；获取当前周期内特征去毛刺工具对应的目标去毛刺工具；对目标去毛刺工具对应的更换等级进行获取；获取当前周期内各个特征压铸件，将特征压铸件移入最新的去毛刺去毛刺压铸件组中进行再次去毛刺；
步骤S402：设置当前周期内特征去毛刺工具为最高更换等级；按照更换等级的大小顺序，对特征去毛刺工具和目标去毛刺工具分别进行更换，并对并压铸件去毛刺工艺进行相应调整。
为了更好实现上述方法还提出了压铸件去毛刺工艺调控系统，调控系统包括标记去毛刺工具模块、工具关联性模块、目标去毛刺工具模块、去毛刺工艺调控模块；
标记去毛刺工具模块，用于获取各个历史周期内去毛刺工具对应的去毛刺信息；对各个历史周期内不同去毛刺工具对应的去毛刺信息进行筛选，将保留的去毛刺工具，记为标记去毛刺工具；
工具关联性模块，用于对不同去毛刺工具之间关联性进行评估，得到存在关联的两个去毛刺工具，分别记为第一去毛刺工具和第二去毛刺工具；
目标去毛刺工具模块，用于对当前周期内不同去毛刺工具使用状态进行评估，得到当前周期内特征去毛刺工具；对当前周期内特征去毛刺工具进行评估，得到特征去毛刺工具对应的目标去毛刺工具；
去毛刺工艺调控模块，用于基于当前周期内目标去毛刺工具和特征去毛刺工具，将目标去毛刺工具和特征去毛刺工具更换成相应新的去毛刺工具，并对压铸件去毛刺工艺进行相应调整。
进一步的，标记去毛刺工具模块包括特征压铸件单元、标记去毛刺工具单元；
去毛刺信息单元，用于对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
标记去毛刺工具单元，用于对去毛刺信息集合中各个区毛刺信息进行筛选，得到标记去毛刺工具。
进一步的，工具关联性模块包括工具关联程度值单元、工具关联性单元；
工具关联程度值单元，用于对第一去毛刺工具与疑似第二去毛刺工具之间的工具关联程度值进行计算；
工具关联性单元，用于基于疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，判断疑似第一去毛刺工具与第二去毛刺工具之间是否存在关联，当存在关联时，将疑似第一去毛刺工具记为第一去毛刺工具。
进一步的，目标去毛刺工具模块包括特征去毛刺工具单元、目标去毛刺工具单元；
特征去毛刺工具单元，用于对当前周期内生产出的压铸件进行毛刺评估，得到当前周期内含有毛刺的压铸件，记为毛刺压铸件；获取特征压铸件对应去毛刺压铸件组；将去毛刺压铸件组对应的去毛刺工具交由工作人员进行可用性评估，得到需要更换的去毛刺工具，并记为特征去毛刺工具；
目标去毛刺工具单元，用于对当前周期内特征去毛刺工具存在关联性的去毛刺工具进行获取，并记为目标去毛刺工具。
进一步的，去毛刺工艺调控模块包括去毛刺工艺调控单元；
去毛刺工艺调控单元，用于对去毛刺工具，按照不同的更换等级，对目标去毛刺工具和和特征去毛刺工具进行更换，并对并压铸件去毛刺工艺进行相应调整。
与现有技术相比，本发明所达到的有益效果是：本发明实现了通过神经网络对压铸件去毛刺工艺进行智能调控，并且基于不同去毛刺工具之间的关联性，对去毛刺工具的可用情况进行智能预测，并且可以更好的对预测去毛刺工具的更换次序进行划分，使得去毛刺更加精准化、科学化。
附图说明
附图用来提供对本发明的进步理解，并且构成说明书的位置，与本发明的实施例起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于神经网络的压铸件去毛刺工艺调控系统及方法的方法流程图；
图2是本发明一种基于神经网络的压铸件去毛刺工艺调控系统及方法的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明位置实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于神经网络的压铸件去毛刺工艺调控方法，方法包括：
步骤S100：使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺；含有毛刺的压铸件中存在若干种规格的压铸件毛刺；将各个去毛刺工具的历史去毛刺记录进行汇集，并对各个区毛刺工具去毛刺情况进行评估，得到标记去毛刺工具；
其中，步骤S100包括：
步骤S101：对去除毛刺后的压铸件使用工业相机进行拍摄，得到压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
步骤S102：获取各个去毛刺工具的标准工具精度；获取特征压铸件对应的工序流程，将工序流程中的各个去毛刺工具进行获取，并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被工作人员判定不符合相应的标准工具精度，获取工作人员判定某个去毛刺工具不符合相应的标准工具精度的时间点，将时间点记为某个去毛刺工具对应的特征时间点；获取各个去毛刺工具对应的特征时间点；对去毛刺工具的特征时间点之前的工作总时长进行获取，并记为某个去毛刺工具的使用时长；获取各个去毛刺工具对应的使用时长；获取各个去毛刺工具出厂标记的标准使用寿命最小值；
步骤S103：当去毛刺信息集合W中存在某一去毛刺工具的使用时长，小于某一去毛刺工具的标准使用寿命最小值，将去毛刺工具记为标记去毛刺工具；
步骤S200：基于标记去毛刺工具，对不同去毛刺工具之间的关联性进行评估；
其中，步骤S200包括：
步骤S201：获取工作人员判定去毛刺工具不符合相应的标准工具精度的时间点，将时间点记为去毛刺工具对应的特征时间点；将标记去毛刺工具对应特征时间点，记为标记特征时间点α；设置标记时长β；获取标记去毛刺工具对应的标记时段U∈[α-β，α]；获取各个标记去毛刺工具对应的各个标记时段；
步骤S202：当去毛刺工具对应的特征时间点在某一标记去毛刺工具的标记时段内，判定去毛刺工具与标记去毛刺工具疑似存在关联，将去毛刺工具记为疑似第一去毛刺工具，将标记去毛刺工具记为第二去毛刺工具；
步骤S203：获取疑似第一去毛刺工具与第二去毛刺工具的特征时间点之间距离的时长，并记为疑似第一去毛刺工具与第二去毛刺工具对应的特征时长；
步骤S204：当疑似第一去毛刺工具对应的特征时间点，在第二去毛刺工具对应的标记时段内，将标记时段记为疑似第一去毛刺工具与第二去毛刺工具对应的关联标记时段；获取疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；
步骤S205：对关联标记时段内的特征压铸件的数量进行获取，并记为疑似第一去毛刺工具与第二去毛刺工具的压铸件影响个数；获取关联标记时段内压铸件影响个数平均值获取各个标记时长内压铸件生产个数的平均值；
步骤S206：计算疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值P：
其中，to表示标记时长；j为关联标记时段的时段个数；tc表示为疑似第一去毛刺工具与第二去毛刺工具的第c个特征时长；μ为疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；为各个标记时长内压铸件生产个数的平均值；
例如，to为10h；第1个、第2个和第3个疑似第一去毛刺工具与第二去毛刺工具的个特征时长，分别为1h、2h和3h；j为3；μ为5；为1000；/>为10；计算疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值/>
设置工具关联程度值阈值；当疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，大于关联程度值阈值，判断疑似第一去毛刺工具，与第二去毛刺工具之间存在关联，并将疑似第一去毛刺工具，记为第一去毛刺工具；
步骤S300：获取当前周期内的去毛刺信息；基于当前周期内的去毛刺信息，对去毛刺工具使用状态进行评估，得到当前周期内的特征去毛刺工具；获取与特征去毛刺工具存在关联性的去毛刺工具，并记为目标去毛刺工具；
其中，步骤S300包括：
步骤S301：设置去毛刺压铸件组；去毛刺压铸件组为含有毛刺的压铸件；在当前周期内对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像；将其中含有毛刺的压铸件，记为特征压铸件；
步骤S302：获取当前周期内特征压铸件对应的工序流程；将工序流程中的各个去毛刺工具进行获取，并记为特征毛刺压铸件对应的各个去毛刺工具；并派工作人员对各个去毛刺工具进行检查，当某个去毛刺工具被判定需要进行更换时，将去毛刺工具记为特征去毛刺工具；
步骤S303：当当前周期内某一特征去毛刺工具与另一去毛刺工具存在关联，将某一特征去毛刺工具，标为第一去毛刺工具；对当前周期内第一去毛刺工具对应的第二去毛刺工具进行获取，并将第二去毛刺工具记为目标去毛刺工具；
步骤S400：获取当前周期内特征去毛刺工具和目标去毛刺工具；基于当前周期内特征去毛刺工具和目标去毛刺工具，将特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行调整；
其中，步骤S400包括：
步骤S401：获取当前周期内的特征去毛刺工具；获取当前周期内特征去毛刺工具对应的目标去毛刺工具；对目标去毛刺工具对应的更换等级进行获取；获取当前周期内各个特征压铸件，将特征压铸件移入最新的去毛刺去毛刺压铸件组中进行再次去毛刺；
步骤S402：设置当前周期内特征去毛刺工具为最高更换等级；按照更换等级的大小顺序，对特征去毛刺工具和目标去毛刺工具分别进行更换，并对并压铸件去毛刺工艺进行相应调整；
为了更好实现上述方法还提出了压铸件去毛刺工艺调控系统，调控系统包括标记去毛刺工具模块、工具关联性模块、目标去毛刺工具模块、去毛刺工艺调控模块；
标记去毛刺工具模块，用于获取各个历史周期内去毛刺工具对应的去毛刺信息；对各个历史周期内不同去毛刺工具对应的去毛刺信息进行筛选，将保留的去毛刺工具，记为标记去毛刺工具；
工具关联性模块，用于对不同去毛刺工具之间关联性进行评估，得到存在关联的两个去毛刺工具，分别记为第一去毛刺工具和第二去毛刺工具；
目标去毛刺工具模块，用于对当前周期内不同去毛刺工具使用状态进行评估，得到当前周期内特征去毛刺工具；对当前周期内特征去毛刺工具进行评估，得到特征去毛刺工具对应的目标去毛刺工具；
去毛刺工艺调控模块，用于基于当前周期内目标去毛刺工具和特征去毛刺工具，将目标去毛刺工具和特征去毛刺工具更换成相应新的去毛刺工具，并对压铸件去毛刺工艺进行相应调整；
其中，标记去毛刺工具模块包括特征压铸件单元、标记去毛刺工具单元；
去毛刺信息单元，用于对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
标记去毛刺工具单元，用于对去毛刺信息集合中各个区毛刺信息进行筛选，得到标记去毛刺工具；
其中，工具关联性模块包括工具关联程度值单元、工具关联性单元；
工具关联程度值单元，用于对第一去毛刺工具与疑似第二去毛刺工具之间的工具关联程度值进行计算；
工具关联性单元，用于基于疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，判断疑似第一去毛刺工具与第二去毛刺工具之间是否存在关联，当存在关联时，将疑似第一去毛刺工具记为第一去毛刺工具；
其中，目标去毛刺工具模块包括特征去毛刺工具单元、目标去毛刺工具单元；
特征去毛刺工具单元，用于对当前周期内生产出的压铸件进行毛刺评估，得到当前周期内含有毛刺的压铸件，记为毛刺压铸件；获取特征压铸件对应去毛刺压铸件组；将去毛刺压铸件组对应的去毛刺工具交由工作人员进行可用性评估，得到需要更换的去毛刺工具，并记为特征去毛刺工具；
目标去毛刺工具单元，用于对当前周期内特征去毛刺工具存在关联性的去毛刺工具进行获取，并记为目标去毛刺工具；
其中，去毛刺工艺调控模块包括去毛刺工艺调控单元；
去毛刺工艺调控单元，用于对去毛刺工具，按照不同的更换等级，对目标去毛刺工具和和特征去毛刺工具进行更换，并对并压铸件去毛刺工艺进行相应调整。
需要说明的是，在本文中，诸如第和第二等之类的关系术语仅仅用来将个实体或者操作与另个实体或操作区分开来，而不定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中位置技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述方法包括：
步骤S100：使用不同去毛刺工具按照对应工序对含有毛刺的压铸件进行去毛刺；其中，一种去毛刺工序流程对应一种规格的压铸件毛刺；所述含有毛刺的压铸件中存在若干种规格的压铸件毛刺；将各个去毛刺工具的历史去毛刺记录进行汇集，并对各个去毛刺工具去毛刺情况进行评估，得到标记去毛刺工具；
步骤S200：基于标记去毛刺工具，对不同去毛刺工具之间的关联性进行评估；
步骤S300：获取当前周期内的去毛刺信息；基于当前周期内的去毛刺信息，对去毛刺工具使用状态进行评估，得到当前周期内的特征去毛刺工具；获取与特征去毛刺工具存在关联性的去毛刺工具，并记为目标去毛刺工具；
步骤S400：获取当前周期内特征去毛刺工具和目标去毛刺工具；基于当前周期内特征去毛刺工具和目标去毛刺工具，将特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行调整。
2.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S100包括：
步骤S101：对去除毛刺后的压铸件使用工业相机进行拍摄，得到压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
步骤S102：获取各个去毛刺工具的标准工具精度；获取特征压铸件对应的工序流程，将所述工序流程中的各个去毛刺工具进行获取，并派工作人员对所述各个去毛刺工具进行检查，当某个去毛刺工具被工作人员判定不符合相应的标准工具精度时，获取工作人员判定某个去毛刺工具不符合相应的标准工具精度的时间点，将所述时间点记为所述某个去毛刺工具对应的特征时间点；获取各个去毛刺工具对应的特征时间点；对去毛刺工具的特征时间点之前的工作总时长进行获取，并记为所述某个去毛刺工具的使用时长；获取各个去毛刺工具对应的使用时长；获取各个去毛刺工具出厂标记的标准使用寿命最小值；
步骤S103：当去毛刺信息集合W中存在某一去毛刺工具的使用时长，小于所述某一去毛刺工具的标准使用寿命最小值时，将所述去毛刺工具记为标记去毛刺工具。
3.根据权利要求2所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S200包括：
步骤S201：将标记去毛刺工具对应特征时间点，记为标记特征时间点α；设置标记时长β；获取标记去毛刺工具对应的标记时段U∈[α-β，α]；获取各个标记去毛刺工具对应的各个标记时段；
步骤S202：当去毛刺工具对应的特征时间点在某一标记去毛刺工具的标记时段内时，判定所述去毛刺工具与标记去毛刺工具疑似存在关联，将所述去毛刺工具记为疑似第一去毛刺工具，将标记去毛刺工具记为第二去毛刺工具；
步骤S203：获取疑似第一去毛刺工具与第二去毛刺工具的特征时间点之间距离的时长，并记为疑似第一去毛刺工具与第二去毛刺工具对应的特征时长；
步骤S204：当疑似第一去毛刺工具对应的特征时间点，在第二去毛刺工具对应的标记时段内，将所述标记时段记为疑似第一去毛刺工具与第二去毛刺工具对应的关联标记时段；获取疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；
步骤S205：对关联标记时段内的特征压铸件的数量进行获取，并记为疑似第一去毛刺工具与第二去毛刺工具的压铸件影响个数；获取关联标记时段内压铸件影响个数平均值获取各个标记时长内压铸件生产个数的平均值；
步骤S206：计算疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值P：
其中，to表示标记时长；j为关联标记时段的时段个数；tc表示为疑似第一去毛刺工具与第二去毛刺工具的第c个特征时长；μ为疑似第一去毛刺工具与第二去毛刺工具的关联标记时段的时段个数；为各个标记时长内压铸件生产个数的平均值；
设置工具关联程度值阈值；当疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，大于关联程度值阈值时，判断疑似第一去毛刺工具，与第二去毛刺工具之间存在关联，并将疑似第一去毛刺工具，记为第一去毛刺工具。
4.根据权利要求3所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S300包括：
步骤S301：设置去毛刺压铸件组；所述去毛刺压铸件组为含有毛刺的压铸件；在当前周期内对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像；将其中含有毛刺的压铸件，记为特征压铸件；
步骤S302：获取当前周期内特征压铸件对应的工序流程；将所述工序流程中的各个去毛刺工具进行获取，并记为所述特征压铸件对应的各个去毛刺工具；并派工作人员对所述各个去毛刺工具进行检查，当某个去毛刺工具被判定需要进行更换时，将所述去毛刺工具记为特征去毛刺工具；
步骤S303：当前周期内某一特征去毛刺工具与另一去毛刺工具存在关联时，将所述某一特征去毛刺工具，标为第一去毛刺工具；对当前周期内第一去毛刺工具对应的第二去毛刺工具进行获取，并将第二去毛刺工具记为目标去毛刺工具。
5.根据权利要求1所述的一种基于神经网络的压铸件去毛刺工艺调控方法，其特征在于，所述步骤S400包括：
步骤S401：获取当前周期内的特征去毛刺工具；获取当前周期内特征去毛刺工具对应的目标去毛刺工具；对所述目标去毛刺工具对应的更换等级进行获取；获取当前周期内各个特征压铸件，将特征压铸件移入最新的去毛刺压铸件组中进行再次去毛刺；
步骤S402：设置当前周期内特征去毛刺工具为最高更换等级；按照更换等级的大小顺序，对特征去毛刺工具和目标去毛刺工具分别进行更换，并对压铸件去毛刺工艺进行相应调整。
6.应用于权利要求1-5中任意项所述的一种基于神经网络的压铸件去毛刺工艺调控方法的压铸件去毛刺工艺调控系统，其特征在于，所述调控系统包括标记去毛刺工具模块、工具关联性模块、目标去毛刺工具模块、去毛刺工艺调控模块；
所述标记去毛刺工具模块，用于获取各个历史周期内去毛刺工具对应的去毛刺信息；对各个历史周期内不同去毛刺工具对应的去毛刺信息进行筛选，将保留的去毛刺工具，记为标记去毛刺工具；
所述工具关联性模块，用于对不同去毛刺工具之间关联性进行评估，得到存在关联的两个去毛刺工具，分别记为第一去毛刺工具和第二去毛刺工具；
所述目标去毛刺工具模块，用于对当前周期内不同去毛刺工具使用状态进行评估，得到当前周期内特征去毛刺工具；对当前周期内特征去毛刺工具进行评估，得到特征去毛刺工具对应的目标去毛刺工具；
所述去毛刺工艺调控模块，用于基于当前周期内目标去毛刺工具和特征去毛刺工具，将目标去毛刺工具和特征去毛刺工具更换成相应新的去毛刺工具，并对压铸件去毛刺工艺进行相应调整。
7.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述标记去毛刺工具模块包括特征压铸件单元、标记去毛刺工具单元；
所述去毛刺信息单元，用于对去除毛刺后的压铸件使用工业相机进行拍摄，得到去毛刺工具去除毛刺后的压铸件图像，将其中含有毛刺的压铸件，记为特征压铸件；
所述标记去毛刺工具单元，用于对去毛刺信息集合中各个区毛刺信息进行筛选，得到标记去毛刺工具。
8.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述工具关联性模块包括工具关联程度值单元、工具关联性单元；
所述工具关联程度值单元，用于对第一去毛刺工具与疑似第二去毛刺工具之间的工具关联程度值进行计算；
所述工具关联性单元，用于基于疑似第一去毛刺工具与第二去毛刺工具之间的工具关联程度值，判断疑似第一去毛刺工具与第二去毛刺工具之间是否存在关联，当存在关联时，将疑似第一去毛刺工具记为第一去毛刺工具。
9.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述目标去毛刺工具模块包括特征去毛刺工具单元、目标去毛刺工具单元；
所述特征去毛刺工具单元，用于对当前周期内生产出的压铸件进行毛刺评估，得到当前周期内含有毛刺的压铸件，记为毛刺压铸件；获取所述特征压铸件对应去毛刺压铸件组；将所述去毛刺压铸件组对应的去毛刺工具交由工作人员进行可用性评估，得到需要更换的去毛刺工具，并记为特征去毛刺工具；
所述目标去毛刺工具单元，用于对当前周期内特征去毛刺工具存在关联性的去毛刺工具进行获取，并记为目标去毛刺工具。
10.根据权利要求6所述的压铸件去毛刺工艺调控系统，其特征在于，所述去毛刺工艺调控模块包括去毛刺工艺调控单元；
所述去毛刺工艺调控单元，用于对去毛刺工具，按照不同的更换等级，对目标去毛刺工具和和特征去毛刺工具进行更换，并对并压铸件去毛刺工艺进行相应调整。
CN202311254998.3A 2023-09-27 2023-09-27 一种基于神经网络的压铸件去毛刺工艺调控系统及方法 Active CN117331355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311254998.3A CN117331355B (zh) 2023-09-27 2023-09-27 一种基于神经网络的压铸件去毛刺工艺调控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311254998.3A CN117331355B (zh) 2023-09-27 2023-09-27 一种基于神经网络的压铸件去毛刺工艺调控系统及方法

Publications (2)

Publication Number Publication Date
CN117331355A CN117331355A (zh) 2024-01-02
CN117331355B true CN117331355B (zh) 2024-04-23

Family

ID=89282275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311254998.3A Active CN117331355B (zh) 2023-09-27 2023-09-27 一种基于神经网络的压铸件去毛刺工艺调控系统及方法

Country Status (1)

Country Link
CN (1) CN117331355B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118577773B (zh) * 2024-05-20 2024-10-25 江苏中科云控智能工业装备有限公司 一种基于柔性冷冻去毛刺设备的远程数据采集系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110347120A (zh) * 2018-04-02 2019-10-18 发那科株式会社 控制装置以及机器学习装置
CN111597645A (zh) * 2020-04-06 2020-08-28 武汉数字化设计与制造创新中心有限公司 一种机器人去毛刺最优工艺参数选择方法和系统
CN111983973A (zh) * 2020-08-11 2020-11-24 武汉万邦德新科技有限公司 一种基于模板匹配的铸造工件边缘去毛刺加工方法
CN114279357A (zh) * 2021-12-23 2022-04-05 杭州电子科技大学 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
CN115170563A (zh) * 2022-09-06 2022-10-11 江苏中科云控智能工业装备有限公司 基于物联网的压铸件去毛刺后的检测系统及方法
CN115406900A (zh) * 2022-10-31 2022-11-29 江苏中科云控智能工业装备有限公司 一种基于机器视觉的压铸件毛刺检测系统及方法
CN217966260U (zh) * 2022-08-10 2022-12-06 中能智能机器人有限公司 一种连续式三工位机器人去毛刺机
CN115519096A (zh) * 2022-09-19 2022-12-27 江苏中科云控智能工业装备有限公司 基于大数据的压铸件去毛刺装备状态检测系统及方法
CN116021425A (zh) * 2023-03-28 2023-04-28 江苏中科云控智能工业装备有限公司 一种基于物联网的去毛刺设备性能测试系统及方法
CN116735605A (zh) * 2023-06-16 2023-09-12 中国联合网络通信集团有限公司 毛刺检测方法、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11407079B2 (en) * 2020-03-12 2022-08-09 Raytheon Company Monitoring condition of deburring media in vibration deburring machine

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110347120A (zh) * 2018-04-02 2019-10-18 发那科株式会社 控制装置以及机器学习装置
CN111597645A (zh) * 2020-04-06 2020-08-28 武汉数字化设计与制造创新中心有限公司 一种机器人去毛刺最优工艺参数选择方法和系统
CN111983973A (zh) * 2020-08-11 2020-11-24 武汉万邦德新科技有限公司 一种基于模板匹配的铸造工件边缘去毛刺加工方法
CN114279357A (zh) * 2021-12-23 2022-04-05 杭州电子科技大学 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
CN217966260U (zh) * 2022-08-10 2022-12-06 中能智能机器人有限公司 一种连续式三工位机器人去毛刺机
CN115170563A (zh) * 2022-09-06 2022-10-11 江苏中科云控智能工业装备有限公司 基于物联网的压铸件去毛刺后的检测系统及方法
CN115519096A (zh) * 2022-09-19 2022-12-27 江苏中科云控智能工业装备有限公司 基于大数据的压铸件去毛刺装备状态检测系统及方法
CN115406900A (zh) * 2022-10-31 2022-11-29 江苏中科云控智能工业装备有限公司 一种基于机器视觉的压铸件毛刺检测系统及方法
CN116021425A (zh) * 2023-03-28 2023-04-28 江苏中科云控智能工业装备有限公司 一种基于物联网的去毛刺设备性能测试系统及方法
CN116735605A (zh) * 2023-06-16 2023-09-12 中国联合网络通信集团有限公司 毛刺检测方法、设备及存储介质

Also Published As

Publication number Publication date
CN117331355A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN117331355B (zh) 一种基于神经网络的压铸件去毛刺工艺调控系统及方法
Mikołajczyk et al. Neural network approach for automatic image analysis of cutting edge wear
US5251144A (en) System and method utilizing a real time expert system for tool life prediction and tool wear diagnosis
CN110874674B (zh) 一种异常检测方法、装置及设备
CN111813618A (zh) 数据异常检测方法、装置、设备及存储介质
CN115170563A (zh) 基于物联网的压铸件去毛刺后的检测系统及方法
CN117392133B (zh) 一种基于机器视觉的压铸件毛刺检测系统及方法
CN115936676A (zh) 一种基于数字孪生的设备健康管理方法及系统
CN117234164A (zh) 全面数字化生产管理的智慧工厂控制系统
CN116485578B (zh) 一种钢材冶炼车间的集成管理方法及系统
CN114635167A (zh) 一种电解生产监控方法和系统
CN117196414B (zh) 一种金属加工质量控制系统
CN117313951B (zh) 一种多传感器融合的柔性去毛刺管理方法及系统
CN116748352B (zh) 一种金属弯管机加工参数监测控制方法、系统及存储介质
CN115519096B (zh) 基于大数据的压铸件去毛刺装备状态检测系统及方法
CN115407677B (zh) 一种基于大数据的信息储存系统及方法
CN118348942B (zh) 一种基于人工智能的伺服驱动器控制系统及方法
CN118244725B (zh) 一种大型偏摆落圆自动化生产控制方法及系统
CN118642922B (zh) 一种计算机运行状态监测管理系统
KR102550417B1 (ko) 공작기계용 공구의 보정 알람 장치 및 방법
CN116977062B (zh) 一种用于金融业务的风险标签管理系统及方法
CN111250545B (zh) 一种降低摆荡钢卷超厚率的控制系统和方法
CN117952396B (zh) 一种基于物联网的制造执行管理系统
CN117350546B (zh) 一种基于大数据的工程测量分析管理系统及方法
CN118939423A (zh) 一种基于物联网的终端数据智能处理系统及方法

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