在研發、生產過程中,如何發現和解決偶發性異常問題,是電子工程師始終想攻克的技術點,利用互聯網思維,將大數據分析引入傳統測量儀器,是否能碰撞出新的火花?本文將給出答案。
一、偶發性異常的出現
本文以汽車上常規的繼電器產品為例,根據《中華人民共和國基礎機電繼電器第7部分:試驗和測量程序 GB/T 21711.7-2018》測量程序規范,需要測量繼電器的回跳時間(對于正在閉合或斷開其電路的觸點,從觸點電路首次閉合或斷開的瞬間開始至電路最終閉合或斷開的瞬間為止之間的時間)圖示如下:
圖1繼電器的回跳時間
我們使用一臺帶有2TB的固態硬盤的示波記錄儀記錄下此過程。
圖260s的波形記錄
手動展開波形我們就發現了偶發性異常問題---每一個波形的上升沿,繼電器的回跳時間竟不一致。研發工程師規定此時間不能超過10ms,但僅僅只錄制了1分鐘的波形就有40個需要查看的上升沿,如果是1小時的波形呢?靠手動測試工作量大到不敢想象!
圖3逐級展開波形
二、大數據分析
通過集思廣益,我們在示波記錄儀上開發出了“大數據分析”功能。我們將此獨特波形的判定方法寫成一個算法文件,然后直接在機器本機進行加載,最終實現了自動判定。
圖4 加載算法文件
三、解決偶發性異常問題
圖5搜索結果
四、產品試用
編輯:hfy
-
新能源汽車
+關注
關注
141文章
10519瀏覽量
99414 -
電子工程師
+關注
關注
252文章
767瀏覽量
95621 -
繼電器
+關注
關注
132文章
5332瀏覽量
148810 -
大數據
+關注
關注
64文章
8882瀏覽量
137396
發布評論請先 登錄
相關推薦
評論