CN115423134A - 基于人工智能的重膜吹膜机运行检测系统 - Google Patents
基于人工智能的重膜吹膜机运行检测系统 Download PDFInfo
- Publication number
- CN115423134A CN115423134A CN202211372885.9A CN202211372885A CN115423134A CN 115423134 A CN115423134 A CN 115423134A CN 202211372885 A CN202211372885 A CN 202211372885A CN 115423134 A CN115423134 A CN 115423134A
- Authority
- CN
- China
- Prior art keywords
- analysis
- maintenance
- signal
- state
- preventive maintenance
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C55/00—Shaping by stretching, e.g. drawing through a die; Apparatus therefor
- B29C55/28—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of blown tubular films, e.g. by inflation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于人工智能的重膜吹膜机运行检测系统,涉及运行检测技术领域,包括服务器,服务器通讯连接有可运行工艺分级单元、设备历史运行分析单元、预防性维护单元、基于状态维护单元;本发明是针对不同分析对象进行合理的维护,有利于提高分析对象的维护效率,保证分析对象的运行合格性,提高分析对象在运行过程中检测效率且能够保证其运行效率;预防性维护能够避免偶然性故障的失修同时能够避免正常设备的过度维修;针对基于状态维护对象的运行数据合理进行维护,提高运行状态的检测效率,防止出现过度检测的现象发生,以降低检测质量同时影响分析对象的实时生产合格性。
Description
技术领域
本发明涉及运行检测技术领域,具体为基于人工智能的重膜吹膜机运行检测系统。
背景技术
吹膜机是将塑料粒子加热融化再吹成薄膜,吹膜机分为PE类、POF类及PVC类等方面,吹膜机是塑料行业重要的加工机械之一,而提高其自动控制水平,对行业的发展至关重要;但是在现有技术中,重膜吹膜机在运行过程中不能够根据执行工艺类型进行合理的运行检测,导致运行检测效率降低,同时不能够进行合理的维护,以至于容易造成偶然性故障的失修且正常设备的过度维修;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出基于人工智能的重膜吹膜机运行检测系统,将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,便于重膜吹膜机运行过程监测,对当前工艺可行性进行合理判断的同时根据不同工艺强度浮动能够准确判断重膜吹膜机运行效率;将分析对象的历史运行过程进行分析,判断分析对象在历史运行过程中工作强度浮动对故障产生是否存在影响,从而对分析对象进行分析,判断分析对象故障的随机性,提高了分析对象的监测力度。
本发明的目的可以通过以下技术方案实现:
基于人工智能的重膜吹膜机运行检测系统,包括服务器,服务器通讯连接有:
可运行工艺分级单元,用于将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,将重膜吹膜机标记为分析对象,根据分析对象的设备额定参数将对应可执行工艺进行等级划分,将可执行工艺设置标号i,i为大于1的自然数;获取到分析对象的可执行工艺的等级分析系数,根据等级分析系数比较将可执行工艺划分为一级强度工艺、二级强度工艺以及三级强度工艺;并将其发送至服务器;在分析对象当前工艺完成后执行下一工艺时,完成工艺与待执行工艺为低等级工艺转变为高等级工艺,则分析对象待执行的工作强度趋势为降低趋势;若完成工艺与待执行工艺为高等级工艺转变为低等级工艺,则分析对象待执行工作的工作强度趋势为增强趋势;
设备历史运行分析单元,用于将分析对象的历史运行过程进行分析,将分析对象的历史运行时间段进行分析,通过分析生成可控故障信号和随机故障信号,并将对应的分析对象编号发送至服务器;服务器将对应分析对象标记为预防性维护对象,将对应分析对象标记为基于状态维护对象;
预防性维护单元,用于将预防性维护对象的运行过程中进行预防性维护,通过运行过程监测获取到预防性维护对象的高风险执行和低风险执行,并根据高风险执行和低风险执行分析生成预防维护信号和正常运行信号,并将其发送至服务器;
基于状态维护单元,用于将基于状态维护对象的运行过程进行运行检测,将基于状态维护对象的运行参数浮动划分为高风险趋势和低风险趋势,并根据高风险趋势和低风险趋势分析生成状态维护信号和状态正常信号,并将其发送至服务器。
作为本发明的一种优选实施方式,可运行工艺分级单元的运行过程如下:
采集到分析对象对应可执行工艺的须满足执行温度值以及对应须满足执行温度值的持续恒定的可偏差浮动值;采集到分析对象对应可执行工艺允许的膜最大厚度差值;通过分析获取到分析对象的可执行工艺的等级分析系数;
将分析对象的可执行工艺的等级分析系数与L1和L2进行比较,且L1和L2均为等级分析系数阈值,且L1>L2>0;若分析对象的可执行工艺的等级分析系数>L1,则将对应可执行工艺标记为一级强度工艺;若L2≤分析对象的可执行工艺的等级分析系数≤L1,则将对应可执行工艺标记为二级强度工艺;若分析对象的可执行工艺的等级分析系数<L2,则将对应可执行工艺标记为三级强度工艺。
作为本发明的一种优选实施方式,设备历史运行分析单元的运行过程如下:
采集到历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值以及工作强度降低时设备故障维护不合格的频率降低量,并将其分别与概率增加值阈值和频率降低量阈值进行比较:
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值超过概率增加值阈值,或者工作强度降低时设备故障维护不合格的频率降低量超过频率降低量阈值,则生成可控故障信号并将可控故障信号和对应分析对象一同发送至服务器;
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值未超过概率增加值阈值,且工作强度降低时设备故障维护不合格的频率降低量未超过频率降低量阈值,则生成随机故障信号并将随机故障信号和对应分析对象一同发送至服务器。
作为本发明的一种优选实施方式,预防性维护单元的运行过程如下:
将预防性维护对象的运行过程进行监测,采集到运行过程中预防性维护对象的运行参数,其中运行参数包括使用频率、间隔休息时长或者环境温度浮动值,若运行过程中预防性维护对象的运行参数未处于对应参数阈值范围内,则将对应预防性维护执行标记为高风险执行;若运行过程中预防性维护对象的运行参数处于对应参数阈值范围内,则将对应预防性维护执行标记为低风险执行。
作为本发明的一种优选实施方式,采集到预防性维护对象对应高风险执行的出现频率以及对应低风险执行的最长持续时长,并将其分别与出现频率阈值和最长持续时长阈值进行比较:
若预防性维护对象对应高风险执行的出现频率超过出现频率阈值,或者对应低风险执行的最长持续时长未超过最长持续时长阈值,则生成预防维护信号并将预防维护信号发送至服务器;若预防性维护对象对应高风险执行的出现频率未超过出现频率阈值,且对应低风险执行的最长持续时长超过最长持续时长阈值,则生成正常运行信号并正常运行信号发送至服务器。
作为本发明的一种优选实施方式,基于状态维护单元的运行过程如下:
将基于状态维护对象的运行参数实时浮动进行分析,若基于状态维护对象的运行参数浮动趋势为运行参数数值远离对应参数阈值范围,将对应浮动趋势标记为高风险趋势;反之,基于状态维护对象的运行参数浮动趋势为运行参数数值未远离对应参数阈值范围,或者实时运行参数与对应参数阈值范围的临界值差值未超过差值阈值,则将对应浮动趋势标记为低风险趋势。
作为本发明的一种优选实施方式,将基于状态维护对象的运行过程时间段划分为k个时刻点,k为大于1的自然数,若基于状态维护对象在运行过程中连续单位数量的时刻点均为高风险趋势,或者低风险趋势对应时刻点的连续数量未超过连续数量阈值,则生成状态维护信号并将状态维护信号发送至服务器;若基于状态维护对象在运行过程中连续单位数量的时刻点未均为高风险趋势,且低风险趋势对应时刻点的连续数量超过连续数量阈值,则生成状态正常信号并将状态正常信号发送至服务器。
与现有技术相比,本发明的有益效果是:
1、本发明中,将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,便于重膜吹膜机运行过程监测,对当前工艺可行性进行合理判断的同时根据不同工艺强度浮动能够准确判断重膜吹膜机运行效率;将分析对象的历史运行过程进行分析,判断分析对象在历史运行过程中工作强度浮动对故障产生是否存在影响,从而对分析对象进行分析,判断分析对象故障的随机性,提高了分析对象的监测力度,保证分析对象在当前运行过程中能够进行准确检测,确保分析对象的实时工作效率;
2、本发明中,针对不同分析对象进行合理的维护,有利于提高分析对象的维护效率,保证分析对象的运行合格性,提高分析对象在运行过程中检测效率且能够保证其运行效率;预防性维护能够避免偶然性故障的失修同时能够避免正常设备的过度维修;针对基于状态维护对象的运行数据合理进行维护,提高运行状态的检测效率,防止出现过度检测的现象发生,从而降低检测质量同时影响分析对象的实时生产合格性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明基于人工智能的重膜吹膜机运行检测系统的原理框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,基于人工智能的重膜吹膜机运行检测系统,包括服务器,服务器通讯连接有可运行工艺分级单元、设备历史运行分析单元、预防性维护单元以及基于状态维护单元,其中,服务器与可运行工艺分级单元、设备历史运行分析单元、预防性维护单元以及基于状态维护单元均为双向通讯连接;
在重膜吹膜机投入使用时,将对应重膜吹膜机可以适用的工艺进行分析,根据工艺需要参数进行工艺划分,服务器生成可运行工艺分级信号并将可运行工艺分级信号发送至可运行工艺分级单元,可运行工艺分级单元接收到可运行工艺分级信号后,将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,便于重膜吹膜机运行过程监测,对当前工艺可行性进行合理判断的同时根据不同工艺强度浮动能够准确判断重膜吹膜机运行效率;
将重膜吹膜机标记为分析对象,根据分析对象的设备额定参数将对应可执行工艺进行等级划分,将可执行工艺设置标号i,i为大于1的自然数,设备额定参数表示为设备运行过程中额定温度、额定电压等参数;采集到分析对象对应可执行工艺的须满足执行温度值以及对应须满足执行温度值的持续恒定的可偏差浮动值,并将分析对象对应可执行工艺的须满足执行温度值以及对应须满足执行温度值的持续恒定的可偏差浮动值分别标记为WDZi和HPCi;采集到分析对象对应可执行工艺允许的膜最大厚度差值,并将分析对象对应可执行工艺允许的膜最大厚度差值标记为MCZi;
将分析对象的可执行工艺的等级分析系数Xi与L1和L2进行比较,且L1和L2均为等级分析系数阈值,且L1>L2>0;
若分析对象的可执行工艺的等级分析系数Xi>L1,则将对应可执行工艺标记为一级强度工艺;
若L2≤分析对象的可执行工艺的等级分析系数Xi≤L1,则将对应可执行工艺标记为二级强度工艺;
若分析对象的可执行工艺的等级分析系数Xi<L2,则将对应可执行工艺标记为三级强度工艺;
将一级强度工艺、二级强度工艺以及三级强度工艺一同发送至服务器,服务器接收到对应类型的工艺后将其进行分析,在分析对象当前工艺完成后执行下一工艺时,其完成工艺与待执行工艺为低等级工艺转变为高等级工艺,则分析对象待执行的工作强度趋势为降低趋势;如一级强度工艺完成后执行二级强度工艺或者三级强度工艺;若完成工艺与待执行工艺为高等级工艺转变为低等级工艺,则分析对象待执行工作的工作强度趋势为增强趋势,如三级强度工艺完成后执行二级强度工艺或者一级强度工艺;
服务器完成分析对象的强度浮动趋势判定后,生成设备历史运行分析信号并将设备历史运行分析信号发送至设备历史运行分析单元,设备历史运行分析单元接收到设备历史运行分析信号后,将分析对象的历史运行过程进行分析,判断分析对象在历史运行过程中工作强度浮动对故障产生是否存在影响,从而对分析对象进行分析,判断分析对象故障的随机性,提高了分析对象的监测力度,保证分析对象在当前运行过程中能够进行准确检测,确保分析对象的实时工作效率;
将分析对象的历史运行时间段进行分析,采集到历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值以及工作强度降低时设备故障维护不合格的频率降低量,并将历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值以及工作强度降低时设备故障维护不合格的频率降低量分别与概率增加值阈值和频率降低量阈值进行比较:
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值超过概率增加值阈值,或者工作强度降低时设备故障维护不合格的频率降低量超过频率降低量阈值,则判定分析对象的故障具有可控性,生成可控故障信号并将可控故障信号和对应分析对象一同发送至服务器;
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值未超过概率增加值阈值,且工作强度降低时设备故障维护不合格的频率降低量未超过频率降低量阈值,则判定分析对象的故障具有随机性,生成随机故障信号并将随机故障信号和对应分析对象一同发送至服务器;
本申请中以工作强度作为分析对象故障的影响因素,在现有技术中存在多种故障影响因素,如环境参数等,但其他故障影响因素代入本系统,该技术方案仍成立;
服务器接收到可控故障信号后,将对应分析对象标记为预防性维护对象,生成预防性维护信号并将预防性维护信号发送至预防性维护单元;服务器接收到随机故障信号后,将对应分析对象标记为基于状态维护对象,生成基于状态维护信号并将基于状态维护信号发送至基于状态维护单元;
预防性维护单元接收到预防性维护信号后,将预防性维护对象的运行过程中进行预防性维护,针对不同分析对象进行合理的维护,有利于提高分析对象的维护效率,保证分析对象的运行合格性,提高分析对象在运行过程中检测效率且能够保证其运行效率;预防性维护能够避免偶然性故障的失修同时能够避免正常设备的过度维修;
将预防性维护对象的运行过程进行监测,采集到运行过程中预防性维护对象的运行参数,其中运行参数包括使用频率、间隔休息时长或者环境温度浮动值等参数,若运行过程中预防性维护对象的运行参数未处于对应参数阈值范围内,则将对应预防性维护执行标记为高风险执行;即使用频率未处于对应使用频率阈值范围时,则分析对象的实时运行标记为高风险执行,如环境温度浮动未处于温度浮动值阈值范围时,则将分析对象的实时运行标记为高风险运行;若运行过程中预防性维护对象的运行参数处于对应参数阈值范围内,则将对应预防性维护执行标记为低风险执行;
采集到预防性维护对象对应高风险执行的出现频率以及对应低风险执行的最长持续时长,并将预防性维护对象对应高风险执行的出现频率以及对应低风险执行的最长持续时长分别与出现频率阈值和最长持续时长阈值进行比较:
若预防性维护对象对应高风险执行的出现频率超过出现频率阈值,或者对应低风险执行的最长持续时长未超过最长持续时长阈值,则判定预防性维护对象需进行检修维护,生成预防维护信号并将预防维护信号发送至服务器,服务器接收到预防维护信号后,将对应预防性维护对象进行停机维护;
若预防性维护对象对应高风险执行的出现频率未超过出现频率阈值,且对应低风险执行的最长持续时长超过最长持续时长阈值,则判定预防性维护对象不需进行检修维护,生成正常运行信号并正常运行信号发送至服务器;
基于状态维护单元接收到基于状态维护信号后,将基于状态维护对象的运行过程进行运行检测,针对基于状态维护对象的运行数据合理进行维护,提高运行状态的检测效率,防止出现过度检测的现象发生,从而降低检测质量同时影响分析对象的实时生产合格性;
将基于状态维护对象的运行参数实时浮动进行分析,若基于状态维护对象的运行参数浮动趋势为运行参数数值远离对应参数阈值范围,将对应浮动趋势标记为高风险趋势;反之,基于状态维护对象的运行参数浮动趋势为运行参数数值未远离对应参数阈值范围,或者实时运行参数与对应参数阈值范围的临界值差值未超过差值阈值,则将对应浮动趋势标记为低风险趋势;其中,参数阈值范围的临界值以实时运行参数数值最接近的为准;
将基于状态维护对象的运行过程时间段划分为k个时刻点,k为大于1的自然数,若基于状态维护对象在运行过程中连续单位数量的时刻点均为高风险趋势,或者低风险趋势对应时刻点的连续数量未超过连续数量阈值,则生成状态维护信号并将状态维护信号发送至服务器,服务器接收到状态维护信号后,将对应基于状态维护对象进行检修维护;
若基于状态维护对象在运行过程中连续单位数量的时刻点未均为高风险趋势,且低风险趋势对应时刻点的连续数量超过连续数量阈值,则生成状态正常信号并将状态正常信号发送至服务器;其中,单位数量表示为历史运行过程中,连续数量的时刻点为高风险趋势,且在对应连续数量时刻后分析对象出现故障;
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,通过可运行工艺分级单元将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,将重膜吹膜机标记为分析对象,根据分析对象的设备额定参数将对应可执行工艺进行等级划分;获取到分析对象的可执行工艺的等级分析系数,根据等级分析系数比较将可执行工艺划分为一级强度工艺、二级强度工艺以及三级强度工艺;并将其发送至服务器;通过设备历史运行分析单元将分析对象的历史运行过程进行分析,将分析对象的历史运行时间段进行分析,通过分析生成可控故障信号和随机故障信号,并将对应的分析对象编号发送至服务器;通过预防性维护单元将预防性维护对象的运行过程中进行预防性维护,通过运行过程监测获取到预防性维护对象的高风险执行和低风险执行,并根据高风险执行和低风险执行分析生成预防维护信号和正常运行信号,并将其发送至服务器;通过基于状态维护单元将基于状态维护对象的运行过程进行运行检测,将基于状态维护对象的运行参数浮动划分为高风险趋势和低风险趋势,并根据高风险趋势和低风险趋势分析生成状态维护信号和状态正常信号,并将其发送至服务器。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.基于人工智能的重膜吹膜机运行检测系统,其特征在于,包括服务器,服务器通讯连接有:
可运行工艺分级单元,用于将重膜吹膜机适用的工艺进行划分,通过划分将工艺进行强度等级划分,将重膜吹膜机标记为分析对象,根据分析对象的设备额定参数将对应可执行工艺进行等级划分,将可执行工艺设置标号i,i为大于1的自然数;获取到分析对象的可执行工艺的等级分析系数,根据等级分析系数比较将可执行工艺划分为一级强度工艺、二级强度工艺以及三级强度工艺;并将其发送至服务器;在分析对象当前工艺完成后执行下一工艺时,完成工艺与待执行工艺为低等级工艺转变为高等级工艺,则分析对象待执行的工作强度趋势为降低趋势;若完成工艺与待执行工艺为高等级工艺转变为低等级工艺,则分析对象待执行工作的工作强度趋势为增强趋势;
设备历史运行分析单元,用于将分析对象的历史运行过程进行分析,将分析对象的历史运行时间段进行分析,通过分析生成可控故障信号和随机故障信号,并将对应的分析对象编号发送至服务器;服务器将对应分析对象标记为预防性维护对象,将对应分析对象标记为基于状态维护对象;
预防性维护单元,用于将预防性维护对象的运行过程中进行预防性维护,通过运行过程监测获取到预防性维护对象的高风险执行和低风险执行,并根据高风险执行和低风险执行分析生成预防维护信号和正常运行信号,并将其发送至服务器;
基于状态维护单元,用于将基于状态维护对象的运行过程进行运行检测,将基于状态维护对象的运行参数浮动划分为高风险趋势和低风险趋势,并根据高风险趋势和低风险趋势分析生成状态维护信号和状态正常信号,并将其发送至服务器。
2.根据权利要求1所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,可运行工艺分级单元的运行过程如下:
采集到分析对象对应可执行工艺的须满足执行温度值以及对应须满足执行温度值的持续恒定的可偏差浮动值;采集到分析对象对应可执行工艺允许的膜最大厚度差值;通过分析获取到分析对象的可执行工艺的等级分析系数;
将分析对象的可执行工艺的等级分析系数与L1和L2进行比较,且L1和L2均为等级分析系数阈值,且L1>L2>0;若分析对象的可执行工艺的等级分析系数>L1,则将对应可执行工艺标记为一级强度工艺;若L2≤分析对象的可执行工艺的等级分析系数≤L1,则将对应可执行工艺标记为二级强度工艺;若分析对象的可执行工艺的等级分析系数<L2,则将对应可执行工艺标记为三级强度工艺。
3.根据权利要求1所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,设备历史运行分析单元的运行过程如下:
采集到历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值以及工作强度降低时设备故障维护不合格的频率降低量,并将其分别与概率增加值阈值和频率降低量阈值进行比较:
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值超过概率增加值阈值,或者工作强度降低时设备故障维护不合格的频率降低量超过频率降低量阈值,则生成可控故障信号并将可控故障信号和对应分析对象一同发送至服务器;
若历史运行时间段内分析对象工作强度增强时设备故障出现概率的增加值未超过概率增加值阈值,且工作强度降低时设备故障维护不合格的频率降低量未超过频率降低量阈值,则生成随机故障信号并将随机故障信号和对应分析对象一同发送至服务器。
4.根据权利要求1所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,预防性维护单元的运行过程如下:
将预防性维护对象的运行过程进行监测,采集到运行过程中预防性维护对象的运行参数,其中运行参数包括使用频率、间隔休息时长或者环境温度浮动值,若运行过程中预防性维护对象的运行参数未处于对应参数阈值范围内,则将对应预防性维护执行标记为高风险执行;若运行过程中预防性维护对象的运行参数处于对应参数阈值范围内,则将对应预防性维护执行标记为低风险执行。
5.根据权利要求4所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,采集到预防性维护对象对应高风险执行的出现频率以及对应低风险执行的最长持续时长,并将其分别与出现频率阈值和最长持续时长阈值进行比较:
若预防性维护对象对应高风险执行的出现频率超过出现频率阈值,或者对应低风险执行的最长持续时长未超过最长持续时长阈值,则生成预防维护信号并将预防维护信号发送至服务器;若预防性维护对象对应高风险执行的出现频率未超过出现频率阈值,且对应低风险执行的最长持续时长超过最长持续时长阈值,则生成正常运行信号并正常运行信号发送至服务器。
6.根据权利要求1所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,基于状态维护单元的运行过程如下:
将基于状态维护对象的运行参数实时浮动进行分析,若基于状态维护对象的运行参数浮动趋势为运行参数数值远离对应参数阈值范围,将对应浮动趋势标记为高风险趋势;反之,基于状态维护对象的运行参数浮动趋势为运行参数数值未远离对应参数阈值范围,或者实时运行参数与对应参数阈值范围的临界值差值未超过差值阈值,则将对应浮动趋势标记为低风险趋势。
7.根据权利要求6所述的基于人工智能的重膜吹膜机运行检测系统,其特征在于,将基于状态维护对象的运行过程时间段划分为k个时刻点,k为大于1的自然数,若基于状态维护对象在运行过程中连续单位数量的时刻点均为高风险趋势,或者低风险趋势对应时刻点的连续数量未超过连续数量阈值,则生成状态维护信号并将状态维护信号发送至服务器;若基于状态维护对象在运行过程中连续单位数量的时刻点未均为高风险趋势,且低风险趋势对应时刻点的连续数量超过连续数量阈值,则生成状态正常信号并将状态正常信号发送至服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211372885.9A CN115423134B (zh) | 2022-11-04 | 2022-11-04 | 基于人工智能的重膜吹膜机运行检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211372885.9A CN115423134B (zh) | 2022-11-04 | 2022-11-04 | 基于人工智能的重膜吹膜机运行检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423134A true CN115423134A (zh) | 2022-12-02 |
CN115423134B CN115423134B (zh) | 2023-02-28 |
Family
ID=84208146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211372885.9A Active CN115423134B (zh) | 2022-11-04 | 2022-11-04 | 基于人工智能的重膜吹膜机运行检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423134B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268473A (zh) * | 2023-11-17 | 2023-12-22 | 深圳市博硕科技股份有限公司 | 适用于动力电池隔热片材加工的蓝膜贴合定位检测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN105956930A (zh) * | 2016-04-11 | 2016-09-21 | 重庆大学 | 一种电力设备差异化运行维护策略的确定方法 |
CN110598878A (zh) * | 2019-09-03 | 2019-12-20 | 上海安恪企业管理咨询有限公司 | 一种基于炼化装置停工大修的检修计划tier4评估技术 |
CN110673561A (zh) * | 2019-10-18 | 2020-01-10 | 孚亨工业科技(昆山)有限公司 | 热源系统服役质量管控系统 |
AU2020100769A4 (en) * | 2017-12-19 | 2020-06-25 | Smart Infrastructure Asset Management Australia Research And Development Pty Ltd | Infrastructure asset management system and/or method |
CN111651505A (zh) * | 2020-06-05 | 2020-09-11 | 中国民用航空厦门空中交通管理站 | 一种基于数据驱动的设备运行态势分析预警方法及系统 |
CN114677037A (zh) * | 2022-04-12 | 2022-06-28 | 淮北工科检测检验有限公司 | 一种基于数据处理的电力设施运行质量检测系统 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN115099633A (zh) * | 2022-06-28 | 2022-09-23 | 宿州郑升轴承有限公司 | 基于数据分析的轴承加工设备运行质量检测系统 |
CN115130702A (zh) * | 2022-09-02 | 2022-09-30 | 山东汇泓纺织科技有限公司 | 一种基于大数据分析的纺织机故障预测系统 |
-
2022
- 2022-11-04 CN CN202211372885.9A patent/CN115423134B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN105956930A (zh) * | 2016-04-11 | 2016-09-21 | 重庆大学 | 一种电力设备差异化运行维护策略的确定方法 |
AU2020100769A4 (en) * | 2017-12-19 | 2020-06-25 | Smart Infrastructure Asset Management Australia Research And Development Pty Ltd | Infrastructure asset management system and/or method |
CN110598878A (zh) * | 2019-09-03 | 2019-12-20 | 上海安恪企业管理咨询有限公司 | 一种基于炼化装置停工大修的检修计划tier4评估技术 |
CN110673561A (zh) * | 2019-10-18 | 2020-01-10 | 孚亨工业科技(昆山)有限公司 | 热源系统服役质量管控系统 |
CN111651505A (zh) * | 2020-06-05 | 2020-09-11 | 中国民用航空厦门空中交通管理站 | 一种基于数据驱动的设备运行态势分析预警方法及系统 |
CN114677037A (zh) * | 2022-04-12 | 2022-06-28 | 淮北工科检测检验有限公司 | 一种基于数据处理的电力设施运行质量检测系统 |
CN115099633A (zh) * | 2022-06-28 | 2022-09-23 | 宿州郑升轴承有限公司 | 基于数据分析的轴承加工设备运行质量检测系统 |
CN114966402A (zh) * | 2022-07-28 | 2022-08-30 | 山东翔讯科技有限公司 | 一种开关磁阻电机故障诊断系统 |
CN115130702A (zh) * | 2022-09-02 | 2022-09-30 | 山东汇泓纺织科技有限公司 | 一种基于大数据分析的纺织机故障预测系统 |
Non-Patent Citations (2)
Title |
---|
YUTAO PANG 等: "Risk-based design and optimization of shape memory alloy restrained sliding bearings for highway bridges under near-fault ground motions", 《ENGINEERING STRUCTURES》 * |
周向国: "机械设备震动数据监测和数据深度分析方法的改进及优化", 《中国氯碱》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268473A (zh) * | 2023-11-17 | 2023-12-22 | 深圳市博硕科技股份有限公司 | 适用于动力电池隔热片材加工的蓝膜贴合定位检测系统 |
CN117268473B (zh) * | 2023-11-17 | 2024-02-06 | 深圳市博硕科技股份有限公司 | 适用于动力电池隔热片材加工的蓝膜贴合定位检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115423134B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115130702B (zh) | 一种基于大数据分析的纺织机故障预测系统 | |
CN111352003B (zh) | 一种用于电气设备故障的分析系统 | |
CN115423134B (zh) | 基于人工智能的重膜吹膜机运行检测系统 | |
CN108335021A (zh) | 一种风力机状态可靠度评估的方法及维修决策优化 | |
CN110405537A (zh) | 一种基于深度学习的导轨精度预测模型的建立方法 | |
CN115528810B (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
CN109839386B (zh) | 一种智能摄像识别系统 | |
CN113935440A (zh) | 一种电压互感器误差状态迭代评估方法及系统 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN114137916A (zh) | 基于数据分析的电路板生产用监督管控系统 | |
CN114135477B (zh) | 一种机泵设备状态监测动态阈值预警方法 | |
CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
CN114625086A (zh) | 一种用于粉煤气化装置的实时生产指标监管系统 | |
CN113639842A (zh) | 一种基于5g的远程设备故障诊断方法及系统 | |
CN115358626A (zh) | 一种选矿生产设备安全检查预警系统 | |
CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN117075528B (zh) | 一种基于数据处理的手机配件旋转流水线的监控系统 | |
CN117422310A (zh) | 一种全钢内衬层联动线群的电控决策优化方法 | |
CN112240267B (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
CN116861797A (zh) | 一种基于机器学习的隧道电缆剩余寿命预测方法及装置 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN113988700A (zh) | 能源电力产业链风险预警方法、装置、终端设备及介质 | |
CN113515861A (zh) | 一种再生铜板冶炼的浇铸系统 | |
Ye et al. | Using SCADA data fusion by swarm intelligence for wind turbine condition monitoring |
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 |