-
Patent Agency Ranking
公开(公告)号：CN103376291A
公开(公告)日：2013-10-30
申请号：CN201310052751.3
申请日：2013-02-18
Applicant: 松下电器产业株式会社
IPC: G01N29/14
Abstract: 本发明提供一种异常检查方法及异常检查装置，能够在不引起装置复杂化的情况下检查被检查物。本发明的异常检查方法包括：从振动信号获取传感器获取与由振动信号获取传感器检测出的旋转体的振动相应的振动信号的步骤；基于来自振动信号获取传感器的振动信号来实施旋转体的异常声音检查的步骤；根据来自振动信号获取传感器的振动信号算出旋转体的转速的步骤；从AE传感器获取与由AE传感器检测出的旋转体中所产生的AE相应的AE信号的步骤；基于转速和AE信号来检测因旋转体的旋转而产生的固有AE信号的步骤；基于固有AE信号来实施旋转体的AE检查的步骤；和基于异常声音检查和AE检查的结果来判断旋转体有无异常的步骤。
-
公开(公告)号：CN102252749A
公开(公告)日：2011-11-23
申请号：CN201110127544.0
申请日：2011-05-17
Applicant: 松下电器产业株式会社
IPC: G01H17/00
CPC classification number: G10L25/00 , G01M13/028 , G01M13/045 , G06F1/206 , G10L15/02
Abstract: 本发明的品质检查方法和品质检查装置，从音质方面评价作为工业产品的动作音之一的非稳定音，实现接近人的听觉检查的基于非稳定音的品质检查。用集音器(2)将合格品样品(8)的动作音变换为声波形数据，经由A/D变换机(3)取入计算机(5)，变换为心理音响参数。再根据多个量的合格品样品的心理音响参数，利用合格品样品的数据偏差使虚拟合格品数据增加数量。根据合格品样品数据与虚拟合格品数据的心理音响参数，用统计方法算出预定值与判定掩蔽数据，生成预定值数据。用集音器(2)将被检工件(1)的动作音变换为声波形数据，经A/D变换机取入计算机，变换为心理音响参数后，按每心理音响参数与在先生成的预定值比较，实施异响判定。
-
公开(公告)号：CN102129563B
公开(公告)日：2014-11-12
申请号：CN201010592037.X
申请日：2010-12-10
Applicant: 松下电器产业株式会社
IPC: G06K9/62
Abstract: 本发明的感观检查装置及感观检查方法，由于是使用从特征量空间的原点起分布在马氏距离的初始样品，对成为合格与否的判定基准的合格与否判定的边界线进行学习，从而能仅使用边界附近的初始样品进行学习，因此能以较少的学习用的样品来决定最合适的合格与否的判定基准。另外，由于在使用疑似样品进行学习时，向进行了误判定的疑似样品附加加权，从而不新追加疑似样品，就能在机械性的判定工序中再次对误判定的疑似样品进行判定，因此，能以较少的学习用样品来决定最适合的合格与否判定基准。
-
公开(公告)号：CN102252749B
公开(公告)日：2012-12-26
申请号：CN201110127544.0
申请日：2011-05-17
Applicant: 松下电器产业株式会社
IPC: G01H17/00
CPC classification number: G10L25/00 , G01M13/028 , G01M13/045 , G06F1/206 , G10L15/02
Abstract: 本发明的品质检查方法和品质检查装置，从音质方面评价作为工业产品的动作音之一的非稳定音，实现接近人的听觉检查的基于非稳定音的品质检查。用集音器(2)将合格品样品(8)的动作音变换为声波形数据，经由A/D变换机(3)取入计算机(5)，变换为心理音响参数。再根据多个量的合格品样品的心理音响参数，利用合格品样品的数据偏差使虚拟合格品数据增加数量。根据合格品样品数据与虚拟合格品数据的心理音响参数，用统计方法算出预定值与判定掩蔽数据，生成预定值数据。用集音器(2)将被检工件(1)的动作音变换为声波形数据，经A/D变换机取入计算机，变换为心理音响参数后，按每心理音响参数与在先生成的预定值比较，实施异响判定。
-
公开(公告)号：CN102129563A
公开(公告)日：2011-07-20
申请号：CN201010592037.X
申请日：2010-12-10
Applicant: 松下电器产业株式会社
IPC: G06K9/62
Abstract: 本发明的感观检查装置及感观检查方法，由于是使用从特征量空间的原点起分布在马氏距离的初始样品，对成为合格与否的判定基准的合格与否判定的边界线进行学习，从而能仅使用边界附近的初始样品进行学习，因此能以较少的学习用的样品来决定最合适的合格与否的判定基准。另外，由于在使用疑似样品进行学习时，向进行了误判定的疑似样品附加加权，从而不新追加疑似样品，就能在机械性的判定工序中再次对误判定的疑似样品进行判定，因此，能以较少的学习用样品来决定最适合的合格与否判定基准。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
