CN110753589A - 具有传感器滚压成型机架的滚压成型设备 - Google Patents

Abstract

本发明涉及一种具有多个依次设置的滚压成型机架的相应的滚压成型设备以及一种方法，其中滚压成型机架中的至少一个被设计为传感器滚压成型机架(5)，其中在将金属带引导穿过滚压成型设备时在传感器滚压成型机架(5)处测量至少一个力并且产生传感器信号。优选地，在测试运行时确定传感器信号的额定值和公差范围，在运行状态中将传感器信号与其比较。在该运行状态中，具有检测算法的微处理器单元将传感器信号与额定值和/或与公差范围比较并且在此检测传感器滚压成型机架(5)的第一状态或至少一个第二状态，所述状态分别是对于过程合规性的量度或者显示对于偏差的早期诊断。

Description

具有传感器滚压成型机架的滚压成型设备

技术领域

本发明涉及一种具有多个依次设置的滚压成型机架的相应的滚压成型设备，这些滚压成型机架将金属带按顺序成型和/或引导，其中滚压成型机架中的至少一个被设计为传感器滚压成型机架。

背景技术

通常的滚压成型设备通过多个依次设置的滚压成型机架以连续的步骤将金属带成型为期望的金属板型材。在此，每个滚压成型机架在金属带处实施小的变化或者在相应的部位处引导或驱动该金属带。在此，滚压成型机架必须相对彼此尽可能精确地对准并且尽可能精确地实施相应预设的变形。

DE 10 2007 062 104 A1公开一种具有多个依次设置的滚压成型机架的典型的滚压成型设备，这些滚压成型机架按顺序逐步加工金属带。在滚压成型设备的末端处通常以周期性的时间间隔测量得到的金属板型材，以便确保遵守预设的尺寸和允许的公差，或者否则分拣出该金属板型材。在此几乎不可避免地形成次品，并且滚压成型机架在超过预设的公差时必须进行再调节。借助公开的该滚压成型设备不能提早识别偏差。

DE 10 2008 036 275 B4公开一种光学传感器，其设置在滚压成型设备之中或之后以测量金属板型材，从而确定遵守预设的尺寸或者产生次品。

在建立滚压成型设备时必然造成初始无意的次品，直至辊子或滚压成型机架相对彼此正确地设置并且相对于金属带正确地设置。

滚压成型设备还具有通常在3米或更长的长度上分布的滚压成型机架，使得在末端才检测出例如形成第一棱边的初始滚压成型机架的移位，从而由此在滚压成型设备的长度上已经形成次品。因为次品与不必要的成本相关，所以这种次品自然应保持得尽可能少。

在滚压成型机架的辊子或滚筒变形或者轴承损伤的情况下，在滚压成型设备的末端处，在最佳情况下相同地或周期性检查时才确定在金属板型材处由此出现的变化。因此，随后必须由滚压成型设备的操作者检查，由此实际上引起改变或故障。随后更换或者再调节部件。由此造成时间延迟，设备必须由相应良好训练的专业人员操作，这都是应尽可能保持小的成本因素。

发明内容

因此，为了消除现有技术中的缺点，本发明的目的在于提供一种设备和一种相应的方法，该设备或方法识别和显示额定轮廓加工过程偏差的尽早的识别。

上述目的由根据独立权利要求1和14的特征描述的设备和方法实现。本发明的其他有利的实施方式在从属权利要求中说明。

根据本发明，提出将金属带滚压成型的滚压成型设备及其相应的方法，滚压成型设备具有多个依次设置的滚压成型机架，滚压成型机架将金属带按顺序成型和/或引导，其中，该滚压成型设备包括如下机构：

-至少一个传感器滚压成型机架，所述传感器滚压成型机架设置在多个依次设置的滚压成型机架中，并且所述传感器滚压成型机架将金属带成型、弯曲和/或引导；

-第一辊子和第二辊子，所述第一辊子和所述第二辊子以能够围绕相应的转动轴线转动的方式与相应的传感器滚压成型机架连接并且由该传感器滚压成型机架保持就位，其中，第一辊子和第二辊子设置成使得第一辊子和第二辊子将金属带夹在第一辊子与第二辊子之间；

-至少一个传感器，所述传感器设置在相应的传感器滚压成型机架中，以便测量由相应的传感器滚压成型机架施加到金属板上的力、振动或转矩并且产生相应的传感器信号；

-具有检测算法的微处理器单元，所述检测算法设计成，将传感器信号与在相应预设的允许的公差范围内相应预设的额定值或额定值曲线比较，其中，当检测到传感器信号处于允许的公差范围内时识别出相应的传感器滚压成型机架的第一状态，否则识别出至少一个第二状态；和

-显示单元，所述显示单元显示用于相应的传感器滚压成型机架的识别出的第一状态和/或第二状态。

通过具有传感器滚压成型机架的根据本发明的滚压成型设备，在例如正常运行的测试运转中确定额定值或额定值曲线和公差范围之后，能够随后在运行中立即确定传感器信号与公差范围的偏差，其中随后确定过程偏差。在检测到第二状态或另外的状态的情况下，例如能够基于传感器信号中的典型的样式推断出特定的损伤、特定的磨损、金属板厚度变化、与预设的型材走向偏差的型材走向、以及推断出其他的影响。在此还特别有利的是，通过传感器信号中或传感器信号走向中的优选的样式识别能够建立对系统的预防诊断。因此，例如能够尽早地识别轴承损伤或辊子损伤，以便随后能够由专业的技术人员为此预定替代件，而还不必完全停止滚压成型设备。也能够确定前置的滚压成型机架之一的过程变化或金属板厚度变化。同样地，能够将传感器信号用于调节前置的滚压成型设备，以便例如更强地压平金属带等等。

在检测到传感器信号时，传感器信号也能够被理解为周期性的信号曲线，例如在图3中所示，其中传感器信号在此与额定值曲线或曲线形的公差范围比较。

通过早期识别或预防诊断，能够显著减少次品并且将服务区间匹配于真实情况。在此，相应的成本节约对于本领域技术人员是明显的。

在详细描述中列举用于确定额定值、额定值曲线和公差范围的不同的方法。在此，还尤其要强调的是，通过学习式的样式识别还明显更好地识别和关联传感器滚压成型机架处的问题状态，并且能够执行对于再调节或更换替换件的早期诊断。在此，可包括多个识别算法的诊断算法或样式识别能够通过操作信号进行“学习”。有利地，诊断算法识别该状态并且优选地识别传感器滚压成型机架的移位或磨损，并且将其经由显示单元显示给用户或操作员。在此还有意义的是：通过检测算法确定状态的趋势，以便能尽早地识别例如轴承的磨损。在此，也能够为操作员提供如下指示：如何能够再次建立正常状态。这种学习式的样式识别算法在现有技术中从信号分析或信号处理中的其他应用中已知。在此，例如能够使用神经网络、卡尔曼(Kalmann)滤波和其他预测滤波算法。优选地，能够通过微处理器单元根据传感器信号和操作信号也执行统计评估，所述统计评估实现更好地识别后续的状态。优选地，也通过存储传感器信号和操作信号执行相应的传感器滚压成型机架的状态记录。同样能够将相应的滚压成型机架的状态转发给更高级的控制装置，以便例如从中央位置起显示和记录相应的滚压成型机架的状态和/或其他参数。在此，也能够通过网络传递、收集和优选地评估关于状态和/或传感器信号的数据，以便例如由连接于网络的计算机来优化检测算法并且为此将相应的参数回传到微处理器单元。通过检测算法的这种优化例如能够在初始更好地并且由此对于操作员更简单地确定额定值和/或额定值曲线以及公差范围和参数。

优选地，微控制器通过检测算法评估相应的传感器滚压成型机架的相应的信号分量或传感器信号，检测算法与该传感器滚压成型机架相关联。但是也能够考虑：检测算法评估相邻的传感器滚压成型机架的一个或多个传感器的信号分量或设置在滚压成型机架中的一个或多个其他传感器的信号分量，并且优选能够确定滚压成型机架彼此对准的状态。

附图说明

在下面的附图和详细的描述中示出根据本发明的优选的实施方式，但是本发明不应仅受限于这些实施方式。

附图示出：

图1示意性地示出用于加工金属带的滚压成型设备的一部分的立体图，其中两个相邻的滚压成型机架配备有传感器，传感器分别产生用于传感器信号的传感器信号分量，其中滚压成型机架分别在上方包括用于第一辊子或滚筒的第一轴，并且在下方包括用于第二辊子或滚筒的第二轴，以便在其之间将金属带成型，其中金属带和辊子或滚筒在附图中被取消；

图2示出具有传感器、带有微处理器和存储器的中央微处理器单元、操作信号发生器和显示单元的示意方框图；

图3示出作为关于时间的曲线的传感器信号，其中可识别周期性的典型的样式，并且以虚线绘出公差范围；以及

图4示出有限元分析的结果计算，该结果计算在金属带的由滚压成型机架之一进行成型的部位处将在此出现的力表示为计算的矢量。

具体实施方式

在图1中示出两个相邻的优选的滚压成型机架，其作为用于将金属带滚压成型的优选的滚压成型设备的一部分。原理上，用于将金属带滚压成型的优选的滚压成型设备通常包括多个依次设置的滚压成型机架，所述滚压成型机架因此成型和/或引导金属带。在参考的图1的视图中，示出各自仅具有在上方的第一轴3和在下方的第二轴4的两个滚压成型机架，所述第一轴和第二轴通常分别以插接的方式承载为此所设的辊子或滚筒，滚压成型机架在辊子或滚筒之间将金属带成型、弯曲和/或引导。因此，在第一轴3上优选插上也能够是第一滚筒的第一轴并且在第二轴4上插上也能够是第二滚筒的第二轴。当在第一辊子和第二辊子之间成型、弯曲和/或引导金属带时，在第一辊子和第二辊子处出现相应的力。

根据本发明，在此介绍的滚压成型设备包括如下机构：

a)至少一个传感器滚压成型机架5，所述传感器滚压成型机架设置在多个依次设置的滚压成型机架中，并且所述传感器滚压成型机架将金属带成型、弯曲和/或引导。在此，相应的传感器滚压成型机架5能够设置在多个滚压成型机架的始端处、末端处或其之间；

b)第一辊子和第二辊子，所述第一辊子和所述第二辊子以能够围绕相应的转动轴线转动的方式与相应的传感器滚压成型机架5连接并且由其保持就位，其中第一辊子和第二辊子设置成使得第一辊子和第二辊子将金属带夹在第一辊子与第二辊子之间。在此，相应的传感器滚压成型机架5优选基本上与直接相邻的滚压成型机架设在相同的高度，以便在金属带与相邻的滚压成型机架之间不产生不期望的应力；

c)至少一个传感器1、2，所述传感器设置在相应的传感器滚压成型机架5中，以便测量由相应的传感器滚压成型机架5施加到金属板上的力、振动或转矩并且产生相应的传感器信号；

d)具有检测算法的微处理器单元6，检测算法设计成，将传感器信号与在相应预设的允许的公差范围内相应预设的额定值或额定值曲线比较，其中，当检测到传感器信号处于允许的公差范围内时识别出相应的传感器滚压成型机架5的第一状态，否则识别出传感器滚压成型机架的至少一个第二状态；和

显示单元8，所述显示单元显示用于相应的传感器滚压成型机架5的识别出的第一状态和/或第二状态。

优选地，至少一个传感器或传感器之一是力传感器，即例如测力计或应变计或电流传感器，以便确定马达驱动转矩。优选地，至少一个传感器或传感器之一是振动传感器或固体声麦克风或麦克风，以便例如检测传感器滚压成型机架5处的或滚压成型设备中的振动，并且能够通过检测算法评估。也能够考虑将温度传感器作为传感器之一，以便检测例如由摩擦产生的发热。

在图1中示出分别设计为传感器滚压成型机架5的两个滚压成型机架。在此，在相应的传感器滚压成型机架5中优选将两个第一传感器1、1’设置在传感器滚压成型机架5中，使得所述传感器共同地测量在Y方向上的第一力分量，所述第一力分量从金属带竖直地引导到第一辊子和第一轴3上。优选地，在此，两个第一传感器1、1’设置在第一轴3的相应的端部处，以便能够共同测量作用于第一轴上的总力，在图1中测力计作为第一传感器1、1’示出，但是其同样能是其他的力传感器，即例如安置在传感器滚压成型机架5处以测量Y方向上的第一力分量的应变计。在此，传感器信号包括两个第一传感器1、1’的至少两个信号分量。在此，检测算法能够直接评估两个信号分量，和/或评估一个从其中产生的、例如是两个信号分量的和信号的传感器信号。

在传感器滚压成型机架5中也能够设有至少一个传感器，该传感器测量在X方向上的第二力分量，所述第二力分量从金属带切向地引导到第一辊子上并且横向于金属带的纵向方向地引导。此外，在传感器滚压成型机架5中也能够设置有至少一个传感器，该传感器测量在Z方向上的第三力分量，所述第三力分量从金属带切向地沿纵向方向引导第一辊子上，例如通过第一轴3和/或第二轴4的驱动器或转动力矩引导。

在优选的传感器滚压成型机架5中也能够设置有两个第二传感器2、2’，所述第二传感器共同地确定在Y方向上的第四力分量，所述第四力分量从金属带竖直地引导到第二辊子和第二轴上。在此，传感器信号也包括两个第二传感器2、2’的信号分量。同样地，检测算法在此也单独地从第二传感器2、2’的两个信号分量中单独地评估所得出的第四传感器信号以及各个信号分量。

优选地，一个或多个传感器也能够设置成，使得其测量另外的力或相应的力分量，借助所述另外的力或相应的力分量将在滚压成型设备中的传感器滚压成型机架5在机座上保持就位，并且在此产生传感器信号的至少一部分。如果例如作用于第一轴3上的总力与作用于夹住金属板的第二轴4上的总力有大偏差，则另外的力在此能够用作为相应的传感器滚压成型机架5相对于相应的滚压成型机架的弯曲的量度。

同样能够将至少一个传感器也设置在传感器滚压成型机架5中，以便测量在X方向上的第五力分量，所述第五力分量从金属带切向地引导到第二辊子上和横向于金属带的纵向方向地引导。并且至少一个传感器也能够设置在传感器滚压成型机架5中，以便测量在Z方向上的第六力分量，所述第六力分量从金属带切向地沿纵向方向引导到第二辊子上。

同样能够考虑用于测量一个力和/或转矩或者其数倍的装置和其他的传感器。

在此，一个或多个力例如是用于相对于金属带厚度的滚筒间隙、用于重成型程度、用于金属带的材料品质或硬度和用于金属带中的非连续性的量度。

为了清楚而需要确定的是：如图2中示出的微处理器单元6包括至少一个微处理器6a和存储器6b。传感器信号在此能够作为数字信号或作为模拟信号经由微处理器单元6的数模转换器被引导。

为了清楚而需要确定的是：可将传感器信号理解为唯一的信号或多个单独的信号或信号分量，传感器信号包括所述信号或信号分量，例如在矢量的或多维的传感器信号中是这种情况。在多维传感器信号的情况下，可将额定值、额定值曲线和/或公差范围优选同样理解为是多维的。但是在此也能够从多维的传感器信号的多个信号分量中通过处理器单元或检测算法形成一个或多个得出的传感器信号，使得额定值、额定值曲线和/或公差范围或其分量的数量不必强制性地与传感器信号分量的数量一致。因此例如也能够从唯一的传感器信号中提取多个处理过的信号分量，所述信号分量于是分别与相应的公差范围或样式识别比较，这例如在频谱分析和随后的样式识别中是这种情况。

在此，为了清楚而需要确定的是：如图3中示出的传感器信号也可理解为具有传感器信号的典型曲线的周期性的传感器信号。于是在此，周期性的传感器信号由检测算法优选与非恒定的公差范围比较，在图3中示例性地示出在上方的阈值曲线L1和下方的阈值曲线L2之间的、非恒定的公差范围，在上方的和下方的阈值曲线之间传感器信号可在第一状态下移动。在此，对于本领域技术人员清楚的是：为了能够正常地执行传感器信号与公差范围的比较，检测算法首先必须执行传感器信号的周期识别，以便随后正常地与公差范围相关联。在通过没有周期识别的检测算法进行更简单的检测的情况下，必须进一步选择公差范围。

优选地，传感器滚压成型机架5的第一状态是优选正常的状态，在该正常的状态下传感器滚压成型机架5在过程方面优选正常地运行。由检测算法识别出的第二状态为滚压成型设备中的传感器滚压成型机架5或过程的优选正常的状态的偏差，并且例如能够导致过厚或过薄的金属带或初始的轴承损伤或与额定过程的另一过程偏差。优选地，检测算法还设计用于识别第三状态，所述第三状态与第二状态相比例如显示出与第一状态的、还更大的或更小的偏差。第三状态例如能够导致还更大的或更小的金属带厚度、或初始的或但严重的轴承损伤。通过识别与传感器滚压成型机架处的优选正常状态有偏差的第二状态或另外的状态，例如能够停住传感器滚压成型设备处的过程，输出报警信号或执行传感器滚压成型机架的自动的执行器的再调节。

报警信号通常能够是光学、声学或功能的报警信号。例如，将滚压成型设备的自动停住或关闭或以执行器调到滚压成型设备的更可靠的和/或非自损伤的状态的调节设为功能的报警信号。

经由显示单元8能够为操作员显示简单的良好的或故障的或绿/红色信号等等。但是，经由显示单元8能够为操作员也提供如下指示：什么原因对于当前状态是高概率的，例如第一轴3处的轴承损伤、第二轴4处的轴承损伤、金属带过厚、前导的滚压成型机架的推进过小等等。显示单元8说明相应的传感器滚压成型机架5的状态，但是所述显示单元也能够单独地显示另外的传感器滚压成型机架5的相应状态。显示单元优选包括红绿灯、显示器、监视器、智能电话显示器、平板电脑、报警灯、光学报警指示器、声学报警发生器或它们的组合。

为了确定传感器信号或其相应的信号分量的相应的公差范围，检测算法优选设计成，根据操作信号将传感器信号确定为预设的额定值或额定值曲线并且存储。操作信号能够由操作员也多次地操作，其中随后由检测算法例如形成平均值、例如算术平均值或中位值，以便获得额定值或额定值曲线。当如图3中示出的那样传感器信号具有典型周期特性时，因此有意义的是产生额定值曲线代替唯一的额定值。

检测算法优选设计成，根据操作信号在预设的时间段期间将传感器信号扫描、存储并且以统计方式评估，其中在此确定和存储求出的预设的额定值或额定值曲线和允许的公差范围。在此，检测算法将在预设的时间段期间的预设的额定值优选确定为算术平均值、中位值或其他的平均值。

优选地，检测算法经由最小值与最大值识别利用附加的公差偏移或系数偏移来确定在预设的时间段期间的预设的允许的公差范围。在此，公差偏移扩展了公差范围和/或一个或多个偏移值。将如下的偏移理解为系数偏移，该偏移通过一个系数与先前确定的公差值相乘得出。

优选地，在测试运行期间由一系列存储的传感器数据以统计的方式确定额定值作为平均值，并且将公差范围例如确定为与预设的系数相乘的计算的差异。

优选地，检测算法能够通过如下方式确定在预设的时间段期间的预设的额定值曲线和允许的公差范围，即检测算法利用已知的周期识别算法识别传感器信号的周期性并且传感器信号因此分解成周期性的传感器信号曲线系列。在此，周期识别算法从周期性的传感器信号曲线系列确定平均曲线作为预设的额定值曲线，其中在考虑附加的偏差或系数的情况下将允许的公差范围确定为在统计方面波动的周期性的传感器信号曲线系列的包络线并且存储。

优选地，检测算法设计成，在确定第一状态和第二状态期间执行和显示传感器信号的趋势分析或传感器信号的走向的趋势分析。

优选地，检测算法还设计成，在确定第一状态和第二状态期间执行传感器信号的趋势分析或传感器信号的走向的趋势分析，并且重复地重新确定和存储预设的额定值或额定值曲线和预设的公差范围。传感器信号的趋势分析或传感器信号的走向的趋势分析优选在显示单元8处显示。

优选地，以传感器信号距额定值或额定值曲线的预设的间距或者在达到第二状态时输出能够是声学的和/或光学的和/或功能性的报警信号。

优选地，检测算法设计成，识别传感器信号的周期性，并且参照公差范围将传感器信号及时地与该公差范围相关联。换言之，在此，传感器信号必须与传感器信号的典型走向比较，以便在此能够正确地执行公差范围与传感器信号的时间方面的关联。在图3中示出周期性的传感器信号S1和公差范围，所述公差范围在上方的阈值曲线L1和下方的阈值曲线L2之间形成。现在，检测算法必须设计成，将周期性波动的传感器信号S1与正确的公差范围比较。在所示出的实例中，传感器信号S1的周期从时间点t0延伸至时间点t1，其中传感器信号S1在时间轴t上在t1之后随后周期性地类似地继续伸展。如果金属带在其中具有等距的不平坦部或孔或凹口，则通常产生周期性的传感器信号S1。例如，通过之前进行的冲压以均匀的间距将凹口嵌到金属带中，使得金属带在具有凹口的区域中随后可更容易地弯曲或滚压成型；由此随后在该区域中出现更小的力，所述更小的力能够由至少一个传感器测量。如果例如缺少凹口，那么能够根据传感器信号中的偏差通过检测算法检测该金属带。

优选地，滚压成型设备还包括具有用于有限元分析(FEA)模型计算的模型计算模块的计算单元或与其连接。通过FEA，在通过相应的传感器滚压成型机架加工之前和加工时能够从金属板型材的数据确定预设的额定值和/或额定值曲线，并且将该额定值和/或额定值曲线传输至微处理器单元6。在此，计算单元能够是滚压成型设备的一部分或与其分离，并且例如经由LAN(局域网)或因特网连接与滚压成型设备相连。在图4中示例性地示出具有箭头状的力矢量的金属带9的走向，所述力矢量通过在成型范围内的FEA分析被计算并且能够被用作为额定值或额定值曲线。

优选地，微处理器单元6包括第二检测算法，所述第二检测算法借助样式识别设计成，使得所述样式识别将至少一个传感器信号或传感器信号的走向与识别样式或识别参数比较，并且在超过预设的相关值时识别出另外的状态。另外的状态例如能够是如下的状态，即传感器滚压成型机架5具有轴承损伤、金属板厚度变化、传感器滚压成型机架5相对于相邻的滚压成型机架的移位或变形。

优选地，第二检测算法包括学习单元或相应的学习算法，在存在另外的状态的情况下，所述学习算法根据操作信号确定至少一个传感器信号的或传感器信号的走向的、从第一状态到另外的状态的变化并且将该变化作为用于第二检测算法的识别样式或识别参数存储。

同样地，检测算法也能够包括学习单元或相应的学习算法，在存在第二状态的情况下，所述学习算法将至少一个传感器信号的或传感器信号的走向的、从第一状态到另外的状态的变化确定并且作为用于检测算法的识别样式或识别参数存储，其中，所述第二状态通过相应的操作信号告知检测算法。优选地，检测算法因此也具有作为输入信号的一个或多个操作信号，以便能够相应地通过一个或多个操作信号来学习或关联一个或多个状态。对此例如已知簇(Cluster)关联算法。在此，同样能够考虑使用从现有技术中已知的其他的学习算法。

优选地，检测算法和/或第二检测算法基于神经网络、卡尔曼滤波、预测滤波或其他已知的样式识别算法。

优选地，滚压成型设备的一个装置设计成，使得用于相应的第二或另外的状态的、先前确定的识别样式或识别参数存储在存储器或数据库中并且能由第二检测算法访问。

优选地，在操作员重新输入第二或另外的状态时，滚压成型设备的该装置在考虑先前存储的识别样式或识别参数的情况下重新确定和存储相应的识别样式或识别参数，其中该装置将相应的另外的状态的、确定的识别样式或识别参数存储在存储器或数据库中并且能由第二检测算法访问。

优选地，传感器信号、预设的额定值或预设的额定值曲线和允许的公差范围各自包括两个或更多个信号分量，信号分量被分别相互组合处理。

优选地，传感器信号包括：第一力分量，所述第一力分量从金属带竖直地引导到第一辊子上；第二力分量，所述第二力分量从金属带切向地引导到第一辊子上并且横向于金属带的纵向方向地引导；和/或第三力分量，所述第三力分量从金属带切向地沿纵向方向引导到第一辊子上。优选地，传感器信号还包括：第四力分量，所述第四力分量从金属带竖直地引导到第二辊子上；第五力分量，所述第五力分量从金属带切向地引导到第二辊子上并且横向于金属带的纵向方向地引导；和/或第六力分量，所述第六力分量从金属带切向地沿纵向方向引导到第二辊子上。

优选地，传感器信号包括从金属带竖直地引导到第一辊子上的第一力分量与从金属带竖直地引导到第二辊子上的第四力分量之间的差信号。

优选地，传感器信号包括至少一个相邻的传感器滚压成型机架5的至少一个分量、或在滚压成型设备中或其上的至少一个另外的传感器的至少一个分量。

例如，传感器信号能够包括滚压成型设备中的至少一个驱动马达的至少一个电流分量。

优选地，传感器滚压成型机架5设置在第一滚压成型机架与最后的滚压成型机架之间。

还提出一种用于在滚压成型设备中将金属带滚压成型或弯曲的方法，所述滚压成型设备具有多个依次设置的滚压成型机架，其中，滚压成型机架中的至少一个滚压成型机架作为上述的传感器滚压成型机架5具有与该传感器滚压成型机架连接的微处理器单元6和显示单元8，所述方法包括如下步骤：

a)将金属带输送和引导穿过滚压成型设备；

b)在相应的传感器滚压成型机架5处测量在金属带与相应的传感器滚压成型机架5之间的至少一个力和/或转矩，其中，产生配属于相应的传感器滚压成型机架5的相应的传感器信号或传感器信号的相应的力分量；

c)确定和存储配属于相应的传感器滚压成型机架5的相应的额定传感器信号，所述额定传感器信号对应于额定值或额定值曲线并且与相应的传感器滚压成型机架5处的相应期望的过程处理相关联；

d)确定和存储与相应的额定传感器信号相关的相应的公差范围，相应的传感器信号在相应的传感器滚压成型机架5的第一状态中在统计方面处于所述公差范围内；

e)重复测量相应的传感器信号并且将传感器信号与相应的公差范围比较；以及

f)当相应的传感器信号处于相应的公差范围内时确定和显示第一状态，否则确定和显示相应的传感器滚压成型机架5的至少一个第二状态。

优选地，在统计方面通过相应的操作信号确定相应的额定传感器信号和/或相应的公差范围，通过该确定由操作员分别关联相应的传感器滚压成型机架5的相应的传感器信号的第一状态和/或至少一个第二状态。例如，在此，在每次操作操作信号时存储相应的传感器信号或相应的传感器信号的走向，并且还优选地将先前确定的相应的传感器信号或相应的传感器信号的走向取平均值进行存储。

优选地，还通过有限元分析确定相应的额定传感器信号和/或相应的公差范围，其中确定在金属带与相应的传感器滚压成型机架5之间的至少一个力和/或转矩，并且以估算方式确定配属的公差范围。为了清楚，额定传感器信号也能够是额定传感器信号的走向。

优选地，通过学习算法连续地或周期性地确定相应的额定传感器信号和/或相应的公差范围，为了检测用于传感器信号的第一状态，所述学习算法将公差范围扩展直至通过操作信号输入和关联相应的传感器滚压成型机架5的至少一个第二状态为止。

优选地，在相应的额定传感器信号和/或相应的公差范围的确定的第一阶段之后，随后在正常的运行阶段中通过学习算法连续地或周期性地进一步确定相应的额定传感器信号和/或相应的公差范围，为了检测用于传感器信号的第一状态，所述学习算法将公差范围扩展直至通过操作信号输入和关联相应的传感器滚压成型机架5的至少一个第二状态为止。

优选地，根据用于相应的传感器机架5处的故障状态的操作信号来确定和存储传感器信号的或传感器信号的走向的、对于故障状态来说显著的样式。随后紧接着通过相应的检测或样式识别算法检查传感器信号以进一步检查故障状态，并且在超过相关值的情况下确定和显示故障状态。

为了清楚，将特征“上方”和“下方”理解为垂直方向上的相对的位置说明，如在附图中所示。为了清楚，传感器信号是与时间相关的传感器信号并且也能够视作为传感器信号走向。辊子与滚筒具有相同含义。

优选地，在图1中未示出的第一轴3或第二轴4仅能够以支承在两个末端处的方式被保持，而且其也能够以仅支承在一个端部处的方式被保持。在此，传感器滚压成型机架5或其他的滚压成型机架也能够通过执行器以执行器动作的方式移位。

在说明的权利要求中描述其他可行的实施方式。尤其还能够将上述实施方式的不同特征彼此组合，只要其在技术上不被排除。

在权利要求中提出的附图标记仅用于更好的理解并且不以任何方式将权利要求限制为附图中示出的方式。

参考标号列表

1、1’ 第一传感器

2、2’ 第二传感器

3 用于第一辊子的第一轴

4 用于第二辊子的第二轴

5 传感器滚压成型机架

6 微处理器单元

7 操作信号发生器

8 显示单元或显示器

9 金属带

S1 传感器信号

L1 上方的阈值曲线

L2 下方的阈值曲线

t 时间

t0 第一时间点

t1 第二时间点

x、y、z 坐标。

Claims (19)

1.一种用于将金属带滚压成型的滚压成型设备，所述滚压成型设备具有多个依次设置的滚压成型机架，所述滚压成型机架将所述金属带按顺序成型和/或引导，所述滚压成型设备包括：

a)至少一个传感器滚压成型机架(5)，所述传感器滚压成型机架设置在多个依次设置的所述滚压成型机架中，并且所述传感器滚压成型机架将所述金属带成型、弯曲和/或引导；

b)第一辊子和第二辊子，所述第一辊子和所述第二辊子以能够围绕相应的转动轴线转动的方式与相应的所述传感器滚压成型机架(5)连接并且由该传感器滚压成型机架保持就位，其中，所述第一辊子和所述第二辊子设置成使得所述第一辊子和所述第二辊子将所述金属带夹在所述第一辊子与所述第二辊子之间；

c)至少一个传感器(1、2)，所述传感器设置在相应的所述传感器滚压成型机架(5)中，以便测量由相应的所述传感器滚压成型机架(5)施加到金属板上的力、振动或转矩并且产生相应的传感器信号；

d)具有检测算法的微处理器单元(6)，所述检测算法设计成，将所述传感器信号与在相应预设的允许的公差范围内相应预设的额定值或额定值曲线比较，其中，当检测到所述传感器信号处于允许的所述公差范围内时识别出相应的所述传感器滚压成型机架(5)的第一状态，否则识别出相应的所述传感器滚压成型机架的至少一个第二状态；和

e)显示单元(8)，所述显示单元显示用于相应的所述传感器滚压成型机架(5)的识别出的第一状态和/或第二状态。

2.根据权利要求1所述的滚压成型设备，其中，所述检测算法设计成，根据至少一个操作信号将所述传感器信号确定为预设的所述额定值或所述额定值曲线并且存储。

3.根据权利要求1或2所述的滚压成型设备，其中，所述检测算法设计成，根据操作信号在预设的时间段期间将所述传感器信号扫描、存储并且在统计方面进行评估，以便因此确定和存储预设的所述额定值或所述额定值曲线和/或允许的所述公差范围。

4.根据权利要求3所述的滚压成型设备，其中，所述检测算法将在预设的所述时间段期间的预设的所述额定值确定为算术平均值、中位值或其他的平均值；和/或

其中，所述检测算法经由最小值与最大值识别利用附加的公差偏移或系数偏移来确定在预设的所述时间段期间的预设的允许的所述公差范围；或者

其中，通过使所述检测算法利用已知的周期识别算法识别所述传感器信号的周期性并且所述传感器信号因此分解成周期性的传感器信号曲线系列，所述检测算法确定在预设的所述时间段期间的预设的所述额定值曲线和允许的所述公差范围，其中，所述周期识别算法从所述周期性的传感器信号曲线系列确定平均曲线作为预设的所述额定值曲线，并且在考虑附加的偏差或系数的情况下将允许的所述公差范围确定为在统计方面波动的所述周期性的传感器信号曲线系列的包络线并且存储。

5.根据前述权利要求中任一项所述的滚压成型设备，其中，所述检测算法设计成，在确定所述第一状态和所述第二状态期间执行和显示所述传感器信号的趋势分析或所述传感器信号的走向的趋势分析；和/或

其中，所述检测算法设计成，在确定所述第一状态和所述第二状态期间执行所述传感器信号的趋势分析或所述传感器信号的走向的趋势分析，其中，重复地重新确定和存储预设的所述额定值或所述额定值曲线和预设的所述公差范围；和/或

其中，在所述显示单元(8)处显示所述传感器信号的趋势或所述传感器信号的走向的趋势；和/或

其中，以所述传感器信号距所述额定值或所述额定值曲线的预设的间距或者在达到所述第二状态时触发声学的和/或光学的和/或功能性的报警信号；和/或

其中，所述检测算法设计成，识别所述传感器信号的周期性，并且参照所述公差范围将所述传感器信号及时地与所述公差范围相关联。

6.根据前述权利要求中任一项所述的滚压成型设备，还包括具有用于有限元模型计算的模型计算模块的计算单元，以便在通过相应的所述传感器滚压成型机架(5)加工之前和加工时从金属板型材的数据确定预设的所述额定值和/或所述额定值曲线并且将所述额定值和/或所述额定值曲线传输至所述微处理器单元(6)。

7.根据前述权利要求中任一项所述的滚压成型设备，其中，所述微处理器单元(6)包括第二检测算法，所述第二检测算法利用样式识别设计成，使得所述样式识别将至少一个所述传感器信号或所述传感器信号的走向与识别样式或识别参数比较，并且在超过预设的相关值时识别出另外的状态，优选例如轴承损伤、金属板厚度变化、所述传感器滚压成型机架(5)相对于相邻的滚压成型机架的移位或变形或者其他的变化。

8.根据权利要求7所述的滚压成型设备，其中，所述第二检测算法包括学习单元或相应的学习算法，在存在所述另外的状态的情况下，所述学习算法根据操作信号确定至少一个所述传感器信号的或所述传感器信号的走向的、从所述第一状态到所述另外的状态的变化并且将该变化作为用于所述第二检测算法的所述识别样式或所述识别参数存储。

9.根据权利要求7或8所述的滚压成型设备，其中，所述第二检测算法基于神经网络、卡尔曼滤波、预测滤波或其他已知的样式识别算法。

10.根据前述权利要求7至9中任一项所述的滚压成型设备，其中，所述滚压成型设备的一个装置设计成，使得用于相应的另外的状态的、先前确定的识别样式或识别参数存储在存储器或数据库中并且能由所述第二检测算法访问；和/或

其中，在由操作员重新输入相应的所述另外的状态时，所述滚压成型设备的所述装置在考虑先前存储的所述识别样式或所述识别参数的情况下重新确定和存储相应的识别样式或识别参数，其中，该装置使得用于相应的所述另外的状态的、确定的所述识别样式或所述识别参数存储在存储器或数据库中并且能由所述第二检测算法访问。

11.根据前述权利要求中任一项或多项所述的滚压成型设备，其中，所述传感器信号、预设的所述额定值或预设的所述额定值曲线和允许的所述公差范围各自包括两个或更多个信号分量，所述信号分量被分别相互组合处理；

其中，所述传感器信号包括第一力分量，所述第一力分量从所述金属带竖直地引导到所述第一辊子上；和/或

其中，所述传感器信号包括第二力分量，所述第二力分量从所述金属带切向地引导到所述第一辊子上并且横向于所述金属带的纵向方向地引导；和/或

其中，所述传感器信号包括第三力分量，所述第三力分量从所述金属带切向地沿纵向方向引导到所述第一辊子上；和/或

其中，所述传感器信号包括第四力分量，所述第四力分量从所述金属带竖直地引导到所述第二辊子上；和/或

其中，所述传感器信号包括第五力分量，所述第五力分量从所述金属带切向地引导到所述第二辊子上并且横向于所述金属带的纵向方向地引导；和/或

其中，所述传感器信号包括第六力分量，所述第六力分量从所述金属带切向地沿所述纵向方向引导到所述第二辊子上。

12.根据前述权利要求中任一项或多项所述的滚压成型设备，其中，所述传感器信号包括从所述金属带竖直地引导到所述第一辊子上的第一力分量与从所述金属带竖直地引导到所述第二辊子上的第四力分量之间的差信号；和/或

其中，所述传感器信号包括至少一个相邻的传感器滚压成型机架(5)的至少一个信号分量；和/或

其中，所述传感器信号包括至少一个驱动马达的电流的至少一个信号分量。

13.根据前述权利要求中任一项或多项所述的滚压成型设备，其中，所述传感器滚压成型机架(5)设置在第一滚压成型机架与最后的滚压成型机架之间。

14.一种用于在滚压成型设备中将金属带滚压成型或弯曲的方法，所述滚压成型设备具有多个依次设置的滚压成型机架，其中，所述滚压成型机架中的至少一个滚压成型机架作为传感器滚压成型机架(5)具有与所述传感器滚压成型机架连接的微处理器单元(6)和显示单元(8)，所述滚压成型设备根据前述权利要求1至12中任一项设计，所述方法包括如下步骤：

a)将所述金属带输送和引导穿过所述滚压成型设备；

b)在相应的所述传感器滚压成型机架(5)处测量在所述金属带与相应的所述传感器滚压成型机架(5)之间的至少一个力和/或转矩，其中，产生相应的传感器信号或所述传感器信号的至少一个相应的力分量；

c)确定和存储相应的额定传感器信号，所述额定传感器信号与相应的所述传感器滚压成型机架(5)处的相应期望的过程处理相关联；

d)确定和存储与相应的所述额定传感器信号相关的相应的公差范围，相应的所述传感器信号在相应的所述传感器滚压成型机架(5)的第一状态中在统计方面处于所述公差范围内；

e)重复测量相应的所述传感器信号并且将所述传感器信号与相应的所述公差范围比较；以及

f)当相应的所述传感器信号处于相应的所述公差范围内时确定和显示所述第一状态，否则确定和显示相应的所述传感器滚压成型机架(5)的至少一个第二状态。

15.根据权利要求14所述的方法，其中，在统计方面通过相应的操作信号确定相应的所述额定传感器信号和/或相应的所述公差范围，通过该确定由操作员分别关联相应的所述传感器滚压成型机架(5)的相应的所述传感器信号的所述第一状态和/或至少一个所述第二状态。

16.根据权利要求14所述的方法，其中，通过有限元分析确定相应的所述额定传感器信号和/或相应的所述公差范围，所述有限元分析确定在所述金属带与相应的所述传感器滚压成型机架(5)之间的所述至少一个力和/或转矩，其中，以估算方式确定配属的所述公差范围。

17.根据权利要求14所述的方法，其中，通过学习算法连续地或周期性地确定相应的所述额定传感器信号和/或相应的所述公差范围，为了检测用于所述传感器信号的所述第一状态，所述学习算法将所述公差范围扩展直至通过操作信号输入和关联相应的所述传感器滚压成型机架(5)的至少一个第二状态为止。

18.根据权利要求14至16中任一项所述的方法，其中，在相应的所述额定传感器信号和/或相应的所述公差范围的确定的第一阶段之后，随后在正常的运行阶段中通过学习算法连续地或周期性地进一步确定相应的所述额定传感器信号和/或相应的所述公差范围，为了检测用于所述传感器信号的所述第一状态，所述学习算法将所述公差范围扩展直至通过操作信号输入和关联相应的所述传感器滚压成型机架(5)的至少一个第二状态为止。

19.根据权利要求14至18中任一项所述的方法，其中，根据用于相应的传感器机架(5)处的故障状态的操作信号来确定和存储所述传感器信号的或所述传感器信号的走向的、对于所述故障状态来说显著的样式，随后紧接着通过相应的检测或样式识别算法检查所述传感器信号以进一步检查所述故障状态，并且在超过相关值的情况下确定和显示所述故障状态。

Images