电磁感应式金属零部件漏装检测装置及检测方法

摘要

本发明涉及一种电磁感应式金属零部件漏装检测仪，其特征在于：包括感应装置(1)、数据采集处理装置(2)和人机交互装置(3)；本发明还涉及所述装置进行电磁感应式金属零部件漏装的检测方法，通过识别感应线圈的感应电动势变化，实时准确监测感应线圈附近金属零部件的移动。针对感应信号变化特点，提出了时域多特征值识别法来判断信号变化：首先利用小波变换，滤除工频干扰信号。根据基本信号的周期变化规律，将实时采集到的信号数据与基准信号比对，识别并建立异常多特征值，实现时域范围内对信号数据的重构。完成所有特征值的采集后，进行多级优化智能识别判断。可应用到金属零部件漏装的诊断中，实现了开放式、无接触的实时在线检测。

说明书

技术领域

本发明涉及金属零部件漏装检测领域，特别涉及一种应用电磁感应原理及电涡流原理的金属零部件漏装检测装置及检测方法。

背景技术

为了实现在各种工业生产(特别是汽车工业生产)的人工装配过程中对金属零部件漏装的检测，国内外已经采用了一些专门的装置及方法。目前所采用的漏装检测的方法虽然都有各自的优点，但还存在一些不足，如无法实现实时检测、检测对象单一(某一装置只能实现对某一特定对象的漏检)、检测的限制条件多等。目前常用的零部件漏装检测的方法有：

1)图像识别检测技术。利用各种图像数据，通过对其进行处理分析，判断是否有零部件的漏装和错装。优点是稳定性好，准确度高。缺点是必须根据检测对象设计装置，且监控成本高，体积大，安装复杂。

2)重量比较检测技术。通过对装配好的工件进行精确称重，对得到的数据与标准数据比较得出是否有零部件漏装的结论。优点是原理简单，操作方便。缺点是检测实时性差，无法确定漏装的位置，不能检测多装的情况。

3)人工检测方法。通过专人对每个工位各种零部件适用状况的统计，判断是否有零部件漏装的情况。此方法虽然可以达到漏装检测的目的，但是需要专人操作，工作量大，检测实时性极差，无法定位漏装位置。

目前在零部件装配生产中，由于各种各样的原因，造成的零部件漏装的这种现象，轻则会影响产品性能，重则会导致产品在使用过程中出现故障甚至引起事故。虽然很多工厂企业都加强了对零部件进行人工管理和监测，并采用了一些方法和设备，但是零部件漏装的现象还是比较普遍地存在。因此，研究一种理想的金属零部件漏装检测方法及装置就显得尤为重要。

发明内容

本发明的目的是提供一种电磁感应式金属零部件漏装检测的装置，同时，发明一种判断金属零部件安装情况的方法。基于电磁感应方式，采集铁性零部件穿过电磁线圈时由于电涡流引起的感应变化信号，通过计数和同类部件装配量的累计和预设量的比较，实现对零部件装配过程中漏装检测的自动化。这样可以有效的解决由人为因素造成的零部件漏装，为工厂节约人工监测漏装过程中的成本，有效的提高生产出的产品的合格率。同时，还不会对工作人员的操作过程造成大的影响。

为实现本发明的第一目的而采用的技术方案如下：

一种电磁感应式金属零部件漏装检测仪，其特征在于：包括感应装置、数据采集处理装置和人机交互装置，其中

感应装置包括激励信号发生器、功率放大器电磁信号传感器、交流变压电源、直流电源；激励信号发生器用于产生高频正弦波电压信号，其输出端与功率放大器的输入端连接；功率放大器用于将激励信号进行功率放大，以驱动激励线圈产生高频交变强磁场，其输出端与电磁传感器的激励信号输入端连接；电磁传感器用于产生交变强磁场和感应磁场变化，其感应信号输出端与中央信息处理器的输入端连接；交流变压电源用于给功率放大器提供交流电源，其输出端与功率放大器的电源端相连；

数据采集处理装置包括信号调理电路，高速数据采集器、中央信息处理器；信号调理电路用于将感应信号进行电压提升，信号缩小以及滤波，其输出端与高速数据采集器的A/D转换输入端连接；高速数据采集器将采集的信号进行A/D转换后连接至中央信息处理器用于处理感应信号，中央信息处理器自动处理检测采集到的感应信号，判断金属零部件是否存在漏装，判断金属零部件漏装后，控制自动做出声光报警，提醒监控人员，并且显示漏装个数；

人机交互装置由控制操作台和计数显示及声光报警系统构成；控制操作台用于设定预装配数目和开启/关停计数工作，包括菜单键、确定键、增加键、减少键以及开启/关停键，其输出端与中央信息处理器输入端连接；计数显示及声光报警系统用于基本计数显示以及声光报警，包括一组八段LED数码管、报警灯以及蜂鸣器组成，由中央信息处理器进行控制。

直流电源用于提供3.3V的直流供电电压，其输出端分别与激励信号产生器、信号调理电路和中央信息处理器的电源端连接。

为实现本发明的第二目的而采用的技术方案如下：

一种利用上述装置进行电磁感应式金属零部件漏装的检测方法，包括以下的步骤：

1)、由电磁感应式金属零部件漏装检测仪在金属零件存取处与装配工位之间建立金属感应区域；

2)、设定并存储此工位预装配金属零部件数目；

3)、建立完整的周期基准信号值：测量在没有金属零部件划过感应区域时的完整周期信号值并存储；

4)、待工件到达工位后，检测仪开始对金属零件进入金属感应区的次数进行判别计数：

a)、首先利用小波变换滤波方法去除夹杂在感应信号中的工频干扰信号以及高频谐波干扰信号；

b)、将滤波后的信号与基准信号以周期为单位实时进行比：在获得差值信号的基础上，识别并建立异常多特征值：包括

①第一异值——异常信号初始时间S；

②第二异值——异常信号周期峰值U；

③第三异值——异常信号算术平均值A；

④第四异值——异常信号作用时间T；

⑤第五异值——异常信号消失时间F；

c)、优化智能判断

利用上述五个异常多特征值计算判定指数得出判定结论，判定指数公式如下：

$X=1+\beta \left(\frac{T}{S+F}\right)$

Y＝U+αA

$\eta =\mathrm{XY}=(1+\beta \left(\frac{T}{S+F}\right))(U+\mathrm{\alpha A})$

式中，X称为主系数，β为时间比例权重系数；Y称为主项，U为异常信号峰值特征值，α为A对应的判定权重系数；η称为判定指数，η₀称为判定阀值，用对η的值进行修正，即η-η₀，只要所述差值大于零，即判断为检测有金属零部件通过检测区域。根据实际测试情况，比例权重系数β设为0.05比较合适。A对应的判定权重系数α设定在1-1.5的范围内，判定阀值η₀设在50mV就可以达到良好的效果。

5)、对工件的装配完成后，由装配工人通过控制操作台关停计数工作；

6)、中央信息处理器接到关闭计数信号的同时，根据预设定零部件数目和实际安装数目，判断是否存在漏装情况；

7)、若出现漏装，报警提示，若一切正常，进入下一次装配。

本发明适用于：

1)在工业生产装配过程中检测各种金属零部件的安装情况，实施判断有无零部件的漏装，在线进行漏装报警以及漏装数量提示；

2)针对金属零部件的装配，这种方法的应用还可以延伸到金属零部件的材质判断。

3)应用本方法，还可以进行不同环境不同介质中金属物的探测，可以应用在安检、扫雷、食品质量监控等领域。

4)此方法的应用还可以扩展到各种开放式空间金属物移动情况的监视，具有广泛的应用价值。

本发明提供的电磁感应式金属零部件漏装检测装置及判断方法，可应用到金属零部件漏装的诊断中，实现了开放式、无接触的检测。本装置是开放式的非接触实时检测，操作方便安全，整个过程无需人工的介入，减小了实际的工作量。不仅对及时检测有无金属零部件的漏装至关重要，而且对整个生产过程装配效率以及产品的质量、安全都有十分重要的意义。

附图说明

图1是系统工作环境示意图；

图2是金属零部件漏装检测装置电路框图；

图3是电磁信号传感器结构示意图，其中图3a为整体结构示意图，图3b为展开示意图。

图4是激励、感应线圈结构及磁场示意图；

图5是感应模拟信号在金属物通过时的变化示意图；

图6是本发明的操作流程图；

图7是异常信号多特征值示意图(异常信号是图5示两信号的差值信号)。

具体实施方式

实施例1电磁感应式金属零部件漏装检测仪

参见图2：包括感应装置1、数据采集处理装置2和人机交互装置3，其中

感应装置1包括激励信号发生器、功率放大器12电磁信号传感器13、交流变压电源：激励信号发生器11用于产生高频正弦波电压信号，采用MAXIM公司的MAX038信号发生芯片，其输出端与功率放大器的输入端连接；功率放大器12用于将激励信号进行功率放大，以驱动激励线圈产生高频交变强磁场，采用ST(SGS-THOMSON)公司出品的大功率高电压DMOS高保真功放TDA7293，额定输出功率为100W，其输出端与电磁信号传感器的激励线圈的输入端连接；电磁信号传感器13用于产生交变强磁场和感应磁场变化，其感应信号的输出端与信号调理电路的输入端连接；交流变压电源用于给功率放大器提供交流电源，采用成都市无线电23厂生产的锦兴牌100W电源变压器，产生±24V交流电源电压，其输出端与功率放大器的电源端相连；

数据采集处理装置2包括信号调理电路21，高速数据采集器22、中央信息处理器23和直流电源24：信号调理电路21用于将感应信号进行电压提升，信号缩小以及滤波，采用ADI公司的OP07CS集成运放完成电压提升和信号缩小，采用MAXIM公司的MAX260进行滤波，其输出端与高速数据采集器的A/D转换输入端连接；高速数据采集器22将采集的信号进行A/D转换后连接至中央信息处理器23用于处理感应信号，其已经集成在中央信息处理器内部；中央信息处理器23自动处理检测采集到的感应信号，判断金属零部件是否存在漏装，判断金属零部件漏装后，控制自动做出声光报警，提醒监控人员，并且显示漏装个数，采用Silicon Labs公司的C8051F060单片机；直流电源用于提供3.3V的直流供电电压，采用电源转换芯片LT1764A-3.3V，其输出端分别与激励信号产生器、信号调理电路和中央信息处理器的电源端连接。

人机交互装置3由控制操作台31和计数显示及声光报警系统32构成：控制操作台31用于设定预装配数目和开启/关停计数工作，包括菜单键、确定键、增加键、减少键以及开启/关停键，可采用4*4矩形小键盘，其输出端与中央信息处理器输入端连接；计数显示及声光报警系统用于基本计数显示以及报警，包括一组8段LED数码管和声光报警器，声光报警器采用南京都特光机电研究所的XZ-162型，由中央信息处理器23进行控制。

参见图3：实施例中的电磁信号传感器13由嵌套在外部件13c的激励线圈13a和分别嵌套在内部件13d两端的双感应线圈13b构成，两个感应线圈同名端串联，内部件具有能与外部件咬合的螺纹段，通过旋转可以上下调节内部件的位置，改变感应线圈与激励线圈的相对位置。即使两感应线圈处于一次磁场对称的位置，以抵消一次磁场在感应线圈中产生的电动势。

以下结合附图6对本发明的技术方案做进一步描述：

设定预装配数目后，装配工人通过控制操作台开启计数工作，激励信号发生器通过功率放大器产生高频交变强电流，输入电磁信号传感器的激励部分，激励部分产生高频交变强磁场，电磁信号传感器的感应部分感应磁场变化，产生相应感应电动势，经信号调理电路后，再经高速数据采集器将采集的数字信号传送到中央数据处理器。中央数据处理器在正式监测前先采用惯性法和算术平均值法，建立无金属经过时的完整周期基准信号值。正式开始监测后，中央数据处理器将实时采集到的数据与周期基准信号值进行对比，当有金属导体经过此区域时，将会引起此区域空间磁场异常变化，导致电磁信号传感器感应的电动势发生异常变化，此数据被采集后，减去其中的周期基准信号值，得到异常信号，通过对异常信号多特征值构造处理，得到作为判断依据的多特征值，再利用优化智能判断对多特征值进行分析，排除干扰，得到有无金属划过的判断，若确定有金属经过，则计数。待一次装配过程结束(由装配工人关停计数在工作)时，根据预设定零部件数目和实际安装数目，判断是否存在漏装情况，声光报警器将及时报警。

实施例2实施例1所述装置进行电磁感应式金属零部件漏装的检测方法的详述：

上述步骤3)中建立基准信号值的具体说明：

在没有金属划过感应区域时，系统采集到的是传感器感应主磁场变化的交变电动势。此信号具有已知的频率和稳定的正弦变化规律，因此可以在装置正式漏检工作之前，可以通过程序使中央处理器自主学习到稳定基本信号的周期变化规律，以此建立基准信号数据库。这样，中央处理器就可以在正常工作时对已经去除噪声的数据进行进一步的处理，将采集到的数据与基准信号以周期为单位实时进行比对，即做到实时检查采集到的信号数据。

上述步骤4)中小波变换滤波具体说明：

由于感应信号的频率已知，所以可以直接通过数字滤波去除夹杂在感应信号中的工频干扰信号以及高频谐波干扰信号。经过处理后的感应信号能够更准确的反应出感应区域内的磁场变化，以此为基础，可以有效地增大感应区域范围和提高漏检的精度。本发明采集到的信号是非平稳信号，所以适合采用小波变换去噪。小波变换是一种新的时频分析处理方法。与其他方法不同的是，小波分析是用尺度算子代替频率移动算子，将时间频率相平面换为时间尺度相平面，而且时窗函数为变特性窗，在高频段时窗长度短，低频段时窗长度长。由于小波变换具有时窗特性可调的特点，使其既能对信号中的短时高频成分进行有效分析，又能对信号中的低频缓变成分进行精确估计。

设f(t)∈L²(R)，则对其可允许小波函数Ψ_a，b(t)的连续小波变换为：

$\left(W_{\Psi }f\right)(a,b)=\int f\left(t\right)\overline{{\Psi }_{a,b}\left(t\right)}\mathrm{dt}$

小波分析降噪可分以下几个阶段：

分解过程：选定一种小波，对信号进行分解。

作用阈值过程：对分解得到的各层系数选择阈值，并对细节系数作软阈值处理。

重建过程：将处理后的系数通过小波(小波包)恢复成原始信号。

上述步骤4)中建立异常多特征值的具体说明：

参见图7，在建立完整周期基准数据库的基础上，通过将采集到的信号数据与此基准比对，得到异常信号，识别并建立异常多特征值，即实现时域范围内对异常信号数据的重构，得到的是能体现原异常信号全部特征的多组数值。本方法针对该装置需实现的具体功能，建立以下五个异常多特征值：

①第一异值——异常信号初始时间S；

②第二异值——异常信号周期峰值U；

③第三异值——异常信号算术平均值A；

④第四异值——异常信号作用时间T；

⑤第五异值——异常信号消失时间F。

第一异值和第五异值分别反映此段异常数据的起始和消失过程的信号情况，以持续时间进行量化，主要用来标志整个异常过程，区分稳定异常信号和不稳定异常信号，是表征异常信号的次要特征。第二异值反映稳定信号段的感应信号峰值情况，是表征异常信号的主要特征。第三异值反映稳定信号段全部信号平均值情况，也是表征异常信号的主要特征。第四异值反映异常信号作用时间，是表征异常信号的次要特征。因此，在进行最后判定时，第二、三异值作为主要判定依据，所占判定权重最大。第一、四、五异值主要用来标志整个异常过程，权重最小。

上述步骤4)中优化智能判断的具体说明：

所有特征值采集完成后，随即进行优化智能判定。优化智能判定借鉴模糊数学的基本思想[7]，建立一个判定指数公式模拟人的判断行为，通过不同的参数的整定达到灵活调整和经验积累的目的。利用五个异常多特征值计算判定指数得出判定结论，判定指数公式如下：

$X=1+\beta \left(\frac{T}{S+F}\right)$

Y＝U+αA

$\eta =\mathrm{XY}=(1+\beta \left(\frac{T}{S+F}\right))(U+\mathrm{\alpha A})$

式中，X称为主系数，T为异常信号作用时间特征值，S为异常信号起始特征值，F为异常信号消失特征值，β为时间比例权重系数；Y称为主项，U为异常信号峰值特征值，A为异常信号算术平均特征值，α为A对应的判定权重系数；η称为判定指数，η₀称为判定阀值，用对η的值进行修正，即η-η₀，只要所述差值大于零，即判断为检测有金属零部件通过检测区域。经过多次试验，积累了参数设定的经验。时间比例权重系数β不宜设置过高，否则会影响对主要判定依据U和A的判断，设为0.05比较合适。A对应的判定权重系数α根据实际环境情况来整定，若高频干扰较大，则宜设定大于1.5以上，以突出主要判定依据A，若干扰较小，则宜设为1左右，与U相同。判定阀值η₀设在50(mV)就可以达到良好的效果。利用α、β和η₀的整定，可以构建合理的、准确的判断体系。

建立异常多特征值和优化智能判断所需时间很短，小于0.1秒，完全可以达到实时监控的目的。并且，这是专门针对处理有无异常信号变化而设计的，具有原理简单实用，针对性强，可操作性强，可靠性高等特点。通过采用这种方法可以有效的降低误判的可能性，提高感应区域的有效范围，达到理想的判断效果。