当前位置:首页 - 常见知识 - 产品知识
智能微电机自动化检测方案,完美解决微电机检测难题

       微电机以体积小、重量轻、便于控制等优点,在生产、消费、科研等领域有广泛的应用。电机厂为了确保微电机性能达到使用要求,质量检测成为必不可少的环节。造成微电机不良的原因很多,例如卡磁、机壳轴承与端盖不同心、机壳内小粒异物等都会使电机电流偏高;磁铁没磁性、铜线沾锡、电刷针变形短路等都会造成电机短路。其他原因和表现还有很多,但欲避免这些问题,存在诸多难点。


       难点和对策


       微电机的质量检测手段目前比较缺乏,大部分的厂家还处于人工听音的方式。由于微电机出货量大,所需检测人员比较多,带来了巨大的成本压力。人工检测无法保证质量的稳定性和进行质量追溯,从而无法反馈和改进生产工艺,提高良品率。基于此凌华协助客户打造智能微电机自动化检测解决方案,有效满足了厂家对自动化质量检测手段的迫切需求。


       凌华智能微电机自动化检测方案完美解决了传统人工检测中的难点,并且发挥信息技术的优势,可以积累大量产品质量数据和工艺生产数据,通过大数据分析来优化生产线,实现质量的不断提升。


       机器算法代替人工听音,提高检测效率


       以往客户惯用的人工听音方式,需要检测人员用手按压电机。由于检测人员按压微电机的力度不同,经常出现有的人员检测是好的,另一个人检测却是坏的。人员的心理和生理状态也会影响检测的效果,特别是长时间进行检测工作,更无法保证检测的一致性。更重要的是微电机生产量很大,每天一个工厂需要几千台的检测量,需要大量的人工,人员工资和管理将造成大量的成本支出。


       凌华智能微电机自动化检测方案融合NVH信号分析算法和机器学习算法。利用NVH信号分析算法进行质量特征值的提取,与现有的人工检测进行比对和分析后,将以往人工检测的经验和算法优化结合。并且微电机每天的生产数量巨大,特别适合使用机器学习算法,基于大量电机特征数据(特别是故障电机),对测试电机进行良率检测和不良品分类。该方案不用专业检测人员进行操作,普通工人就能完成,降低了人工成本,提高了准确性和检测效率。


       凌华科技MCM-100边缘智能运算平台,基于振动声音特征发现异常


       NVH信号分析算法通过声强、频率成分、声音品质等多个维度综合评判采集到的数据,能极大的提高判定的准确性、可靠性,最大限度的避免误判漏判。如果直接使用机器学习进行分析,依赖于提供的样本分布(良品和不良品的比率),适应性存在一些疑虑。NVH信号分析算法和机器学习算法结合,实现了从机理上解释清楚故障的原因,满足了工业上对确定性的要求。


       凌华的MCM-100边缘智能运算平台在整个方案的硬件链路上起到最核心的作用。MCM-100体积小巧易于部署,将数据收集、振动分析算法、计算和网络连接任务整合在一个系统中。内建IEPE 2mA激励电流源,不仅支持IEPE/ICP数据采集器,同时提供USB、COM、Ethernet、4G等丰富的接口,系统整合简单方便。


       MCM-100拥有4个通道,具备24位分辨率以及128kS/s采样率,优于常见的 12至16位分辨率、20kS/s采样率,能够高质量地采集到电机运行时的振动声音信号。搭配内置在MCM-100内的NVH信号分析算法,将时域的声音信号进行数据变换和特征提取,通过上千个样品的分析,制定出相应的判定标准,并将此标准应用在马达制造装配线的下线性能测试站,从而能够快速的评判出良品和不良品。

常见知识
|     站点首页       |      产品中心       |      行业应用       |      图片新闻       |      常见问题       |      招贤纳士       |      联系我们       |