CN116147700B - 辊压机故障识别方法、装置及电子设备 - Google Patents
辊压机故障识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116147700B CN116147700B CN202310041649.7A CN202310041649A CN116147700B CN 116147700 B CN116147700 B CN 116147700B CN 202310041649 A CN202310041649 A CN 202310041649A CN 116147700 B CN116147700 B CN 116147700B
- Authority
- CN
- China
- Prior art keywords
- roller press
- amplitude
- rotating parts
- eccentric torque
- rotation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000008859 change Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000005520 cutting process Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C25/00—Control arrangements specially adapted for crushing or disintegrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例中提供了一种辊压机故障识别方法、装置及电子设备，属于人工智能技术领域，该方法包括：将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；控制辊压机按照预设的角速度进行旋转，用以确定在不同的旋转部形成的振幅‑偏心转矩曲线；通过查找振幅‑偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。采用本方案，能够提前发现辊压机存在的故障。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种辊压机故障识别方法、装置及电子设备。
背景技术
辊压机，又名挤压磨、辊压磨、对辊机，是现代工业发展起来的新型水泥节能粉磨设备，能替代能耗高、效率低球磨机预粉磨系统，并降低钢材消耗及工作噪声的功能，适用于新厂建设，也可用于老厂技术改造，使系统产量提高30—50%。经过挤压后的物料中0.08mm细料占20—35%，小于2mm占65—85%。颗粒的内部结构因受挤压而充满微小裂纹，使易磨性大为改善。
辊压机的通常包含多个辊子，其中一个是浮动的，浮动辊子两端通过两根油缸施加压力，从而推动辊子加压，在固定的轨道上水平移动调节两个辊子间隙，在工作过程中，加工后的颗粒大小靠调节两个辊子的间隙来实现。随时使用时间的增加，会导致辊压机内部的零部件出现磨损等状况，一方面会导致辊压机生产出的产品质量降低，另外一方面也会由于窑体在生产过程中出现断轴等故障，导致生产中存在安全隐患，因此需要能够对辊压机的是否存在故障进行准确的监控。
发明内容
有鉴于此，本发明实施例提供一种辊压机故障识别方法、装置及电子设备，至少部分解决现有技术中存在的问题。
第一方面，本发明提供了一种辊压机故障识别方法，包括：
将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；
在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；
控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；
通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
根据本发明的一种具体实现方式，所述将辊压机的旋转平面切分为n个旋转部，包括：
将所述辊压机的中心轴和偏心轴在垂直方向上进行连线，形成辊压机旋转部的初始起点；
基于该初始起点，对辊压机的垂直平面进行切分，形成n个旋转部。
根据本发明的一种具体实现方式，所述方法还包括：
在所述辊压机的旋转部设置n个温度传感器，所述温度传感器用以采集辊压机在旋转过程中n个旋转部所对应的轴承温度序列，形成n个温度变化曲线。
根据本发明的一种具体实现方式，所述方法还包括：
获取n个旋转部中每个旋转部在预设时间段内的温度变化距离L，包括：获取第i个温度变化曲线中的最低温度值P1以及平均温度值P0，则第i个曲线的温度变化距离Li表示为：
其中， 1≥i≤n，Pi为第i温度变化曲线中除了P1之外的其他温度值元素。
根据本发明的一种具体实现方式，所述方法还包括：
记录所述辊压机驱动轮处在不同的旋转部形成的受力变化曲线，并基于所述受力变化曲线计算所述辊压机转动过程中的形变参数K，其中
针对不同的旋转部，在预设时间段内获取驱动轮处第j个旋转部的压力值，形成压力值序列Q，Q=[q1,q2,…qn]；
计算压力值序列Q中的压力平均值q0，则辊压机的形变参数K通过如下公式计算
其中，qj为压力值序列中的第j个压力值，1≥j≤n。
根据本发明的一种具体实现方式，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型包括：
通过温度变化距离Li以及形变参数K，对不同旋转部的振幅值进行修正，获得修正后的振幅-偏心转矩曲线；
通过修正后的振幅-偏心转矩曲线与预先采集的振幅-偏心转矩历史曲线进行比较，确定振幅-偏心转矩曲线中存在的奇异点。
根据本发明的一种具体实现方式，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型，还包括：
对查找到的奇异点进行特征识别，以便于基于识别到的特征值，确定所述辊压机的故障类型。
第二方面，本发明提供了一种辊压机故障识别装置，包括：
切分模块，用于将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；
设置模块，用于在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；
控制模块，用于控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；
确定模块，用于通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
第三方面，本发明还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的辊压机故障识别方法。
第四方面，本发明还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的辊压机故障识别方法。
第五方面，本发明还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的辊压机故障识别方法。
本发明中的辊压机故障识别方案，包括：将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。采用本方案，能够提高辊压机故障诊断的准确性和实时性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种辊压机故障识别方法流程示意图；
图2为本发明实施例提供的另一种辊压机故障识别方法流程示意图；
图3为本发明实施例提供的另一种辊压机故障识别方法流程示意图；
图4为本发明实施例提供的另一种辊压机故障识别方法流程示意图；
图5为本发明实施例提供的辊压机故障识别装置结构示意图；
图6为本发明实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种辊压机故障识别方法。本实施例提供的辊压机故障识别方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，图2，图3及图4，本公开实施例提供了一种辊压机故障识别方法，包括：
S101，将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度。
与传统的诊断方法不同，本发明的方案将辊压机（转动的辊子部分）的旋转平面切分成n个旋转部，通过n个旋转部来精确的对辊压机进行位置区分，同时，在不同的旋转部输入不同的故障激活信号（例如，振动信号），通过分析不同旋转部的振动差异，来进一步的确定辊压机是否存在故障以及确定具体的故障类型。
S102，在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号。
辊压机通过旋转的方式来进行工作，辊压机的辊子外部包括用于驱动辊子转动的驱动轴承，为此，可以在驱动轴承处设置一个或多个振动源，该振动源通过发射预设调制的振动信号，可以将改振动信号发送给不同的旋转部。
作为一个例子，可以在振动源处输入一组正弦信号：
X=A*sin（2π*B*t）
其中，A是输入振动信号的振幅，B是输入信号的频率，其相位角为0，通过调整A和B的值，可以在不同的旋转部输入不同的振幅和频率的振动信号。
S103，控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线。
通过控制辊压机按照预设的角速度进行旋转，此时，可以采集不同旋转部下形成的振动反馈信号。为此，可以设置至少两组传感器，第一组传感器用于测量不同振动信号下辊压机形成的反馈振动，另一组传感器用以采集不同振动信号下辊压机的偏心转矩，通过将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线。
振幅-偏心转矩曲线能够通过振动和偏心转矩关联的方式来动态刻画辊压机的性能，对于存在多种类型故障的辊压机，能够进行有效的通过这些动态数据进行故障诊断，从而能够提前发现辊压机存在的潜在故障。
S104，通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
处于正常工作状态下的辊压机，其振幅-偏心转矩曲线通常为平滑的连续曲线，其变化曲率通常小于预设值，而对于存在辊子不平衡、不对中等故障的辊压机而言，其振幅-偏心转矩曲线中通常存在由于不同类型的故障而导致的奇异点，通过分析和判断奇异点所在的曲线变化，可以进一步的确定辊压机的故障类型。
根据不同故障类型的不同，奇异点的特征也会有所不同，作为一个具体的例子，可以计算振幅-偏心转矩曲线中的变化曲率，将变化曲率值过大或过小的值作为奇异点，以便于根据该变化曲率值来进一步的判断辊压机的故障类型；进一步的，还可以计算计算振幅-偏心转矩曲线中两个变化曲率值过大或过小的值之间的距离值，并将距离值过小或过大的曲线段上所包含线段作为奇异点，以便于根据该段曲线段来进一步的判断辊压机的故障类型。
通过上述实施例的方案，能够通过测量振幅-偏心转矩曲线，并通过判断曲线中是否存在奇异点，来快速的对故障进行诊断，提高了故障诊断的前瞻性。
参见图2，根据本发明的一种具体实现方式，所述将辊压机的旋转平面切分为n个旋转部，包括：
S201，将所述辊压机的中心轴和偏心轴在垂直方向上进行连线，形成辊压机旋转部的初始起点；
S202，基于该初始起点，对辊压机的垂直平面进行切分，形成n个旋转部。
根据本发明的一种具体实现方式，所述方法还包括：
在所述辊压机的旋转部设置n个温度传感器，所述温度传感器用以采集辊压机在旋转过程中n个旋转部所对应的轴承温度序列，形成n个温度变化曲线。
根据本发明的一种具体实现方式，所述方法还包括：
获取n个旋转部中每个旋转部在预设时间段内的温度变化距离L，包括：获取第i个温度变化曲线中的最低温度值P1以及平均温度值P0，则第i个曲线的温度变化距离Li表示为：
其中， 1≥i≤n，Pi为第i温度变化曲线中除了P1之外的其他温度值元素。
根据本发明的一种具体实现方式，所述方法还包括：
记录所述辊压机驱动轮处在不同的旋转部形成的受力变化曲线，并基于所述受力变化曲线计算所述辊压机转动过程中的形变参数K，其中
针对不同的旋转部，在预设时间段内获取驱动轮处第j个旋转部的压力值，形成压力值序列Q，Q=[q1,q2,…qn]；
计算压力值序列Q中的压力平均值q0，则辊压机的形变参数K通过如下公式计算
其中，qj为压力值序列中的第j个压力值，1≥j≤n。
参见图3，根据本发明的一种具体实现方式，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型包括：
S301，通过温度变化距离Li以及形变参数K，对不同旋转部的振幅值进行修正，获得修正后的振幅-偏心转矩曲线；
S302，通过修正后的振幅-偏心转矩曲线与预先采集的振幅-偏心转矩历史曲线进行比较，确定振幅-偏心转矩曲线中存在的奇异点。
参见图4，根据本发明的一种具体实现方式，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型，还包括：
S401，通过历史数据，预先形成不同故障类型的辊压机的特征曲线，形成故障奇异点特征字典；
S402，对查找到的奇异点进行特征识别，以便于基于识别到的特征值，确定所述辊压机的故障类型。
具体的，可以将奇异点中的特征曲线与特征字典中的不同类型的特征曲线进行相似度比对，通过相似度比对的方式，确定所述辊压机存在的故障类型。
参见图5，本发明实施例还公开了一种辊压机故障识别装置50，包括：
切分模块501，用于将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；
设置模块502，用于在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；
控制模块503，用于控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；
确定模块504，用于通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
参见图6，本发明实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中辊压机故障识别方法。
本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。
本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的辊压机故障识别方法。
图6所示装置可以执行图1-4所示实施例的方法，本实施例未详细描述的部分，可参考对图1-4所示实施例的相关说明。在此不再赘述。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置（例如中央处理器、图形处理器等）601，其可以根据存储在只读存储器（ROM）602中的程序或者从存储装置608加载到随机访问存储器（RAM）603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种辊压机故障识别方法，其特征在于，包括：
将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；
在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；
控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；
通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
2.根据权利要求1所述的方法，其特征在于，所述将辊压机的旋转平面切分为n个旋转部，包括：
将所述辊压机的中心轴和偏心轴在垂直方向上进行连线，形成辊压机旋转部的初始起点；
基于该初始起点，对辊压机的垂直平面进行切分，形成n个旋转部。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在所述辊压机的旋转部设置n个温度传感器，所述温度传感器用以采集辊压机在旋转过程中n个旋转部所对应的轴承温度序列，形成n个温度变化曲线。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取n个旋转部中每个旋转部在预设时间段内的温度变化距离L，包括：获取第i个温度变化曲线中的最低温度值P1以及平均温度值P0，则第i个曲线的温度变化距离Li表示为：
，其中， 1≥i≤n，Pi为第i温度变化曲线中除了P1之外的其他温度值元素。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
记录所述辊压机驱动轮处在不同的旋转部形成的受力变化曲线，并基于所述受力变化曲线计算所述辊压机转动过程中的形变参数K，其中
针对不同的旋转部，在预设时间段内获取驱动轮处第j个旋转部的压力值，形成压力值序列Q，Q=[q1,q2,…qn]；
计算压力值序列Q中的压力平均值q0，则辊压机的形变参数K通过如下公式计算
，其中，qj为压力值序列中的第j个压力值，1≥j≤n。
6.根据权利要求5所述的方法，其特征在于，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型包括：
通过温度变化距离Li以及形变参数K，对不同旋转部的振幅值进行修正，获得修正后的振幅-偏心转矩曲线；
通过修正后的振幅-偏心转矩曲线与预先采集的振幅-偏心转矩历史曲线进行比较，确定振幅-偏心转矩曲线中存在的奇异点。
7.根据权利要求6所述的方法，其特征在于，所述通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型，还包括：
对查找到的奇异点进行特征识别，以便于基于识别到的特征值，确定所述辊压机的故障类型。
8.一种辊压机故障识别装置，其特征在于，包括：
切分模块，用于将辊压机的旋转平面切分为n个旋转部，每个旋转部的旋转角为360/n度；
设置模块，用于在辊压机的外表面的驱动轴承处设置振动源，在不同的旋转部通过所述振动源给所述辊压机输入不同频率的振动信号；
控制模块，用于控制辊压机按照预设的角速度进行旋转，在旋转的过程中采集辊压机在不同频率的振动信号下形成的反馈振幅，同时采集不同旋转部的反馈振幅所对应的辊压机偏心转矩值，将反馈振幅及其对应的偏心转矩值合并成关联数据对，用以确定在不同的旋转部形成的振幅-偏心转矩曲线；
确定模块，用于通过查找振幅-偏心转矩曲线中存在的奇异点，确定所述辊压机的故障类型。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-7所述的辊压机故障识别方法。
10.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述任一权利要求1-7所述的辊压机故障识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310041649.7A CN116147700B (zh) | 2023-01-28 | 2023-01-28 | 辊压机故障识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310041649.7A CN116147700B (zh) | 2023-01-28 | 2023-01-28 | 辊压机故障识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116147700A CN116147700A (zh) | 2023-05-23 |
| CN116147700B true CN116147700B (zh) | 2023-09-22 |
Family
ID=86357695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310041649.7A Active CN116147700B (zh) | 2023-01-28 | 2023-01-28 | 辊压机故障识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116147700B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1601250A (zh) * | 2003-09-22 | 2005-03-30 | 欧姆龙株式会社 | 检查方法、检查装置及设备诊断装置 |
| CN103492079A (zh) * | 2011-04-26 | 2014-01-01 | Khd洪保德韦达克有限公司 | 用于调节辊压机的辊缝压力的方法 |
| KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
| CN107831217A (zh) * | 2017-11-02 | 2018-03-23 | 清华大学 | 一种填筑连续压实声波检测系统与方法 |
| CN108489595A (zh) * | 2018-03-20 | 2018-09-04 | 南京凯奥思数据技术有限公司 | 激光多普勒三维振动测试方法及系统 |
| CN113639999A (zh) * | 2021-08-16 | 2021-11-12 | 北京信息科技大学 | 变转速下滚动轴承的故障诊断方法、系统、介质及设备 |
| CN113933394A (zh) * | 2021-11-16 | 2022-01-14 | 北京科技大学 | 一种接触式碾压机集成压实声波检测系统与方法 |
| CN115560584A (zh) * | 2022-12-06 | 2023-01-03 | 南京凯奥思数据技术有限公司 | 回转窑健康监测方法、装置及电子设备 |
| CN115621409A (zh) * | 2022-10-28 | 2023-01-17 | 上海先导慧能技术有限公司 | 一种辊压装置及干电极制备设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7997140B2 (en) * | 2008-10-28 | 2011-08-16 | Pratt & Whitney Canada Corp. | Method and apparatus for troubleshooting noise/vibration issues of rotating components |
-
2023
- 2023-01-28 CN CN202310041649.7A patent/CN116147700B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1601250A (zh) * | 2003-09-22 | 2005-03-30 | 欧姆龙株式会社 | 检查方法、检查装置及设备诊断装置 |
| CN103492079A (zh) * | 2011-04-26 | 2014-01-01 | Khd洪保德韦达克有限公司 | 用于调节辊压机的辊缝压力的方法 |
| KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
| CN107831217A (zh) * | 2017-11-02 | 2018-03-23 | 清华大学 | 一种填筑连续压实声波检测系统与方法 |
| CN108489595A (zh) * | 2018-03-20 | 2018-09-04 | 南京凯奥思数据技术有限公司 | 激光多普勒三维振动测试方法及系统 |
| CN113639999A (zh) * | 2021-08-16 | 2021-11-12 | 北京信息科技大学 | 变转速下滚动轴承的故障诊断方法、系统、介质及设备 |
| CN113933394A (zh) * | 2021-11-16 | 2022-01-14 | 北京科技大学 | 一种接触式碾压机集成压实声波检测系统与方法 |
| CN115621409A (zh) * | 2022-10-28 | 2023-01-17 | 上海先导慧能技术有限公司 | 一种辊压装置及干电极制备设备 |
| CN115560584A (zh) * | 2022-12-06 | 2023-01-03 | 南京凯奥思数据技术有限公司 | 回转窑健康监测方法、装置及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于 FPGA 的振动信号处理参数寻优试验研究;宋锡文 等;《电子测量与仪器学报》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116147700A (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9734640B2 (en) | Method and system of bidding in a vehicle | |
| WO2015087732A1 (ja) | 回転機械部品の携帯端末利用検査システムおよび検査方法 | |
| WO2015003628A1 (en) | Data synchronization method, apparatus, and server | |
| CN116147700B (zh) | 辊压机故障识别方法、装置及电子设备 | |
| CN112643665B (zh) | 一种绝对位姿传感器安装误差的标定方法和装置 | |
| US11187566B2 (en) | Safety incident detection and reporting through a connected EVC (electronic volume corrector) | |
| US9456288B2 (en) | System and method for use in analyzing vibrations | |
| CN115560584B (zh) | 回转窑健康监测方法、装置及电子设备 | |
| CN111913106A (zh) | 牵引电机滚动轴承疲劳寿命计算方法及终端设备 | |
| CN112082696A (zh) | 旋转机械动平衡方法及装置 | |
| CN114279395B (zh) | 一种管道的变形检测方法及系统 | |
| CN103752620B (zh) | 一种轧机扭振预测方法 | |
| CN117092933B (zh) | 转动机械设备控制方法、装置、设备和计算机可读介质 | |
| JP2021081957A (ja) | 検査支援システム | |
| CN111026571B (zh) | 处理器降频处理方法、装置及电子设备 | |
| CN115991235B (zh) | 车辆转向控制方法、装置、电子设备和计算机可读介质 | |
| CN101593045B (zh) | 光学指示装置预测运动矢量稳定性方法 | |
| CN117993219B (zh) | 齿轮副综合啮合目标刚度确定方法及装置 | |
| CN112461555B (zh) | 用于自动引导车的车轮检测方法、装置、电子设备和介质 | |
| CN117997206B (zh) | 一种永磁同步电机的转速控制方法、装置、电子设备和存储介质 | |
| US20220373422A1 (en) | Vibration detection and correction system | |
| US20230257943A1 (en) | Information processing device, information processing method, and non-transitory storage medium | |
| CN116550762A (zh) | 一种cvc中间辊的辊型修正方法、装置、介质、电子设备 | |
| Henmi et al. | New method using piezoelectric jerk sensor to detect roller bearing failure | |
| JP2011232068A (ja) | ころがり軸受の劣化診断方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230627 Address after: Building 5, Wuhu Science and Technology Industrial Park, No. 717 Zhongshan South Road, Yijiang District, Wuhu City, Anhui Province, 241003 Applicant after: Yangtze River delta information intelligence Innovation Research Institute Applicant after: NANJING CHAOS DATA TECHNOLOGY Co.,Ltd. Applicant after: Anhui Intelligent Research Institute Big Data Technology Co.,Ltd. Address before: Room 708, floor 7, building J, building 5, yunmi City, No. 19, ningshuang Road, Yuhuatai District, Nanjing, Jiangsu 210000 Applicant before: NANJING CHAOS DATA TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |