CN113155493A - 智能物料车运行故障诊断与检测控制器 - Google Patents

智能物料车运行故障诊断与检测控制器 Download PDF

Info

Publication number
CN113155493A
CN113155493A CN202011432965.XA CN202011432965A CN113155493A CN 113155493 A CN113155493 A CN 113155493A CN 202011432965 A CN202011432965 A CN 202011432965A CN 113155493 A CN113155493 A CN 113155493A
Authority
CN
China
Prior art keywords
actuator
control system
random
controller
time
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.)
Withdrawn
Application number
CN202011432965.XA
Other languages
English (en)
Inventor
陈虎威
马仲亮
周剑
黄涛
顾增
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.)
Jiangsu Dazhong Electric Motor Co ltd
Original Assignee
Jiangsu Dazhong Electric Motor Co ltd
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 Jiangsu Dazhong Electric Motor Co ltd filed Critical Jiangsu Dazhong Electric Motor Co ltd
Priority to CN202011432965.XA priority Critical patent/CN113155493A/zh
Publication of CN113155493A publication Critical patent/CN113155493A/zh
Withdrawn legal-status Critical Current

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
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/25—Manufacturing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/40—Maintenance of things

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Safety Devices In Control Systems (AREA)

Abstract

本发明公开了智能物料车运行故障诊断，包括无线测量仪、信号传送器、数据处理模块、PLC控制系统，其特征在于：所述PLC控制系统安装在机床上，对加工工件个数统计，并利用无线传送器进行数据的传递，然后，再发送至数据处理模块和决策系统中，进行优化计算和确定决策结果。本发明：操作方便，网络控制系统对多个物料小车输送物料，运行过程中进行实时信号故障检测与诊断，减少物料小车控制系统的维护维修支出，提高了物料小车工作的可靠性和鲁棒性，提高了电机流水线生产工作效率。

Description

智能物料车运行故障诊断与检测控制器
技术领域
本发明涉及智能物料车领域，尤其涉及一种电机智能制造系统中多个智能物料车运行故障诊断与检测控制器。
背景技术
随着计算机网络的广泛使用和网络技术的不断发展，并结合当前的智能化工厂的需求，实现两者的无缝对接，形成高效化无人智能制造加工系统。将传统的点对点连接方式转化为网络连接方式，即分布式控制系统取代独立控制系统，增强网络可控连接方式。与传统的点对点控制系统相比，网络控制系统具有连线少，信息资源能共享等优点，但是由于数据传输中存在网络带宽限制和信息碰撞等因素，导致控制元器件发生物理故障，影响工件的加工效率。因此，结合传统的点对点网络系统的特点，网络控制系统的故障诊断与容错控制研究更加复杂，更加符合工业发展趋势和生产要求。现有的多辆物料小车无线控制系统，经常出故障，降低了电机无人化装配的生产效率，物料小车控制系统的维护成本高。在保证物料小车控制系统具有一定的工作能力条件下，如何提高该系统的故障诊断与鲁棒性，成会技术人员重点研究的课题。
发明内容
本发明的目是解决上述技术问题，提供一种低磁锚链的表面检查方法。
为了实现上述技术目的，达到上述的技术要求，本发明所采用的技术方案是：智能物料车运行故障诊断，包括无线测量仪、信号传送器、数据处理模块、PLC 控制系统，其特征在于：所述PLC 控制系统安装在机床上，对加工工件个数统计，并利用无线传送器进行数据的传递，然后，再发送至数据处理模块和决策系统中，进行优化计算和确定决策结果；
考虑终端执行器发生采集信号不准确、时延的线性时滞系统：
Figure RE-580506DEST_PATH_IMAGE001
上式中
Figure RE-187068DEST_PATH_IMAGE002
分别为系统状态、控制输入、受控输出；
Figure RE-337689DEST_PATH_IMAGE003
为系统扰动输入，且
Figure RE-544548DEST_PATH_IMAGE004
；系统系数矩阵
Figure RE-422505DEST_PATH_IMAGE005
为具有 合适维数的常数实矩阵；
Figure RE-899885DEST_PATH_IMAGE006
是反映模型中不确定参数的未知实数矩阵，假定其范数有界， 且具有以下形式：
Figure RE-329729DEST_PATH_IMAGE007
其中
Figure RE-961568DEST_PATH_IMAGE008
满足
Figure RE-643216DEST_PATH_IMAGE009
Figure RE-240682DEST_PATH_IMAGE010
和
Figure RE-966061DEST_PATH_IMAGE011
是具有合适维数的已知常数矩阵；
并且
Figure RE-898245DEST_PATH_IMAGE012
为系统时变时滞，满足
Figure RE-868737DEST_PATH_IMAGE013
根据系统中状态量的获取过程，则有：
a.如果不考虑执行器发生随机故障，那么采用的状态反馈的控制律为：
Figure RE-366715DEST_PATH_IMAGE014
— 1.1
b.如果考虑执行器发生随机故障，那么可以建立如下故障模型：
Figure RE-76045DEST_PATH_IMAGE015
—1.2
其中
Figure RE-682476DEST_PATH_IMAGE016
为待求的状态反馈控制器增益矩阵，
Figure RE-745676DEST_PATH_IMAGE017
为
Figure RE-301422DEST_PATH_IMAGE018
个不 相关的随机变量，此时可以得到：
Figure RE-243970DEST_PATH_IMAGE019
Figure RE-72118DEST_PATH_IMAGE020
方差为
Figure RE-446729DEST_PATH_IMAGE021
，
并且还可以得到如下结果：
Figure RE-60245DEST_PATH_IMAGE022
Figure RE-908115DEST_PATH_IMAGE023
Figure RE-285875DEST_PATH_IMAGE024
优选的：对于采用上述公式—1.1和公式—1.2描述控制系统中存在的时延，需要值得注意的是，控制系统时常出现时延现象，其中也包括状态量在获取过程中也具有随机时延，而且又例如，在网络控制系统中，从控制器到执行器和从执行器到控制器都具有一定的随机时延。
优选的：所述公式—1.2为考虑执行器存在故障的控制律，此处运用随机变量描述故障发生情况；由于执行器受自身和外界因素影响，如执行器发生老化现象，外部强电磁场、电场、温度变化，可导致执行器机构系数发生变化，这种变化是随机变化，具有一定的期望和方差，事实上，执行器的增益矩阵系数出现偏差是常发生的事情，因此在实际设计中必须考虑到这些方面。
优选的：所述公式—1.2中，如果
Figure RE-401861DEST_PATH_IMAGE025
，表示执行器发生彻底失效现象；如果
Figure RE-932200DEST_PATH_IMAGE026
，表示执行器完好；而如果
Figure RE-606763DEST_PATH_IMAGE027
，表示执行器部分出现失效现象。在实际的应用 中，
Figure RE-19290DEST_PATH_IMAGE028
是根据各个执行器的工作情况事先分配的数值，如果该执行器工作情况良好，则分配 的数值就大一些，否则就会比较小一点，并且随着各个传感器工作情况的变化，该数值也可 以随时进行调整；
得到如下新的闭环系统数学模型：
Figure RE-938967DEST_PATH_IMAGE029
智能物料车检测控制器，其特征在于：性能验证：
考虑加入系统参数的不确定性，考虑不确定系数E1如下：
Figure RE-323812DEST_PATH_IMAGE030
针对此时系统中出现的随机故障参数为：
Figure RE-169277DEST_PATH_IMAGE031
利用李雅普诺夫泛函方法，得到的系统最大延迟
Figure RE-69100DEST_PATH_IMAGE032
，相应的控制器增益K
Figure RE-838473DEST_PATH_IMAGE033
从状态响应图，可以看出系统中出现的不确定性，通过应用本文提出的方法设计 的鲁棒
Figure RE-766240DEST_PATH_IMAGE034
控制器可以很好镇定系统，使得系统得到较好的性能。
与传统结构相比,本发明的有益效果：操作方便，网络控制系统对多个物料小车输送物料，运行过程中进行实时信号故障检测与诊断，减少物料小车控制系统的维护维修支出，提高了物料小车工作的可靠性和鲁棒性，提高了电机流水线生产工作效率。
附图说明
图1为本发明状态响应图；
在图中：1、第一辆物料小车初始状态信号图，2、第二辆物料小车初始状信号态图，3、第三辆物料小车初始状态信号图，4、第四辆物料小车初始状态信号图，5. 横坐标表示时刻，6. 纵轴坐标表示状态信号数值大小。
具体实施方式
下面对本发明作进一步说明。
智能物料车运行故障诊断，包括无线测量仪、信号传送器、数据处理模块、PLC 控制系统，其特征在于：所述PLC 控制系统安装在机床上，对加工工件个数统计，并利用无线传送器进行数据的传递，然后，再发送至数据处理模块和决策系统中，进行优化计算和确定决策结果；
考虑终端执行器发生采集信号不准确、时延的线性时滞系统：
Figure RE-844923DEST_PATH_IMAGE035
上式中
Figure RE-372988DEST_PATH_IMAGE002
分别为系统状态、控制输入、受控输出；
Figure RE-431205DEST_PATH_IMAGE003
为系统扰动输入，且
Figure RE-587379DEST_PATH_IMAGE004
；系统系数矩阵
Figure RE-40226DEST_PATH_IMAGE005
为具 有合适维数的常数实矩阵；
Figure RE-790008DEST_PATH_IMAGE006
是反映模型中不确定参数的未知实数矩阵，假定其范数有 界，且具有以下形式：
Figure RE-917495DEST_PATH_IMAGE007
其中
Figure RE-318389DEST_PATH_IMAGE008
满足
Figure RE-286345DEST_PATH_IMAGE009
Figure RE-585739DEST_PATH_IMAGE010
和
Figure RE-923442DEST_PATH_IMAGE011
是具有合适维数的已知常数矩阵；
并且
Figure RE-257472DEST_PATH_IMAGE012
为系统时变时滞，满足
Figure RE-396329DEST_PATH_IMAGE036
根据系统中状态量的获取过程，则有：
a.如果不考虑执行器发生随机故障，那么采用的状态反馈的控制律为：
Figure RE-369970DEST_PATH_IMAGE014
— 1.1
b.如果考虑执行器发生随机故障，那么可以建立如下故障模型：
Figure RE-776943DEST_PATH_IMAGE015
—1.2
其中
Figure RE-965479DEST_PATH_IMAGE016
为待求的状态反馈控制器增益矩阵，
Figure RE-665450DEST_PATH_IMAGE017
为
Figure RE-736174DEST_PATH_IMAGE018
个 不相关的随机变量，此时可以得到：
Figure RE-743576DEST_PATH_IMAGE019
Figure RE-724301DEST_PATH_IMAGE020
方差为
Figure RE-657491DEST_PATH_IMAGE021
，
并且还可以得到如下结果：
Figure RE-949932DEST_PATH_IMAGE037
Figure RE-698708DEST_PATH_IMAGE038
Figure RE-596256DEST_PATH_IMAGE039
本优选实施例中，对于采用上述公式—1.1和公式—1.2描述控制系统中存在的时延，需要值得注意的是，控制系统时常出现时延现象，其中也包括状态量在获取过程中也具有随机时延，而且又例如，在网络控制系统中，从控制器到执行器和从执行器到控制器都具有一定的随机时延。
本优选实施例中，所述公式—1.2为考虑执行器存在故障的控制律，此处运用随机变量描述故障发生情况；由于执行器受自身和外界因素影响，如执行器发生老化现象，外部强电磁场、电场、温度变化，可导致执行器机构系数发生变化，这种变化是随机变化，具有一定的期望和方差，事实上，执行器的增益矩阵系数出现偏差是常发生的事情，因此在实际设计中必须考虑到这些方面。
本优选实施例中，所述公式—1.2中，如果
Figure RE-638031DEST_PATH_IMAGE025
，表示执行器发生彻底失效现象； 如果
Figure RE-840604DEST_PATH_IMAGE026
，表示执行器完好；而如果
Figure RE-439076DEST_PATH_IMAGE027
，表示执行器部分出现失效现象。在实际的应 用中，
Figure RE-643661DEST_PATH_IMAGE028
是根据各个执行器的工作情况事先分配的数值，如果该执行器工作情况良好，则分 配的数值就大一些，否则就会比较小一点，并且随着各个传感器工作情况的变化，该数值也 可以随时进行调整；
得到如下新的闭环系统数学模型：
Figure RE-888960DEST_PATH_IMAGE029
智能物料车检测控制器，其特征在于：性能验证：
考虑加入系统参数的不确定性，考虑不确定系数E1如下：
Figure RE-93676DEST_PATH_IMAGE030
针对此时系统中出现的随机故障参数为：
Figure RE-213948DEST_PATH_IMAGE040
利用李雅普诺夫泛函方法，得到的系统最大延迟
Figure RE-86089DEST_PATH_IMAGE041
，相应的控制器增益K
Figure RE-548294DEST_PATH_IMAGE042
从状态响应图，可以看出系统中出现的不确定性，通过应用本文提出的方法设计 的鲁棒
Figure RE-928722DEST_PATH_IMAGE043
控制器可以很好镇定系统，使得系统得到较好的性能。
本发明的具体实施，考虑到多个物料小车输送物料个数和维护周期问题，采用数值优化算法进行探讨该网络控制系统的故障诊断与容错控制技术，研究控制信号滤波器设计，从而实现控制系统的故障预测，提前做出故障检测与维修决策，得到电机智能制造系统下的实时信号故障检测与诊断技术，保证系统具有一定的工作能力条件下，提高该系统的故障诊断与鲁棒性。每个物料小车上均安装了传感器，四个物料小车对应四个执行器，产生四个状态量，根据状态响应图看到初始状态信号变动量，控制器可以很好的镇定系统，使状态信号变平缓，使得系统得到较好的性能。
本发明的上述实施例，仅仅是清楚地说明本发明所做的举例，但不用来限制本发明的保护范围，所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由各项权利要求限定。

Claims (5)

1.智能物料车运行故障诊断，包括无线测量仪、信号传送器、数据处理模块、PLC 控制系统，其特征在于：所述PLC 控制系统安装在机床上，对加工工件个数统计，并利用无线传送器进行数据的传递，然后，再发送至数据处理模块和决策系统中，进行优化计算和确定决策结果；
考虑终端执行器发生采集信号不准确、时延的线性时滞系统：
Figure RE-DEST_PATH_IMAGE001
上式中
Figure RE-156948DEST_PATH_IMAGE002
分别为系统状态、控制输入、受控输出；
Figure RE-DEST_PATH_IMAGE003
为系统扰动输入，且
Figure RE-434608DEST_PATH_IMAGE004
；系统系数矩阵
Figure RE-DEST_PATH_IMAGE005
为具有合适维数的常数实矩阵；
Figure RE-401296DEST_PATH_IMAGE006
是反映模型中不确定参数的未知实数矩阵，假定其范数有界，且具有以下形式：
Figure RE-DEST_PATH_IMAGE007
其中
Figure RE-734188DEST_PATH_IMAGE008
满足
Figure RE-DEST_PATH_IMAGE009
Figure RE-234046DEST_PATH_IMAGE010
和
Figure RE-DEST_PATH_IMAGE011
是具有合适维数的已知常数矩阵；
并且
Figure RE-259771DEST_PATH_IMAGE012
为系统时变时滞，满足
Figure RE-DEST_PATH_IMAGE013
根据系统中状态量的获取过程，则有：
a.如果不考虑执行器发生随机故障，那么采用的状态反馈的控制律为：
Figure RE-713755DEST_PATH_IMAGE014
— 1.1
b.如果考虑执行器发生随机故障，那么可以建立如下故障模型：
Figure RE-DEST_PATH_IMAGE015
—1.2
其中
Figure RE-850338DEST_PATH_IMAGE016
为待求的状态反馈控制器增益矩阵，
Figure RE-DEST_PATH_IMAGE017
为
Figure RE-207633DEST_PATH_IMAGE018
个不相关的随机变量，此时可以得到：
Figure RE-DEST_PATH_IMAGE019
Figure RE-138680DEST_PATH_IMAGE020
方差为
Figure RE-DEST_PATH_IMAGE021
，
并且还可以得到如下结果：
Figure RE-79960DEST_PATH_IMAGE022
Figure RE-DEST_PATH_IMAGE023
Figure RE-754655DEST_PATH_IMAGE024
。
2.根据权利要求1所述的智能物料车运行故障诊断，其特征在于：对于采用上述公式—1.1和公式—1.2描述控制系统中存在的时延，需要值得注意的是，控制系统时常出现时延现象，其中也包括状态量在获取过程中也具有随机时延，而且又例如，在网络控制系统中，从控制器到执行器和从执行器到控制器都具有一定的随机时延。
3.根据权利要求1所述的智能物料车运行故障诊断，其特征在于：所述公式—1.2为考虑执行器存在故障的控制律，此处运用随机变量描述故障发生情况；由于执行器受自身和外界因素影响，如执行器发生老化现象，外部强电磁场、电场、温度变化，可导致执行器机构系数发生变化，这种变化是随机变化，具有一定的期望和方差，事实上，执行器的增益矩阵系数出现偏差是常发生的事情，因此在实际设计中必须考虑到这些方面。
4.根据权利要求1所述的智能物料车运行故障诊断，其特征在于：所述公式—1.2中，如果
Figure RE-DEST_PATH_IMAGE025
，表示执行器发生彻底失效现象；如果
Figure RE-166788DEST_PATH_IMAGE026
，表示执行器完好；而如果
Figure RE-DEST_PATH_IMAGE027
，表示执行器部分出现失效现象；在实际的应用中，
Figure RE-534315DEST_PATH_IMAGE028
是根据各个执行器的工作情况事先分配的数值，如果该执行器工作情况良好，则分配的数值就大一些，否则就会比较小一点，并且随着各个传感器工作情况的变化，该数值也可以随时进行调整；
得到如下新的闭环系统数学模型：
Figure RE-DEST_PATH_IMAGE029
。
5.智能物料车检测控制器，其特征在于：性能验证：
考虑加入系统参数的不确定性，考虑不确定系数E1如下：
Figure RE-962892DEST_PATH_IMAGE030
针对此时系统中出现的随机故障参数为：
Figure RE-DEST_PATH_IMAGE031
利用李雅普诺夫泛函方法，得到的系统最大延迟
Figure RE-175698DEST_PATH_IMAGE032
，相应的控制器增益K
Figure RE-DEST_PATH_IMAGE033
从状态响应图，可以看出系统中出现的不确定性，通过应用本文提出的方法设计的鲁棒
Figure RE-507585DEST_PATH_IMAGE034
控制器可以很好镇定系统，使得系统得到较好的性能。
CN202011432965.XA 2020-12-10 2020-12-10 智能物料车运行故障诊断与检测控制器 Withdrawn CN113155493A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011432965.XA CN113155493A (zh) 2020-12-10 2020-12-10 智能物料车运行故障诊断与检测控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011432965.XA CN113155493A (zh) 2020-12-10 2020-12-10 智能物料车运行故障诊断与检测控制器

Publications (1)

Publication Number Publication Date
CN113155493A true CN113155493A (zh) 2021-07-23

Family

ID=76882479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011432965.XA Withdrawn CN113155493A (zh) 2020-12-10 2020-12-10 智能物料车运行故障诊断与检测控制器

Country Status (1)

Country Link
CN (1) CN113155493A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117968836A (zh) * 2024-03-28 2024-05-03 上海海维工业控制有限公司 基于数据监测的电动执行器老化试验方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516312A (zh) * 2013-10-08 2015-04-15 繁昌县倍思创业服务有限公司 无线plc对数控机床的状态监测及维修决策
CN104656633A (zh) * 2014-12-23 2015-05-27 重庆大学 一种柔性制造系统物流小车早期故障检测方法
CN107894750A (zh) * 2017-10-18 2018-04-10 佛山华数机器人有限公司 一种机器人应用在数控车床加工中的故障检测和响应方法
CN108646712A (zh) * 2018-05-23 2018-10-12 青岛理工大学 带有执行器故障的不确定系统的容错控制系统
CN109597403A (zh) * 2018-12-14 2019-04-09 江南大学 基于迭代学习滤波器的机电控制系统故障诊断方法
CN110362060A (zh) * 2019-07-01 2019-10-22 南京航空航天大学 一种控制系统执行器及传感器同时故障时的诊断方法
CN111158343A (zh) * 2020-01-10 2020-05-15 淮阴工学院 一种针对带有执行器和传感器故障的切换系统的异步容错控制方法
CN111444656A (zh) * 2020-05-08 2020-07-24 江苏大中电机股份有限公司 电机智能装配线下的机床故障检测与预防系统
CN111752262A (zh) * 2020-07-16 2020-10-09 江苏安全技术职业学院 一种执行器故障观测器与容错控制器集成设计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516312A (zh) * 2013-10-08 2015-04-15 繁昌县倍思创业服务有限公司 无线plc对数控机床的状态监测及维修决策
CN104656633A (zh) * 2014-12-23 2015-05-27 重庆大学 一种柔性制造系统物流小车早期故障检测方法
CN107894750A (zh) * 2017-10-18 2018-04-10 佛山华数机器人有限公司 一种机器人应用在数控车床加工中的故障检测和响应方法
CN108646712A (zh) * 2018-05-23 2018-10-12 青岛理工大学 带有执行器故障的不确定系统的容错控制系统
CN109597403A (zh) * 2018-12-14 2019-04-09 江南大学 基于迭代学习滤波器的机电控制系统故障诊断方法
CN110362060A (zh) * 2019-07-01 2019-10-22 南京航空航天大学 一种控制系统执行器及传感器同时故障时的诊断方法
CN111158343A (zh) * 2020-01-10 2020-05-15 淮阴工学院 一种针对带有执行器和传感器故障的切换系统的异步容错控制方法
CN111444656A (zh) * 2020-05-08 2020-07-24 江苏大中电机股份有限公司 电机智能装配线下的机床故障检测与预防系统
CN111752262A (zh) * 2020-07-16 2020-10-09 江苏安全技术职业学院 一种执行器故障观测器与容错控制器集成设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈虎威: ""含有随机故障的网络控制系统的可靠性控制及滤波器设计"", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117968836A (zh) * 2024-03-28 2024-05-03 上海海维工业控制有限公司 基于数据监测的电动执行器老化试验方法及系统
CN117968836B (zh) * 2024-03-28 2024-06-07 上海海维工业控制有限公司 基于数据监测的电动执行器老化试验方法及系统

Similar Documents

Publication Publication Date Title
Liu et al. Cyber-physical machine tool–the era of machine tool 4.0
CN109933004B (zh) 基于边缘计算和云协同的机床故障诊断与预测方法及系统
Zhu et al. A cyber-physical production system framework of smart CNC machining monitoring system
Chen et al. Transfer learning-motivated intelligent fault diagnosis designs: A survey, insights, and perspectives
CN110394688B (zh) 基于边缘计算的机床状态监测方法
CN102929210B (zh) 基于特征的数控加工过程控制和优化系统及方法
Herwan et al. Cyber-physical system architecture for machining production line
CN112765768B (zh) 基于物联网的离散型车间数字溯源方法
US11054803B2 (en) Motor drive, production system and method thereof with quality measuring and mechanism diagnosing functions using real and virtual system modules
CN113093680A (zh) 一种基于数字孪生技术的fims系统架构设计方法
Su et al. Intelligent prognostics system design and implementation
CN113155493A (zh) 智能物料车运行故障诊断与检测控制器
Xu et al. State identification of a 5-axis ultra-precision CNC machine tool using energy consumption data assisted by multi-output densely connected 1D-CNN model
CN109001974B (zh) 基于广义扩张状态观测器的网络化大关联运动系统位置同步控制方法
CN111615437B (zh) 用于机器人加工的方法和装置
Nentwich et al. Towards data acquisition for predictive maintenance of industrial robots
Mayr et al. Machine learning in electric motor production-potentials, challenges and exemplary applications
CN117032207A (zh) 一种无人物流交通运输系统的领导跟随协同滤波方法
Thangavel et al. Dynamic modeling and control analysis of industrial electromechanical servo positioning system using machine learning technique
CN114755978A (zh) 一种棒材轧钢车间轧机轧辊车床的数字孪生建模方法
CN109583124B (zh) 一种基于adrc的hmm故障预测系统
CN117901124B (zh) 基于摘钩机器人的翻车机智能识别车钩方法及系统
CN118081772A (zh) 一种agv机器人故障检测和诊断方法
Zenga et al. Design and Optimization of Electric Automation Control System for Large Machinery Based on Grey Clustering Algorithm
CN112859743A (zh) 一种基于摩擦辨识的数控机床健康状态监测方法及装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210723

WW01 Invention patent application withdrawn after publication