CN114061922A - 基于振动数据的圆盘剪异常状况预警方法 - Google Patents
基于振动数据的圆盘剪异常状况预警方法 Download PDFInfo
- Publication number
- CN114061922A CN114061922A CN202010750914.5A CN202010750914A CN114061922A CN 114061922 A CN114061922 A CN 114061922A CN 202010750914 A CN202010750914 A CN 202010750914A CN 114061922 A CN114061922 A CN 114061922A
- Authority
- CN
- China
- Prior art keywords
- vibration
- disc shear
- abnormal condition
- early warning
- data
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- 230000005856 abnormality Effects 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 6
- 238000010008 shearing Methods 0.000 abstract description 4
- 230000006698 induction Effects 0.000 description 9
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 210000004907 gland Anatomy 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000714933 Chryseobacterium nakagawai Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
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
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于振动数据的圆盘剪异常状况预警方法,所述圆盘剪异常状况预警方法包括:针对圆盘剪刀座设置一套振动信号采样分析装置;所述振动信号采样分析装置按照设定的采样频率对圆盘剪刀座的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据;所述振动信号采样分析装置按照设定的采样分析周期时间周期性地对应力信号数据进行分析并判断圆盘剪状况;若所述振动信号采样分析装置经分析判定圆盘剪有崩刃异常状况或松刀异常状况,则针对该异常状况发出预警。本发明的圆盘剪异常状况预警方法通过采集并分析圆盘剪刀座的振动信号情况可及时发现圆盘剪的异常状况,避免生产安全事故和批量剪切缺陷的发生。
Description
技术领域
本发明涉及一种圆盘剪预警方法,尤其涉及一种基于振动数据的圆盘剪异常状况预警方法。
背景技术
圆盘剪是板带生产线不可缺少的重要设备,其作用是对带钢进行边部剪切,以去除带钢边部缺陷。
圆盘剪刀片在工作过程中,难免会出现一些异常状况,最常见的有两种异常状况,分别是崩刃异常和松刀异常。
圆盘剪刀片在工作时,除了承受很大的压应力和摩擦力作用外,同时还要承受一定的侧向力和冲击动载荷,特别在进行高强钢剪切时,刀片上承受的压力极大,从而容易出现所述崩刃异常,崩刃异常容易引发批量的带钢边部缺陷问题,造成产品降级甚至报废处理。
圆盘剪刀片一般采用液压螺母进行紧固,液压螺母是一种先进的紧固装配方法,液压螺母具有使用方便、压紧力大、安全可靠等特点,特别适用于狭窄空间、重负荷振动、经常拆装工况的机械紧固。然而在现场实际生产过程中,如果安装操作不规范,或者圆盘剪工作期间液压螺母出现漏油现象,都会引起液压螺母的松动而导致松刀异常,松刀异常会造成所剪切带钢的边丝不能被完全剪断,并带到后续辊子上,必须马上停机进行处理,从而造成很大的经济损失。
目前,针对上述异常状况还没有特别有效的预警技术,通常只能靠现场观察才能发现异常状况,待到发现时,这些异常往往已经引发了带钢的边部缺陷或者造成异常停机等生产损失,从而对产品质量和正常生产过程造成一定影响。
中国专利申请(申请号:201810986327.9)公开了一种用于圆盘剪的液压螺母松动自动报警装置,在该报警装置中,所述液压螺母端面上开设有凹槽,凹槽内安装有报警装置感应发射端;所述螺纹轴的轴端通过压盖固定安装有支撑盘,支撑盘上连接有挡片,挡片末端安装有感应磁铁;所述报警装置感应发射端上开设有与所述感应磁铁配合的接近开关感应端;所述报警装置感应发射端远程无线连接有报警端。该专利所述技术方案需要对液压螺母进行改造,由于圆盘剪液压螺母本身的端面尺寸就很小,已无相应的位置可以加工凹槽、安装报警装置感应发射端,以及在螺纹轴的轴端通过压盖固定安装支撑盘、挡片和感应磁铁;即使安装了上述感应、发射装备,在长期高速旋转状态下,其装备本身也会产生松动,不仅具有安全隐患,也会产生误报警现象;在工业环境较差、接收距离较远的情况下,对所述无线报警装置的供电、信号接收必然会造成较大影响。基于上述原因,该发明技术方案难以投入到实际应用中。
发明内容
本发明的目的在于提供一种基于振动数据的圆盘剪异常状况预警方法,本发明的圆盘剪异常状况预警方法通过采集并分析圆盘剪刀座的振动信号情况可及时发现圆盘剪的异常状况,避免生产安全事故和批量剪切缺陷的发生。
为了实现上述技术目的,本发明采用如下技术方案:
一种基于振动数据的圆盘剪异常状况预警方法,包括:
步骤1:针对圆盘剪刀座设置一套振动信号采样分析装置;
步骤2:所述振动信号采样分析装置按照设定的采样频率对圆盘剪刀座的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据;
步骤3:所述振动信号采样分析装置按照设定的采样分析周期时间周期性地对应力信号数据进行分析并判断圆盘剪状况;
步骤4:若所述振动信号采样分析装置经分析判定圆盘剪有异常状况,则针对该异常状况发出预警。
进一步地,步骤3中所述对应力信号数据进行分析并判断圆盘剪状况具体包括:
步骤3.1:获取所述采样分析周期时间内所有采集并转换得到的应力信号数据;
步骤3.2:按照设定的组内数据个数n,以n个数据为一组,将所述采样分析周期时间内所有采集并转换得到的应力信号数据分组;
步骤3.3:计算每组应力信号数据的总体标准差;
步骤3.4:将计算得出的每组应力信号数据的总体标准差与设定的标准差阈值作比较,统计所述总体标准差大于标准差阈值的组数,设该组数为超阈组数;
步骤3.5:若所述超阈组数处于设定的异常判定组数范围内,则判定圆盘剪有异常状况。
进一步地,步骤3.4中所述设定的标准差阈值为0.12。
进一步地,步骤3.5包括:若所述超阈组数处于设定的崩刃异常判定组数范围内,则判定圆盘剪有崩刃异常状况。
进一步地,所述设定的崩刃异常判定组数范围为大于等于6。
进一步地,步骤3.5包括:若所述超阈组数处于设定的松刀异常判定组数范围内,则判定圆盘剪有松刀异常状况。
进一步地,所述设定的松刀异常判定组数范围为1~3。
进一步地,步骤3中所述设定的采样分析周期时间为2秒。
进一步地,所述振动信号采样分析装置包括振动测试分析仪、振动传感器和服务器,所述振动测试分析仪与振动传感器信号连接,所述服务器与振动测试分析仪通讯连接;所述振动传感器安置在圆盘剪刀座上,振动传感器用于探测圆盘剪刀座的振动信号并将圆盘剪刀座的振动信号传送给振动测试分析仪;所述振动测试分析仪用于通过振动传感器对圆盘剪刀座的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据,并且将应力信号数据传送给服务器;所述服务器用于对应力信号数据进行分析并判断圆盘剪状况,并且针对判定的圆盘剪异常状况发出预警。
进一步地,所述圆盘剪异常状况预警方法还包括:
步骤5:通过人工方式现场确认并处理异常状况,如果预警有误,则对标准差阈值、采样分析周期时间和异常判定组数范围进行修正。
本发明的圆盘剪异常状况预警方法相对现有技术,其有益效果在于:本发明的圆盘剪异常状况预警方法通过采集并分析圆盘剪刀座的振动信号情况来判断并预警圆盘剪的异常状况,尤其是判断圆盘剪的崩刃异常状况和松刀异常状况,从而可及时发现圆盘剪的异常状况,进而避免了由于圆盘剪异常状况导致的生产安全事故和批量剪切缺陷的发生。该方法简单易行、判断结果可靠,不需要对原有设备进行任何改造,便于在现场投入实际应用,而且还可在实际使用过程中进一步进行模型优化,不断提高预警的准确性。
附图说明
图1为本发明基于振动数据的圆盘剪异常状况预警方法的流程图;
图2为图1中对应力信号数据进行分析并判断圆盘剪状况的流程图;
图3为振动信号采样分析装置的连接示意图。
图中:1-圆盘剪刀座、2-振动测试分析仪、3-振动传感器、4-交换机、5-服务器。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明:
参见图1,本实施方式为一种基于振动数据的圆盘剪异常状况预警方法,该圆盘剪异常状况预警方法能够通过对圆盘剪刀座1的振动情况的分析来判断圆盘剪的异常情况,尤其是能够判断崩刃异常和松刀异常。
所述圆盘剪异常状况预警方法包括:
步骤1:针对圆盘剪刀座1设置一套振动信号采样分析装置。
参见图3,具体来说,本实施方式的振动信号采样分析装置包括振动测试分析仪2、振动传感器3和服务器5。
所述振动测试分析仪2与振动传感器3信号连接,更具体地,振动测试分析仪2与振动传感器3的连接线为RG174型号的单芯屏蔽线,单根约15m,通过圆盘剪原有移动拖链接入到振动测试分析仪2中。
所述服务器5与振动测试分析仪2通讯连接,更具体地,所述服务器5通过交换机4与振动测试分析仪2实现网络通讯连接,振动测试分析仪2通过五类双绞线或更高级别的网线将信号传输到交换机,再进一步通过网络传输到远端的服务器5中,可根据传输距离选取光缆或网线连接。
所述振动传感器3安置在圆盘剪刀座1上,振动传感器3用于探测圆盘剪刀座1的振动信号并将圆盘剪刀座1的振动信号传送给振动测试分析仪2。更具体地,所述振动传感器3可通过磁力座吸附在传动侧和操作侧的圆盘剪刀座1上。
所述振动测试分析仪2用于通过振动传感器3对圆盘剪刀座1的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据,并且将应力信号数据传送给服务器5。
所述服务器5用于对应力信号数据进行分析并判断圆盘剪状况,并且针对判定的圆盘剪异常状况发出预警。具体来说,服务器5内运行有一个具有应力信号数据分析功能的监控软件,该监控软件能具体实现对应力信号数据进行分析并判断圆盘剪状况,并且针对判定的圆盘剪异常状况发出预警,尤其可对崩刃异常状况和松刀异常状况进行判断和预警。
步骤2:所述振动信号采样分析装置按照设定的采样频率对圆盘剪刀座1的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据;上述过程具体是由振动信号采样分析装置中的振动测试分析仪2实施完成,其中振动测试分析仪2通过振动传感器3来获取圆盘剪刀座1的振动信号,并对振动信号中的振动加速度信号进行采样。
步骤3:所述振动信号采样分析装置按照设定的采样分析周期时间周期性地对应力信号数据进行分析并判断圆盘剪状况。
参见图2,对应力信号数据进行分析并判断圆盘剪状况的过程是由服务器5实施完成的,其中具体包括:
步骤3.1:获取所述采样分析周期时间内所有采集并转换得到的应力信号数据。
步骤3.2:按照设定的组内数据个数n,以n个数据为一组,将所述采样分析周期时间内所有采集并转换得到的应力信号数据分组。
步骤3.3:计算每组应力信号数据的总体标准差,其中包括先计算每组中应力信号数据的平均值,然后计算该组数据的总体标准差。
步骤3.4:将计算得出的每组应力信号数据的总体标准差与设定的标准差阈值作比较,统计所述总体标准差大于标准差阈值的组数,设该组数为超阈组数。
步骤3.5:若所述超阈组数处于设定的异常判定组数范围内,则判定圆盘剪有异常状况。在该步骤中,可针对圆盘剪的各种异常状况设定异常判定组数范围。在本实施方式中,分别针对崩刃异常状况和松刀异常状况设定了崩刃异常判定组数范围和松刀异常判定组数范围,也就是说,若所述超阈组数处于设定的崩刃异常判定组数范围内,则判定圆盘剪有崩刃异常状况;而若所述超阈组数处于设定的松刀异常判定组数范围内,则判定圆盘剪有松刀异常状况。
步骤4:若所述振动信号采样分析装置经分析判定圆盘剪有异常状况,则针对该异常状况发出预警。
步骤5:通过人工方式现场确认并处理异常状况,如果预警有误,则对标准差阈值、采样分析周期时间和异常判定组数范围进行修正。
以下提供一个本发明的圆盘剪异常状况预警方法的具体实施例:
步骤1:针对圆盘剪刀座1设置一套振动信号采样分析装置。
步骤2:振动信号采样分析装置中的振动测试分析仪2通过振动传感器3对圆盘剪刀座1的振动加速度信号进行采样,设定的采样频率为50Hz,并将振动加速度信号转换成应力信号数据。
步骤3:振动信号采样分析装置中的服务器5按照2秒的采样分析周期时间周期性地对应力信号数据进行分析并判断圆盘剪状况,其中包括:
步骤3.1:获取2秒的采样分析周期时间内所有采集并转换得到的应力信号数据。根据之前所述,采样分析周期时间为2秒,而采样频率为50Hz,那么在2秒的采样分析周期时间内则可采集得到100个应力信号数据。
步骤3.2:按照设定的组内数据个数n,以n个数据为一组,将所述采样分析周期时间内所有采集并转换得到的应力信号数据分组。其中设定的组内数据个数n为10,那么之前所述的100个应力信号数据则被分成10个组,每个组为10个应力信号数据,所得到的10组应力信号数据具体如表1。
应力信号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
第1组 | 3.56 | 3.45 | 3.57 | 3.87 | 3.59 | 3.64 | 3.58 | 3.95 | 4.12 | 3.78 |
第2组 | 3.69 | 3.44 | 3.45 | 3.67 | 3.54 | 3.66 | 3.71 | 3.60 | 3.59 | 3.74 |
第3组 | 3.68 | 3.52 | 3.44 | 3.68 | 3.77 | 3.55 | 3.49 | 3.54 | 3.96 | 3.51 |
第4组 | 3.10 | 3.12 | 3.42 | 3.62 | 3.54 | 3.45 | 3.69 | 3.75 | 3.64 | 3.68 |
第5组 | 3.12 | 3.24 | 3.54 | 3.86 | 4.10 | 3.65 | 3.42 | 3.54 | 3.65 | 3.54 |
第6组 | 4.12 | 3.98 | 3.65 | 3.74 | 3.68 | 3.51 | 3.42 | 3.65 | 3.85 | 3.96 |
第7组 | 3.45 | 3.96 | 3.87 | 4.21 | 3.52 | 3.01 | 3.51 | 3.21 | 3.52 | 3.65 |
第8组 | 4.07 | 3.54 | 3.65 | 3.21 | 3.58 | 4.02 | 3.89 | 3.69 | 3.87 | 3.54 |
第9组 | 3.45 | 3.65 | 3.75 | 3.45 | 3.96 | 3.45 | 3.85 | 3.75 | 3.58 | 3.68 |
第10组 | 3.54 | 3.65 | 4.12 | 3.54 | 3.21 | 3.52 | 3.24 | 3.62 | 3.87 | 3.64 |
表1:2秒的采样分析周期时间内采集的10组应力信号数据。
步骤3.3:计算每组应力信号数据的总体标准差,具体计算结果如表2。
表2:每组数据的总体标准差。
步骤3.4:将计算得出的每组应力信号数据的总体标准差与设定的标准差阈值作比较,统计所述总体标准差大于标准差阈值的组数,设该组数为超阈组数。所述设定的标准差阈值优选为0.12。通过对比,只有第2组是小于标准差阈值,那么一共有9组总体标准差大于标准差阈值,也就是说超阈组数为9。
步骤3.5:若所述超阈组数处于设定的异常判定组数范围内,则判定圆盘剪有异常状况。在该步骤中,分别针对崩刃异常状况和松刀异常状况设定了崩刃异常判定组数范围和松刀异常判定组数范围,其中,设定的崩刃异常判定组数范围为大于等于6,也就是6~∞的范围,而设定的松刀异常判定组数范围为1~3;而之前经过判断得出的超阈组数为9,则该超阈组数处于崩刃异常判定组数范围内,从而判定圆盘剪有崩刃异常状况。
在其它实施例中,如果超阈组数处于松刀异常判定组数范围内,则可判定圆盘剪有松刀异常状况;如果超阈组数为0,则可认为圆盘剪没有异常状况。
步骤4:若所述振动信号采样分析装置经分析判定圆盘剪有异常状况,则针对该异常状况发出预警。根据之前判定的崩刃异常状况,则发出崩刃异常状况预警。
步骤5:通过人工方式现场确认并处理异常状况,如果确认预警正确,则立即进行处理,并在服务器5监控软件上点击“预警正确”确认项;如果预警有误,则在服务器5监控软件上点击“预警有误”确认项,监控软件将自动根据本次结果对标准差阈值、采样分析周期时间和异常判定组数范围进行修正。
本实施方式的圆盘剪异常状况预警方法通过采集并分析圆盘剪刀座1的振动信号情况来判断并预警圆盘剪的异常状况,具体来说,是通过采集圆盘剪刀座1的振动加速度信号,并将振动加速度信号转换成应力信号数据,然后通过分析应力信号数据来判断并预警圆盘剪的异常状况,尤其是判断圆盘剪的崩刃异常状况和松刀异常状况,从而可及时发现圆盘剪的异常状况,进而避免了由于圆盘剪异常状况导致的生产安全事故和批量剪切缺陷的发生,并且该方法简单易行、判断结果可靠,不需要对原有设备进行任何改造,便于在现场投入实际应用,而且还可在实际使用过程中进一步进行模型优化,不断提高预警的准确性。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,因此,凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于振动数据的圆盘剪异常状况预警方法,其特征在于:包括:
步骤1:针对圆盘剪刀座(1)设置一套振动信号采样分析装置;
步骤2:所述振动信号采样分析装置按照设定的采样频率对圆盘剪刀座(1)的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据;
步骤3:所述振动信号采样分析装置按照设定的采样分析周期时间周期性地对应力信号数据进行分析并判断圆盘剪状况;
步骤4:若所述振动信号采样分析装置经分析判定圆盘剪有异常状况,则针对该异常状况发出预警。
2.根据权利要求1所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:步骤3中所述对应力信号数据进行分析并判断圆盘剪状况具体包括:
步骤3.1:获取所述采样分析周期时间内所有采集并转换得到的应力信号数据;
步骤3.2:按照设定的组内数据个数n,以n个数据为一组,将所述采样分析周期时间内所有采集并转换得到的应力信号数据分组;
步骤3.3:计算每组应力信号数据的总体标准差;
步骤3.4:将计算得出的每组应力信号数据的总体标准差与设定的标准差阈值作比较,统计所述总体标准差大于标准差阈值的组数,设该组数为超阈组数;
步骤3.5:若所述超阈组数处于设定的异常判定组数范围内,则判定圆盘剪有异常状况。
3.根据权利要求2所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:步骤3.4中所述设定的标准差阈值为0.12。
4.根据权利要求2所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:步骤3.5包括:若所述超阈组数处于设定的崩刃异常判定组数范围内,则判定圆盘剪有崩刃异常状况。
5.根据权利要求4所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:所述设定的崩刃异常判定组数范围为大于等于6。
6.根据权利要求2所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:步骤3.5包括:若所述超阈组数处于设定的松刀异常判定组数范围内,则判定圆盘剪有松刀异常状况。
7.根据权利要求6所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:所述设定的松刀异常判定组数范围为1~3。
8.根据权利要求1所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:步骤3中所述设定的采样分析周期时间为2秒。
9.根据权利要求1所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:所述振动信号采样分析装置包括振动测试分析仪(2)、振动传感器(3)和服务器(5),所述振动测试分析仪(2)与振动传感器(3)信号连接,所述服务器(5)与振动测试分析仪(2)通讯连接;
所述振动传感器(3)安置在圆盘剪刀座(1)上,振动传感器(3)用于探测圆盘剪刀座(1)的振动信号并将圆盘剪刀座(1)的振动信号传送给振动测试分析仪(2);
所述振动测试分析仪(2)用于通过振动传感器(3)对圆盘剪刀座(1)的振动加速度信号进行采样,并将振动加速度信号转换成应力信号数据,并且将应力信号数据传送给服务器(5);
所述服务器(5)用于对应力信号数据进行分析并判断圆盘剪状况,并且针对判定的圆盘剪异常状况发出预警。
10.根据权利要求2所述基于振动数据的圆盘剪异常状况预警方法,其特征在于:所述圆盘剪异常状况预警方法还包括:
步骤5:通过人工方式现场确认并处理异常状况,如果预警有误,则对标准差阈值、采样分析周期时间和异常判定组数范围进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750914.5A CN114061922A (zh) | 2020-07-30 | 2020-07-30 | 基于振动数据的圆盘剪异常状况预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750914.5A CN114061922A (zh) | 2020-07-30 | 2020-07-30 | 基于振动数据的圆盘剪异常状况预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114061922A true CN114061922A (zh) | 2022-02-18 |
Family
ID=80227135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750914.5A Pending CN114061922A (zh) | 2020-07-30 | 2020-07-30 | 基于振动数据的圆盘剪异常状况预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114061922A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
JP2006030786A (ja) * | 2004-07-20 | 2006-02-02 | Kyocera Mita Corp | 画像形成装置 |
CN102722104A (zh) * | 2012-06-29 | 2012-10-10 | 宝山钢铁股份有限公司 | 一种用于控制高强钢酸洗剪边质量的方法 |
CN103934286A (zh) * | 2013-01-22 | 2014-07-23 | 宝山钢铁股份有限公司 | 圆盘剪剪切过程中带钢有害振动的在线检测方法 |
JP2017064860A (ja) * | 2015-09-30 | 2017-04-06 | 株式会社日立ニコトランスミッション | 加工異常監視方法およびその機能を備えたnc工作機械 |
CN106650001A (zh) * | 2016-11-15 | 2017-05-10 | 大连理工大学 | 一种微铣刀早期破损的预测方法 |
WO2018062445A1 (ja) * | 2016-09-28 | 2018-04-05 | エヌティーエンジニアリング株式会社 | 作業機械の振動監視方法及びシステム |
CN108568455A (zh) * | 2017-03-10 | 2018-09-25 | 宝山钢铁股份有限公司 | 一种轧机振动监测及振动纹缺陷判别的方法 |
CN108731921A (zh) * | 2017-12-26 | 2018-11-02 | 保定风赢新能源技术服务有限公司 | 一种设备连接件故障监测方法及系统 |
CN108788288A (zh) * | 2018-08-28 | 2018-11-13 | 燕山大学 | 一种用于圆盘剪的液压螺母松动自动报警装置 |
CN109883661A (zh) * | 2017-12-05 | 2019-06-14 | 拓卡奔马机电科技有限公司 | 基于振动分析的裁床断刀检测方法 |
CN110587377A (zh) * | 2019-09-03 | 2019-12-20 | 重庆大学 | 一种在线监测铣削加工刀具缺损的方法 |
WO2020039565A1 (ja) * | 2018-08-23 | 2020-02-27 | 村田機械株式会社 | 回転機械に用いられる軸受の異常診断方法 |
-
2020
- 2020-07-30 CN CN202010750914.5A patent/CN114061922A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
JP2006030786A (ja) * | 2004-07-20 | 2006-02-02 | Kyocera Mita Corp | 画像形成装置 |
CN102722104A (zh) * | 2012-06-29 | 2012-10-10 | 宝山钢铁股份有限公司 | 一种用于控制高强钢酸洗剪边质量的方法 |
CN103934286A (zh) * | 2013-01-22 | 2014-07-23 | 宝山钢铁股份有限公司 | 圆盘剪剪切过程中带钢有害振动的在线检测方法 |
JP2017064860A (ja) * | 2015-09-30 | 2017-04-06 | 株式会社日立ニコトランスミッション | 加工異常監視方法およびその機能を備えたnc工作機械 |
WO2018062445A1 (ja) * | 2016-09-28 | 2018-04-05 | エヌティーエンジニアリング株式会社 | 作業機械の振動監視方法及びシステム |
CN106650001A (zh) * | 2016-11-15 | 2017-05-10 | 大连理工大学 | 一种微铣刀早期破损的预测方法 |
CN108568455A (zh) * | 2017-03-10 | 2018-09-25 | 宝山钢铁股份有限公司 | 一种轧机振动监测及振动纹缺陷判别的方法 |
CN109883661A (zh) * | 2017-12-05 | 2019-06-14 | 拓卡奔马机电科技有限公司 | 基于振动分析的裁床断刀检测方法 |
CN108731921A (zh) * | 2017-12-26 | 2018-11-02 | 保定风赢新能源技术服务有限公司 | 一种设备连接件故障监测方法及系统 |
WO2020039565A1 (ja) * | 2018-08-23 | 2020-02-27 | 村田機械株式会社 | 回転機械に用いられる軸受の異常診断方法 |
CN108788288A (zh) * | 2018-08-28 | 2018-11-13 | 燕山大学 | 一种用于圆盘剪的液压螺母松动自动报警装置 |
CN110587377A (zh) * | 2019-09-03 | 2019-12-20 | 重庆大学 | 一种在线监测铣削加工刀具缺损的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110252851B (zh) | 冲压加工中的异常检测方法以及异常检测装置 | |
CN106017932B (zh) | 电机轴承在线监测及智能预警系统 | |
CN110421408B (zh) | 一种刀具磨损状态的监测方法 | |
CN116758719B (zh) | 一种生产车间设备环境在线监测系统 | |
CN113211189A (zh) | 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法 | |
CN113341879A (zh) | 一种数控机床的数据采集与监控方法及系统 | |
CN115208061A (zh) | 一种电力设备自动化检修装置及方法 | |
CN112033679A (zh) | 一种盾构机主轴承无损检测装置及检测方法 | |
CN117331344A (zh) | 数控加工过程多信号质量监测与控制系统 | |
CN114061922A (zh) | 基于振动数据的圆盘剪异常状况预警方法 | |
CN114660181A (zh) | 基于声发射传感器的安全监测系统、预警系统和检测方法 | |
CN117196416B (zh) | 一种工业中台驱动的设备状态监测系统 | |
CN113418731A (zh) | 一种卷烟机组的在线故障诊断方法 | |
CN111308960B (zh) | 一种负载监控方法及系统 | |
CN117113104A (zh) | 一种应用数据分析技术的智能化管理系统及方法 | |
CN110303592B (zh) | 基于震动信息的混凝土生产设备在线故障检测方法及系统 | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN111855023A (zh) | 斜楔导滑面磨损异常状况检测方法及系统 | |
CN112418604A (zh) | 一种大型行车车轮智能监测方法 | |
CN112000858B (zh) | 一种车间数据异常识别的方法 | |
CN113578503B (zh) | 一种磨煤机检修方法及其系统、存储介质、终端 | |
CN111113151B (zh) | 一种双金属锯带锯切过程中的在线故障诊断方法及系统 | |
CN114378355B (zh) | 一种办公家具加工用料板冲剪设备及其冲剪方法 | |
CN218669767U (zh) | 一种水泵机组设备健康状态在线监测装置 | |
CN112179947B (zh) | 一种基于多特征因子统计的刀具磨损预警方法 |
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 |