CN108153251A - 一种生产线的状态监测报警方法 - Google Patents
一种生产线的状态监测报警方法 Download PDFInfo
- Publication number
- CN108153251A CN108153251A CN201611109613.4A CN201611109613A CN108153251A CN 108153251 A CN108153251 A CN 108153251A CN 201611109613 A CN201611109613 A CN 201611109613A CN 108153251 A CN108153251 A CN 108153251A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- characters
- data
- state
- consumption characters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 238000005265 energy consumption Methods 0.000 claims abstract description 182
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims abstract description 13
- 239000013589 supplement Substances 0.000 claims abstract description 4
- 238000005520 cutting process Methods 0.000 description 16
- 238000003801 milling Methods 0.000 description 10
- 239000000047 product Substances 0.000 description 6
- 238000003754 machining Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 208000028659 discharge Diseases 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000000151 deposition Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种生产线的状态监测报警方法,包括以下步骤:步骤一:能耗数据获取;步骤二:能耗数据处理:判断存在能耗特征的设备;在对具有能耗特征的设备的能耗数据进行分析,确定能耗特征存在的位置并获得能耗特征表征量;步骤三:设备状态比对:比对能耗特征库内相应设备的标准能耗特征表征量,若存在对应能耗特征,则确定各能耗特征对应的设备状态;若不存在对应能耗特征,则返回步骤二;步骤四:生产线状态更新,并确定是否报警:比对对应存储的设备状态,补充或修正设备状态,若设备状态中存在异常状态,则发出报警信号;若不存在异常状态,则返回步骤二。本发明通过生产线内设备能耗数据的处理,不断更新生产线状态,异常状态报警。
Description
【技术领域】
本发明涉及生产线状况监测报警的技术领域,特别是一种生产线的状态监测报警方法的技术领域。
【背景技术】
生产线就是产品生产过程所经过的路线,即从原料进入生产现场开始,经过加工、运送、装配、检验等一系列生产生产线活动所构成的路线。
线切割是一种利用连续移动的细金属丝(称为电极丝)作电极并对工件进行脉冲火花放电蚀除金属、切割成型的加工方法。线切割机床在工作过程中,能耗主要来源有电脑主机能耗ECO(Ecomputer)、运丝能耗EW(Ewire-feed)、水泵冲水能耗EP(Epump)、照明灯能耗EL(Elamp)、切割能耗ECU(Ecutting)的变功率的能耗。线切割机床待机过程的能耗稳定,在水泵打开和关闭时,都会有能耗波动。利用这一特点,即可通过能耗的波动来获取机床的状态,从而能够实时监测机床状态。例如,线切割机床加工过程中,会存在水泵打开特征、水泵关闭特征、开始运丝特征、停止运丝特征、开始切割特征、停止切割特征等,这些特征在能耗曲线上,都会以波动的形式产生,并且对应了机床状态的变化。除了正常加工的特征外,线切割加工过程中的断丝、二次放电、电弧放电、抖丝等异常发生过程,也都有其独有的能耗特征,表征机床状态。正常加工和异常状况的能耗特征均具有时间短、能耗波动的特点,往往还具有其他类似特点的非对应机床状态变化的特征或者非需要获得的机床状态变化。如,线切割加工过程中的运丝是持续进行的,运丝筒转向时,运丝电机出现正反转切换,发生时间短、能耗波动大,会产生运丝电机换向特征,此时的机床正在运丝电机换向,但是,我们只需获知运丝电机何时开启,知道运丝这一工作状态即可。又比如,线切割切割工件时,从X轴切割变为Y轴切割的过程,X轴步进电机停止运动、Y轴步进电机转动,这一过程也为时间短、能耗波动大,这是切割转向切换的能耗特征,但是,我们只需获知切割何时开始,知道切割这一工作状态即可。
除了线切割机床外,数控车床、数控铣床、数控滚齿机等不同机床,均有不同的能耗源组成加工过程能耗,也均能通过能耗的波动特征获知机床所进行的状态,从而能够实时监测机床状态。除了机床,如以电机为动力的机器人,在旋转、前进、夹持等状态转变的过程,均伴随着电机的开启或者正反转变化,都会具有相应的能耗特征。除了电机为动力外,还有液压等动力源,在实现状态改变时,同样也伴随能耗波动,具有能耗特征。
因而,利用能耗特征获取生产线中各设备的状态,并根据服务器刷新时间,每次刷新均进行一次生产线状态更新,从而能及时获得生产线状态,并能对异常状态进行报警。
【发明内容】
本发明的目的就是解决现有技术中的问题,提出一种生产线的状态监测报警方法,能够通过生产线内设备的能耗数据的处理,不断更新生产线状态,从而对异常状态进行报警。
为实现上述目的,本发明提出了一种生产线的状态监测报警方法,包括以下步骤:
步骤一:能耗数据获取:在各个设备的总开关上有线连接能耗采集单元,能耗采集单元用于采集设备电压和电流数据,各个能耗采集单元均连接至终端设备,终端设备对各个设备的电压和电流数据预处理,获得所需能耗数据,所述能耗数据包括电压和电流相乘所得的功率数据、时间;
步骤二:能耗数据处理:判断存在能耗特征的设备;在对具有能耗特征的设备的能耗数据进行分析,确定能耗特征存在的位置并获得能耗特征表征量;
步骤三:设备状态比对:比对能耗特征库内相应设备的标准能耗特征表征量,若存在对应能耗特征,则确定各能耗特征对应的设备状态;若不存在对应能耗特征,则返回步骤二;
步骤四:生产线状态更新,并确定是否报警:比对对应存储的设备状态,补充或修正设备状态,若设备状态中存在异常状态,则发出报警信号;若不存在异常状态,则返回步骤二。
作为优选,所述步骤二中的判断存在能耗特征的设备的方法为:处理时的当前时间为TD,求时间TDP到时间TD-5s的功率数据全段均值Pallmv,获得该时间段的最大值Ptmax,当时(为判定阈值),认定该设备存在能耗特征;所述步骤二中确定能耗特征存在的位置的方法为:从存在能耗特征区域的最大值Ptmax两侧分别求左均值Plmv和右均值Prmv;从最大值Ptmax往左取功率数据Pltmax,满足(为判定阈值)的为该能耗特征数据,直至取到第三个不满足的Pltmax的能耗数据;从最大值Ptmax往右取功率数据Prtmax,满足的为该能耗特征数据,直至取到第三个不满足的Prtmax的能耗数据;能耗特征数据的起始数据对应的时间为开始时间Ts,结束数据对应的时间为结束时间Te;所述步骤二中获得能耗特征表征量的方法为:计算持续时间Tc:Tc=Te-Ts,获得极值:最大值Pmax、最小值Pmin,功率幅值Pam:均值Pmv,(为结束时间对应的存储序号,为开始时间对应的存储序号),能耗差值Ec:从而获得能耗特征表征量(Tc,Pmax,Pmin,Pam,Pmv,Ec)。
作为优选,所述步骤三中比对能耗特征库内相应设备的标准能耗特征表征量的方法为:能耗特征表征量与相应设备的每一标准能耗特征表征量求偏差值Vdeviation:
(Tsc、Psmax、Psmin、Psam、Psmv、Esc为标准能耗特征表征量,δ1、δ2、δ3、δ4、δ5、δ6为影响系数);将每一偏差值Vdeviation与判定阈值比较,时,则存在该标准能耗特征表征量对应的标准能耗特征。
本发明的有益效果:本发明通过能够通过生产线内设备的能耗数据的处理,不断更新生产线状态,从而对异常状态进行报警。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明一种生产线的状态监测报警方法的方法图;
图2是本发明一种生产线的状态监测报警方法的实例图一;
图3是本发明一种生产线的状态监测报警方法的实例图二。
图中:1-电脑桌、2-控制台、3-加工中心、4-双面数控车床、5-物料中转台、6-双工位立式深孔钻床、7-油箱、8-数控车床、9-桁架式机器人、10-双面多工位数控镗铣机床、11-毛坯仓、12-桁架立柱、13-第一成品库、14-第一转臂式机器人、15-第二成品库、16-第二转臂式机器人、17-第三转臂式机器人、18-过渡仓。
【具体实施方式】
参阅图1~图3,本发明,包括以下步骤:
步骤一:能耗数据获取:在各个设备的总开关上有线连接能耗采集单元,能耗采集单元用于采集设备电压和电流数据,各个能耗采集单元均连接至终端设备,终端设备对各个设备的电压和电流数据预处理,获得所需能耗数据,所述能耗数据包括电压和电流相乘所得的功率数据、时间;
步骤二:能耗数据处理:判断存在能耗特征的设备;在对具有能耗特征的设备的能耗数据进行分析,确定能耗特征存在的位置并获得能耗特征表征量;
步骤三:设备状态比对:比对能耗特征库内相应设备的标准能耗特征表征量,若存在对应能耗特征,则确定各能耗特征对应的设备状态;若不存在对应能耗特征,则返回步骤二;
步骤四:生产线状态更新,并确定是否报警:比对对应存储的设备状态,补充或修正设备状态,若设备状态中存在异常状态,则发出报警信号;若不存在异常状态,则返回步骤二。
具体的,所述步骤二中的判断存在能耗特征的设备的方法为:处理时的当前时间为TD,求时间TD到时间TD-5s的功率数据全段均值Pallmv,获得该时间段的最大值Ptmax,当时(为判定阈值),认定该设备存在能耗特征;所述步骤二中确定能耗特征存在的位置的方法为:从存在能耗特征区域的最大值Ptmax两侧分别求左均值Plmv和右均值Prmv;从最大值Ptmax往左取功率数据Pltmax,满足(为判定阈值)的为该能耗特征数据,直至取到第三个不满足的Pltmax的能耗数据;从最大值Ptmax往右取功率数据Prtmax,满足的为该能耗特征数据,直至取到第三个不满足的Prtmax的能耗数据;能耗特征数据的起始数据对应的时间为开始时间Ts,结束数据对应的时间为结束时间Te;所述步骤二中获得能耗特征表征量的方法为:计算持续时间Tc:Tc=Te-Ts,获得极值:最大值Pmax、最小值Pmin,功率幅值Pam:均值Pmv,(为结束时间对应的存储序号,为开始时间对应的存储序号),能耗差值Ec:从而获得能耗特征表征量(Tc,Pmax,Pmin,Pam,Pmv,Ec)。
具体的,所述步骤三中比对能耗特征库内相应设备的标准能耗特征表征量的方法为:能耗特征表征量与相应设备的每一标准能耗特征表征量求偏差值Vdeviation:
(Tsc、Psmax、Psmin、Psam、Psmv、Esc为标准能耗特征表征量,δ1、δ2、δ3、δ4、δ5、δ6为影响系数);将每一偏差值Vdeviation与判定阈值比较,时,则存在该标准能耗特征表征量对应的标准能耗特征。
本发明工作过程:
本发明一种生产线的状态监测报警方法在工作过程中,如图2所示的生产线,该生产线实现的加工工序为:第一步:桁架式机器人9将工件由毛坯仓11运至双面多工位数控镗铣机床10进行铣端面、钻中心孔;第二步:桁架式机器人9将工件由双面多工位数控镗铣机床10内运至数控机床8内进行粗车外圆、半精车外圆及车环槽;第三步:桁架式机器人9将工件由数控车床8内运至过渡仓18后,由第三转臂式机器人17将工件运至双工位立式深孔钻床6内进行钻深孔,加工完成后由第三转臂式机器人17将工件取出运至物料中转台5;第四步:第二转臂式机器人16从物料中转台5将工件运至双面数控车床4内进行车内孔及环槽,加工完成后由第二转臂式机器人16将工件取出运至第二成品库15;第五步:第一转臂式机器人14从第二成品库15将工件运至加工中心3内进行铣槽,加工完成后由第一转臂式机器人14将工件取出运至第一成品库13。对于上述这样的一个生产线的生产车间,步骤一,用图3所示的数据采集图的方式进行数据采集。数据采集对象有加工中心3、双面数控车床4、双工位立式深孔钻床6、数控车床8、桁架式机器人9、双面多工位数控镗铣机床10、第一转臂式机器人14、第二转臂式机器人16、第三转臂式机器人17,设备ID依次为001至009,涉及五个机床、四个机器人。能耗采集单元通过NI公司的电压传感器、电流传感器、电压采集卡及电阻构成,电阻用于降压及将传感器输出的电流信号转成电压信号后输入电压采集卡。终端设备为生产线内的电脑桌1上的电脑。数据每隔3秒进行一次刷新。
步骤二:能耗数据处理:判断存在能耗特征的设备;在对具有能耗特征的设备的能耗数据进行分析,确定能耗特征存在的位置并获得能耗特征表征量,通过此处理,发现加工中心001和桁架式机器人005存在能耗特征,并获得相应能耗表征量;
步骤三:设备状态比对:比对能耗特征库内相应设备的标准能耗特征表征量,均存在对应能耗特征,加工中心001为开始铣削特征的能耗特征,对应状态为铣削加工状态;桁架式机器人005为转运启动特征的能耗特征,对应状态为转运工作状态;
步骤四:生产线状态更新,并确定是否报警:比对对应存储的设备状态,发现原来存储的加工中心001状态为待机状态,修正为铣削加工状态;桁架式机器人005状态为空闲状态,修正为转运工作状态;不存在异常状态,返回步骤二。由此获得的更新状态,加上原有的生产线中其他设备的状态,组成整个生产线的状态。
所述步骤二中的判断存在能耗特征的设备的方法为:处理时的当前时间为TD,求时间TD到时间TD-5s的功率数据全段均值Pallmv,获得该时间段的最大值Ptmax,当时(为判定阈值),认定该设备存在能耗特征;所述步骤二中确定能耗特征存在的位置的方法为:从存在能耗特征区域的最大值Ptmax两侧分别求左均值Plmv和右均值Prmv;从最大值Ptmax往左取功率数据Pltmax,满足(为判定阈值)的为该能耗特征数据,直至取到第三个不满足的Pltmax的能耗数据;从最大值Ptmax往右取功率数据Prtmax,满足的为该能耗特征数据,直至取到第三个不满足的Prtmax的能耗数据;能耗特征数据的起始数据对应的时间为开始时间Ts,结束数据对应的时间为结束时间Te;所述步骤二中获得能耗特征表征量的方法为:计算持续时间Tc:Tc=Te-Ts,获得极值:最大值Pmax、最小值Pmin,功率幅值Pam:均值Pmv,(为结束时间对应的存储序号,为开始时间对应的存储序号),能耗差值Ec:从而获得能耗特征表征量(Tc,Pmax,Pmin,Pam,Pmv,Ec)。
所述步骤三中比对能耗特征库内相应设备的标准能耗特征表征量的方法为:能耗特征表征量与相应设备的每一标准能耗特征表征量求偏差值Vdeviation:
(Tsc、Psmax、Psmin、Psam、Psmv、Esc为标准能耗特征表征量,δ1、δ2、δ3、δ4、δ5、δ6为影响系数);将每一偏差值Vdeviation与判定阈值比较,时,则存在该标准能耗特征表征量对应的标准能耗特征。
所述步骤三中的能耗特征库通过以下步骤获得:步骤一:热机:机床开机运行至少2小时;步骤二:机床状态切换过程能耗数据采集:通过连接机床的能耗采集装置实验获取机床状态切换过程的能耗数据;步骤三:机床状态切换过程能耗数据处理:对获得的能耗数据进行处理,获得标准能耗特征表征量(Tsc,Psmax,Psmin,Psam,Psmv,Esc);步骤四:重复机床状态切换过程能耗数据采集与处理,修正标准能耗特征表征量。
本发明中的判定阈值和影响系数δ1、δ2、δ3、δ4、δ5、δ6根据所需监测的不同设备情况而制定。
本发明,通过能够通过生产线内设备的能耗数据的处理,不断更新生产线状态,从而对异常状态进行报警。
上述实施例是对本发明的说明,不是对本发明的限定,任何对本发明简单变换后的方案均属于本发明的保护范围。
Claims (3)
1.一种生产线的状态监测报警方法,其特征在于:包括以下步骤:
步骤一:能耗数据获取:在各个设备的总开关上有线连接能耗采集单元,能耗采集单元用于采集设备电压和电流数据,各个能耗采集单元均连接至终端设备,终端设备对各个设备的电压和电流数据预处理,获得所需能耗数据,所述能耗数据包括电压和电流相乘所得的功率数据、时间;
步骤二:能耗数据处理:判断存在能耗特征的设备;在对具有能耗特征的设备的能耗数据进行分析,确定能耗特征存在的位置并获得能耗特征表征量;
步骤三:设备状态比对:比对能耗特征库内相应设备的标准能耗特征表征量,若存在对应能耗特征,则确定各能耗特征对应的设备状态;若不存在对应能耗特征,则返回步骤二;
步骤四:生产线状态更新,并确定是否报警:比对对应存储的设备状态,补充或修正设备状态,若设备状态中存在异常状态,则发出报警信号;若不存在异常状态,则返回步骤二。
2.如权利要求1所述的一种生产线的状态监测报警方法,其特征在于:所述步骤二中的判断存在能耗特征的设备的方法为:处理时的当前时间为TD,求时间TD到时间TD-5s的功率数据全段均值Pallmv,获得该时间段的最大值Ptmax,当时(为判定阈值),认定该设备存在能耗特征;所述步骤二中确定能耗特征存在的位置的方法为:从存在能耗特征区域的最大值Ptmax两侧分别求左均值Plmv和右均值Prmv;从最大值Ptmax往左取功率数据Pltmax,满足(为判定阈值)的为该能耗特征数据,直至取到第三个不满足的Pltmax的能耗数据;从最大值Ptmax往右取功率数据Prtmax,满足的为该能耗特征数据,直至取到第三个不满足的Prtmax的能耗数据;能耗特征数据的起始数据对应的时间为开始时间Ts,结束数据对应的时间为结束时间Te;所述步骤二中获得能耗特征表征量的方法为:计算持续时间Tc:Tc=Te-Ts,获得极值:最大值Pmax、最小值Pmin,功率幅值Pam:均值Pmv,(为结束时间对应的存储序号,为开始时间对应的存储序号),能耗差值Ec:从而获得能耗特征表征量(Tc,Pmax,Pmin,Pam,Pmv,Ec)。
3.如权利要求1所述的一种生产线的状态监测报警方法,其特征在于:所述步骤三中比对能耗特征库内相应设备的标准能耗特征表征量的方法为:能耗特征表征量与相应设备的每一标准能耗特征表征量求偏差值Vdeviation:(Tsc、Psmax、Psmin、Psam、Psmv、Esc为标准能耗特征表征量,δ1、δ2、δ3、δ4、δ5、δ6为影响系数);将每一偏差值Vdeviation与判定阈值比较,时,则存在该标准能耗特征表征量对应的标准能耗特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611109613.4A CN108153251B (zh) | 2016-12-06 | 2016-12-06 | 一种生产线的状态监测报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611109613.4A CN108153251B (zh) | 2016-12-06 | 2016-12-06 | 一种生产线的状态监测报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108153251A true CN108153251A (zh) | 2018-06-12 |
CN108153251B CN108153251B (zh) | 2020-04-17 |
Family
ID=62467738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611109613.4A Expired - Fee Related CN108153251B (zh) | 2016-12-06 | 2016-12-06 | 一种生产线的状态监测报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108153251B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683562A (zh) * | 2018-11-20 | 2019-04-26 | 浙江树人学院 | 一种混合生产自动调度控制方法 |
CN111077863A (zh) * | 2019-12-23 | 2020-04-28 | 深圳市安科讯电子制造有限公司 | 一种定制式数字化监控系统 |
CN111083835A (zh) * | 2019-12-27 | 2020-04-28 | 安徽世林照明股份有限公司 | 基于全光谱的led智能照明系统及其方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419585A (zh) * | 2011-12-08 | 2012-04-18 | 安徽泰格电气科技股份有限公司 | 建筑能耗监测系统 |
CN103064389A (zh) * | 2012-12-27 | 2013-04-24 | 无锡博欧节能科技有限公司 | 一种智能能耗管理支撑系统 |
CN103308762A (zh) * | 2013-06-01 | 2013-09-18 | 张晓华 | 一种集约式能耗分项计量预警系统及实现方法 |
CN104456514A (zh) * | 2015-01-13 | 2015-03-25 | 成都鼎智汇科技有限公司 | 一种锅炉能耗异常检测方法 |
US9146048B2 (en) * | 2010-12-29 | 2015-09-29 | Michael Shelton | Chemical state monitor for refrigeration system |
-
2016
- 2016-12-06 CN CN201611109613.4A patent/CN108153251B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9146048B2 (en) * | 2010-12-29 | 2015-09-29 | Michael Shelton | Chemical state monitor for refrigeration system |
CN102419585A (zh) * | 2011-12-08 | 2012-04-18 | 安徽泰格电气科技股份有限公司 | 建筑能耗监测系统 |
CN103064389A (zh) * | 2012-12-27 | 2013-04-24 | 无锡博欧节能科技有限公司 | 一种智能能耗管理支撑系统 |
CN103308762A (zh) * | 2013-06-01 | 2013-09-18 | 张晓华 | 一种集约式能耗分项计量预警系统及实现方法 |
CN104456514A (zh) * | 2015-01-13 | 2015-03-25 | 成都鼎智汇科技有限公司 | 一种锅炉能耗异常检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683562A (zh) * | 2018-11-20 | 2019-04-26 | 浙江树人学院 | 一种混合生产自动调度控制方法 |
CN111077863A (zh) * | 2019-12-23 | 2020-04-28 | 深圳市安科讯电子制造有限公司 | 一种定制式数字化监控系统 |
CN111077863B (zh) * | 2019-12-23 | 2020-09-29 | 深圳市安科讯电子制造有限公司 | 一种定制式数字化监控系统 |
CN111083835A (zh) * | 2019-12-27 | 2020-04-28 | 安徽世林照明股份有限公司 | 基于全光谱的led智能照明系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108153251B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153251A (zh) | 一种生产线的状态监测报警方法 | |
CN204504862U (zh) | 一种工业机器人柔性加工单元 | |
CN109396953A (zh) | 基于信号融合的机床工作状态智能辨识系统 | |
Singh et al. | A hybrid multiple attribute decision making method for solving problems of industrial environment | |
CN108153237B (zh) | 一种基于能耗特征的线切割机床状态监测方法 | |
CN110961732B (zh) | 摆线齿轮的加工方法及系统 | |
Rodic et al. | Comparison of fuzzy logic and neural network for modelling surface roughness in EDM | |
CN103246266B (zh) | 一种工业用在线免维护控制系统 | |
Park et al. | A study on the predictive maintenance of 5 axis CNC machine tools for cutting of large aircraft parts | |
Guo et al. | Construction of welding quality intelligent judgment system | |
Wang | Error analysis and fault diagnosis of CNC machine tools under artificial intelligence technology | |
CN1792543A (zh) | 卡销式电连接器的齿键、键槽和暗凸键的加工方法 | |
CN107398609A (zh) | 一种用于大空间多机台电解加工智能控制脉冲电源系统 | |
Li et al. | Industrial Robots’ Application in Processing Production Line of Mechanical Parts | |
Kharchenko | Progressive threading of small holes based on mechanisms of parallel structures (MPS) | |
Kayastha et al. | Optimization of process parameter in turning of copper by combination of taguchi and principal component analysis method | |
Liu et al. | Vibration Signal-based Tool Condition Monitoring Using Regularized Sensor Data Modelling and Model Frequency Analysis | |
CN205928103U (zh) | 刀具加工前防止数据输入错误的装置 | |
CN207735960U (zh) | 一种全制程cnc加工治具 | |
Rodic et al. | Application of ANFIS for modeling and predicting the EDM surface roughness | |
CN205139681U (zh) | 一种数控加工电极管理信息采集装置 | |
Liu et al. | Intelligent monitoring of tapping tools | |
Lu et al. | DeepMachining: Online Prediction of Machining Errors of Lathe Machines | |
Yan et al. | Application of Key Technologies of Intelligent Manufacturing in Metallurgical Industry Led by Artificial Intelligence | |
CN105353720A (zh) | 一种数控加工电极管理信息采集装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200417 Termination date: 20201206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |