CN110500371A - 一种冲压生产线设备工作状态检测方法 - Google Patents
一种冲压生产线设备工作状态检测方法 Download PDFInfo
- Publication number
- CN110500371A CN110500371A CN201910794248.2A CN201910794248A CN110500371A CN 110500371 A CN110500371 A CN 110500371A CN 201910794248 A CN201910794248 A CN 201910794248A CN 110500371 A CN110500371 A CN 110500371A
- Authority
- CN
- China
- Prior art keywords
- point
- oil pressure
- parameter
- oil temperature
- trend
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B2211/00—Circuits for servomotor systems
- F15B2211/80—Other types of control related to particular problems or conditions
- F15B2211/87—Detection of failures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/001—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/005—Force, torque, stress or strain
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/008—Arrangements for monitoring working conditions, e.g. wear, temperature of clutches
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种冲压生产线设备工作状态检测方法,包括如下步骤:步骤1,分别定时采集冲压生产线上各机组制动器&离合器的油压参数F(I,T)、油温参数F(X,T)及冲击振动参数F(Y,T);步骤2,分别根据油压趋势识别判据、油温变高识别判据、振动趋势识别判据,判断步骤1采集的相关参数是否符合判据,当全部符合时,输出制动器&离合器疑似异常的信号,提醒工作人员检查冲压设备,该方法通过多个参数异常状况的组合用于确定制动器&离合器的故障趋势,有别于传统采用单一参数来确定设备工作状态的判断方法,可以避免生产过程中正常存在的个别异常数据给设备带来的误判,通过对设备故障趋势的判断能够预知冲压设备的工作状态趋势,优化设备管理。
Description
技术领域
本发明属于设备检测与维护技术领域,特别涉及一种冲压生产线设备工作状态检测方法。
背景技术
作为冲压装备的一个重要应用载体,冲压自动化生产线在我国汽车工业体系中发挥着极其重要的作用,然而随着生产效率的提升,冲压自动化生产线日益面临停机、停线的风险,如何高效掌控设备的健康状态,降低停机率已迫在眉睫。掌握设备的健康状态通常包括预知保全和预防保全两类,预防保全是按固定周期组织检修计划,目前冲压生产线的检修方案多为预防保全,但该检修计划方式针对性不强,前期的预防保全可能多数检修投入并不会产生太大的价值与意义,而随着设备使用年限的增加,设备零部件的老化,预防保全的固定周期应作出适当调整,若不及时调整,则设备可能在两次检修周期之间发生故障,还有,若固定设备的使用年限对设备进行更换,又不能全面发挥设备的应用价值。而预知保全,则是在状态检查的基础上,根据设备或部件的实际劣化状况,有针对性的安排检修计划,该保全可以让设备一直使用到维修极限,具有明显经济性,同时,我们也可以及时根据设备工作状态,对设备进行保养、修正或更换。因此推行预知保全更符合生产实际,更值得被广泛推广。
随着智能控制的迅猛发展,近年诸多领域都有对智能控制进行合理应用,所谓智能控制是设计一控制器或控制系统,使之具有学习、抽象、推理、决策等功能,并能根据环境信息的变化做出适应性反应,进而实现一些原来只能通过人为实现的各种功能,因此可以将智能控制引入冲压自动化生产线的检修维护中。
目前已存在将智能控制引入现代机械设备中,多通过捕捉机械设备的故障信号以确定机械设备已经出现故障,但一方面该检测都是基于明确故障存在而设置,无法对生产线故障趋势进行预测,另一方面,目前所引入的故障信号往往较为单一,其可能是正常生产过程中个别特例数据,也可能是因为环境的临时突变造成的数据突变,上述特例数据或数据突变并不能代表设备存在故障,对于生产中各种突发状况所带来的特殊数据均进行设备检修维护,显然并不十分经济且不可取,尤其对于设备复杂繁多的冲压生产线。因此有必要对现有冲压生产线设备工作状态检测方法进行改进,开发一种基于智能控制技术设备监控系统来实现生产线冲压设备检测、预警,既符合工业自动化发展趋势,也是一项非常实用、可行的工程技术。
发明内容
本发明的目的,在于提供一种冲压生产线设备工作状态检测方法,通过该方法实现设备变化趋势判断,并基于判断结果制定设备检修计划,同时可对判断及检修数据进行记录,为设备的周期更换提供依据,进而提高设备维护管理效率。
为了达成上述目的,本发明的解决方案是:
一种冲压生产线设备工作状态检测方法,其包括如下步骤:
步骤1,分别定时采集冲压生产线上各机组制动器&离合器的油压参数F(I,T)、油温参数F(X,T)及冲击振动参数F(Y,T);
步骤2,分别根据油压趋势识别判据、油温变高识别判据、振动趋势识别判据,判断步骤1采集的相关参数是否符合判据,当全部符合时,输出制动器&离合器疑似异常的信号,提醒工作人员检查冲压设备。
较佳的,所述步骤1中,油压参数F(I,T)、油温参数F(X,T)通过产线PLC集成后经交换器传输给服务器,冲击振动参数F(Y,T)通过专用的冲击脉冲处理器集成后经交换器传输给服务器。
较佳的,所述步骤1中,采用有线压力传感器采集所述油压参数F(I,T)、采用有线温度传感器采集所述油温参数F(X,T)、采用有线高频振动传感器采集所述冲击振动参数F(Y,T)。
较佳的,所述步骤2中,对冲压生产线上各机组每个检测单点的检测结果基于时间进行异常诊断,所述油压趋势识别判据为单点油压时间趋势识别判据,所述油温变高识别判据为单点油温随时间变高识别判据,所述振动趋势识别判据为单点振动时间趋势识别判据。
较佳的,所述单点油压时间趋势识别判据为,单点采集的油压参数同时比其之前相邻两时间点的油压参数都高出阈值h或同时比其之前相邻两时间点的油压参数都低出阈值h;所述单点油温随时间变高识别判据为,单点采集的油温参数同时比其之前相邻两时间点的油温参数都高出阈值h;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述单点油压时间趋势识别判据为,获得油压异常点,所述油压异常点为单点采集的油压参数同时比与其相邻两时间点的油压参数都高出阈值h或同时比与其相邻两时间点的油压参数都低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f1,则判据成立;所述单点油温随时间变高识别判据为,获得油温异常点,所述油温异常点为单点采集的油温参数同时与其相邻两时间点的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f2,则判据成立;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述单点油压时间趋势识别判据为,获得油压异常点,所述油压异常点为单点采集的平均油压参数同时比与其相邻两时间点的平均油压参数都高出阈值h或同时比与其相邻两时间点的平均油压参数低出阈值h,若油压异常点数量达到阈值n,则判据成立;所述单点油温随时间变高识别判据为,获取油温异常点,所述油温异常点为单点采集的平均油温参数同时比与其相邻两时间点的平均油温参数都高出阈值h,若油温异常点数量达到阈值n,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述单点油压时间趋势识别判据为:获得油压异常点,油压异常点为单点采集的油压参数较上一点油压参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h,则判据成立;所述单点油温随时间变高识别判据为:获得油温异常点,油温异常点为单点采集的油温参数较上一点油温参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述单点油压时间趋势识别判据为,单点采集的多个连续油压参数或油压参数均值呈递增或递减趋势,且连续呈递增或递减趋势的油压参数或油压参数均值个数达到阈值n;所述单点油温变高趋势识别判据为,单点采集的多个连续油温参数及油温参数均值呈递增趋势,且连续呈递增趋势的油温参数或油温参数均值个数达到阈值n;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述单点油压时间趋势识别判据为,获取油压异常点,所述油压异常点为单点采集的油压参数较上一点油压参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h;所述单点油温随时间变高识别判据为,获得油温异常点,所述油温异常点为单点采集的油温参数较上一点油温参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,所述步骤2中,对冲压生产线上各机组的每个检测单点的检测结果基于位置进行异常诊断,所述油压趋势识别判据为油压位置趋势识别判据,所述油温变高识别判据为异常点油温变高识别判据,所述振动趋势识别判据为单点振动时间趋势识别判据;所述油压位置趋势识别判据为:获得油压异常点,所述油压异常点为生产线上目标机台任一位置采集的油压参数同时比生产线上异于目标机台的任意多台机台的同一位置采集的油压参数同时高出阈值h或同时低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f3,则判据成立;所述异常点油温变高识别判据为:获得油温异常点,所述油温异常点为生产线上目标机台任一位置采集的油温参数同时比生产线上异于目标机台的任意多台机台的同一位置采集的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f4,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
较佳的,基于输出的制动器&离合器疑似异常的信号,由计算机系统对制动器&离合器的维护与处理进行任务安排、指派并对维护处理结果进行上报归集组成大数据基础,或进一步对于积累生成的大数据进行分析评估,确定是否要更换生产线冲压设备。
采用上述方案后,本发明通过多个参数的异常组合来明确制动器&离合器的故障趋势,有别于传统采用单一参数来确定设备工作状态的判断方法,其可以较好的避免生产过程中正常存在的个别异常数据给设备带来的误判,减少了对设备误判所带来的非必要检测工作,通过对设备故障趋势的判断,能够预知冲压设备的工作状态趋势,提前作出预警,具有如下有益效果:
(1)效率,通过多参数共同判断是否符合判据,进而对设备故障趋势进行预警可降低设备的停机率,提高设备维护管理效率;
(2)成本,针对性的对设备进行维护与替换可降低备件消耗成本及设备检修维护成本,尽可能延长设备使用年限,增加设备的使用价值;
(3)质量,采用预知保全可实时了解设备健康状况,依据大数据、智能控制,实现设备变化趋势判断和控制,通过及时对设备的维护保证设备质量可靠。
附图说明
图1是本发明实施原理图。
具体实施方式
以下将结合实施例对本发明的技术方案及有益效果进行详细说明。
实施例一
冲压生产线上的核心装备即压机设备,压机设备内部则主要通过制动器&离合器对压机设备进行控制,因此在构建检测方法时重点针对制动器&离合器进行参数检测与评估。一种冲压生产线设备工作状态检测方法,其包括如下步骤:步骤1,分别定时采集冲压生产线上各机组制动器&离合器的油压参数F(I,T)、油温参数F(X,T)及冲击振动参数F(Y,T),上述参数均基于时间或位置而取值不同,其中,T变量统一为时间变量,T=1、2、3、…、t、t+1,单位为机器检测周期,例如一周采集一次数据,T不同取值分别表示不同时刻制动器&离合器的各类参数;I、X、Y变量均为位置变量,I、X、Y变量取值为:1、2、3、…、m(假设冲压生产线具备m台压机),I、X、Y变量的不同取值分别表示不同编号压机制动器&离合器的各类参数。步骤2,分别根据油压趋势识别判据、油温变高识别判据、振动趋势识别判据,判断步骤1采集的相关参数是否符合判据,当全部符合时,输出制动器&离合器疑似异常的信号,提醒工作人员检查冲压设备,采用趋势识别判据对压机状态变化趋势进行判断,可提前预测设备运行问题,并通过检修避免生产线停机,进而提高生产效率。
其中,步骤1中采用传统传感器(温度传感器、压力传感器等)获得的油压参数F(I,T)、油温参数F(X,T)通过产线PLC集成后经交换器传输给服务器,而由冲击脉冲传感器获得的冲击振动参数F(Y,T)则通过专用的冲击脉冲处理器集成后经交换器传输给服务器。通过实验发现,上述采用服务器-检测专用处理器-PLC集成的模型在控制成本投入的同时具备较优的运行效果。参数采集传输方面,步骤1中,采用有线压力传感器采集油压参数F(I,T)、采用有线温度传感器采集油温参数F(X,T)、采用有线高频振动传感器采集冲击振动参数F(Y,T),采用有线传感器有利于数据的稳定传输,避免数据传输过程受外界干扰。
检测时,可针对上述三类参数基于时间趋势进行判断。具体的,步骤2中,各识别判据将对冲压生产线上各机组每个检测单点的检测结果基于时间进行异常诊断,对应的,涉及油压趋势识别判据可以为单点油压时间趋势识别判据,油温变高识别判据可以为单点油温随时间变高识别判据,振动趋势识别判据可以为单点振动时间趋势识别判据。
由于油压过高或油压过低都可能引起压机运行不稳定,所以单点油压时间趋势识别判据可以为:单点采集的油压参数同时比其之前相邻两时间点的油压参数都高出阈值h或同时比其之前相邻两时间点的油压参数都低出阈值h,之所以选择两个时间点的数据进行比较主要在于与两个数据比较的结果会更具备可靠性。具体操作时,单点定时采集的油压参数分别为F(I,T),T=1,2,3,…,t;则评估时刻t时刻的检测结果为F(I,t),其之前相邻两点的油压参数分别为:F(I,t-1)和F(I,t-2),当判断出现F(I,t)-F(I,t-1)的绝对值大于h时,重复检测F’(I,t),避免评估时刻的检测结果因检测方法原因出现异常,若重复检测的F’(I,t)与F(I,t-1)差值的绝对值依然大于h,则判断F(I,t)-F(I,t-2)的绝对值是否大于h,如果同样也是大于h,判定该单点评估时刻t所采集的油压参数存在异常,输出油压异常信号并记录该评估时刻油压异常。选择当前参数与前两个参数比较,一方面可以得到两个相邻点趋势变化情况,另一方面持续的比较可使采集数据更准确、可靠。
压机油温偏高会对设备造成损坏,所以单点油温随时间变高识别判据可以为:单点采集的油温参数同时比其之前相邻两时间点的油温参数都高出阈值h;同样,选择两个时间点的数据进行比较可保证比较结果更具备可靠性。具体操作时,单点定时采集的油温参数分别为F(X,T),T=1,2,3,…,t;则评估时刻t时刻的检测结果为F(X,t),其之前相邻两点的油温参数分别为:F(X,t-1)和F(X,t-2),当判断出现F(X,t)-F(X,t-1)大于h时,重复检测F’(X,t),避免评估时刻的检测结果因检测方法原因出现异常,若重复检测的F’(X,t)与F(X,t-1)差值依然大于h,则判断F(X,t)-F(X,t-2)是否大于h,如果同样也是大于h,判定该单点评估时刻t所采集的油温参数存在异常,输出油温异常信号并记录该评估时刻油温异常。
振动异常会使设备零部件间发生磨损并对压机造成破坏,所以单点振动时间趋势识别判据可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作时,定时采集的冲击振动参数分别为F(Y,T),T=1,2,3,…,t;则对应每个时刻的检测结果分别为F(Y,1),F(Y,2),F(Y,3)…F(Y,t),假设从k时刻起,该检测结果呈递增趋势,即F(Y,k)-F(Y,k-1)>0,则内部设定变量flag=1,如果F(Y,k+1)-F(Y,k)>0,则变量flag=flag+1,否则,变量flag归零,待下一轮出现检测结果递增趋势时重新设定变量flag。随着flag的累积,当flag=n时,则判定所采集冲击振动参数存在异常,输出冲击振动异常信号并记录该评估时刻冲击振动异常。
如图1所示,上述三者任何单一的存在都不能代表制动器&离合器故障,例如油温变高有可能是环境所致,油压升高有可能是油路设备临时故障等,当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,即油压参数、油温参数及冲击振动参数分别且同时符合各自判据时,则输出制动器&离合器疑似异常,并基于输出的制动器&离合器疑似异常的信号,由计算机系统对制动器&离合器的维护与处理进行任务安排、指派并对维护处理结果进行上报归集组成大数据基础。指派任务时可以通过网络设备向维护人员的移动终端发送检修计划。
同时,系统可以对于积累生成的大数据进行进一步分析评估,确定是否要更换生产线冲压设备,如果要更换设备,则同样通过系统网络设备向维护人员的移动终端发送更换计划,本领域技术人员可以理解,具体更换设备的标准将视生产对设备的具体需求,可通过设定具体的检修率或使用年限等来生成更换计划。
实施例二
本实施例的基本实施步骤与实施例一相同,所涉及油压趋势识别判据同样可以为单点油压时间趋势识别判据,油温变高识别判据可以为单点油温随时间变高识别判据,振动趋势识别判据可以为单点振动时间趋势识别判据。
所不同的是,单点油压时间趋势识别判据可以为:获得油压异常点,油压异常点为单点采集的油压参数同时比与其相邻两时间点的油压参数都高出阈值h或同时比与其相邻两时间点的油压参数都低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f1,则判据成立。具体操作时,单点定时采集的油压参数分别为F(I,T),T=1,2,3,…,t,t+1;则评估时刻t时刻的检测结果为F(I,t),与其相邻两点的油压参数分别为:F(I,t-1)和F(I,t+1);进一步,该评估时刻检测结果与相邻两点的检测结果差值为:ΔF(I,t)=F(I,t)-F(I,t-1),ΔF(I,t+1)=F(I,t+1)-F(I,t),如果ΔF(I,t)高出阈值h且ΔF(I,t+1)低出阈值-h,即F(I,t)同时比与其相邻两时间点的油压参数F(I,t-1)、F(I,t+1)都高出阈值h,或者另一种状况,如果ΔF(I,t)低出阈值-h且ΔF(I,t+1)高出阈值h,即F(I,t)同时比与其相邻两时间点的油压参数F(I,t-1)、F(I,t+1)都低出阈值h,该两种情况下,评估时刻t时刻的检测结果均被视为出现异常突变值。
油压过高会导致压机冲力过大,油压过低会导致压力不够进而达不到同步速,当这种油压异常点发生过多时,则可能会对压机性能的发挥以及使用寿命产生相应影响,基于此,需要统计该异常点发生的频率。统计频率时记载每次异常突变值发生的时间,记录每次油压异常值发生的时间T油压异常,T油压异常=t1、t2、…、tn、tn+1、…,当累计达到可统计标准tn时,开始分析油压过高/过低的发生频率f=n/(tn-t1),油压过高及油压过低发生次数将统一进行计算。之后,当每次油压异常值发生时,均对该时刻之前发生n次油压异常值进行频率计算,例如,当再次发生油压过高/过低时,计算发生频率f=n/(tn+1-t2),之后再次发生油压异常时,发生频率依此类推,n的取值根据生产需求进行确定,当某一时刻求得发生频率高于阈值频率f1,则判据成立,输出油压异常信号并记录该评估时刻油压异常,对于上述阈值频率f1同样可以根据生产需求提前录入生产线检测系统中。
单点油温随时间变高识别判据具体可以为:获得油温异常点,油温异常点为单点采集的油温参数同时与其相邻两时间点的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f2,则判据成立。具体操作时,单点定时采集的油温参数分别为F(X,T),T=1,2,3,…,t,t+1;则评估时刻t时刻的检测结果为F(X,t),与其相邻两时间点的油温参数分别为:F(X,t-1)和F(X,t+1);进一步,该评估时刻检测结果与相邻两点的检测结果差值为:ΔF(X,t)=F(X,t)-F(X,t-1),ΔF(X,t+1)=F(X,t+1)-F(X,t),如果ΔF(X,t)高出阈值h且ΔF(X,t+1)低出阈值-h,即F(X,t)同时比与其相邻两时间点的油温参数F(X,t-1)、F(X,t+1)都高出阈值h,则评估时刻t时刻的检测结果均被视为出现异常突变值。油温长期过高会导致压机运行不稳,基于此,需要统计该异常点发生的频率。统计频率时记载每次异常突变值发生的时间,记录每次油温异常值发生的时间T’油温异常,T’油温异常=t’1、t’2、…、t’n、t’n+1、…,当累计达到可统计标准t’n时,开始分析油温过高的发生频率f=n’/(t’n-t’1),之后,当每次油温异常值发生时,均对该时刻之前发生n’次油温异常值进行频率计算,例如,当再次发生油温过高时,计算发生频率f=n’/(t’n+1-t’2),之后再次发生油温过高时,发生频率依此类推,n’的取值根据生产需求进行确定,当某一时刻求得发生频率高于阈值频率f2,则判据成立,输出油温异常信号并记录该评估时刻油温异常,对于上述阈值频率f2同样可以根据生产需求提前录入生产线检测系统中。
单点振动时间趋势识别判据具体可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n”。具体操作方式同实施例一相同。
本实施例涉及三种判据组合较实施例一更具信服度,同样的,上述三者任何单一的存在都不能代表制动器&离合器故障,只有当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,才输出制动器&离合器疑似异常。
实施例三
本实施例所涉及油压趋势识别判据同样为单点油压时间趋势识别判据,油温变高识别判据为单点油温随时间变高识别判据,振动趋势识别判据为单点振动时间趋势识别判据。
实施例二研究的是数据骤凸点与骤凹点出现频率的异常,本实施例研究的是数据整体增减变化异常的数量。单点油压时间趋势识别判据可以为:获得油压异常点,油压异常点为单点采集的平均油压参数发生骤变,若油压异常点数量达到n,则判据成立。具体操作时,单点定时采集的油压参数分别为F(I,T),T=1,2,3,…,t,t+1;从i时刻起,对应的每个时刻平均油压参数为之前i个油压参数的均值,即评估时刻t时刻的油压参数为F(I,t),该时刻的平均油压参数为:S(I,t)=avg(F(I,t-i+1),F(I,t-i+2),……,F(I,t)),如果测得油压参数稳定,则平均油压参数S(I,t)为一系列波动不大的数据,但假如某一时刻油压参数过大或过小,则可能直接导致平均油压参数S(I,t)发生较大波动,假设s时刻的平均油压参数S(I,s)存在异常,即判断出现S(I,s)-S(I,s-1)的绝对值大于h时,则内部设定变量flag=1,进一步,当再次出现平均油压参数S(I,t)发生异常时,变量flag=flag+1,随着flag的累积,当flag=n时,则判定所采集油压参数存在异常,输出油压异常信号并记录该评估时刻油压异常。
对应的,单点油温随时间变高识别判据具体为:获得油温异常点,油温异常点为单点采集的平均油温参数发生骤变,若油温异常点数量达到n,则判据成立。具体操作时,单点定时采集的油温参数分别为:F(X,T),T=1,2,3,…,t,t+1;从i时刻起,对应的每个时刻平均油温参数为之前i个油温参数的均值,即评估时刻t时刻的油温参数为F(X,t),该时刻的平均油温参数为:S(X,t)=avg(F(X,t-i+1),F(X,t-i+2),……,F(X,t)),如果测得油温参数稳定,则平均油温参数S(X,t)为一系列波动不大的数据,但假如某一时刻油温参数过大,则可能直接导致平均油温参数S(X,t)迅速增加,假设s时刻的平均油温参数S(X,s)存在异常,即判断出现S(X,s)-S(X,s-1)大于h时,则内部设定变量flag=1,进一步,当再次出现平均油温参数S(X,t)发生异常时,变量flag=flag+1,随着flag的累积,当flag=n时,则判定所采集油温参数存在异常,输出油温异常信号并记录该评估时刻油温异常。
单点振动时间趋势识别判据具体可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作方式同实施例一相同。
本实施例涉及均值技术使得结果更具参考性,避免了任一瞬时数据突发性异常而造成的检测结果误差,同样的,上述三者任何单一的存在都不能代表制动器&离合器故障,只有当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,才输出制动器&离合器疑似异常。
实施例四
本实施例所涉及油压趋势识别判据还是为单点油压时间趋势识别判据,油温变高识别判据为单点油温随时间变高识别判据,振动趋势识别判据为单点振动时间趋势识别判据。
本实施例研究的是数据的单调变化异常,若设备运行正常,则设备油压、油温一般会在一定范围内上下波动,若当油压、油温在一定时间内持续单调变化时,则可能存在设备故障。因此,单点油压时间趋势识别判据为:单点采集的多个连续油压参数呈递增或递减趋势,且连续呈递增或递减趋势的油压参数个数达到阈值n时,判据成立。具体操作时,定时采集油压参数F(I,T),T=1,2,3,…,t;则对应每个时刻的检测结果分别为F(I,1),F(I,2),F(I,3)…F(I,t),内部设定递增变量flag1和递减变量flag2,假设从k时刻起,该检测结果呈递增趋势,即F(I,k)-F(I,k-1)>0,则内部设定变量flag1=1,如果F(I,k+1)-F(I,k)≥0,则变量flag1=flag1+1,否则,变量flag1归零,同时flag2=1,如果F(I,k+2)-F(I,k+1)≤0,则变量flag2=flag2+1,否则变量flag2归零,同时flag1=1。随着flag1和flag2的累积,当flag1=n或flag2=n时,则判定所采集油压参数存在异常,输出油压参数异常信号并记录该评估时刻油压参数异常。
单点油温变高趋势识别判据与油压类似为:单点采集的多个连续油温参数呈递增趋势,则连续呈递增趋势的油温参数个数达到阈值n时,判据成立。具体操作时,定时采集油温参数F(X,T),T=1,2,3,…,t;则对应每个时刻的检测结果分别为F(X,1),F(X,2),F(X,3)…F(X,t),内部设定递增变量flag,假设从k时刻起,该检测结果呈递增趋势,即F(X,k)-F(X,k-1)>0,则内部设定变量flag=1,如果F(X,k+1)-F(X,k)≥0,则变量flag=flag+1,否则,变量flag归零,待下一轮出现检测结果递增趋势时重新设定变量flag。随着flag的累积,当flag=n时,则判定所采集油温参数存在异常,输出油温参数异常信号并记录该评估时刻油温参数异常。
单点振动时间趋势识别判据具体可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作方式同实施例一相同。
上述三者任何单一的存在都不能代表制动器&离合器故障,只有当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,才输出制动器&离合器疑似异常。
实施例五
本实施例所涉及油压趋势识别判据还是为单点油压时间趋势识别判据,油温变高识别判据为单点油温随时间变高识别判据,振动趋势识别判据为单点振动时间趋势识别判据。本实施例研究的同样是数据的单调变化异常,与实施例四所不同的是,实施例四研究的直接数据的单调性,而本实施例研究的是数据均值的单调性,相较实施例4,实施例五更具信服性。
具体操作时,定时采集油压参数F(I,T),T=1,2,3,…,t;从i时刻起,对应的每个时刻平均油压参数为之前i个油压参数的均值,即评估时刻t时刻的油压参数为F(I,t),该时刻的平均油压参数为:S(I,t)=avg(F(I,t-i+1),F(I,t-i+2),……,F(I,t)),平均油压参数S(I,t)会随着油压参数F(I,t)上下波动,当平均油压参数S(I,t)长时间处于持续增加或减小时,则说明设备可能存在潜在故障。内部设定递增变量flag1和递减变量flag2,假设从k时刻起,平均油压参数S(I,t)呈递增趋势,即S(I,k)-S(I,k-1)>0,则内部设定变量flag1=1,如果S(I,k+1)-S(I,k)≥0,则变量flag1=flag1+1,否则,变量flag1归零,同时flag2=1,如果S(I,k+2)-S(I,k+1)≤0,则变量flag2=flag2+1,否则变量flag2归零,同时flag1=1。随着flag1和flag2的累积,当flag1=n或flag2=n时,则判定所采集油压参数存在异常,输出油压参数异常信号并记录该评估时刻油压参数异常。
单点油温变高趋势识别判据与油压类似为:单点采集的多个连续油温参数的均值呈递增趋势,则连续呈递增趋势的油温参数个数达到阈值n时,判据成立。具体操作时,定时采集油温参数F(X,T),T=1,2,3,…,t;从i时刻起,对应的每个时刻平均油温参数为之前i个油温参数的均值,即评估时刻t时刻的油温参数为F(X,t),该时刻的平均油温参数为:S(X,t)=avg(F(X,t-i+1),F(X,t-i+2),……,F(X,t)),平均油温参数S(X,t)会随着油温参数F(X,t)上下波动,当平均油温参数S(X,t)长时间处于持续增加时,则说明设备可能存在潜在故障。内部设定递增变量flag,假设从k时刻起,该检测结果呈递增趋势,即F(X,k)-F(X,k-1)>0,则内部设定变量flag=1,如果F(X,k+1)-F(X,k)≥0,则变量flag=flag+1,否则,变量flag归零,待下一轮出现检测结果递增趋势时重新设定变量flag。随着flag的累积,当flag=n时,则判定所采集油温参数存在异常,输出油温参数异常信号并记录该评估时刻油温参数异常。
单点振动时间趋势识别判据具体可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作方式同实施例一相同。
上述三者任何单一的存在都不能代表制动器&离合器故障,只有当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,才输出制动器&离合器疑似异常。
实施例六
本实施例中,所涉及油压趋势识别判据为单点油压时间趋势识别判据,油温变高识别判据为单点油温随时间变高识别判据,振动趋势识别判据可以为单点振动时间趋势识别判据。
本实施例研究的是油压及油温随时间变化曲线拐点的识别。单点油压时间趋势识别判据具体可以为:获得油压异常点,油压异常点为单点采集的油压参数较上一点油压参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h。具体操作时,单点定时采集的油压参数分别为F(I,T),T=1,2,3,…,t,t+1;则评估时刻t时刻的检测结果为F(I,t),其上一点及上上一点两点的油压参数分别为:F(I,t-1)和F(I,t-2);进一步,该评估时刻检测结果的变化值与上一时刻检测结果的变化值为:ΔF(I,t)=F(I,t)-F(I,t-1),ΔF(I,t-1)=F(I,t-1)-F(I,t-2),如果ΔF(I,t)-ΔF(I,t-1)的绝对值高出阈值h,即F(I,t)油压参数发生了明显有别于之前油压参数波动的变化量,可能外界环境存在异常,则该时刻认定为判据成立,输出油压异常信号并记录该评估时刻油压异常,对于上述阈值h同样可以根据生产需求提前录入生产线检测系统中。
与单点油压时间趋势识别判据相似,单点油温随时间变高识别判据具体可以为:获得油温异常点,油温异常点为单点采集的油温参数较上一点油温参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h。具体操作时,单点定时采集的油温参数分别为F(X,T),T=1,2,3,…,t,t+1;则评估时刻t时刻的检测结果为F(X,t),其上一点及上上一点两点的油温参数分别为:F(X,t-1)和F(X,t-2);进一步,该评估时刻检测结果的变化值与上一时刻检测结果的变化值为:ΔF(X,t)=F(X,t)-F(X,t-1),ΔF(X,t-1)=F(X,t-1)-F(X,t-2),如果ΔF(X,t)-ΔF(X,t-1)的绝对值高出阈值h,即F(X,t)油温参数发生了明显有别于之前油温参数波动的变化量,可能外界环境存在异常,则该时刻认定为单点油温随时间变高识别判据成立,输出油温异常信号并记录该评估时刻油温异常,对于上述阈值h同样可以根据生产需求提前录入生产线检测系统中。
单点振动时间趋势识别判据具体可以为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作方式同实施例一相同。
本实施例通过数据拐点的识别对基于时间测得的多个数据中异常波动进行检测,同样的,上述三者任何单一的存在都不能代表制动器&离合器故障,只有当系统发现上述油压异常、油温异常及冲击振动异常同时存在时,才输出制动器&离合器疑似异常。
实施例七
运行生产线上各机组的任务往往一致且运行环境基本相同,因此彼此内部获得的参数也存在相似性,本实施例有别于以上其他实施例,其步骤2中,主要对冲压生产线上各机组的每个检测单点的检测结果基于位置进行异常诊断,其中,油压趋势识别判据为油压位置趋势识别判据,油温变高识别判据为异常点油温变高识别判据,振动趋势识别判据依然可以选择为单点振动时间趋势识别判据。
具体的,油压位置趋势识别判据可以为:获得油压异常点,油压异常点为生产线上目标机组任一位置采集的油压参数同时比生产线上异于目标机组的任意多台机组的同一位置采集的油压参数同时高出阈值h或同时低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f3,则判据成立。具体操作时,由于机组检测需要,往往每一机组上不同位置分布有多个用于获取油压参数的传感器,不同机组间应对同一位置所采集的油压参数进行比对。假如有m台机组,则评估时刻t时刻各机组的检测结果应该为F(I,t),I=1,2,3,…,m,则评估对象机组m的检测结果为F(m,t),异于目标机组的任意两台机组的同一位置采集的油压参数可以取F(m-1,t)、F(m-2,t),则评估对象机组m与对比机组的油压参数差值分别为F(m,t)-F(m-1,t)、F(m,t)-F(m-2,t),如果差值的绝对值大于阈值h,即F(m,t)-F(m-1,t)、F(m,t)-F(m-2,t)均大于h时,认定为t时刻,对象机组m的检测结果出现异常突变值,当这种油压异常点发生过多时,则可能会对压机性能的发挥以及使用寿命产生相应影响,因此同样需要统计该异常点发生的概率。针对每台机组,各自设立独立的异常点记录空间,统计频率时分别针对每个机组记载每次异常突变值发生的时间T油压异常,T油压异常=t1、t2、…、tn、tn+1、…,当累计达到可统计标准tn时,开始分析油压过高/过低的发生频率f=n/(tn-t1),油压过高及油压过低发生次数将统一进行计算。之后,当每次油压异常值发生时,均对该时刻之前发生n次油压异常值进行频率计算,例如,当再次发生油压过高/过低时,计算发生频率f=n/(tn+1-t2),之后再次发生油压异常时,发生频率依此类推,n的取值根据生产需求进行确定,当某一时刻求得发生频率高于阈值频率f3,则判据成立,输出评估对象机组油压异常信号并记录该机组存在油压异常,对于上述阈值频率f3同样可以根据生产需求提前录入生产线检测系统中。
异常点油温变高识别判据可以为:获得油温异常点,油温异常点为生产线上目标机台任一位置采集的油压参数同时比生产线上异于目标机台的任意多台机台的同一位置采集的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f4,则判据成立。具体操作时,由于机组检测需要,往往每一机组上不同位置分布有多个用于获取油温参数的传感器,不同机组间应对同一位置所采集的油温参数进行比对。假如有m台机组,则评估时刻t时刻各机组的检测结果应该为F(X,t),X=1,2,3,…,m,则评估对象机组m的检测结果为F(m,t),异于目标机组的任意两台机组的同一位置采集的油温参数可以取F(m-1,t)、F(m-2,t),则评估对象机组m与对比机组的油温参数差值分别为F(m,t)-F(m-1,t)、F(m,t)-F(m-2,t),如果差值均大于阈值h,即F(m,t)-F(m-1,t)、F(m,t)-F(m-2,t)均大于h时,认定为t时刻,对象机组m的检测结果出现异常突变值,当这种油温异常点发生过多时,则可能会对压机性能的发挥以及使用寿命产生相应影响,因此同样需要统计该异常点发生的概率。针对每台机组,各自设立独立的异常点记录空间,统计频率时分别针对每个机组记载每次异常突变值发生的时间T油温异常,T油温异常=t1、t2、…、tn、tn+1、…,当累计达到可统计标准tn时,开始分析油温过高的发生频率f=n/(tn-t1),油温过高发生次数将统一进行计算。之后,当每次油温异常值发生时,均对该时刻之前发生n次油温异常值进行频率计算,例如,当再次发生油温过高时,计算发生频率f=n/(tn+1-t2),之后再次发生油温异常时,发生频率依此类推,n的取值根据生产需求进行确定,当某一时刻求得发生频率高于阈值频率f4,则判据成立,输出评估对象机组油温异常信号并记录该机组存在油温异常,对于上述阈值频率f4同样可以根据生产需求提前录入生产线检测系统中。
单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。具体操作方式同实施例一相同。
本实施例从位置比对角度对上述时间趋势判断进行了有益补充,应用时可以分别结合实施例一至实施例六应用于生产线工作状态检测,当然,也可以单独实施。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (10)
1.一种冲压生产线设备工作状态检测方法,其特征在于包括如下步骤:
步骤1,分别定时采集冲压生产线上各机组制动器&离合器的油压参数F(I,T)、油温参数F(X,T)及冲击振动参数F(Y,T);
步骤2,分别根据油压趋势识别判据、油温变高识别判据、振动趋势识别判据,判断步骤1采集的相关参数是否符合判据,当全部符合时,输出制动器&离合器疑似异常的信号,提醒工作人员检查冲压设备。
2.如权利要求1所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述步骤1中,油压参数F(I,T)、油温参数F(X,T)通过产线PLC集成后经交换器传输给服务器,冲击振动参数F(Y,T)通过专用的冲击脉冲处理器集成后经交换器传输给服务器。
3.如权利要求1所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述步骤2中,对冲压生产线上各机组每个检测单点的检测结果基于时间进行异常诊断,所述油压趋势识别判据为单点油压时间趋势识别判据,所述油温变高识别判据为单点油温随时间变高识别判据,所述振动趋势识别判据为单点振动时间趋势识别判据。
4.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为,单点采集的油压参数同时比其之前相邻两时间点的油压参数都高出阈值h或同时比其之前相邻两时间点的油压参数都低出阈值h;所述单点油温随时间变高识别判据为,单点采集的油温参数同时比其之前相邻两时间点的油温参数都高出阈值h;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
5.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为,获得油压异常点,所述油压异常点为单点采集的油压参数同时比与其相邻两时间点的油压参数都高出阈值h或同时比与其相邻两时间点的油压参数都低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f1,则判据成立;所述单点油温随时间变高识别判据为,获得油温异常点,所述油温异常点为单点采集的油温参数同时与其相邻两时间点的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f2,则判据成立;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
6.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为,获得油压异常点,所述油压异常点为单点采集的平均油压参数同时比与其相邻两时间点的平均油压参数都高出阈值h或同时比与其相邻两时间点的平均油压参数低出阈值h,若油压异常点数量达到阈值n,则判据成立;所述单点油温随时间变高识别判据为,获取油温异常点,所述油温异常点为单点采集的平均油温参数同时比与其相邻两时间点的平均油温参数都高出阈值h,若油温异常点数量达到阈值n,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
7.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为:获得油压异常点,油压异常点为单点采集的油压参数较上一点油压参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h,则判据成立;所述单点油温随时间变高识别判据为:获得油温异常点,油温异常点为单点采集的油温参数较上一点油温参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
8.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为,单点采集的多个连续油压参数或油压参数均值呈递增或递减趋势,且连续呈递增或递减趋势的油压参数或油压参数均值个数达到阈值n;所述单点油温变高趋势识别判据为,单点采集的多个连续油温参数及油温参数均值呈递增趋势,且连续呈递增趋势的油温参数或油温参数均值个数达到阈值n;所述单点振动时间趋势识别判据为,单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
9.如权利要求3所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述单点油压时间趋势识别判据为,获取油压异常点,所述油压异常点为单点采集的油压参数较上一时间点油压参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h;所述单点油温随时间变高识别判据为,获得油温异常点,所述油温异常点为单点采集的油温参数较上一时间点油温参数的变化值与上一点对应变化值相比差别较大,变化值差量的绝对值高出阈值h;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
10.如权利要求1所述的一种冲压生产线设备工作状态检测方法,其特征在于:所述步骤2中,对冲压生产线上各机组的每个检测单点的检测结果基于位置进行异常诊断,所述油压趋势识别判据为油压位置趋势识别判据,所述油温变高识别判据为异常点油温变高识别判据,所述振动趋势识别判据为单点振动时间趋势识别判据;所述油压位置趋势识别判据为:获得油压异常点,所述油压异常点为生产线上目标机台任一位置采集的油压参数同时比生产线上异于目标机台的任意多台机台的同一位置采集的油压参数同时高出阈值h或同时低出阈值h,统计油压异常点发生频率,当发生频率高于阈值频率f3,则判据成立;所述异常点油温变高识别判据为:获得油温异常点,所述油温异常点为生产线上目标机台任一位置采集的油温参数同时比生产线上异于目标机台的任意多台机台的同一位置采集的油温参数都高出阈值h,统计油温异常点发生频率,当发生频率高于阈值频率f4,则判据成立;所述单点振动时间趋势识别判据为:单点采集的多个连续冲击振动参数呈递增趋势,且连续呈递增趋势的冲击振动参数个数达到阈值n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794248.2A CN110500371B (zh) | 2019-08-27 | 2019-08-27 | 一种冲压生产线设备工作状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794248.2A CN110500371B (zh) | 2019-08-27 | 2019-08-27 | 一种冲压生产线设备工作状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110500371A true CN110500371A (zh) | 2019-11-26 |
CN110500371B CN110500371B (zh) | 2021-08-03 |
Family
ID=68589909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910794248.2A Expired - Fee Related CN110500371B (zh) | 2019-08-27 | 2019-08-27 | 一种冲压生产线设备工作状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110500371B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112635214A (zh) * | 2020-12-14 | 2021-04-09 | 西安交通大学 | 换流变有载调压开关顶盖形变保护装置及方法 |
CN114034826A (zh) * | 2021-11-05 | 2022-02-11 | 深圳市善土实业有限公司 | 一种基于数据分析的冻干燕窝工艺用生产环境监测系统 |
CN114462895A (zh) * | 2022-04-12 | 2022-05-10 | 青岛华正信息技术股份有限公司 | 用于企业的数字化转型管理方法及系统 |
CN117420811A (zh) * | 2023-12-19 | 2024-01-19 | 武汉佰思杰科技有限公司 | 一种用于自动化生产的生产线质量监测方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01153851A (ja) * | 1987-12-10 | 1989-06-16 | Suzuki Motor Co Ltd | 車両用連続可変変速機の圧力弁駆動制御方法 |
CN1108762A (zh) * | 1993-02-25 | 1995-09-20 | 丰田自动车株式会社 | 基于与参考值比较的所检测的物理量的冲压机的诊断方法 |
CN101672701A (zh) * | 2009-09-18 | 2010-03-17 | 宁波大学 | 一种冲床试车温度监测评定系统及方法 |
CN201600259U (zh) * | 2009-12-23 | 2010-10-06 | 合肥中达机械制造有限公司 | 液压破碎锤本体研发性能测试装置 |
CN102725619A (zh) * | 2009-06-11 | 2012-10-10 | 伊顿公司 | 混合动力驱动系统中的故障检测和减轻 |
CN103717936A (zh) * | 2011-07-13 | 2014-04-09 | Ntn株式会社 | 电动制动装置 |
CN205506098U (zh) * | 2016-02-02 | 2016-08-24 | 石家庄华燕交通科技有限公司 | 钢轮压路机在线跑合振动检测设备 |
CN107642458A (zh) * | 2017-08-16 | 2018-01-30 | 嘉兴南洋职业技术学院 | 风力发电机及风力发电机传动系统振动控制方法 |
CN109298700A (zh) * | 2018-11-16 | 2019-02-01 | 湖南省湘电试验研究院有限公司 | 一种实时判断火电机组运行参数异常变化的方法及系统 |
CN109715416A (zh) * | 2016-09-14 | 2019-05-03 | 罗伯特·博世有限公司 | 具有无线数据传输的制动衬块磨损传感器 |
CN110537084A (zh) * | 2017-04-20 | 2019-12-03 | 塞夫霍兰德有限公司 | 多用途车辆的底盘的车轴监控系统及车轴监控系统的用途 |
-
2019
- 2019-08-27 CN CN201910794248.2A patent/CN110500371B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01153851A (ja) * | 1987-12-10 | 1989-06-16 | Suzuki Motor Co Ltd | 車両用連続可変変速機の圧力弁駆動制御方法 |
CN1108762A (zh) * | 1993-02-25 | 1995-09-20 | 丰田自动车株式会社 | 基于与参考值比较的所检测的物理量的冲压机的诊断方法 |
CN102725619A (zh) * | 2009-06-11 | 2012-10-10 | 伊顿公司 | 混合动力驱动系统中的故障检测和减轻 |
CN101672701A (zh) * | 2009-09-18 | 2010-03-17 | 宁波大学 | 一种冲床试车温度监测评定系统及方法 |
CN201600259U (zh) * | 2009-12-23 | 2010-10-06 | 合肥中达机械制造有限公司 | 液压破碎锤本体研发性能测试装置 |
CN103717936A (zh) * | 2011-07-13 | 2014-04-09 | Ntn株式会社 | 电动制动装置 |
CN205506098U (zh) * | 2016-02-02 | 2016-08-24 | 石家庄华燕交通科技有限公司 | 钢轮压路机在线跑合振动检测设备 |
CN109715416A (zh) * | 2016-09-14 | 2019-05-03 | 罗伯特·博世有限公司 | 具有无线数据传输的制动衬块磨损传感器 |
CN110537084A (zh) * | 2017-04-20 | 2019-12-03 | 塞夫霍兰德有限公司 | 多用途车辆的底盘的车轴监控系统及车轴监控系统的用途 |
CN107642458A (zh) * | 2017-08-16 | 2018-01-30 | 嘉兴南洋职业技术学院 | 风力发电机及风力发电机传动系统振动控制方法 |
CN109298700A (zh) * | 2018-11-16 | 2019-02-01 | 湖南省湘电试验研究院有限公司 | 一种实时判断火电机组运行参数异常变化的方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112635214A (zh) * | 2020-12-14 | 2021-04-09 | 西安交通大学 | 换流变有载调压开关顶盖形变保护装置及方法 |
CN112635214B (zh) * | 2020-12-14 | 2022-05-20 | 西安交通大学 | 换流变有载调压开关顶盖形变保护装置及方法 |
CN114034826A (zh) * | 2021-11-05 | 2022-02-11 | 深圳市善土实业有限公司 | 一种基于数据分析的冻干燕窝工艺用生产环境监测系统 |
CN114034826B (zh) * | 2021-11-05 | 2024-01-23 | 深圳市善土实业有限公司 | 一种基于数据分析的冻干燕窝工艺用生产环境监测系统 |
CN114462895A (zh) * | 2022-04-12 | 2022-05-10 | 青岛华正信息技术股份有限公司 | 用于企业的数字化转型管理方法及系统 |
CN117420811A (zh) * | 2023-12-19 | 2024-01-19 | 武汉佰思杰科技有限公司 | 一种用于自动化生产的生产线质量监测方法及系统 |
CN117420811B (zh) * | 2023-12-19 | 2024-03-08 | 武汉佰思杰科技有限公司 | 一种用于自动化生产的生产线质量监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110500371B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110500371A (zh) | 一种冲压生产线设备工作状态检测方法 | |
US7698011B2 (en) | Operating condition monitoring apparatus, method for monitoring operating condition and program | |
EP3638900B1 (en) | Independent monitoring system for a wind turbine | |
CN101555806B (zh) | 发电厂生产实时参数分类报警和识别辅助方法 | |
CA2540336A1 (en) | Equipment component monitoring and replacement management system | |
CN102226428A (zh) | 燃气轮机健康状态预测方法 | |
CN110764474B (zh) | 监测设备运行状态的方法和系统 | |
CN117875191B (zh) | 一种基于大数据的齿轮箱寿命评估方法及系统、存储介质 | |
CN117119783B (zh) | 一种模块待机功耗的控制方法 | |
KR20190077137A (ko) | 인프라 설비 가동 데이터 자동분석방법 및 시스템 | |
US6904388B2 (en) | Method for preventing or minimizing operational failures in a technical installation | |
Spiewak et al. | Predictive monitoring and control of the cold extrusion process | |
WO2004021097A1 (ja) | プラント機器の運用支援装置 | |
CN110458317A (zh) | 一种输电线路覆冰灾害发展趋势预测的方法及系统 | |
CN117950947A (zh) | 一种基于互联网的计算机故障监测系统及方法 | |
CN116990619A (zh) | 一种矿井变频一体机的智能监测方法 | |
CN111861181A (zh) | 一种数字能源产品智造生产系统及生产线制定方法 | |
CN113632025A (zh) | 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品 | |
CN116245506A (zh) | 一种设备运维管理系统及故障自检测方法及其使用方法 | |
CN109978192A (zh) | 一种巨型水电厂状态维护模型构建方法及系统 | |
EP4127465B1 (en) | Method for predictive monitoring of the condition of wind turbines | |
CN109858689A (zh) | 一种可靠性导向的产品装配系统健康风险分析方法 | |
KR102648729B1 (ko) | 생산설비 통합 관제 서비스 플랫폼 | |
CN117991704A (zh) | 控制柜故障预警系统 | |
CN118128740A (zh) | 一种水厂水泵机组智能监测系统 |
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: 20210803 |
|
CF01 | Termination of patent right due to non-payment of annual fee |