CN113092149A - 基于mddp系统的智能冲压压力机故障监测系统、方法、终端 - Google Patents

基于mddp系统的智能冲压压力机故障监测系统、方法、终端 Download PDF

Info

Publication number
CN113092149A
CN113092149A CN202110350191.4A CN202110350191A CN113092149A CN 113092149 A CN113092149 A CN 113092149A CN 202110350191 A CN202110350191 A CN 202110350191A CN 113092149 A CN113092149 A CN 113092149A
Authority
CN
China
Prior art keywords
matrix
function
data
workbench
shell
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
Application number
CN202110350191.4A
Other languages
English (en)
Other versions
CN113092149B (zh
Inventor
连杰
刘利
张鹏伟
刘鑫
韩耀泽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202110350191.4A priority Critical patent/CN113092149B/zh
Publication of CN113092149A publication Critical patent/CN113092149A/zh
Application granted granted Critical
Publication of CN113092149B publication Critical patent/CN113092149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0052—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes measuring forces due to impact
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明公开是关于一种基于MDDP系统的智能冲压压力机故障监测系统、方法、终端，涉及冲压线设备智能监测技术领域。设置有壳体，所述壳体的下端活动安装有支架，所述壳体的前端设置有安装槽，该安装槽内滑动安装有工作台，所述工作台的内部安装有压力传感器；所述壳体的上端设置有飞轮，所述飞轮的驱动端齿接调压装置。通过激光发射器和激光接收器配合使用，实时监测冲压板工作过程中的稳定性，并将监测结果传输至显示器；通过水平传感器监测工作台运行过程中的水平状态，并将上述监测数据传输中显示器；通过显示器能够直观的监测运行情况，以便及时调节，实现实时监控，无需进行周期性检查，降低了检修的成本。

Description

基于MDDP系统的智能冲压压力机故障监测系统、方法、终端
技术领域
本发明公开涉及冲压线设备智能监测技术领域，尤其涉及一种基于MDDP系统的智能冲压压力机故障监测系统、方法、终端。
背景技术
在冲压过程中由于无法实时掌握设备的运行状态，普遍存在设备维护不及时或过度维护的问题。维护不及时是指没有根据设备的特点和使用工况制定及时的维护计划，导致设备长期处于不健康的运行状态，极易出现重大异常停台。过度维护是指频繁的对设备进行保养，频繁拆装，导致设备原有配合关系和精度破坏，加快老化、失效进程。
冲压压力机作为汽车制造行业表面件加工的设备，具有多工况，变载荷、重载荷的特点，在零件加工过程中需要持续往复运行。随着设备的负荷不断增大使用年限地不断增长，一些大型的机械故障也因为磨损、疲劳以及维护保养不及时彻底等因素而开始出现，且出现频次逐渐增高。在既有的正常点巡检和例行检修保养的前提下，一些故障和问题仍无法及时发现或提前预判，从而造成了大量的非计划停机时间、人工成本、备件成本的投入。因此，需要实时掌控设备的运行状态，将其运行数据可视化、趋势化、预警化，这样就可以及时、准确的进行设备维护，将异常性停台转化为预防性维修。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了一种基于MDDP系统的智能冲压压力机故障监测系统、方法、终端。所述技术方案如下：
该基于MDDP系统的智能冲压压力机故障监测系统设置有壳体，所述壳体的下端活动安装有支架，所述壳体的前端设置有安装槽，该安装槽内滑动安装有工作台，所述工作台的内部安装有压力传感器；
所述壳体的上端设置有飞轮，所述飞轮的驱动端齿接调压装置，所述调压装置的输出端安装有连接柱，所述连接柱的后端安装有连接板，所述连接板上固定安装有与工作台相匹配的冲压板；
所述壳体的表面嵌装有显示器，所述连接板的一侧固定安装有激光发射器，所述显示器下端的壳体上安装有与激光发射器相匹配的激光接收器；所述壳体的一侧固定有水平传感器，连接柱的一侧固定安装有第二限位板，所述第二限位板的下端安装有位移传感器；
所述壳体的内部安装有数据处理终端，所述数据处理终端分别与显示器、激光发射器、水平传感器、位移传感器、激光接收器电性连接。
在一个实施例中，所述支架的后端设置有调平螺槽，所述支架的前端设置有固定螺孔，其中调平螺槽中安装有与壳体相连接的调平螺栓，固定螺孔中安装有与壳体固定安装的固定螺栓；所述支架的底部固定安装有多个支撑座。
在一个实施例中，所述工作台设置有与安装槽相匹配的多个第一限位板，所述限位板的上端固定安装有压力传感器，所述压力传感器的上端铺设有工作层。
本发明还提供一种基于MDDP系统的智能冲压压力机故障监测方法包括：
通过水平传感器检测工作台的水平状态，并将监测信号传输至数据处理终端，数据处理终端将监测结果传输至显示器进行显示，通过水平数值实现对壳体安装位置的监测，在发生倾斜的情况下，数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态；
所述工作台工作过程中，通过激光发射器发送激光信号，激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性；位移传感器检测冲压板工作中的位置变化数据，压力传感器检测冲压板的冲击压力，并将上述监测的位移数据和压力数据传输至数据处理终端，通过数据处理终端对数据进行处理后通过显示器进行显示压力机的运行数据；对于异常故障运行数据进行报警提示。
在一个实施例中，所述数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态包括：
1)输入大小为M×N的工作台水平状态图像I和n个可能发生倾斜预测状态；
2)人工或者自动地初始化演化曲线，并用水平状态函数编码为φ0；
3)用基于矩的方法将n个可能发生倾斜预测状态对齐；
4)将对齐的可能发生倾斜预测状态用水平状态函数编码，得到
Figure BDA0003002182490000031
5)将可能发生倾斜预测状态的水平状态函数按列展开成列向量
Figure BDA0003002182490000032
构成可能发生倾斜预测状态矩阵
Figure BDA0003002182490000033
6)对可能发生倾斜预测状态矩阵D进行降维：对可能发生倾斜预测状态矩阵预处理；对预处理后的可能发生倾斜预测状态矩阵，进行ICA降维；
7)将当前水平状态函数φt按列展开成向量，用6)中得到的投影矩阵将其映射到低维空间；
8)在低维空间估计可能发生倾斜预测状态的概率分布，构造形状驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；
9)最小化能量函数，驱动曲线演化，得到调平工作台结果。
在一个实施例中，所述步骤6)对可能发生倾斜预测状态矩阵预处理的方法包括：
第一步，数据中心化：可能发生倾斜预测状态矩阵D减去均值，得到中心化后的可能发生倾斜预测状态矩阵：
Figure BDA0003002182490000034
第二步，对中心化的可能发生倾斜预测状态矩阵D1进行分析：首先求D1的协方差矩阵，C＝D1D1 T，其中D1 T为矩阵D1的转置，对协方差矩阵C进行特征值分解，C＝UΛUT，其中
Figure BDA0003002182490000041
为C的特征值构成的对角矩阵，U＝[u1,...,uM×N]为C的特征向量；
第三步，对中心化的可能发生倾斜预测状态矩阵D1进行白化处理：计算白化矩阵W＝inv(sqrt(Λ))UT，得到白化后的矩阵
Figure BDA0003002182490000042
满足每个特征维度上的方差为1，并且不同特征维度之间不相关。
在一个实施例中，所述对预处理后的可能发生倾斜预测状态矩阵，进行ICA处理的步骤如下：
第1步，设定要提取的独立成分的数量，即降维之后的特征数k；
第2步，假设映射矩阵为
Figure BDA0003002182490000043
其中，列向量fi∈RM×N,i＝1,...,k，则降维后的可能发生倾斜预测状态特征向量为
Figure BDA0003002182490000044
构成矩阵Ψ＝[ψ1,...,ψn]；
第3步，用峰度
Figure BDA0003002182490000045
度量降维后可能发生倾斜预测状态特征向量ψi,i＝1,...,n的非高斯性；
第4步，用固定点迭代算法求解使得峰度最大的方向{f1 T,...,fn T}；
第5步，得到映射矩阵F和降维之后的可能发生倾斜预测状态矩阵
Figure BDA0003002182490000046
所述构造能量函数的步骤包括：
第(1)步，在低维空间用Parzen窗估计可能发生倾斜预测状态的概率密度函数
Figure BDA0003002182490000047
其中Kσ是方差为σ2高斯核函数，H为Heaviside函数；
第(2)步，用估计的概率密度的函数构造形状驱动能量项：
Figure BDA0003002182490000051
第(3)步，将形状驱动项和基于区域的数据项结合到一起构成总的能量函数：
Etotal＝Edata+λEshape；
其中，λ是相对于数据项，形状约束项的权值；
所述最小化能量函数，驱动曲线演化的步骤包括：
形状驱动能量项对应的演化方程为：
Figure BDA0003002182490000052
结合形状驱动项和数据驱动项，水平状态函数更新方程为：
Figure BDA0003002182490000053
迭代更新水平状态函数φ，直至收敛得到最后的调平工作台结果φ*。
在一个实施例中，所述激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性包括：
采用红外光子映射函数拟合出冲压板各不同工作阶段下射红外光子的分布特征，其中，红外光子映射函数的自变量为出射光子的体素横坐标，因变量为在对应坐标处出射的光子数；最后统计多种不同工作阶段条件下，运动轨迹通过冲压板并最终出射的有效光子数占所有入射光子数的比率，以及拟合后的红外光子映射函数的对称轴坐标，以此作为判定冲压板不同工作阶段度的工作过程中的稳定性指标。
在一个实施例中，基于红外光子映射函数的光子分布特征拟合包括：
记待拟合的自变量矩阵为X＝[x(1) x(2) … x(N)]T，因变量矩阵为Y＝[y(1) y(2) … y(N)]T，N为数据总量；
红外光子映射函数公式为：
Figure BDA0003002182490000061
其中，待估参数ymax,xmax,σ分别为高斯曲线的峰值、峰值对应横坐标和半宽；其中，σ与y(k)呈非线性关系，若直接进行求解，采用非线性寻优算法；对红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数，得：
Figure BDA0003002182490000062
令：
Figure BDA0003002182490000063
则红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数公式写为：
Figure BDA0003002182490000064
将原有的求解ymax,xmax,σ命题转化成了求解b0,b1,b2；由于b0,b1,b2与z(k)呈线性关系，用最小二乘法进行求解；定义待估参数矩阵θ＝[b0 b1 b2],数据矩阵Z和Φ分别为：
Z＝[z(1) z(2) … z(N)]T，
Figure BDA0003002182490000065
通过极小化拟合误差
Figure BDA0003002182490000066
求解θ,得其最小二乘解
Figure BDA0003002182490000067
为：
Figure BDA0003002182490000071
将
Figure BDA0003002182490000072
代入公式lny(k)＝z(k),
Figure BDA0003002182490000073
得红外光子映射函数的原始待估参数ymax,xmax,σ分别为：
Figure BDA0003002182490000074
本发明还提供一种数据处理终端，所述数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于MDDP系统的智能冲压压力机故障监测方法。
本发明公开的实施例提供的技术方案可以包括以下有益效果：
通过激光发射器和激光接收器配合使用，实时监测冲压板工作过程中的稳定性，并将监测结果传输至显示器；通过水平传感器监测工作台运行过程中的水平状态，并将上述监测数据传输中显示器；通过显示器能够直观的监测运行情况，以便及时调节，实现实时监控，无需进行周期性检查，降低了检修的成本。
本发明的数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态中，通过输入大小为M×N的工作台水平状态图像I和n个可能发生倾斜预测状态；人工或者自动地初始化演化曲线，并用水平状态函数编码；用基于矩的方法将n个可能发生倾斜预测状态对齐；将对齐的可能发生倾斜预测状态用水平状态函数编码；将可能发生倾斜预测状态的水平状态函数按列展开成列向量，构成可能发生倾斜预测状态矩阵；对可能发生倾斜预测状态矩阵D进行降维：对可能发生倾斜预测状态矩阵预处理；对预处理后的可能发生倾斜预测状态矩阵，进行ICA降维；将当前水平状态函数φt按列展开成向量，得到的投影矩阵将其映射到低维空间；在低维空间估计可能发生倾斜预测状态的概率分布，构造形状驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；最小化能量函数，驱动曲线演化，得到调平工作台结果。
使得本发明估计的可能发生倾斜预测状态的分布更为准确，从而能够更有效地使调平工作台结果更准确。
本发明激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性中，采用红外光子映射函数拟合出冲压板各不同工作阶段下射红外光子的分布特征，其中，红外光子映射函数的自变量为出射光子的体素横坐标，因变量为在对应坐标处出射的光子数；最后统计多种不同工作阶段条件下，运动轨迹通过冲压板并最终出射的有效光子数占所有入射光子数的比率，以及拟合后的红外光子映射函数的对称轴坐标，以此作为判定冲压板不同工作阶段度的工作过程中的稳定性指标。使工作状态更平稳。
当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的压力机的结构示意图。
图2是本发明实施例提供的支架的结构示意图。
图3是本发明实施例提供的激光发射器的结构示意图。
图4是本发明实施例提供的激光接收器的结构示意图。
图5是本发明实施例提供的工作台的结构示意图。
附图标记：
1、壳体；2、支架；3、飞轮；4、显示器；5、连接柱；6、连接板；7、冲压板；8、工作台；9、支撑座；10、调平螺槽；11、固定螺孔；12、激光发射器；13、安装槽；14、调平螺栓；15、固定螺栓；16、水平传感器；17、位移传感器；18、激光接收器；19、第二限位板；20、第一限位板；21、压力传感器；22、工作层。
图6是本发明实施例提供的于MDDP系统的智能冲压压力机故障监测方法流程图。
图7是本发明实施例提供的数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态流程图。
图8是本发明实施例提供的激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本发明所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本发明所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1-图5所示，该基于MDDP系统的智能冲压压力机故障监测系统，
包括壳体1、支架2、飞轮3、显示器4、连接柱5、连接板6、冲压板7、工作台8、支撑座9、调平螺槽10、固定螺孔11、激光发射器12、安装槽13、调平螺栓14、固定螺栓15、水平传感器16、位移传感器17、激光接收器18、第二限位板19、第一限位板20、压力传感器21、工作层22。
所述壳体1的下端活动安装有支架2，所述壳体的前端设置有安装槽13，该安装槽内滑动安装有工作台8，所述工作台的内部安装有压力传感器21；
所述壳体的上端设置有飞轮3，所述飞轮的驱动端齿接调压装置，所述调压装置的输出端安装有连接柱5，所述连接柱的后端安装有连接板6，所述连接板上固定安装有与工作台相匹配的冲压板7；
所述壳体的表面嵌装有显示器4，所述连接板的一侧固定安装有激光发射器12，所述显示器下端的壳体上安装有与激光发射器相匹配的激光接收器18；所述壳体的一侧固定有水平传感器16，连接柱的一侧固定安装有第二限位板19，所述第二限位板的下端安装有位移传感器17；
所述壳体的内部安装有数据处理终端，所述数据处理终端分别与显示器、激光发射器、水平传感器、位移传感器、激光接收器电性连接。
所述支架的后端设置有调平螺槽10，所述支架的前端设置有固定螺孔，其中调平螺槽中安装有与壳体相连接的调平螺栓，固定螺孔中安装有与壳体固定安装的固定螺栓；所述支架的底部固定安装有多个支撑座9。
所述工作台设置有与安装槽相匹配的多个第一限位板20，所述限位板的上端固定安装有压力传感器，所述压力传感器21的上端铺设有工作层22。
通过水平传感器检测工作台的水平状态，并将监测信号传输至数据处理终端，数据处理终端将监测结果传输至显示器进行显示，通过水平数值实现对壳体安装位置的监测，在发生倾斜的情况下，通过调整调平螺栓，使工作台处于水平状态。工作过程中，通过激光发射器发送激光信号，激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性；位移传感器检测冲压板工作中的位置变化数据，压力传感器检测冲压板的冲击压力，并将上述监测的位移数据和压力数据传输至数据处理终端，通过数据处理终端对数据进行处理后通过显示器进行显示，直观的了解压力机的运行数据。
下面结合实施例对本发明的技术方案作进一步描述。
实施例1
如图6所示，本发明提供一种基于MDDP系统的智能冲压压力机故障监测方法包括：
S101，通过水平传感器检测工作台的水平状态，并将监测信号传输至数据处理终端，数据处理终端将监测结果传输至显示器进行显示，通过水平数值实现对壳体安装位置的监测，在发生倾斜的情况下，数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态；
S102，所述工作台工作过程中，通过激光发射器发送激光信号，激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性；位移传感器检测冲压板工作中的位置变化数据，压力传感器检测冲压板的冲击压力，并将上述监测的位移数据和压力数据传输至数据处理终端，通过数据处理终端对数据进行处理后通过显示器进行显示压力机的运行数据；对于异常故障运行数据进行报警提示。
实施例2
除运行实施例1提供的基于MDDP系统的智能冲压压力机故障监测方法外，本实施例不同之处在于，如图7所示，数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态包括：
S201，输入工作台水平状态图像和可能发生倾斜预测状态；
S202，人工或者自动地初始化演化曲线，并用水平状态函数编码；
S203，用基于矩的方法将可能发生倾斜预测状态对齐；
S204，将对齐的可能发生倾斜预测状态用水平状态函数编码；
S205，将可能发生倾斜预测状态的水平状态函数按列展开成列向量，构成可能发生倾斜预测状态矩阵；
S206，对可能发生倾斜预测状态矩阵进行降维：对可能发生倾斜预测状态矩阵预处理；对预处理后的可能发生倾斜预测状态矩阵，进行ICA降维；
S207，将当前水平状态函数φt按列展开成向量，用S206中得到的投影矩阵将其映射到低维空间；
S208，在低维空间估计可能发生倾斜预测状态的概率分布，构造形状驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；
S209，最小化能量函数，驱动曲线演化，得到调平工作台结果。
在本实施例中，步骤S201中，输入大小为M×N的工作台水平状态图像I和n个可能发生倾斜预测状态；
步骤S202中，水平状态函数编码为φ0；
步骤S203中，用基于矩的方法将n个可能发生倾斜预测状态对齐；
步骤S204中，得到
Figure BDA0003002182490000121
步骤S205中，将可能发生倾斜预测状态的水平状态函数按列展开成列向量
Figure BDA0003002182490000122
构成可能发生倾斜预测状态矩阵
Figure BDA0003002182490000123
所述步骤S206中，对可能发生倾斜预测状态矩阵预处理的方法包括：
第一步，数据中心化：可能发生倾斜预测状态矩阵D减去均值，得到中心化后的可能发生倾斜预测状态矩阵：
Figure BDA0003002182490000124
第二步，对中心化的可能发生倾斜预测状态矩阵D1进行分析：首先求D1的协方差矩阵，C＝D1D1 T，其中D1 T为矩阵D1的转置，对协方差矩阵C进行特征值分解，C＝UΛUT，其中
Figure BDA0003002182490000125
为C的特征值构成的对角矩阵，U＝[u1,...,uM×N]为C的特征向量；
第三步，对中心化的可能发生倾斜预测状态矩阵D1进行白化处理：计算白化矩阵W＝inv(sqrt(Λ))UT，得到白化后的矩阵
Figure BDA0003002182490000126
满足每个特征维度上的方差为1，并且不同特征维度之间不相关。
在一个实施例中，所述对预处理后的可能发生倾斜预测状态矩阵，进行ICA处理的步骤如下：
第1步，设定要提取的独立成分的数量，即降维之后的特征数k；
第2步，假设映射矩阵为
Figure BDA0003002182490000131
其中，列向量fi∈RM×N,i＝1,...,k，则降维后的可能发生倾斜预测状态特征向量为
Figure BDA0003002182490000132
构成矩阵Ψ＝[ψ1,...,ψn]；
第3步，用峰度
Figure BDA0003002182490000133
度量降维后可能发生倾斜预测状态特征向量ψi,i＝1,...,n的非高斯性；
第4步，用固定点迭代算法求解使得峰度最大的方向{f1 T,...,fn T}；
第5步，得到映射矩阵F和降维之后的可能发生倾斜预测状态矩阵
Figure BDA0003002182490000134
所述构造能量函数的步骤包括：
第(1)步，在低维空间用Parzen窗估计可能发生倾斜预测状态的概率密度函数
Figure BDA0003002182490000135
其中Kσ是方差为σ2高斯核函数，H为Heaviside函数；
第(2)步，用估计的概率密度的函数构造形状驱动能量项：
Figure BDA0003002182490000136
第(3)步，将形状驱动项和基于区域的数据项结合到一起构成总的能量函数：
Etotal＝Edata+λEshape；
其中，λ是相对于数据项，形状约束项的权值；
所述最小化能量函数，驱动曲线演化的步骤包括：
形状驱动能量项对应的演化方程为：
Figure BDA0003002182490000141
结合形状驱动项和数据驱动项，水平状态函数更新方程为：
Figure BDA0003002182490000142
迭代更新水平状态函数φ，直至收敛得到最后的调平工作台结果φ*。
实施例3
除运行实施例1提供的基于MDDP系统的智能冲压压力机故障监测方法外，本实施例不同之处在于，如图8所示，所述激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性包括：
S301，采用红外光子映射函数拟合出冲压板各不同工作阶段下射红外光子的分布特征，其中，红外光子映射函数的自变量为出射光子的体素横坐标，因变量为在对应坐标处出射的光子数；
S302，统计多种不同工作阶段条件下，运动轨迹通过冲压板并最终出射的有效光子数占所有入射光子数的比率，以及拟合后的红外光子映射函数的对称轴坐标，以此作为判定冲压板不同工作阶段度的工作过程中的稳定性指标。
在本实施例中，基于红外光子映射函数的光子分布特征拟合包括：
记待拟合的自变量矩阵为X＝[x(1) x(2) … x(N)]T，因变量矩阵为Y＝[y(1) y(2) … y(N)]T，N为数据总量；
红外光子映射函数公式为：
Figure BDA0003002182490000143
其中，待估参数ymax,xmax,σ分别为高斯曲线的峰值、峰值对应横坐标和半宽；其中，σ与y(k)呈非线性关系，若直接进行求解，采用非线性寻优算法；对红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数，得：
Figure BDA0003002182490000151
令：
Figure BDA0003002182490000152
则红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数公式写为：
Figure BDA0003002182490000153
将原有的求解ymax,xmax,σ命题转化成了求解b0,b1,b2；由于b0,b1,b2与z(k)呈线性关系，用最小二乘法进行求解；定义待估参数矩阵θ＝[b0 b1 b2],数据矩阵Z和Φ分别为：
Z＝[z(1) z(2) … z(N)]T，
Figure BDA0003002182490000154
通过极小化拟合误差
Figure BDA0003002182490000155
求解θ,得其最小二乘解
Figure BDA0003002182490000156
为：
Figure BDA0003002182490000157
将
Figure BDA0003002182490000158
代入公式lny(k)＝z(k),
Figure BDA0003002182490000159
得红外光子映射函数的原始待估参数ymax,xmax,σ分别为：
Figure BDA00030021824900001510
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。

Claims (10)

1.一种基于MDDP系统的智能冲压压力机故障监测系统，其特征在于，该基于MDDP系统的智能冲压压力机故障监测系统设置有壳体，所述壳体的下端活动安装有支架，所述壳体的前端设置有安装槽，该安装槽内滑动安装有工作台，所述工作台的内部安装有压力传感器；
所述壳体的上端设置有飞轮，所述飞轮的驱动端齿接调压装置，所述调压装置的输出端安装有连接柱，所述连接柱的后端安装有连接板，所述连接板上固定安装有与工作台相匹配的冲压板；
所述壳体的表面嵌装有显示器，所述连接板的一侧固定安装有激光发射器，所述显示器下端的壳体上安装有与激光发射器相匹配的激光接收器；所述壳体的一侧固定有水平传感器，连接柱的一侧固定安装有第二限位板，所述第二限位板的下端安装有位移传感器；
所述壳体的内部安装有数据处理终端，所述数据处理终端分别与显示器、激光发射器、水平传感器、位移传感器、激光接收器电性连接。
2.根据权利要求1所述的基于MDDP系统的智能冲压压力机故障监测系统，其特征在于，所述支架的后端设置有调平螺槽，所述支架的前端设置有固定螺孔，其中调平螺槽中安装有与壳体相连接的调平螺栓，固定螺孔中安装有与壳体固定安装的固定螺栓；所述支架的底部固定安装有多个支撑座。
3.根据权利要求1所述的基于MDDP系统的智能冲压压力机故障监测系统，其特征在于，所述工作台设置有与安装槽相匹配的多个第一限位板，所述限位板的上端固定安装有压力传感器，所述压力传感器的上端铺设有工作层。
4.一种根据权利要求1～3任意一项所述智能冲压压力机故障监测系统的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，所述基于MDDP系统的智能冲压压力机故障监测方法包括：
通过水平传感器检测工作台的水平状态，并将监测信号传输至数据处理终端，数据处理终端将监测结果传输至显示器进行显示，通过水平数值实现对壳体安装位置的监测，在发生倾斜的情况下，数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态；
所述工作台工作过程中，通过激光发射器发送激光信号，激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性；位移传感器检测冲压板工作中的位置变化数据，压力传感器检测冲压板的冲击压力，并将上述监测的位移数据和压力数据传输至数据处理终端，通过数据处理终端对数据进行处理后通过显示器进行显示压力机的运行数据；对于异常故障运行数据进行报警提示。
5.根据权利要求4所述的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，所述数据处理终端发出调整智能的调平螺栓的指令，调平工作台处于水平状态包括：
1)输入大小为M×N的工作台水平状态图像I和n个可能发生倾斜预测状态；
2)人工或者自动地初始化演化曲线，并用水平状态函数编码为φ0；
3)用基于矩的方法将n个可能发生倾斜预测状态对齐；
4)将对齐的可能发生倾斜预测状态用水平状态函数编码，得到
Figure FDA0003002182480000021
5)将可能发生倾斜预测状态的水平状态函数按列展开成列向量
Figure FDA0003002182480000022
构成可能发生倾斜预测状态矩阵
Figure FDA0003002182480000023
6)对可能发生倾斜预测状态矩阵D进行降维：对可能发生倾斜预测状态矩阵预处理；对预处理后的可能发生倾斜预测状态矩阵，进行ICA降维；
7)将当前水平状态函数φt按列展开成向量，用6)中得到的投影矩阵将其映射到低维空间；
8)在低维空间估计可能发生倾斜预测状态的概率分布，构造形状驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；
9)最小化能量函数，驱动曲线演化，得到调平工作台结果。
6.根据权利要求5所述的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，所述步骤6)对可能发生倾斜预测状态矩阵预处理的方法包括：
第一步，数据中心化：可能发生倾斜预测状态矩阵D减去均值，得到中心化后的可能发生倾斜预测状态矩阵：
Figure FDA0003002182480000031
第二步，对中心化的可能发生倾斜预测状态矩阵D1进行分析：首先求D1的协方差矩阵，C＝D1D1 T，其中D1 T为矩阵D1的转置，对协方差矩阵C进行特征值分解，C＝UΛUT，其中
Figure FDA0003002182480000032
为C的特征值构成的对角矩阵，U＝[u1,...,uM×N]为C的特征向量；
第三步，对中心化的可能发生倾斜预测状态矩阵D1进行白化处理：计算白化矩阵W＝inv(sqrt(Λ))UT，得到白化后的矩阵
Figure FDA0003002182480000033
满足每个特征维度上的方差为1，并且不同特征维度之间不相关。
7.根据权利要求5所述的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，所述对预处理后的可能发生倾斜预测状态矩阵，进行ICA处理的步骤如下：
第1步，设定要提取的独立成分的数量，即降维之后的特征数k；
第2步，假设映射矩阵为
Figure FDA0003002182480000034
其中，列向量fi∈RM×N,i＝1,...,k，则降维后的可能发生倾斜预测状态特征向量为
Figure FDA0003002182480000035
构成矩阵Ψ＝[ψ1,...,ψn]；
第3步，用峰度
Figure FDA0003002182480000036
度量降维后可能发生倾斜预测状态特征向量ψi,i＝1,...,n的非高斯性；
第4步，用固定点迭代算法求解使得峰度最大的方向{f1 T,...,fn T}；
第5步，得到映射矩阵F和降维之后的可能发生倾斜预测状态矩阵
Figure FDA0003002182480000041
所述构造能量函数的步骤包括：
第(1)步，在低维空间用Parzen窗估计可能发生倾斜预测状态的概率密度函数
Figure FDA0003002182480000042
其中Kσ是方差为σ2高斯核函数，H为Heaviside函数；
第(2)步，用估计的概率密度的函数构造形状驱动能量项：
Figure FDA0003002182480000043
第(3)步，将形状驱动项和基于区域的数据项结合到一起构成总的能量函数：
Etotal＝Edata+λEshape；
其中，λ是相对于数据项，形状约束项的权值；
所述最小化能量函数，驱动曲线演化的步骤包括：
形状驱动能量项对应的演化方程为：
Figure FDA0003002182480000044
结合形状驱动项和数据驱动项，水平状态函数更新方程为：
Figure FDA0003002182480000045
迭代更新水平状态函数φ，直至收敛得到最后的调平工作台结果φ*。
8.根据权利要求5所述的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，所述激光接收器持续接收激光发射器发出的激光，检测冲压板工作过程中的稳定性包括：
采用红外光子映射函数拟合出冲压板各不同工作阶段下射红外光子的分布特征，其中，红外光子映射函数的自变量为出射光子的体素横坐标，因变量为在对应坐标处出射的光子数；最后统计多种不同工作阶段条件下，运动轨迹通过冲压板并最终出射的有效光子数占所有入射光子数的比率，以及拟合后的红外光子映射函数的对称轴坐标，以此作为判定冲压板不同工作阶段度的工作过程中的稳定性指标。
9.根据权利要求8所述的基于MDDP系统的智能冲压压力机故障监测方法，其特征在于，基于红外光子映射函数的光子分布特征拟合包括：
记待拟合的自变量矩阵为X＝[x(1) x(2) … x(N)]T，因变量矩阵为Y＝[y(1) y(2) …y(N)]T，N为数据总量；
红外光子映射函数公式为：
Figure FDA0003002182480000051
其中，待估参数ymax,xmax,σ分别为高斯曲线的峰值、峰值对应横坐标和半宽；其中，σ与y(k)呈非线性关系，若直接进行求解，采用非线性寻优算法；对红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数，得：
Figure FDA0003002182480000052
令：
ln y(k)＝z(k),
Figure FDA0003002182480000053
则红外光子映射函数公式等号两边同时取以自然对数e(e≈2.718)为底的对数公式写为：
Figure FDA0003002182480000061
将原有的求解ymax,xmax,σ命题转化成了求解b0,b1,b2；由于b0,b1,b2与z(k)呈线性关系，用最小二乘法进行求解；定义待估参数矩阵θ＝[b0 b1 b2],数据矩阵Z和Φ分别为：
Z＝[z(1) z(2) … z(N)]T，
Figure FDA0003002182480000062
通过极小化拟合误差
Figure FDA0003002182480000063
求解θ,得其最小二乘解
Figure FDA0003002182480000064
为：
Figure FDA0003002182480000065
将
Figure FDA0003002182480000066
代入公式ln y(k)＝z(k),
Figure FDA0003002182480000067
得红外光子映射函数的原始待估参数ymax,xmax,σ分别为：
Figure FDA0003002182480000068
10.一种数据处理终端，其特征在于，所述数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求4～9任意一项所述基于MDDP系统的智能冲压压力机故障监测方法。
CN202110350191.4A 2021-03-31 2021-03-31 基于mddp系统的智能冲压压力机故障监测系统、方法、终端 Active CN113092149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110350191.4A CN113092149B (zh) 2021-03-31 2021-03-31 基于mddp系统的智能冲压压力机故障监测系统、方法、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110350191.4A CN113092149B (zh) 2021-03-31 2021-03-31 基于mddp系统的智能冲压压力机故障监测系统、方法、终端

Publications (2)

Publication Number Publication Date
CN113092149A true CN113092149A (zh) 2021-07-09
CN113092149B CN113092149B (zh) 2023-01-17

Family

ID=76672097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110350191.4A Active CN113092149B (zh) 2021-03-31 2021-03-31 基于mddp系统的智能冲压压力机故障监测系统、方法、终端

Country Status (1)

Country Link
CN (1) CN113092149B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB552099A (en) * 1941-11-22 1943-03-23 Fred Merritt Brackett Improvements in or relating to jogging machines for arranging sheets in one or more piles
DE2600680A1 (de) * 1975-01-20 1976-07-22 Westinghouse Electric Corp Verfahren zur steuerung des betriebsablaufs von werkzeugmaschinen und einrichtung zur durchfuehrung des verfahrens
CN1430721A (zh) * 2001-12-14 2003-07-16 香港中文大学 在线监控冲压过程的方法及系统
CN103878227A (zh) * 2014-03-06 2014-06-25 京东方科技集团股份有限公司 模仁网点冲压装置
CN108180869A (zh) * 2017-12-26 2018-06-19 西安交通大学 一种轴杆类零件直线度智能检测校形设备
CN108496123A (zh) * 2016-03-31 2018-09-04 菲博罗有限公司 对机器进行振动诊断监测的方法
CN108714701A (zh) * 2018-06-15 2018-10-30 广州大学 一种轴类零件加工装置
CN110588038A (zh) * 2019-10-14 2019-12-20 天津通广集团专用设备有限公司 压力机
CN110672947A (zh) * 2019-09-29 2020-01-10 龙岩学院 一种智能化电气工程测量系统及测量方法
CN211697232U (zh) * 2020-03-25 2020-10-16 焦作大学 一种板材硬度检测装置
CN112122525A (zh) * 2020-09-25 2020-12-25 无锡元基精密机械有限公司 一种锻压机用智能生产管理系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB552099A (en) * 1941-11-22 1943-03-23 Fred Merritt Brackett Improvements in or relating to jogging machines for arranging sheets in one or more piles
DE2600680A1 (de) * 1975-01-20 1976-07-22 Westinghouse Electric Corp Verfahren zur steuerung des betriebsablaufs von werkzeugmaschinen und einrichtung zur durchfuehrung des verfahrens
CN1430721A (zh) * 2001-12-14 2003-07-16 香港中文大学 在线监控冲压过程的方法及系统
CN103878227A (zh) * 2014-03-06 2014-06-25 京东方科技集团股份有限公司 模仁网点冲压装置
CN108496123A (zh) * 2016-03-31 2018-09-04 菲博罗有限公司 对机器进行振动诊断监测的方法
CN108180869A (zh) * 2017-12-26 2018-06-19 西安交通大学 一种轴杆类零件直线度智能检测校形设备
CN108714701A (zh) * 2018-06-15 2018-10-30 广州大学 一种轴类零件加工装置
CN110672947A (zh) * 2019-09-29 2020-01-10 龙岩学院 一种智能化电气工程测量系统及测量方法
CN110588038A (zh) * 2019-10-14 2019-12-20 天津通广集团专用设备有限公司 压力机
CN211697232U (zh) * 2020-03-25 2020-10-16 焦作大学 一种板材硬度检测装置
CN112122525A (zh) * 2020-09-25 2020-12-25 无锡元基精密机械有限公司 一种锻压机用智能生产管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王飞宇等: "基于无线传感的机械冲压机振动监测分析", 《锻压装备与制造技术》 *

Also Published As

Publication number Publication date
CN113092149B (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
US20220146462A1 (en) Method for predicting remaining life of numerical control machine tool
CN109459993B (zh) 一种流程工业过程在线自适应故障监测与诊断方法
US8095484B2 (en) System and method for automatic virtual metrology
US8090676B2 (en) Systems and methods for real time classification and performance monitoring of batch processes
WO2019082407A1 (ja) 異常検出システムおよび異常検出方法
CN101438251A (zh) 调适多变量错误检测
WO2017138238A1 (ja) 監視装置及び監視装置の制御方法
CN113092149B (zh) 基于mddp系统的智能冲压压力机故障监测系统、方法、终端
US10732152B2 (en) Device and method for monitoring healthy status of machinery mounts
KR20210085168A (ko) 머신러닝 기반 건축 구조물 고유 진동값 학습을 통한 안전 진단 시스템 및 방법
US20210374634A1 (en) Work efficiency evaluation method, work efficiency evaluation apparatus, and program
CN113283657A (zh) 一种电力应急物资需求的预测方法
CN115880274A (zh) 基于三维计算机视觉的预制构件质量检测方法及系统
WO2017138239A1 (ja) 監視装置及び監視装置の制御方法
CN117436033B (zh) 智能建筑垂直偏差监测系统及方法
CN109213057A (zh) 智能诊断装置和方法
CA2314722C (en) Mechanical device productivity improvement with usage analysis, management, and implementation methodology for manufacturing facility
CN117742623B (zh) 一种解决不同喷头排列机构的方法、设备及存储介质
CN113496261A (zh) 一种卫星遥测数据的在轨异常监测方法
CN106354944A (zh) 一种基于振动模态的磨机基础边界支承刚度的识别方法
CN117368000A (zh) 一种配备自适应装夹机构的静扭试验台
CN110858063B (zh) 监测机器人机械状况的装置和方法
JP2004345005A (ja) 工作機械のレベリングボルト調整量算出装置、工作機械及び工作機械群のレベル監視方法
WO2024024633A1 (ja) 情報処理方法、コンピュータプログラム及び情報処理装置
CN118395163B (zh) 一种极薄煤层液压支架定位方法及系统

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