CN111694310A - 一种智能数据采集分析系统及其方法 - Google Patents

Abstract

本发明涉及一种智能数据采集分析系统及其方法，包括若干传感器、数据采集卡、PC处理机、输入输出口；若干传感器安装在设备待监控部位，传感器数据通过数据采集卡采集并输入至PC处理机中，PC处理机内的处理器收到数据并处理，PC处理机上显示器上进行操作输入和数据反馈。在设备待监控部位所需位置上安装对应传感器；系统对样品进行取样学习，形成基准波形曲线；设置膨胀系数形成波形带；启动设备监测程序模块，采集传感器中形成的工作运行曲线，与波形带对照，设备工作状态。本发明在一套系统中完成各种数据采集、检测和分析，通用性强，具备强大的自我学习能力和分析能力，为未来的自我诊断、自我修复、自我学习的智能化产品奠定基础。

Description

一种智能数据采集分析系统及其方法

【技术领域】

本发明涉及工业设备在线检测技术，具体涉及一种智能数据采集分析系统及其方法。

【背景技术】

目前随着工业的发展，汽车、机器等各种大型设备装置中都涉及到成千上万个工业零配件。设备对加工产品的精准度要求也随之提高。

现有的机加工设备稳定性、刀具的自动判断与分析、压装过程产品的稳定性、机床加工过程中、主轴对工件或者其它的撞击监控等数据监控软件并不成熟。而且不同的设备，通常配套的是各自专有的系统和软件，同时不具有自我学习能力和分析能力。这给很多机加工设备种类较多的企业带来相当庞大的成本负担，而且维护十分麻烦。

本发明人针对现有的行业问题，开发了一套智能数据采集分析系统及其方法，包含对设备或者产品的各种数据采集和分析模块，功能强大丰富，具备数据稳定性分析与数据的自学习能力，为将来的数字化、无人化操作奠定基础。

因此，为实现上述目的，本发明人开发出一种智能数据采集分析系统及其方法，本案由此产生。

【发明内容】

为解决上述问题，本发明的目的在于提供一种智能数据采集分析系统及其方法，针对各类设备能通过一套智能系统来完成数据采集、检测和分析，通用性强。并且本发明系统中具备强大的自我学习能力和分析能力，为未来的自我诊断、自我修复、自我学习的智能化产品奠定基础。

为实现上述目的，本发明采取的技术方案为：

一种智能数据采集分析系统，包括若干传感器、数据采集卡、PC处理机、输入输出口；若干传感器安装在设备待监控部位，传感器数据通过数据采集卡采集并输入至PC处理机中，PC处理机内的处理器收到数据并处理，PC处理机上显示器上进行操作输入和数据反馈。

一种智能数据采集分析方法，包括以下步骤：

第一步，在设备待监控部位所需位置上安装对应传感器；

第二步，系统对样品进行取样学习，形成基准波形曲线；

第三步，以基准波形曲线为基础设置膨胀系数，形成以基准波形为基础向外扩展的波形带；

第四步，启动设备监测程序模块，采集传感器中形成的工作运行曲线，与波形带对照，判断工作运行曲线是否超过波形带的轮廓线；在波形带内，则判断为设备正常；触碰波形带的轮廓线则判断为设备故障或者异常。

对上述方法还可以进一步完善设置：

所述的第一步中，传感器包括有电流传感器、功率传感器、加速度传感器、压力传感器。

所述的设备监测程序模块，包括有断刀磨损分析模块，在该模块中，传感器采用功率或者电流传感器，传感器安装在待测设备的转轴内上；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，刀具进给，设备上加工的产品接触刀头，产生实际的运行曲线，当实际的运行曲线有触碰波形带的轮廓线，则加工刀具异常；当实际的运行曲线有在波形带的轮廓线范围内，则加工刀具工作正常。

所述的断刀磨损分析模块中，设定曲线面积上下限值；当实际的运行曲线波段曲线面积大于上限值，则判断刀具磨损；当实际的运行曲线波段曲线面积小于下限值，则判断刀具断刀。

所述的设备监测程序模块，包括有防撞分析模块，在该模块中，传感器采用加速度传感器，传感器安装在待测设备固定的转轴外侧壁上；在取样学习中，采用N个样品样品进行学习，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在设备运行过程中，产生实际的运行曲线；当实际的运行曲线有触碰波形带的轮廓线，则判断设备异常；反之，则设备工作正常。

所述的设备监测程序模块，包括有压模分析模块，在该模块中，传感器采用压力传感器，传感器安装在压机的下模内；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，压机上模下降，待冲压的产品受压，产生实际的运行曲线；当实际的运行曲线有触碰波形带的轮廓线，则判断压机异常；反之，则判断压机正常。

所述的设备监测程序模块，包括有稳定性分析模块，传感器采用加速度传感器，传感器安装在机床主轴外壁的两个轴承处；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，机床运转开始工作，两个轴承分别产生实际的振动曲线；当实际的振动曲线有触碰波形带的轮廓线，则判断机床稳定性异常；反之，则判断机床工作稳定。

所述的膨胀系数为设定值，以基准波形曲线上下左右方向扩展，形成波形带。

与现有技术相比，本发明具有如下有益效果：

本发明专利中，是一套通用性强大的智能数据分析系统，可以将传感器放置到各类设备上检测获取波形数据，以学习样品波形为基准，膨胀后形成波形带，设备工作实际运行曲线的波形只要与波形带进行比对分析，即可直观得到检测结果。本系统的计算方式简单，操作方便，可以在加工过程中实时监测，及时反馈当下设备的工作状态，效率高。

【附图说明】

图1是本发明较佳实施例的系统框架示意图；

图2是本发明较佳实施例一中传感器安装示意图；

图3是本发明较佳实施例一中N个样品的基准波形曲线和波形带；

图4是本发明较佳实施例一中设备异常示意图；

图5是本发明较佳实施例一中设备刀具磨损示意图；

图6是本发明较佳实施例二中传感器安装示意图；

图7是本发明较佳实施例二中基准波形曲线和波形带；

图8是本发明较佳实施例二中受外力撞击情况示意图；

图9是本发明较佳实施例三中传感器安装示意图；

图10是本发明较佳实施例三中基准波形曲线和波形带；

图11是本发明较佳实施例四中传感器安装示意图；

图12是本发明较佳实施例四中基准波形曲线和波形带；

图13是本发明较佳实施例四中设备稳定性异常示意图。

【具体实施方式】

请参阅说明书附图所示，对本发明为进行详细说明。

本发明专利的系统主要包括各类传感器、数据采集卡2、PC处理机3、输入输出口4。传感器可以根据实际检测要求配备，比如电流传感器11、功率传感器12、加速度传感器13、压力传感器14。本发明中的各设备监测程序模块，通过不同传感器来采样数据，且传感器位置也根据不同模块安装不同。传感器数据通过数据采集卡2采集并输入至PC处理机3中，PC处理机3内的处理器31作为核心处理单元，在收到数据后进行处理，PC处理机3上显示器32一般采用触摸屏，可以直接进行界面操作，同时进行显示反馈。PC处理机3的信息可以通过输入输出端口4反馈至远程机器设备上。

实施例一，机床的断刀磨损分析模块。

该模块适用于检测分析带有刀具的设备，在运行过程中刀具的工作状态，本实施例中以给汽车五金件打孔操作为例进行说明。参照图2所示，首先产品5固定在转轴6一端，转轴6内部安装有功率或者电流传感器。产品5的外侧设置有刀具7。

第二步，选取N个样品，参照上述步骤安装，启动系统，传感器产生电信号，数据采集卡2上采集该电信号给PC处理机3，PC处理机3上形成单条波形曲线，重复样品学习步骤，直至N个样品均被学习完毕。N个样品产生的N条波形曲线重叠后形成基准波形曲线81，如图3所示。

第三步，设置膨胀系数，膨胀系数是一个自设值，以基准波形曲线为基础，将基准波形曲线上下左右方向扩展，形成一条宽的波形带82，如图4。比如本实施例中是汽车五金件上做打孔操作，可以设置膨胀系数：波形曲线81向上、向下偏移量为1V，向左、向右偏移量为500ms，系统生成波形带82。膨胀系数的设定，与模块前期的自主学习情况有关。当模块学习样品数量N值越大，学习得到的基准波形曲线81越接近实际加工状态，学习程度越高级，这样膨胀系数可以设置越小，从而令分析模块监控更为精准。

在模块中，除了膨胀系数，还设定曲线面积上下限值。曲线面积上下限值用来判断刀具的两个极限状态。曲线面积是一定时间内基准波形曲线81对应水平轴上的面积a。比如本实施中以20ms为单位时间，假定曲线面积的下限值为1000，上限值为3500。实际工作曲线中，如果出现某一段单位时间内的曲线面积大于上限值时，说明刀具已经磨损十分严重。如果当运行曲线波段曲线面积小于下限值，则说明刀具和加工产品接触的摩擦力过小，刀具断刀。

第四步，运行分析模块，刀具进给，产品5接触刀头，产生实际的运行曲线，当实际的运行曲线落入波形带82内，则判断加工刀具正常。当实际的运行曲线有触碰波形带82的轮廓线，则判断加工刀具异常，如图4所示。同时监控运行曲线每一单位时间内的曲线面积上下限值，是否出现刀具两个极限状态，小于下限值为断刀，即刀头有断裂现象，需要更换刀具。大于上限值为磨损，刀具磨损严重，如图5所示，也同样需要更换刀具。

实施例二，设备的防撞分析模块

该模块适用于检测设备运行过程是否有外力撞击。参照图6所示，同样以汽车五金件进行钻孔为例，首先产品5固定在转轴6一端，转轴6外侧壁上安装有加速度传感器13。产品5的外侧设置有刀具7。

第二步，选取N个样品进行取样学习，如实施例一同理，N个样品产生的N条波形曲线重叠后形成基准波形曲线81，学习完毕。

第三步，设置膨胀系数，形成一条宽的波形带82，如图7。比如本实施例中N的数值较大，设置膨胀系数：波形曲线81向上、向下偏移量为0.5V，向左、向右偏移量为300ms，系统生成波形带82。比实施例一学习程度高级，设置的膨胀系数可以小，得到的波形带82更贴近运行曲线。

第四步，运行防撞分析模块，刀具进给，产品接触刀头，产生实际的加工产品曲线。当实际的加工产品曲线落入波形带82的轮廓线内，则判断设备工作正常，运行稳定。当实际的加工产品曲线有触碰波形带的轮廓线，则判断设备振动，有受外力撞击情况，如图8所示。

实施例三，压机产品的压模分析模块。

在该模块中，机加工设备跟实施例一和二不同。压机一般包括上模61、下模62，待加工产品5是轴承类产品，轴承外圈固定在下模62上，加工时上模61下降，上模61下端面的压模63安装轴承内圈，上模61、下模62合模实现轴承内外圈的冲压。在下模内安装有压力传感器14，或监控下压伺服电机电流值如图9所示。

第二步，同样进行采用N个样品进行取样学习，N个样品产生的N条波形曲线重叠后形成基准波形曲线81，学习完毕。

第三步，设置膨胀系数，形成一条宽的波形带82，如图10。本实施例中的设置膨胀系数：波形曲线81向上、向下偏移量为0.5V，向左、向右偏移量为300ms，系统生成波形带82。

第四步，运行压模分析模块，上模61下降，产品受到冲压，产生实际的运行曲线。当实际的运行曲线落入波形带82的轮廓线内，则判断该轴承产品正常，参见图10。当实际的运行曲线有触碰波形带的轮廓线，则判断该轴承产品异常。

实施例四，机床稳定性分析模块。

在该模块中，一般是分析机床设备或者其他带有主轴运转的机加工设备的稳定性。在主轴6外壁的两个轴承65处各自安装一个加速度传感器13，每个传感器采集各自轴承65的信号，如图11所示。

第二步，取同一主轴的两个样品轴承运行N次进行N次取样学习，同一个轴承的N次波形重叠后形成基准波形曲线81，待两个轴承波形均学习完毕，如图12。

第三步，设置膨胀系数，每个轴承形成一条宽的波形带82，由于两个轴承波形接近，以其中一个为例，如图13。设置膨胀系数：波形曲线81向上、向下偏移量为0.5V，向左、向右偏移量为300ms，系统生成波形带82。

第四步，运行机床稳定性分析模块，主轴转动，两个轴承各自产生实际的运行曲线。当实际的两条运行曲线均落入各自波形带82的轮廓线内，则判断机床工作稳定。当实际的加工产品曲线任意一条有触碰其波形带82的轮廓线，则判断机床稳定性异常，如图13。

以上的具体实施方式仅为本创作的较佳实施例，并不用以限制本创作，凡在本创作的精神及原则之内所做的任何修改、等同替换、改进等，均应包含在本创作的保护范围之内。

Claims (9)

1.一种智能数据采集分析系统，其特征在于：包括若干传感器、数据采集卡、PC处理机、输入输出口；若干传感器安装在设备待监控部位，传感器数据通过数据采集卡采集并输入至PC处理机中，PC处理机内的处理器收到数据并处理，PC处理机上显示器上进行操作输入和数据反馈。

2.一种智能数据采集分析方法，其特征在于：包括以下步骤：

第一步，在设备待监控部位所需位置上安装对应传感器；

第二步，系统对样品进行取样学习，形成基准波形曲线；

第三步，以基准波形曲线为基础设置膨胀系数，形成以基准波形为基础向外扩展的波形带；

第四步，启动设备监测程序模块，采集传感器中形成的工作运行曲线，与波形带对照，判断工作运行曲线是否超过波形带的轮廓线；在波形带内，则判断为设备正常；触碰波形带的轮廓线则判断为设备故障或者异常。

3.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的第一步中，传感器包括有电流传感器、功率传感器、加速度传感器、压力传感器。

4.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的设备监测程序模块，包括有断刀磨损分析模块，在该模块中，传感器采用功率或者电流传感器，传感器安装在待测设备的转轴内上；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，刀具进给，设备上加工的产品接触刀头，产生实际的运行曲线，当实际的运行曲线有触碰波形带的轮廓线，则加工刀具异常；当实际的运行曲线有在波形带的轮廓线范围内，则加工刀具工作正常。

5.如权利要求2或3所述的一种智能数据采集分析方法，其特征在于：所述的断刀磨损分析模块中，设定曲线面积上下限值；当实际的运行曲线波段曲线面积大于上限值，则判断刀具磨损；当实际的运行曲线波段曲线面积小于下限值，则判断刀具断刀。

6.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的设备监测程序模块，包括有防撞分析模块，在该模块中，传感器采用加速度传感器，传感器安装在待测设备固定的转轴外侧壁上；在取样学习中，采用N个样品样品进行学习，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在设备运行过程中，产生实际的运行曲线；当实际的运行曲线有触碰波形带的轮廓线，则判断设备异常；反之，则设备工作正常。

7.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的设备监测程序模块，包括有压模分析模块，在该模块中，传感器采用压力传感器，传感器安装在压机的下模内；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，压机上模下降，待冲压的产品受压，产生实际的运行曲线；当实际的运行曲线有触碰波形带的轮廓线，则判断压机异常；反之，则判断压机正常。

8.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的设备监测程序模块，包括有稳定性分析模块，传感器采用加速度传感器，传感器安装在机床主轴外壁的两个轴承处；在取样学习中，选取N个样品，每个样品形成波形曲线，N个样品产生的N条波形曲线重叠后形成基准波形曲线；在运行过程中，机床运转开始工作，两个轴承分别产生实际的振动曲线；当实际的振动曲线有触碰波形带的轮廓线，则判断机床稳定性异常；反之，则判断机床工作稳定。

9.如权利要求2所述的一种智能数据采集分析方法，其特征在于：所述的膨胀系数为设定值，以基准波形曲线上下左右方向扩展，形成波形带。

Images