【技術實現步驟摘要】
本文描述的實施方式涉及電動工具，其基于一個或多個接收到的輸入來控制緊固件的安裝(seating)。
技術介紹
技術實現思路
1、在一個實施方式中，提供了一種電動工具，包括：殼體，由殼體支撐的電動機，由殼體支撐的傳感器以及電子控制器。傳感器被配置為生成指示電動工具的操作參數的傳感器數據。電子控制器包括電子處理器和存儲器。存儲器包括用于由電子處理器執行的機器學習控制程序。電子控制器被配置為接收傳感器數據，并使用機器學習控制程序處理傳感器數據。電子處理器還被配置為使用機器學習控制程序基于傳感器數據生成輸出，該輸出指示與電動工具的緊固操作相關聯的安裝值。電子處理器還被配置為基于生成的輸出來控制電動機。
2、在電動工具的一些實施方式中，機器學習控制程序通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由電動工具從外部系統裝置接收。
3、在電動工具的一些實施方式中，機器學習控制程序是靜態機器學習控制程序和可訓練機器學習控制程序中的一個。
4、在電動工具的一些實施方式中，安裝(seating)值指示緊固件已經開始安裝。
5、在電動工具和方法的一些實施方式中，電子控制器被配置為基于安裝值指示緊固件已經開始安裝而降低電動機的速度。
6、在電動工具和方法的一些實施方式中，電子控制器被配置成基于安裝值指示緊固件完全安裝而停止電動工具的電動機。
7、在另一實施方式中，提供了一種操作電動工具以控制緊固件安裝的方法。該方法包括：由電動
8、在電動工具和方法的一些實施方式中，機器學習控制程序通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由電動工具從外部系統裝置接收。
9、在方法的一些實施方式中，機器學習控制程序是靜態機器學習控制程序和經訓練的機器學習控制程序中的一個。
10、在方法的一些實施方式中，緊固值指示緊固件被緊固的水平。
11、在方法的一些實施方式中，電子控制器被配置為基于緊固值指示緊固件正在接近目標緊固扭矩而降低電動機的速度。
12、在方法的一些實施方式中，電子控制器被配置為基于緊固值指示緊固件被扭緊到目標緊固扭矩而停止電動工具的電動機。
13、在方法的一些實施方式中，操作參數包括以下的一個或多個：緊固件旋轉的次數、測量的扭矩、特征速度、電動工具的電壓、電動工具的電流、所選的操作模式、流體溫度和工具移動信息。
14、在方法的一些實施方式中，電動工具包括被配置為提供指示工具運動的數據的陀螺儀。
15、在一個實施方式中，提供了一種電動工具，包括：殼體，由殼體支撐的電動機，由殼體支撐的傳感器以及電子控制器。傳感器被配置為生成指示電動工具的操作參數的傳感器數據。電子控制器包括電子處理器和存儲器。存儲器包括用于由電子處理器執行的機器學習控制程序。電子控制器被配置為接收傳感器數據并使用機器學習控制程序處理傳感器數據。電子處理器還被配置為使用機器學習控制程序基于傳感器數據生成輸出，該輸出與電動工具的一個或多個操作功能相關聯。電子處理器還被配置為基于生成的輸出來控制電動機的速度、電力或其他輸出。
16、在電動工具的一些實施方式中，一個或多個操作功能包括扭緊操作。
17、在電動工具的一些實施方式中，電子控制器被配置為基于安裝值指示緊固件正在接近指定的扭矩值而降低電動機的速度、電力或其他輸出。
18、在電動工具的一些實施方式中，機器學習控制程序被配置為使用神經網絡處理傳感器數據。
19、在電動工具的一些實施方式中，神經網絡被配置為生成與電動機的期望速度相對應的多個輸出。
20、在電動工具的一些實施方式中，機器學習控制程序通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由電動工具從外部系統裝置接收。
21、在電動工具的一些實施方式中，機器學習控制程序是靜態機器學習控制程序和經訓練的機器學習控制程序中的一個。
22、在詳細解釋任何實施方式之前，應當理解，實施方式的應用不限于在以下描述中闡述或在附圖中示出的構造細節和部件布置。實施方式能夠以不同方式實踐或實施。此外，應當理解，本文所使用的措詞和術語是出于描述的目的而不應被認為是限制性的?！鞍ā?、“包含”和“具有”及其變型的使用意在涵蓋其后列出的項目及其等同項目以及附加項目。除非另有說明或限制，否則術語“安裝”、“連接”、“支撐”和“聯接”及其變型被廣義地使用并且涵蓋直接和間接的安裝、連接、支撐和聯接。
23、此外，應當理解，實施方式可以包括硬件、軟件和電子部件或模塊，其中為了討論的目的，它們可能被示出為和描述為好像大多數部件僅在硬件中實現一樣。然而，本領域的普通技術人員基于對本詳細描述的閱讀將認識到，在至少一個實施方式中，基于電子的方面可在可由一個或多個處理單元(例如，微處理器和/或專用集成電路(“asic”))執行的軟件(例如，存儲在非暫時性計算機可讀介質上)實現。因此，應當理解，可以利用多個基于硬件和軟件的裝置以及多個不同結構部件來實現實施方式。例如，說明書中描述的“服務器”、“計算裝置”、“控制器”、“處理器”等可以包括一個或多個處理單元、一個或多個計算機可讀介質模塊、一個或多個輸入/輸出接口，以及連接不同部件的各種連接件(例如，系統總線)。
24、與數量或條件結合使用的相對性術語(例如“約”、“大約”、“大體上”等)將被本領域普通技術人員理解為包括所述的值并且具有上下文規定的含義(例如，該術語至少包括與測量精確度相關的誤差程度，與特定值相關的公差[例如制造、組裝、使用等]等)。此類術語也應被視為公開了由兩個端點的絕對值限定的范圍。例如，表述“約2至約4”也公開了“2至4”的范圍。相對性術語可以指在特定的值上加或減一定百分比(例如，1％、5％、10％或更多)。
25、應當理解，雖然某些附圖示出了硬件和軟件位于特定裝置中，但是這些圖示僅用于說明的目的。在本文中被描述為由一個部件執行的功能可以由多個部件以分布式的方式執行。同樣，由多個部件執行的功能可以合并并由單個部件執行。在一些實施方式中，所示的部件可以組合或劃分為單獨的軟件、固件和/或硬件。例如，邏輯和處理可以分布在多個電子處理器之間，而不是位于單個電子處理器內并由單個電子處理器執行。不管它們如何組合或劃分，硬件和軟件部件可以位于同一計算裝置上或者可以分布在通過一個或多個網絡或其他合適的通信鏈路連接的不同計算裝置之間。類似地，被描述為執行特本文檔來自技高網...
【技術保護點】
1.一種電動工具，包括：
2.根據權利要求1所述的電動工具，其中所述神經網絡選自包括循環神經網絡、深層神經網絡、以及卷積神經網絡的組的至少其中之一。
3.根據權利要求1所述的電動工具，其中所述經訓練的機器學習模型通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
4.根據權利要求3所述的電動工具，其中，所述經訓練的機器學習模型是靜態機器學習控制程序和可訓練機器學習控制程序中的一個。
5.根據權利要求1所述的電動工具，其中，所述電子控制器被配置為基于所述安裝值指示所述緊固件已經開始安裝而降低所述電動機的速度。
6.根據權利要求1所述的電動工具，其中，所述電子控制器被配置為基于所述安裝值指示所述緊固件完全安裝而停止所述電動工具的所述電動機。
7.根據權利要求1所述的電動工具，其中，為了根據所產生的輸出來控制電機，所述電子控制器被配置為：
8.根據權利要求1所述的電動工具，其中，為了使用所述經訓練的機器學習模型處理所述傳感器數據，所述電子控制器被配置
9.一種操作電動工具以控制緊固件的緊固的方法，所述方法包括：
10.根據權利要求9所述的方法，其中對于每個迭代而言，基于所述輸出修改所述電動工具的操作包括：
11.根據權利要求9所述的方法，其中對于每個迭代而言，基于所述輸出修改所述電動工具的操作包括：基于所述安裝水平指示所述緊固件正在接近目標緊固扭矩，而降低所述電動機的速度。
12.根據權利要求9所述的方法，其中，所述經訓練的機器學習模型基于示例傳感器數據和相關輸出而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
13.根據權利要求9所述的方法，其中，所述經訓練的機器學習模型是靜態機器學習控制程序和經訓練的機器學習控制程序中的一個。
14.根據權利要求9所述的方法，還包括基于所述緊固值指示所述緊固件被扭緊到目標緊固扭矩，而停止所述電動機。
15.根據權利要求9所述的方法，其中所述傳感器數據指示所述電動工具的操作參數，所述操作參數包括以下的一個或多個：旋轉的次數、測量的扭矩、特征速度、所述電動工具的電壓、所述電動工具的電流、所述電動工具的電力、所選的操作模式、流體溫度和工具移動信息。
16.根據權利要求9所述的方法，其中對于每個迭代而言，使用所述經訓練的機器學習模型處理所述傳感器數據的迭代，包括處理從所述傳感器輸出的原始傳感器數據得出的中間數據。
17.一種電動工具，包括：
18.根據權利要求17所述的電動工具，其中，所述電子控制器被配置為基于所述傳感器數據指示緊固件正在接近指定的扭矩值而降低所述電動機的速度。
19.根據權利要求17所述的電動工具，其中，為了基于所生成的輸出和與所生成的輸出相關聯的所述置信水平來控制所述電動機的速度，包括：
20.根據權利要求17所述的電動工具，其中所述經訓練的機器學習模型包括神經網絡，該神經網絡被配置為生成與所述電動機的期望速度相對應的多個輸出。
21.根據權利要求17所述的電動工具，其中，所述經訓練的機器學習模型通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
22.根據權利要求15所述的電動工具，其中，所述經訓練的機器學習模型是靜態機器學習控制程序和經訓練的機器學習控制程序中的一個。
23.一種電動工具，包括：
24.根據權利要求23所述的電動工具，其中，為了響應于確定所述操作已經完成而控制所述電動機，所述電子控制器被配置為停止所述電動機。
25.根據權利要求23所述的電動工具，其中，為了響應于確定所述操作已經完成而控制所述電動機，所述電子控制器被配置為啟動受控完成，其中在該受控完成中施加較低速度或力的最終脈沖或沖擊以完成所述操作。
26.根據權利要求23所述的電動工具，其中，所述經訓練的機器學習模型是k近鄰模型。
27.根據權利要求23所述的電動工具，其中，所述經訓練的機器學習模型選自包括循環神經網絡、深層神經網絡、以及卷積神經網絡的組的至少其中之一。
28.根據權利要求23所述的電動工具，其中，所述經訓練的機器學習模型通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
29.根據權利要求28所述的電...
【技術特征摘要】
1.一種電動工具，包括：
2.根據權利要求1所述的電動工具，其中所述神經網絡選自包括循環神經網絡、深層神經網絡、以及卷積神經網絡的組的至少其中之一。
3.根據權利要求1所述的電動工具，其中所述經訓練的機器學習模型通過基于示例傳感器數據和相關輸出的訓練而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
4.根據權利要求3所述的電動工具，其中，所述經訓練的機器學習模型是靜態機器學習控制程序和可訓練機器學習控制程序中的一個。
5.根據權利要求1所述的電動工具，其中，所述電子控制器被配置為基于所述安裝值指示所述緊固件已經開始安裝而降低所述電動機的速度。
6.根據權利要求1所述的電動工具，其中，所述電子控制器被配置為基于所述安裝值指示所述緊固件完全安裝而停止所述電動工具的所述電動機。
7.根據權利要求1所述的電動工具，其中，為了根據所產生的輸出來控制電機，所述電子控制器被配置為：
8.根據權利要求1所述的電動工具，其中，為了使用所述經訓練的機器學習模型處理所述傳感器數據，所述電子控制器被配置為使用所述經訓練的機器學習模型處理從所述傳感器輸出的原始傳感器數據得出的中間數據。
9.一種操作電動工具以控制緊固件的緊固的方法，所述方法包括：
10.根據權利要求9所述的方法，其中對于每個迭代而言，基于所述輸出修改所述電動工具的操作包括：
11.根據權利要求9所述的方法，其中對于每個迭代而言，基于所述輸出修改所述電動工具的操作包括：基于所述安裝水平指示所述緊固件正在接近目標緊固扭矩，而降低所述電動機的速度。
12.根據權利要求9所述的方法，其中，所述經訓練的機器學習模型基于示例傳感器數據和相關輸出而在外部系統裝置上生成，并且由所述電動工具從所述外部系統裝置接收。
13.根據權利要求9所述的方法，其中，所述經訓練的機器學習模型是靜態機器學習控制程序和經訓練的機器學習控制程序中的一個。
14.根據權利要求9所述的方法，還包括基于所述緊固值指示所述緊固件被扭緊到目標緊固扭矩，而停止所述電動機。
15.根據權利要求9所述的方法，其中所述傳感器數據指示所述電動工具的操作參數，所述操作參數包括以下的一個或多個：旋轉的次數、測量的扭矩、特征速度、所述電動工具的電壓、所述電動工具的電流、所述電動工具的電力、所選的操作模式、流體溫度和工具移動信息。
16.根據權利要求9所述的方法，其中對于每個迭代而言，使用所述經訓練的機器學習模型處理所述傳感器數據的迭代，包括處理從所述傳感器輸出的原始傳感器數據得出的中間數據。
17.一種電動工具，包括：
18.根據權利要求17所述的電動工具，其中，所述電子控制器被配置為基于所述傳感器數據指示緊固件正在接近指定的扭矩值而降低所述電動機的速度。
19.根據權利要求17所述的電動工具，其中，為了基于所生成的輸出和與所生成的輸出相關聯的所述置信水平來控制所述電動機的速度，包括：
20.根據權利要求17所述的電動工具，其中所述經訓練的機器學習模型包括神經網絡，該神經網絡被配置為生成與所述電動機的期望速度相對應的多個...
【專利技術屬性】
技術研發人員：J·E·阿伯特，J·A·伊萬科維奇，
申請(專利權)人：米沃奇電動工具公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。