CN110597212A - 一种基于设备震动成像诊断的卷包设备故障预警的方法 - Google Patents
一种基于设备震动成像诊断的卷包设备故障预警的方法 Download PDFInfo
- Publication number
- CN110597212A CN110597212A CN201910923486.9A CN201910923486A CN110597212A CN 110597212 A CN110597212 A CN 110597212A CN 201910923486 A CN201910923486 A CN 201910923486A CN 110597212 A CN110597212 A CN 110597212A
- Authority
- CN
- China
- Prior art keywords
- equipment
- vibration
- learning
- early warning
- steps
- 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.)
- Pending
Links
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], computer integrated manufacturing [CIM]
- G05B19/41875—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], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Abstract
本发明公开了一种基于设备震动成像诊断的卷包设备故障预警的方法，属于卷包故障分析技术领域，所述卷包设备故障预警技术，先将卷包设备部件拆卸或脱离传动系统，然后设备开启到运行状态进行震动信号采集，作为设备运行基础震动信号；按顺序加载拆卸的部件，开启到运行状态进行震动信号采集，作为部件运行基础震动信号；将采集到的图像信号进行机器自动学习；预警提示；人工确认巩固；本技术在单一设备震动分析基础上，结合人工智能‑图像识别软件对采集图像进行学习，并进一步采用部件定位分析技术，提高了诊断有效性和准确性。
Description
技术领域
本发明涉及卷包设备故障分析技术领域，具体涉及一种基于设备震动成像诊断的卷包设备故障预警的系统及方法。
背景技术
卷烟厂卷烟制造过程使用的卷烟机和包装机（简称卷接包设备）是高精度高速卷烟制造设备，烟支产量一般每生产7000-20000支/分钟以上，小包400-900包/分钟以上，卷烟机高速产量下，人工对卷接包设备轻微故障导致的质量问题难以全面监控，部件故障、商标卡阻等问题防不甚防，一个疏忽就可能产生大量有质量问题的卷烟产品，并流入下工序带来的巨大伴生质量损失。根据统计，一个年产100万箱的卷烟，每年因卷烟制造过程中质量问题，导致的翻箱或报废卷烟产品损失高达数千万元。如果卷烟机设备质量状态得到有效监控，及时预警提示，可以及时发现设备运行问题，大幅减少质量问题产品数量，以及解决质量问题产品流入下工序带来的巨大伴生损失。
针对设备运行故障诊断，设备振动分析与故障诊断技术是目前应用比较成熟的技术，其原理是采用震动传感器对设备机械振动进行数据采集和信号处理，并使用常见设备振动故障图谱对照识别，或利用频谱分析故障诊断的方法进行分析，判断设备是否正常运行。这一技术在诸多领域购广泛应用，包括汽车制造、电子产品制造、机械加工、化工行业等。卷烟生产过程的特殊性在于，其运行故障不是一般机械损伤或运动停阻，而是运行部件不稳定、烟丝、烟支、包装材料粘附卡阻造成运行过程出现质量问题，但不影响设备运行，震动图像复杂，故障图像多变，难以根据图形识别故障，在看似正常生产过程连续或间歇出现质量问题的产品，难发现隐患大，质量问题产品流入下工序带来的巨大伴生损。卷接包设备运行诊断要解决的问题是在出现质量问题及时发现预警，由于依靠传统震动分析技术难以解决，因此设备震动成像诊断在卷接包设备上应用较晚。
近来，震动诊断技术也开始在卷烟机和包装机上逐渐应用，意大利G.D公司、德国HAUNI公司在2018年以后已经开始在自己制造的部分设备上安装震动传感器进行设备运行分析，并可以实现远程诊断。但是，上述系统应用效果极其不理想，无法区别是那个部件运行导致的问题，只能提示设备运行是否出现故障，提示设备震动频率变化，但却无法具体判断故障，其原因是因为系统无法准确定位故障位置，实际情况是虽然有提示经常查找无果。
发明内容
本发明通过使用设备震动成像和人工智能-图像识别技术联合诊断的卷包设备震动分析，提供更有效的卷烟产品质量预警的方法，解决现有卷烟机震动传感器采集信号成像复杂，应用效果无法提供有效诊断的问题。
为解决上述的技术问题，本发明采用以下技术方案：、一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述卷包设备故障预警技术步骤为：
步骤1、采集设备运行基础震动信号；
步骤2、采集部件运行基础震动信号；
步骤3、机器自动学习；
步骤4、预警提示；
步骤5、人工确认巩固；
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述步骤1设备运行基础震动信号采集方法为：通过分析确定卷烟机有8个部件，小包机有12个部件，条包机有5个部件经常导致质量问题的发生，分别将以上25个部件拆卸或脱离传动系统，然后设备开启到运行状态进行震动信号采集，作为设备运行基础震动信号。
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述步骤2中部件运行基础震动信号采集方法为：分别按顺序加载25个部件，每个部件加载后，开启到运行状态进行震动信号采集，作为部件运行基础震动信号。
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述步骤3中所述的机器学习采用基恩士人工智能-图像识别软件进行学习，先对设备运行基础震动信号学习和部件运行基础震动信号学习，最后综合学习。
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述预警提示方法为:设置编辑图像软件，出现问题相关画面自动前置，自动警告提示。
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述人工确认巩固方法为：学习期间出现异常频率，或部件运行出现异常图像，则进行故障查找和确认；进入使用过程，使用过程继续学习，增加问题发现率。
更进一步的技术方案是所述的一种基于设备震动成像诊断的卷包设备故障预警的技术，其特征在于：所述卷包设备的故障预警系统包括震动传感器、震动信号解析器、图像分析控制电脑，所述震动传感器采集卷包设备的状态信号，卷包设备状态信号通过震动信号解析器解析后发送至图像分析控制电脑，图像分析控制电脑在震动成像基础上使用机器学习对卷包设备进行震动分析。
更进一步的技术方案是所述机器学习期间，进行设备运行基础震动信号学习和部件运行基础震动信号学习时，学习期间不断调整车速，学习时间1-2个小时。
更进一步的技术方案是所述机器学习期间，对带料正常设备运行基础信号进行综合学习，学习期间不断调整车速，学习时间为6-8天。
与现有技术相比，本发明的有益效果是：
1、可以实现部件运行故障准确定位提示，便于准确查找排除问题。
2、该系统大幅度提升卷接包设备运行问题发现率，通过为期一年的跟踪，该系统运行问题发现率高达68%，提示正确率达33%，节约成本效益巨大。
附图说明
图1为本发明的卷包故障预警技术流程图。
图2为本发明的卷包故障预警技术系统结构框图。
图3为本发明的卷包故障预警技术系统网络布局图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，所述卷包设备故障预警技术步骤为：
步骤1、采集设备运行基础震动信号；通过对发生过导致质量问题的梳理分析，确定卷烟机有8个部件，小包机有12个部件，条包机有5个部件经常导致质量问题的发生，我们分别将以上25个部件拆卸或脱离传动系统，然后设备开启到运行状态进行震动信号采集，作为设备运行基础震动信号。
步骤2、采集部件运行基础震动信号；分别按顺序加装（加载）25个部件，每个部件加装（加载）后，开启到运行状态进行震动信号采集，作为部件运行基础震动信号。
步骤3、机器自动学习；使用基恩士人工智能-图像识别软件对采集图像进行学习，通过获得其开源代码，并对采集到的设备运行基础震动信号进行标注，卷烟机基础震动信号作为图形1，标注为卷烟机传动信号，小包机基础震动信号作为图形2，标注为小包机传动信号，条包机基础震动信号作为图形3，标注为条包机传动信号，进行设备运行基础震动信号学习；并对采集到的每个部件卷烟震动信号图形分别按部件标注，进行部件运行基础震动信号学习。所有部件安装完毕，进行带料运行生产，在设备运行状态正常情况下，对所形成28个图像逐一进行审核修正，确保所有图像信号正常完整采集，然后进行综合学习。
步骤4、预警提示；通过机器自动识别，判断是否出现故障，如出现故障，则预警提示。
步骤5、人工确认巩固；学习期间出现异常频率，或部件运行出现异常图像，则进行人工故障查找和确认，恢复后，进入使用过程，使用过程继续学习，增加问题发现率。
通过对卷烟机组经常导致质量问题的部件进行梳理分析，并把这些容易出现故障问题的部件拆卸以后进行设备运行基础震动信号检测，得到了卷烟机、小包机、条包机的3个设备运行基础震动信号，通过检测到的原始未加载部件的震动信号，便于在设备故障时更容易对故障发生的位置做定位，通过机器学习以及预警提示，对采集到的图像能够进行自动识别判断是否出现故障，若出现故障，则出现问题的画面自动前置预警，再通过人工的巩固确认，从而可以实现部件运行故障准确定位提示，便于准确查找排除问题。该系统大幅度提升卷接包设备运行问题发现率，通过为期一年的跟踪，该系统运行问题发现率高达68%，提示正确率达33%，节约成本效益巨大。
所述步骤1设备运行基础震动信号采集方法为：通过分析确定卷烟机有8个部件，小包机有12个部件，条包机有5个部件经常导致质量问题的发生，分别将以上25个部件拆卸或脱离传动系统，然后设备开启到运行状态进行震动信号采集，作为设备运行基础震动信号。通过检测到的原始未加载部件的震动信号，便于在设备故障时更容易对故障发生的位置做定位。
所述步骤2中部件运行基础震动信号采集方法为：分别按顺序加载25个部件，每个部件加载后，开启到运行状态进行震动信号采集，作为部件运行基础震动信号。通过按顺序逐步加载拆卸的部件，在运行状态下采集每个部件运行的基础震动信号，从而便于在部件发生故障时，对发生故障的部件做定位。
所述步骤3中所述的机器学习采用基恩士人工智能-图像识别软件进行学习，先对设备运行基础震动信号学习和部件运行基础震动信号学习，最后综合学习。通过分别对设备运行基础震动信号学习和部件运行基础震动信号学习，最后对安装完毕的部件进行带料运行生产综合学习，便于对采集到的28个基础震动信号作出修正，保证采集到的信号的完整性与正确性。
所述预警提示方法为:设置编辑图像软件，出现问题相关画面自动前置，自动警告提示。便于引起人工注意，及时查看清除故障。
所述人工确认巩固方法为：学习期间出现异常频率，或部件运行出现异常图像，则进行故障查找和确认；进入使用过程，使用过程继续学习，增加问题发现率。通过人工确认巩固能够进一步加强故障定位的有效率。
如图2和图3所示，所述卷包设备的故障预警系统包括震动传感器、震动信号解析器、图像分析控制电脑，所述震动传感器采集卷包设备的状态信号，卷包设备状态信号通过震动信号解析器解析后发送至图像分析控制电脑，图像分析控制电脑在震动成像基础上使用机器学习对卷包设备进行震动分析。震动传感器采集设备震动信号以及部件震动信号，经过震动信号解析器解析后，传递至图像分析控制电脑，图像分析控制电脑在震动成像基础上利用基恩士人工智能-图像识别技术进行联合诊断比对，若出现故障，则报警提示，从而进一步达到了可以实现部件运行故障准确定位提示，便于准确查找排除问题，进行有效诊断的效果。
所述机器学习期间，进行设备运行基础震动信号学习和部件运行基础震动信号学习时，学习期间不断调整车速，学习时间1-2个小时。学习期间不断调整车速，学习时间1-2个小时，能够保证有效识别，提高识别的准确性。
所述机器学习期间，对带料正常设备运行基础信号进行综合学习，学习期间不断调整车速，学习时间为6-8天。学习期间不断调整车速，学习时间为6-8天，能够保证有效识别，提高识别的准确性。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显的。
Claims (9)
1.一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述卷包设备故障预警技术步骤为：
步骤1、采集设备运行基础震动信号；
步骤2、采集部件运行基础震动信号；
步骤3、机器自动学习；
步骤4、预警提示；
步骤5、人工确认巩固。
2.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述步骤1设备运行基础震动信号采集方法为：通过分析，确定卷烟机有8个部件，小包机有12个部件，条包机有5个部件经常导致质量问题的发生，分别将以上25个部件拆卸或脱离传动系统，然后设备开启到运行状态进行震动信号采集，作为设备运行基础震动信号。
3.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述步骤2中部件运行基础震动信号采集方法为：分别按顺序加载25个部件，每个部件加载后，开启到运行状态进行震动信号采集，作为部件运行基础震动信号。
4.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述步骤3中所述的机器学习采用基恩士人工智能-图像识别软件进行学习，先对设备运行基础震动信号学习和部件运行基础震动信号学习，最后综合学习。
5.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述预警提示方法为:设置编辑图像软件，出现问题相关画面自动前置，自动警告提示。
6.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述人工确认巩固方法为：学习期间出现异常频率，或部件运行出现异常图像，则进行故障查找和确认；进入使用过程，使用过程继续学习，增加问题发现率。
7.根据权利要求1所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述卷包设备的故障预警系统包括震动传感器、震动信号解析器、图像分析控制电脑，所述震动传感器采集卷包设备的状态信号，卷包设备状态信号通过震动信号解析器解析后发送至图像分析控制电脑，图像分析控制电脑在震动成像基础上使用机器学习对卷包设备进行震动分析。
8.根据权利要求7所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述机器学习期间，进行设备运行基础震动信号学习和部件运行基础震动信号学习时，学习期间不断调整车速，学习时间1-2个小时。
9.根据权利要求7所述的一种基于设备震动成像诊断的卷包设备故障预警的方法，其特征在于：所述机器学习期间，对带料正常设备运行基础信号进行综合学习，学习期间不断调整车速，学习时间为6-8天。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910923486.9A CN110597212A (zh) | 2019-09-27 | 2019-09-27 | 一种基于设备震动成像诊断的卷包设备故障预警的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910923486.9A CN110597212A (zh) | 2019-09-27 | 2019-09-27 | 一种基于设备震动成像诊断的卷包设备故障预警的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110597212A true CN110597212A (zh) | 2019-12-20 |
Family
ID=68864190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910923486.9A Pending CN110597212A (zh) | 2019-09-27 | 2019-09-27 | 一种基于设备震动成像诊断的卷包设备故障预警的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110597212A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552243A (zh) * | 2020-01-20 | 2020-08-18 | 武汉裕大华纺织有限公司 | 一种智能纺纱打包生产线故障检测系统 |
| CN113418731A (zh) * | 2021-06-21 | 2021-09-21 | 河南中烟工业有限责任公司 | 一种卷烟机组的在线故障诊断方法 |
| CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
| CN116343359A (zh) * | 2023-02-16 | 2023-06-27 | 唐山三友化工股份有限公司 | 一种工业生产异常行为态势检测方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7403850B1 (en) * | 2005-09-29 | 2008-07-22 | Dynalco Controls Corporation | Automated fault diagnosis method and system for engine-compressor sets |
| CN201402209Y (zh) * | 2009-03-30 | 2010-02-10 | 唐德尧 | 一种风力发电机组的智能化故障监测诊断系统 |
| CN103488139A (zh) * | 2013-09-05 | 2014-01-01 | 山东博润工业技术股份有限公司 | 振动设备智能监测系统 |
| CN105203346A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 基于emd降噪的吸油烟机故障诊断的方法及系统 |
| CN105718961A (zh) * | 2016-02-15 | 2016-06-29 | 哈尔滨理工大学 | 一种基于ceemd与图像纹理特征的旋转机械智能故障诊断方法 |
| CN205633268U (zh) * | 2016-05-09 | 2016-10-12 | 河南省新之林机电设备有限公司 | 包装机组包装纸胶线在线检测视觉系统 |
| CN108062514A (zh) * | 2017-11-28 | 2018-05-22 | 西安理工大学 | 一种基于三维谱图分析的胶印机墨辊故障诊断方法 |
| CN108303465A (zh) * | 2017-12-08 | 2018-07-20 | 纽威数控装备（苏州）有限公司 | 一种基于机床振动的故障检测方法及系统 |
| CN108344502A (zh) * | 2018-02-08 | 2018-07-31 | 常德烟草机械有限责任公司 | 一种卷烟机组振动监测系统及方法 |
| CN208937958U (zh) * | 2018-11-20 | 2019-06-04 | 西安贝森信息科技有限公司 | 设备在线监控系统 |
-
2019
- 2019-09-27 CN CN201910923486.9A patent/CN110597212A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7403850B1 (en) * | 2005-09-29 | 2008-07-22 | Dynalco Controls Corporation | Automated fault diagnosis method and system for engine-compressor sets |
| CN201402209Y (zh) * | 2009-03-30 | 2010-02-10 | 唐德尧 | 一种风力发电机组的智能化故障监测诊断系统 |
| CN103488139A (zh) * | 2013-09-05 | 2014-01-01 | 山东博润工业技术股份有限公司 | 振动设备智能监测系统 |
| CN105203346A (zh) * | 2015-10-23 | 2015-12-30 | 珠海格力电器股份有限公司 | 基于emd降噪的吸油烟机故障诊断的方法及系统 |
| CN105718961A (zh) * | 2016-02-15 | 2016-06-29 | 哈尔滨理工大学 | 一种基于ceemd与图像纹理特征的旋转机械智能故障诊断方法 |
| CN205633268U (zh) * | 2016-05-09 | 2016-10-12 | 河南省新之林机电设备有限公司 | 包装机组包装纸胶线在线检测视觉系统 |
| CN108062514A (zh) * | 2017-11-28 | 2018-05-22 | 西安理工大学 | 一种基于三维谱图分析的胶印机墨辊故障诊断方法 |
| CN108303465A (zh) * | 2017-12-08 | 2018-07-20 | 纽威数控装备（苏州）有限公司 | 一种基于机床振动的故障检测方法及系统 |
| CN108344502A (zh) * | 2018-02-08 | 2018-07-31 | 常德烟草机械有限责任公司 | 一种卷烟机组振动监测系统及方法 |
| CN208937958U (zh) * | 2018-11-20 | 2019-06-04 | 西安贝森信息科技有限公司 | 设备在线监控系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552243A (zh) * | 2020-01-20 | 2020-08-18 | 武汉裕大华纺织有限公司 | 一种智能纺纱打包生产线故障检测系统 |
| CN111552243B (zh) * | 2020-01-20 | 2022-06-17 | 武汉裕大华纺织有限公司 | 一种智能纺纱打包生产线故障检测系统 |
| CN113418731A (zh) * | 2021-06-21 | 2021-09-21 | 河南中烟工业有限责任公司 | 一种卷烟机组的在线故障诊断方法 |
| CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
| CN116343359A (zh) * | 2023-02-16 | 2023-06-27 | 唐山三友化工股份有限公司 | 一种工业生产异常行为态势检测方法及系统 |
| CN116343359B (zh) * | 2023-02-16 | 2023-10-31 | 唐山三友化工股份有限公司 | 一种工业生产异常行为态势检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110597212A (zh) | 一种基于设备震动成像诊断的卷包设备故障预警的方法 | |
| CN109588763B (zh) | 应用于zj112卷烟机的胶位检测报警系统 | |
| CN103154693A (zh) | 发动机测试台的监控系统 | |
| CN110462352A (zh) | 振动分析器和机械部件诊断系统 | |
| CN112268910A (zh) | 一种烟支外观缺陷视觉检测系统及其检测方法 | |
| CN103424178B (zh) | 制冷设备中压缩机工况检测方法 | |
| CN113464272A (zh) | 待测部件的状态监测方法、系统、车辆和计算机储存介质 | |
| CN112069005A (zh) | 一种整车can通信功能检测方法 | |
| CN116383633A (zh) | 一种多因素综合分析的机制砂振动筛故障检测方法及系统 | |
| CN110050239A (zh) | 收集装置、收集方法、程序及收集系统 | |
| CN106969928A (zh) | 一种机械故障检测诊断方法 | |
| CN102539163A (zh) | 飞机发动机检测装置 | |
| CN209757714U (zh) | 硬盒卷烟包装机的内衬纸下纸到位检测装置 | |
| CN108303465A (zh) | 一种基于机床振动的故障检测方法及系统 | |
| CN113781460A (zh) | 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 | |
| CN109488473B (zh) | 发动机的在线预判系统和在线预判方法 | |
| CN109941532B (zh) | 硬盒卷烟包装机的内衬纸下纸到位检测装置及其检测方法 | |
| CN110208027B (zh) | 混凝土生产设备在线故障检测方法及检测系统 | |
| CN209834174U (zh) | 硬盒卷烟包装机的内衬纸包装完整性检测装置 | |
| CN111599033A (zh) | 一种诊断卷烟机故障的处理方法 | |
| CN111922781A (zh) | 一种数控机床进给轴运行文件数据的多维度异常点识别方法及系统 | |
| CN106372169B (zh) | 一种车辆信息的自动采集与传送方法及系统 | |
| CN113075547A (zh) | 电机数据的采集方法及系统 | |
| CN112185058A (zh) | 监控报警方法、系统、设备及存储介质 | |
| CN115184556B (zh) | 空气质量数据的异常值监测方法、系统及报警终端设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |