买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市百思泰科技有限公司

摘要：本申请涉及扭力测试技术领域，公开了一种基于扭力测试装置的扭力测试方法及系统。所述方法包括：通过扭力测试台对待测工具进行扭力测试，并采集原始连续扭力数据和原始冲击扭力数据；进行预处理和特征提取，得到连续扭力特征集合和冲击扭力特征集合；将连续扭力特征集合和冲击扭力特征集合输入基于注意力机制的层次时间记忆模型进行模型训练，得到扭力异常检测模型；获取实时连续扭力数据和实时冲击扭力数据并输入扭力异常检测模型进行扭力异常检测，得到扭力异常检测结果；对扭力异常检测结果进行报告生成，得到综合扭力测试报告，并通过扭力测试台对综合扭力测试报告进行可视化展示，本申请提高了扭力测试的准确率。

主权项：1.一种基于扭力测试装置的扭力测试方法，其特征在于，所述方法包括：通过扭力测试台对待测工具进行扭力测试，并采集所述待测工具的原始连续扭力数据和原始冲击扭力数据；具体包括：在测试过程中，待测工具被固定在扭力测试台的夹具上，通过控制系统对扭力测试台施加不同程度的扭矩，这些扭矩包括连续的逐渐增加或减少的扭矩，以及瞬时施加的冲击扭矩；连续扭矩的施加用于模拟工具在实际使用过程中经历的缓慢加载和卸载过程，而冲击扭矩则用于模拟工具在突然受到外力冲击时的响应情况；传感器系统将检测到的扭力信号实时传输到数据采集系统，数据采集系统由高速数据处理器和存储装置组成，能够实时记录扭力测试过程中产生的所有数据；数据处理器对传输过来的信号进行初步处理，滤除掉高频噪声和不必要的干扰信号；原始连续扭力数据和原始冲击扭力数据在数据采集系统中被分开存储和标记，原始连续扭力数据反映了在稳定条件下，工具所受扭力的变化情况，原始连续扭力数据是以时间为横轴，以扭矩值为纵轴的连续曲线；原始冲击扭力数据则记录了在瞬时冲击条件下，工具所受扭力的变化情况，原始冲击扭力数据呈现出在某个时间点突然跃升或下降的特征；对所述原始连续扭力数据和所述原始冲击扭力数据进行预处理和特征提取，得到连续扭力特征集合和冲击扭力特征集合；具体包括：对所述原始连续扭力数据进行小波变换去噪处理，得到去噪后的连续扭力数据，并对所述原始冲击扭力数据进行中值滤波处理，得到滤波后的冲击扭力数据；对所述去噪后的连续扭力数据进行连续扭力异常值识别和剔除，得到异常值剔除后的连续扭力数据，并对所述滤波后的冲击扭力数据进行冲击扭力峰值检测，得到冲击扭力峰值序列；对所述异常值剔除后的连续扭力数据进行标准化处理，得到标准化后的连续扭力数据，并对所述标准化后的连续扭力数据进行滑动窗口分段，得到分段后的连续扭力数据序列；对所述分段后的连续扭力数据序列进行时域特征提取，得到连续扭力时域特征子集，并对所述分段后的连续扭力数据序列进行频域特征提取，得到连续扭力频域特征子集；根据所述冲击扭力峰值序列计算冲击扭力统计特征，得到冲击扭力特征集合，并对所述连续扭力时域特征子集和所述连续扭力频域特征子集进行特征融合，得到连续扭力特征集合；将所述连续扭力特征集合和所述冲击扭力特征集合输入基于注意力机制的层次时间记忆模型进行模型训练，得到扭力异常检测模型，并将所述扭力异常检测模型部署在所述扭力测试台；具体包括：对所述连续扭力特征集合和所述冲击扭力特征集合进行时间序列对齐，得到第一输入特征序列；将所述第一输入特征序列输入基于注意力机制的层次时间记忆模型，所述基于注意力机制的层次时间记忆模型包括：输入层、空间池化层、时间记忆层、注意力层、预测层、输出层和反馈层；通过所述输入层对所述第一输入特征序列进行编码，得到第一编码时序扭力特征；通过所述空间池化层对所述第一编码时序扭力特征进行空间池化处理，得到第一稀疏分布表示；将所述第一稀疏分布表示输入所述时间记忆层进行处理，得到第一时序上下文表示；将所述第一时序上下文表示输入所述注意力层进行多头自注意力机制处理，得到第一注意力加权的上下文表示；通过所述预测层对所述第一注意力加权的上下文表示进行序列预测，得到训练异常分数，并通过所述输出层根据所述训练异常分数生成训练预测结果；通过所述反馈层计算所述训练预测结果的预测误差，并对所述基于注意力机制的层次时间记忆模型进行反向传播更新，得到更新后的模型参数；根据所述更新后的模型参数对所述基于注意力机制的层次时间记忆模型进行模型优化，得到扭力异常检测模型，并将所述扭力异常检测模型部署在所述扭力测试台；通过所述扭力测试台获取所述待测工具的实时连续扭力数据和实时冲击扭力数据，并将实时连续扭力数据和所述实时冲击扭力数据输入所述扭力异常检测模型进行扭力异常检测，得到扭力异常检测结果；具体包括：通过所述扭力测试台获取所述待测工具的实时连续扭力数据和实时冲击扭力数据，并对所述实时连续扭力数据和所述实时冲击扭力数据进行数据特征提取和特征组合，得到第二输入特征序列；在所述扭力异常检测模型的输入层中，对所述第二输入特征序列进行时间编码，得到第二编码时序扭力特征；在所述扭力异常检测模型的空间池化层中，对所述第二编码时序扭力特征进行空间池化，得到第二稀疏分布表示；在所述扭力异常检测模型的时间记忆层中，根据所述第二稀疏分布表示激活相应神经元进行处理，得到第二时序上下文表示；在所述扭力异常检测模型的注意力层中，对所述第二时序上下文表示进行多头自注意力机制处理，得到第二注意力加权的上下文表示；在所述扭力异常检测模型的预测层中，对所述第二注意力加权的上下文表示进行序列预测，得到扭力异常分数；在所述扭力异常检测模型的输出层中，对所述扭力异常分数进行动态阈值计算，得到自适应异常阈值，并对所述扭力异常分数与所述自适应异常阈值进行比较，得到扭力异常检测结果；对所述扭力异常检测结果进行报告生成，得到综合扭力测试报告，并通过所述扭力测试台对所述综合扭力测试报告进行可视化展示。

全文数据：

权利要求：

百度查询： 深圳市百思泰科技有限公司 基于扭力测试装置的扭力测试方法及系统