CN114415575B - 实时数据驱动的焊接车间三维虚拟监控与智能预警系统 - Google Patents

Abstract

本发明公开了一种实时数据驱动的焊接车间三维虚拟监控与智能预警系统，包括依次相连的数据采集模块、信息通讯模块、虚拟监控模块和人机交互模块，以及分别与信息通讯模块和人机交互模块连接的故障预警模块。本发明根据真实车间的布局结合虚实映射原理，在虚拟环境下完整还原了车间的三维外观，为管理者提供了直观、形象、交互性强的车间状态监控界面；结合焊接车间生产环境和设备特点搭建虚拟车间，开发了基于外置激光位移传感器的位姿数据实时采集模块，采集到必要的实时数据驱动虚拟车间的同步运动，并且传感器夹具通过磁吸固定，避免因打孔对设备造成的损坏，夹具整体的直角结构能有效减少外部干扰造成的夹具偏转。

Description

实时数据驱动的焊接车间三维虚拟监控与智能预警系统

技术领域

本发明属于自动化焊接技术领域，具体涉及一种实时数据驱动的焊接车间三维虚拟监控与智能预警系统。

背景技术

随着信息化技术的迅猛发展以及工业生产水平的不断提高，生产车间对提高信息化程度的需求也日益增长，实现车间信息化管理最需要的是实时把握车间的生产实际状况，使得管理者可以根据生产实际做出最佳的安排。目前已有的焊接车间生产管理系统采用的是摄像头监控画面结合二维图表在二维界面上显示信息的方式实现实时监控，由于焊接车间现场环境复杂，监控摄像头画面捕捉角度和像素有限，二维图表显示的生产信息也不够直观，生产管理者依然无法从该系统中有效把握焊接车间的实时信息。近年来，虚拟现实技术与增强现实技术不断发展，因其良好的真实度和沉浸感，逐渐被广泛应用于制造业。

数字化车间虚拟监控系统的构建，可以实现物理现实车间的全方位检测，保存的历史数据也可以在设备进行故障检测和预防时起到重要的效果。现阶段虚拟交互系统所研究的对象都是已经集成了位姿与生产数据采集与上传硬件的现代化数控机床。本文所针对的焊接车间中的设备在制造过程中优先考虑稳定性及焊接性能，焊接设备在实际使用时是现场操作人员根据目测到的焊枪与焊缝的偏差距离来通过控制面板调节各运动轴的位置，因此通常无法从焊接设备控制系统直接采集各运动主轴的位置数据，即无法实现基于实时数据驱动的焊接设备运动仿真，在建立虚实映射系统的同时需要考虑这些不利因素。

申请号为CN202110313544.3的专利申请公开了一种车间虚拟监控系统及服务终端，包括数据采集平台、数据处理平台、业务逻辑平台、功能支撑平台、人机交互界面，在虚拟环境下还原了现实车间，通过数据驱动使得物理车间与虚拟车间同步运动，并实现了设备的故障检测，为用户提供三维可视化的虚拟车间布局、设备信息以及运行状态。虽然该系统实现了一套完整的车间虚拟监控流程，但仍然存在以下缺点：(2)该系统只运行于一台服务终端，通过数据线连接控制系统采集数据，对于缺少位姿数据采集硬件需要远距离数据传输的焊接车间而言不适用；(2)该系统的人机交互界面无法体现设备的实时运动位置状态信息，缺少设备位姿状态数据实时采集并展现的能力；(3)该系统的故障检测机制为事后检测，无法在设备故障发生前及时察觉数据异常并发出预警。

发明内容

本发明的目的在于克服现有技术的不足，提供一种根据真实车间的布局结合虚实映射原理，在虚拟环境下完整还原了车间的三维外观，为管理者提供了直观、形象、交互性强的车间状态监控界面的三维虚拟监控与智能预警系统。

本发明的目的是通过以下技术方案来实现的：实时数据驱动的焊接车间三维虚拟监控与智能预警系统，包括依次相连的数据采集模块、信息通讯模块、虚拟监控模块和人机交互模块，以及分别与信息通讯模块和人机交互模块连接的故障预警模块。

进一步地，所述数据采集模块包括焊接设备位姿数据采集子模块和焊接设备工况数据采集子模块；

焊接设备位姿数据采集子模块包括硬件部分和软件部分；硬件部分设置于车间自动焊接设备的变位机上，包括激光位移传感器、无线串口通讯模块传感器端、无线串口通讯模块PC端、电源和夹具；激光位移传感器、无线串口通讯模块传感器端和电源固定在夹具上，夹具上有磁铁卡槽，卡槽中放入磁铁，将夹具吸附在焊接设备变位机上固定；激光位移传感器包括垂直位移传感器和水平位移传感器，分别通过夹具固定在自动焊接设备变位机侧面，分别朝向下端与前端；电源、激光位移传感器、无线串口通讯模块传感器端电连接，激光位移传感器采集到的实时位移数据通过电信号传输给无线串口通讯模块传感器端，再通过蓝牙传输到无线串口通讯模块PC端，最后传输到设备端节点服务器上；

软件部分安装在设备端节点服务器上，包括串口数据解析模块和焊接设备位姿数据上传模块，串口数据解析模块用于将从无线串口通讯模块PC端传来的数据进行解析；焊接设备位姿数据上传模块用于将解析后的数据上传到信息通讯模块中心管理服务器的数据库中；

设备工况数据采集子模块为安装在设备端节点服务器上的软件，设备端节点服务器通过网线与生产设备的控制器通讯连接，设备工况数据采集子模块包括上位机通讯程序和工况数据上传程序，上位机通讯程序用于通过网线与生产设备的PLC控制器通讯并基于上位机通讯协议实时采集转台转速、电压、电流、送丝速度和焊接温度信息；工况数据上传程序用于将上位机通讯程序采集到的实时信息上传到信息通讯模块中心管理服务器的数据库中。

进一步地，所述信息通讯模块包括中心管理服务器和车间5G通讯模块；

中心管理服务器用于获取数据采集模块采集到的车间设备运行相关数据和生产管理相关信息并与虚拟监控模块进行实时数据交互，生产管理相关信息包括：设备信息、物流信息、人员档案、工序安排和统计数据；

5G通讯模块设置于设备端节点服务器上，用于设备端节点服务器与中心管理服务器之间的无线数据通讯；5G远程数据传输模块通过网线与设备端节点服务器通讯连接，通过5G天线将实时数据传输至中心管理服务器中。

进一步地，所述虚拟监控模块包括焊接车间虚拟模型、焊接车间虚拟模型驱动脚本程序、实时数据读取程序、虚拟工件加载程序；虚拟监控模块用于通过三维虚拟模型实时展示焊接车间内各设备的运行情况；

焊接车间虚拟模型包括车间厂房模型、龙门吊模型、物流小车模型、自动化焊接设备模型、喷涂设备模型、热处理设备模型、气缸零件模型、阀门零件模型和现场人员模型；模型均包括静态3D白板模型、模型表面贴图和表面灯光渲染；模型通过文件格式转换导入到虚拟三维引擎软件中；

焊接车间虚拟模型驱动脚本程序用于根据实时数据或虚拟数据在虚拟三维引擎软件中驱动焊接车间虚拟模型的运动，包括龙门吊运动脚本、物流小车运动脚本、自动化焊接设备运动脚本和现场人员运动脚本；

数据读取程序用于在中心管理服务器上获取车间设备实时位姿数据信息并提供给虚拟模型驱动脚本，使后者驱动虚拟车间与物理车间同步运动；

虚拟工件加载程序用于将所述气缸零件、阀门零件模型处理为预制体，当物理车间新增待加工零件入厂时在自动化焊接设备模型处生成新的工件模型。

进一步地，所述故障预警模块用于检测车间中设备出现的故障并对管理人员提出警告，采用结合自回归积分滑动平均模型的数据预测方法实现故障预警，故障预警方法包括以下步骤：

S1、建立基于自回归积分滑动平均模型的时间序列预测函数并进行封装；

S2、根据生产经验给出各个工况数据变化对设备状态影响的权重值；

S3、采集一段时间车间平稳运行过程中的实时工况数据作为样本数据，代入数据预测算法中计算得到下一个时刻的平稳状态数据预测值；

S4、采集设备当前时刻的实时工况数据并使其与前一时刻的预测值进行对比，计算出二者的差值绝对值；

S5、将电压、电流、送丝速度和焊接温度的预测值和实际值的差值绝对值乘以权重后相加得到综合评价值，若综合评价值超过阈值即发出故障警告，若没有超过则将当前时刻的实际值加入样本数据中用于预测下一时刻的平稳状态值；

S6、若S5步骤中发出故障警告，统计差值绝对值乘以权重的值，结果最大的变量为引起故障的变量。

进一步地，所述步骤S1中建立时间序列预测函数包括以下步骤：

S11、在焊接设备开始焊接作业并稳定运行后，采集设备实时工况数据并放在缓存中；

S12、一段时间后，缓存中的实时数据量达到观察值序列长度需求，取出缓存中数据按采集时间顺序整合为观察值序列；

S13、对观察值序列进行平稳性检验，所述平稳性检验方式为检验序列各个数据的相关性，所采用的模型为：

(1)

(2)

(3)

式中：X_t为观察值序列；ΔX_t＝X_t-X_t-1，是观察值序列t时刻的变化量；t为时间变量，α为常数项；βt为趋势项，β为趋势项系数，β_i为t-i时刻的趋势项系数；ε_t为残差项，δ为滞后项系数，k＝1，…，t-1；

原假设H₀：δ＝0先从式(1)开始检验，若检验结果拒绝原假设，则该序列不存在单位根，平稳性检验通过，停止检验，否则继续按顺序检验式(2)和式(3)，若直到式(3)平稳性检验仍未通过，则序列ADF检验未通过；当ADF检验未通过时，对观察值序列X_t取差分并再次进行检验，直到取i阶差分时序列通过平稳性检验；

S14、若序列平稳性检验通过，序列通过最小信息准则确定非平稳时间序列分析模型阶数：

r＝p+q为模型的独立参数个数，

为模型残差方差的极大似然估计，p为自回归阶数，q为滑动平均阶数；AIC(p，q)就是当右式取得最小结果时得到p、q的值；N为观察值序列的数据个数；

确定非平稳时间序列分析模型的阶数并建立模型：

式中：Y_t-1，…，Y_t-p为观察值序列X_t经过i次差分处理后得到的平稳序列，Y_t为平稳序列t时刻的预测值，

为自回归系数，θ₁，…，θ_q为滑动平均系数；对模型进行残差检验，合理的模型残差应满足均数为0的随机正态分布；

S15、确定阶数后建立非平稳时间序列分析模型，并对模型进行残差检验，若不通过则修改模型阶数；

S16、若残差检验通过，则将观察值序列代入到所建立的非平稳时间序列分析模型中，计算得到该工况数据下一时刻的预测值。

本发明的有益效果是：

(1)根据真实车间的布局结合虚实映射原理，在虚拟环境下完整还原了车间的三维外观，为管理者提供了直观、形象、交互性强的车间状态监控界面；

(2)本发明结合焊接车间生产环境和设备特点搭建虚拟车间，针对焊接设备缺少位姿数据采集与上传硬件的特点，开发了基于外置激光位移传感器的位姿数据实时采集模块，采集到必要的实时数据驱动虚拟车间的同步运动，并且传感器夹具通过磁吸固定，避免因打孔对设备造成的损坏，夹具整体的直角结构能有效减少外部干扰造成的夹具偏转；

(3)结合5G通信模块解决了车间空间距离远，有线数据传输对数据线依赖过高的缺点，并实现了生产层和管理层数据的互联互通，提高管理效率；

(4)焊接设备的每个运动轴位移数据单独检测与上传，互相之间不影响，模型驱动无需运动学耦合计算，实时性更好；

(5)结合自回归积分滑动平均模型实现了焊接设备稳态数据预测和设备故障预警，提高了车间生产过程的安全性。

附图说明

图1为本发明三维虚拟监控与智能预警系统的结构示意图；

图2为位姿数据采集子模块硬件部分连接意图；

图3为位姿数据采集子模块夹具示意图；

图4为夹具安装示意图；

图5为系统某一时刻虚拟漫游效果图；

图6为三维虚拟系统故障预警模块的工作流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

如图1所示，本发明的一种实时数据驱动的焊接车间三维虚拟监控与智能预警系统，包括依次相连的数据采集模块1、信息通讯模块2、虚拟监控模块3和人机交互模块5，以及分别与信息通讯模块和人机交互模块连接的故障预警模块4。

数据采集模块1，用于从物理车间和MES系统中采集焊接过程相关数据；信息通讯模块2与数据采集模块1连接，用于数据上传与整合存储，实现物理车间与虚拟车间的数据交互与动态映射；虚拟监控模块3与信息通讯模块2连接，用于根据车间实时数据驱动虚拟模型与物理车间同步运动；故障预警模块4与信息通讯模块2连接，用于根据车间设备实时状态信息结合数据预测算法判断设备实时运行状态，在设备可能出现故障时发出预警信号；人机交互模块5与虚拟监控模块3、故障预警模块4连接，用于为用户提供虚拟的车间实时运行状态显示以及在系统判断设备有故障趋势时显示报警信号。

所述数据采集模块1和信息通讯模块2均包括非关系型数据库和关系型数据库，非关系型数据库位于设备端节点服务器上，用于暂时存储数据采集模块所采集的当前数据；关系型数据库位于中心管理服务器上，用于存储数据采集模块上传的所有历史数据、当前数据和生产管理相关信息。

数据采集模块1包括焊接设备位姿数据采集子模块和焊接设备工况数据采集子模块；

如图2、图3、图4所示，焊接设备位姿数据采集子模块包括硬件部分和软件部分；硬件部分设置于车间自动焊接设备的变位机的横梁末端，包括激光位移传感器(11、12)、无线串口通讯模块传感器端(13、14)、无线串口通讯模块PC端(15、16)、电源(17、18)和夹具(111、112、113、114、115、116、117、118)；激光位移传感器、无线串口通讯模块传感器端和电源固定在夹具上，夹具上有磁铁卡槽，卡槽中放入磁铁，将夹具吸附在焊接设备变位机上固定；激光位移传感器在使用时分为垂直位移传感器11和水平位移传感器12，垂直位移传感器11通过夹具115使探头垂直朝向变位机下端固定，水平位移传感器12通过夹具116使探头水平朝向变位机前端固定；夹具115与夹具114相互垂直固定，夹具116与夹具114相互垂直固定。无线串口通讯模块传感器端13放入夹具113中固定、无线串口通讯模块传感器端14放入夹具114中固定、电源17放入夹具111中固定、电源18放入夹具112中固定，夹具115上固定有磁铁卡槽117、夹具116上固定有磁铁卡槽118，卡槽内放入磁铁可以将夹具及其中的激光位移传感器固定在焊接设备变位机侧面，如图4所示。

激光位移传感器11、无线串口通讯模块传感器端13、电源17电连接，激光位移传感器12、无线串口通讯模块传感器端14、电源18电连接。激光位移传感器(11、12)每0.3秒测量一次变位机水平和垂直方向的位移量并以电信号的形式传输给无线串口通讯模块传感器端(13、14)；无线串口通讯模块传感器端(13、14)再将位移量信息以蓝牙通讯的方式传输给无线串口通讯模块PC端(15、16)；最后无线串口通讯模块PC端(15、16)通过与串口分线器19通讯连接，将数据传输到设备端节点服务器20上。

硬件部分用于在车间生产过程中实时采集自动焊接设备位姿数据，并将传输给软件部分；软件部分安装在设备端节点服务器上，包括串口数据解析模块和焊接设备位姿数据上传模块，串口数据解析模块用于将从无线串口通讯模块PC端传来的数据进行解析，将Hex型的数据解析为double型数据；焊接设备位姿数据上传模块用于将解析后的数据上传到信息通讯模块中心管理服务器的数据库中；

设备工况数据采集子模块为安装在设备端节点服务器上的软件，设备端节点服务器通过网线与生产设备的控制器通讯连接，设备工况数据采集子模块包括上位机通讯程序和工况数据上传程序，上位机通讯程序用于通过网线与生产设备的PLC控制器通讯并基于上位机通讯协议实时采集转台转速、电压、电流、送丝速度和焊接温度信息；工况数据上传程序用于将上位机通讯程序采集到的实时信息上传到信息通讯模块中心管理服务器的数据库中。

本实施例中涉及的PLC控制器包括BECKHOFF系列控制器和西门子系列控制器；具体的，本实时例中上位机通讯程序与车间中BECKHOFF系列控制器通讯的步骤为：

A、PC端通过网线连接工业交换机，工业交换机通过网线连接BECKHOFF控制器

B、在PC端安装TwinCAT3软件，通过TwinCAT3软件建立PC端与BECKHOFF控制器的通讯连接

C、在PC端基于BECKHOFF提供的ads通讯扩展包编写BECKHOFF控制器内部数据读写上位机程序

D、通过上位机程序定时读取控制器内变量并将实时数据存储在缓存中。

本实时例中上位机通讯程序与车间中西门子系列控制器通讯的步骤为：

E、PC端通过网线连接工业交换机，工业交换机通过网线连接西门子控制器；

F、在PC端安装博图V16软件，通过博图软件建立PC端与西门子控制器的通讯连接；

G、在PC端基于snap7协议编写西门子控制器内部数据读写上位机程序；

H、通过上位机程序定时读取控制器内变量并将实时数据存储在缓存中。

所述信息通讯模块包括中心管理服务器和车间5G通讯模块；

中心管理服务器用于获取数据采集模块采集到的车间设备运行相关数据和生产管理相关信息并与虚拟监控模块进行实时数据交互，生产管理相关信息包括：设备信息、物流信息、人员档案、工序安排和统计数据；

5G通讯模块设置于设备端节点服务器上，用于设备端节点服务器与中心管理服务器之间的无线数据通讯；5G远程数据传输模块通过网线与设备端节点服务器通讯连接，通过5G天线将实时数据传输至中心管理服务器中。

所述数据采集模块和信息通讯模块包括非关系型数据库和关系型数据库，非关系型数据库位于设备端节点服务器上用于暂时存储数据采集模块所采集的当前数据，关系型数据库位于中心管理服务器上用于存储数据采集模块上传的所有历史数据、当前数据和生产管理相关信息。

所述虚拟监控模块包括焊接车间虚拟模型、焊接车间虚拟模型驱动脚本程序、实时数据读取程序、虚拟工件加载程序；虚拟监控模块用于通过三维虚拟模型实时展示焊接车间内各设备的运行情况；

焊接车间虚拟模型包括车间厂房模型、龙门吊模型、物流小车模型、自动化焊接设备模型、喷涂设备模型、热处理设备模型、气缸零件模型、阀门零件模型和现场人员模型；模型均包括静态3D白板模型、模型表面贴图和表面灯光渲染；模型通过文件格式转换导入到虚拟三维引擎软件中；

焊接车间虚拟模型驱动脚本程序用于根据实时数据或虚拟数据在虚拟三维引擎软件中驱动焊接车间虚拟模型的运动，包括龙门吊运动脚本、物流小车运动脚本、自动化焊接设备运动脚本和现场人员运动脚本；

数据读取程序用于在中心管理服务器上获取车间设备实时位姿数据信息并提供给虚拟模型驱动脚本，使后者驱动虚拟车间与物理车间同步运动；

虚拟工件加载程序用于将所述气缸零件、阀门零件模型处理为预制体，当物理车间新增待加工零件入厂时在自动化焊接设备模型处生成新的工件模型。

本实施例中焊接车间生产要素虚拟模型建立包括以下步骤：

I、测量物理车间中各生产要素的实际尺寸，使用三维建模软件Solidworks根据实际尺寸数据绘制各生产要素线框模型并导出为STL格式文件；

J、在三维软件3dmax中为I所述线框模型添加材质并使用其中的Vray插件生成模型URL格式贴图，将模型URL格式贴图作为导出为jpg格式图片文件，在绘图软件Photoshop中打开jpg格式的贴图并为模型各个表面添加颜色和纹理细节，绘制完成的贴图重新通过Vray插件加载到模型中，得到带有颜色和纹理细节的表面模型；

K、将J中所述表面模型在3dmax软件中导出为FBX格式文件并导入到通过unity3D软件建立的虚拟监控系统中，在unity3D软件中进行贴图优化与灯光渲染，得到逼真度较高的虚拟模型。

人机交互模块5，用于从各角度查看焊接车间虚拟生产过程及其相关数据，包括车间虚拟漫游、查看车间布局、切换虚拟监控设备相机、工件模型加载和获取统计图表；

具体地，所述工件模型加载包含以下步骤：

L、将零件模型在三维引擎软件中处理为预制体，加入到人机交互界面脚本的调用目录中；

M、用户在人机交互界面点击选择需要加载的零件；

N、脚本在虚拟车间中焊接设备的工位上生成一个该预制体的复制。

本实施例中提供的车间虚拟漫游具体实现方式为：将虚拟场景中的摄像机镜头绑定于一个人员模型上，编写模型移动控制代码，通过键盘上的“W”、“S”、“A”、“D”键分别控制人员模型前进、后退、左转、右转，通过鼠标移动控制镜头旋转，如图5所示为车间虚拟漫游示意图。

本实施例中实现查看车间布局、切换虚拟监控设备相机和获取统计图表的步骤为：在系统初始页面端设置显示有所述功能的按键，鼠标点击对应的按键，系统根据按键点击结果加载对应功能的界面。

如图6所示，本发明的故障预警模块用于检测车间中设备出现的故障并对管理人员提出警告，采用结合自回归积分滑动平均模型的数据预测方法实现故障预警，故障预警方法包括以下步骤：

S1、建立基于自回归积分滑动平均模型的时间序列预测函数并进行封装；建立时间序列预测函数包括以下步骤：

S11、在焊接设备开始焊接作业并稳定运行后，采集设备实时工况数据并放在缓存中；

S12、一段时间后，缓存中的实时数据量达到观察值序列长度需求，取出缓存中数据按采集时间顺序整合为观察值序列；

S13、对观察值序列进行平稳性检验，所述平稳性检验方式为检验序列各个数据的相关性，所采用的模型为：

(1)

(2)

(3)

式中：X_t为观察值序列；ΔX_t＝X_t-X_t-1，是观察值序列t时刻的变化量；t为时间变量，α为常数项；βt为趋势项，β为趋势项系数，β_i为t-i时刻的趋势项系数；ε_t为残差项(在实际应用场景中表现为信号的白噪声或统计数据的误差)，δ为滞后项系数，k＝1，…，t-1；

原假设H₀：δ＝0先从式(1)开始检验，若检验结果拒绝原假设，则该序列不存在单位根，平稳性检验通过，停止检验，否则继续按顺序检验式(2)和式(3)，若直到式(3)平稳性检验仍未通过，则序列ADF检验未通过；当ADF检验未通过时，对观察值序列X_t取差分并再次进行检验，直到取i阶差分时序列通过平稳性检验；H₀是假设的代号，ADF检验的H₀假设就是序列存在单位根。ADF检验就是判断序列是否存在单位根，如果代入δ＝0等式成立则该序列存在单位根，序列不平稳，平稳性检验不通过。

S14、若序列平稳性检验通过，序列通过最小信息准则确定非平稳时间序列分析模型阶数：

r＝p+q为模型的独立参数个数，

为模型残差方差的极大似然估计(下标a表示选择的是AIC准则的意思)，p为自回归阶数，q为滑动平均阶数；AIC是函数名称，全名赤池信息量准则(Akaike information criterion，简称AIC)，(p，q)为变量。当阶数p，q增加模型残差方差

会增大，AIC(p，q)就是当右式取得最小结果时得到p、q的值；N为观察值序列的数据个数；

确定非平稳时间序列分析模型的阶数并建立模型：

式中：Y_t-1，…，Y_t-p为观察值序列X_t经过i次差分处理后得到的平稳序列，Y_t为平稳序列t时刻的预测值，

为自回归系数，θ1，…，θ_q为滑动平均系数，ε_t为白噪声和误差；为确保阶数合适，对上述建立的ARIMA模型进行残差检验，合理的模型残差应满足均数为0的随机正态分布；

S15、确定阶数后建立非平稳时间序列分析模型，并对模型进行残差检验，若不通过则修改模型阶数；

S16、若残差检验通过，则将观察值序列代入到所建立的非平稳时间序列分析模型中，计算得到该工况数据下一时刻的预测值。

S2、根据生产经验给出各个工况数据变化对设备状态影响的权重值；

S3、采集一段时间车间平稳运行过程中的实时工况数据作为样本数据，代入数据预测算法中计算得到下一个时刻的平稳状态数据预测值；

S4、采集设备当前时刻的实时工况数据并使其与前一时刻的预测值进行对比，计算出二者的差值绝对值；

S5、将电压、电流、送丝速度和焊接温度的预测值和实际值的差值绝对值乘以权重后相加得到综合评价值，若综合评价值超过阈值即发出故障警告，若没有超过则将当前时刻的实际值加入样本数据中用于预测下一时刻的平稳状态值；

S6、若S5步骤中发出故障警告，统计差值绝对值乘以权重的值，结果最大的变量为引起故障的变量。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.实时数据驱动的焊接车间三维虚拟监控与智能预警系统，其特征在于，包括依次相连的数据采集模块、信息通讯模块、虚拟监控模块和人机交互模块，以及分别与信息通讯模块和人机交互模块连接的故障预警模块；所述数据采集模块包括焊接设备位姿数据采集子模块和焊接设备工况数据采集子模块；

焊接设备位姿数据采集子模块包括硬件部分和软件部分；硬件部分设置于车间自动焊接设备的变位机上，包括激光位移传感器、无线串口通讯模块传感器端、无线串口通讯模块PC端、电源和夹具；激光位移传感器、无线串口通讯模块传感器端和电源固定在夹具上，夹具上有磁铁卡槽，卡槽中放入磁铁，将夹具吸附在焊接设备变位机上固定；激光位移传感器包括垂直位移传感器和水平位移传感器，分别通过夹具固定在自动焊接设备变位机侧面，分别朝向下端与前端；电源、激光位移传感器、无线串口通讯模块传感器端电连接，激光位移传感器采集到的实时位移数据通过电信号传输给无线串口通讯模块传感器端，再通过蓝牙传输到无线串口通讯模块PC端，最后传输到设备端节点服务器上；

软件部分安装在设备端节点服务器上，包括串口数据解析模块和焊接设备位姿数据上传模块，串口数据解析模块用于将从无线串口通讯模块PC端传来的数据进行解析；焊接设备位姿数据上传模块用于将解析后的数据上传到信息通讯模块中心管理服务器的数据库中；

设备工况数据采集子模块为安装在设备端节点服务器上的软件，设备端节点服务器通过网线与生产设备的控制器通讯连接，设备工况数据采集子模块包括上位机通讯程序和工况数据上传程序，上位机通讯程序用于通过网线与生产设备的PLC控制器通讯并基于上位机通讯协议实时采集转台转速、电压、电流、送丝速度和焊接温度信息；工况数据上传程序用于将上位机通讯程序采集到的实时信息上传到信息通讯模块中心管理服务器的数据库中；

所述故障预警模块用于检测车间中设备出现的故障并对管理人员提出警告，采用结合自回归积分滑动平均模型的数据预测方法实现故障预警，故障预警方法包括以下步骤：

S1、建立基于自回归积分滑动平均模型的时间序列预测函数并进行封装；

S2、根据生产经验给出各个工况数据变化对设备状态影响的权重值；

S3、采集一段时间车间平稳运行过程中的实时工况数据作为样本数据，代入数据预测算法中计算得到下一个时刻的平稳状态数据预测值；

S4、采集设备当前时刻的实时工况数据并使其与前一时刻的预测值进行对比，计算出二者的差值绝对值；

S5、将电压、电流、送丝速度和焊接温度的预测值和实际值的差值绝对值乘以权重后相加得到综合评价值，若综合评价值超过阈值即发出故障警告，若没有超过则将当前时刻的实际值加入样本数据中用于预测下一时刻的平稳状态值；

S6、若S5步骤中发出故障警告，统计差值绝对值乘以权重的值，结果最大的变量为引起故障的变量。

2.根据权利要求1所述的实时数据驱动的焊接车间三维虚拟监控与智能预警系统，其特征在于，所述信息通讯模块包括中心管理服务器和车间5G通讯模块；

中心管理服务器用于获取数据采集模块采集到的车间设备运行相关数据和生产管理相关信息并与虚拟监控模块进行实时数据交互，生产管理相关信息包括：设备信息、物流信息、人员档案、工序安排和统计数据；

5G通讯模块设置于设备端节点服务器上，用于设备端节点服务器与中心管理服务器之间的无线数据通讯；5G远程数据传输模块通过网线与设备端节点服务器通讯连接，通过5G天线将实时数据传输至中心管理服务器中。

3.根据权利要求1所述的实时数据驱动的焊接车间三维虚拟监控与智能预警系统，其特征在于，所述虚拟监控模块包括焊接车间虚拟模型、焊接车间虚拟模型驱动脚本程序、实时数据读取程序、虚拟工件加载程序；虚拟监控模块用于通过三维虚拟模型实时展示焊接车间内各设备的运行情况；

焊接车间虚拟模型包括车间厂房模型、龙门吊模型、物流小车模型、自动化焊接设备模型、喷涂设备模型、热处理设备模型、气缸零件模型、阀门零件模型和现场人员模型；模型均包括静态3D白板模型、模型表面贴图和表面灯光渲染；模型通过文件格式转换导入到虚拟三维引擎软件中；

焊接车间虚拟模型驱动脚本程序用于根据实时数据或虚拟数据在虚拟三维引擎软件中驱动焊接车间虚拟模型的运动，包括龙门吊运动脚本、物流小车运动脚本、自动化焊接设备运动脚本和现场人员运动脚本；

数据读取程序用于在中心管理服务器上获取车间设备实时位姿数据信息并提供给虚拟模型驱动脚本，使后者驱动虚拟车间与物理车间同步运动；

虚拟工件加载程序用于将所述气缸零件、阀门零件模型处理为预制体，当物理车间新增待加工零件入厂时在自动化焊接设备模型处生成新的工件模型。

4.根据权利要求1所述的实时数据驱动的焊接车间三维虚拟监控与智能预警系统，其特征在于，所述步骤S1中建立时间序列预测函数包括以下步骤：

S11、在焊接设备开始焊接作业并稳定运行后，采集设备实时工况数据并放在缓存中；

S12、一段时间后，缓存中的实时数据量达到观察值序列长度需求，取出缓存中数据按采集时间顺序整合为观察值序列；

S13、对观察值序列进行平稳性检验，所述平稳性检验方式为检验序列各个数据的相关性，所采用的模型为：

(1)

(2)

(3)

式中：X_t为观察值序列；ΔX_t＝X_t-X_t-1，是观察值序列t时刻的变化量；t为时间变量，α为常数项；βt为趋势项，β为趋势项系数，β_i为t-i时刻的趋势项系数；ε_t为残差项，δ为滞后项系数，k＝1,…,t-1；

原假设H₀：δ＝0先从式(1)开始检验，若检验结果拒绝原假设，则该序列不存在单位根，平稳性检验通过，停止检验，否则继续按顺序检验式(2)和式(3)，若直到式(3)平稳性检验仍未通过，则序列ADF检验未通过；当ADF检验未通过时，对观察值序列X_t取差分并再次进行检验，直到取i阶差分时序列通过平稳性检验；

S14、若序列平稳性检验通过，序列通过最小信息准则确定非平稳时间序列分析模型阶数：

r＝p+q为模型的独立参数个数，

为模型残差方差的极大似然估计，p为自回归阶数，q为滑动平均阶数；AIC(p，q)就是当右式取得最小结果时得到p、q的值；N为观察值序列的数据个数；

确定非平稳时间序列分析模型的阶数并建立模型：

式中：Y_t-1，…，Y_t-p为观察值序列X_t经过i次差分处理后得到的平稳序列，Y_t为平稳序列t时刻的预测值，

为自回归系数，θ₁，…，θ_q为滑动平均系数；对模型进行残差检验，合理的模型残差应满足均数为0的随机正态分布；

S15、确定阶数后建立非平稳时间序列分析模型，并对模型进行残差检验，若不通过则修改模型阶数；

S16、若残差检验通过，则将观察值序列代入到所建立的非平稳时间序列分析模型中，计算得到该工况数据下一时刻的预测值。

Images