CN116735199B - 一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 - Google Patents
一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 Download PDFInfo
- Publication number
- CN116735199B CN116735199B CN202311006921.4A CN202311006921A CN116735199B CN 116735199 B CN116735199 B CN 116735199B CN 202311006921 A CN202311006921 A CN 202311006921A CN 116735199 B CN116735199 B CN 116735199B
- Authority
- CN
- China
- Prior art keywords
- stacker
- vibration
- data
- transmission system
- fault
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000033001 locomotion Effects 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 60
- 238000012549 training Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 10
- 238000003860 storage Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/0407—Storage devices mechanical using stacker cranes
- B65G1/0421—Storage devices mechanical using stacker cranes with control for stacker crane operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Acoustics & Sound (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mechanical Engineering (AREA)
- Warehouses Or Storage Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及运输或贮存装置领域,具体涉及一种基于数字孪生的堆垛机传动系统故障诊断方法及装置。本发明具体流程为获取堆垛机实际工作过程中传动系统产生的振动参数与噪声变化参数;根据振动参数与噪声变化参数推导得到堆垛机实际工作过程中的传动系统运动状态数据;将堆垛机实际工作过程中的传动系统运动状态数据传送至数字孪生系统中;在数字孪生系统中建立基于虚拟传动系统指定位置点的传动系统故障监测模型;获取虚拟堆垛机传动系统上指定位置点的工作状态信号,以此进行堆垛机故障诊断与故障类型判定。本发明用以提高数字孪生系统中虚拟堆垛机与实际堆垛机之间的运动控制一致性与数字孪生模拟的真实性。
Description
技术领域
本发明涉运输或贮存装置领域,具体涉及一种基于数字孪生的堆垛机传动系统故障诊断方法及装置。
背景技术
现阶段,堆垛机广泛应用与仓储物流中,逐渐成为货物运输的重要载体,单立柱堆垛机具有运输效率高,作业自动化程度强的优势。但是由于其立柱结构的限制以及运载货物质量的影响,在货物转运过程中易出现传动系统故障,从而影响堆垛机使用的安全性与可靠性。数字孪生技术作为一种虚实结合的高效仿真系统,目前逐步应用于工业生产中,通过将堆垛机实际工作过程中产生的工作状态参数传送至数字孪生系统用,可以进行堆垛机系统故障显示,从而及时发现并定位出堆垛机的传动系统故障问题点,再将其反映于实际生产中,可及时的避免堆垛机可能出现的生产问题。但是现有的基于数字孪生的堆垛机故障判断中存在的问题在于,在数字孪生的数据传输中并未考虑由于电机传动结构产生的固有模态造成的虚实数据不对齐的问题,以及仅通过实际设备中的工作状态参数对虚拟设备模型进行控控制,无法真实反映出实际设备的运行状态。
公开号为CN111911483B的中国专利,提供了一种基于数字孪生的液压系统融合型故障诊断预测方法,此专利中通过建立融合算法的方式进行实际设备故障数据与虚拟设备故障数据之间的故障方法融合,并使用融合后的方法进行设备的故障判断,但是此种方法仅是缩小了虚实设备之间的误差范围,并未考虑额外的电机传动结构产生的固有模态造成一致性的影响。公开号为CN114408439B的中国专利,提供了一种面向工业堆垛机的数字孪生运动仿真系统及方法,此专利中首先进行虚实设备的坐标对齐,待坐标对齐后再进行工作状态数据的对齐,以此减小虚实设备之间的控制误差,但是此专利中是从坐标的角度上进行误差优化的,同样并未考虑额外的电机传动结构产生的固有模态造成一致性的影响。
因此,针对现有的基于数字孪生的堆垛机结构故障诊断中存在的问题,本发明中提供了一种基于数字孪生的堆垛机传动系统故障诊断方法及装置。
发明内容
针对上述存在的问题,本发明中一方面提供了一种基于数字孪生的堆垛机传动系统故障诊断方法,具体流程为:
S1、获取堆垛机实际工作过程中传动系统产生的振动参数与噪声变化参数;
S2、根据振动参数与噪声变化参数推导得到堆垛机实际工作过程中的传动系统运动状态数据;
S3、将堆垛机实际工作过程中的传动系统运动状态数据传送至数字孪生系统中;
S4、在数字孪生系统中建立基于虚拟传动系统指定位置点的传动系统故障监测模型;
S5、获取虚拟堆垛机传动系统上指定位置点的工作状态信号,以此进行堆垛机故障诊断与故障类型判定。
优选的,所述传动系统故障监测模型中,用以进行堆垛机振动模态分析与堆垛机噪声参数变化分析。
优选的,所述堆垛机振动模态分析中,获取传动系统指定位置点振动参数中的径向位移与振动角速度,其中所述指定位置点如图4-6所示,图4中为基于数字孪生的堆垛机整体结构图,所述整体结构图中从上至下设置有两个传动电机,图5中为基于数字孪生的堆垛机上侧传动电机,其中从上至下分别为声音传感器与振动传感器,图6中为基于数字孪生的堆垛机下侧传动电机,其中从上至下分别为声音传感器与振动传感器。
优选的,根据所述径向位移与振动角速度,计算传动系统指定位置点的模态频率与振型,根据模态频率与振型的变化进行传动系统指定位置点的故障诊断。
优选的,在所述堆垛机振动模态分析中,建立了振动补偿参数,通过所述振动补偿参数补偿由于电机传动结构产生的固有模态造成的堆垛机额外振动响应。
优选的,所述堆垛机噪声参数变化分析,结合堆垛机振动模态分析数据,定位传动系统指定位置点的噪声幅值,并计算噪声幅值超出的预定范围。
优选的,根据所述噪声幅值,计算其对应位置的堆垛机传动系统载荷状态参数,以此进行传动系统指定位置点的故障诊断。
优选的,所述振动参数与噪声变化参数,通过在传动系统指定位置点安装振动传感器与声音传感器采集获得。
本发明另一方面提供了一种基于数字孪生的堆垛机传动系统故障诊断装置,其特征在于,所述基于数字孪生的堆垛机传动系统故障诊断方法应用于基于数字孪生的堆垛机传动系统故障诊断装置中。
优选的,所述装置设置在服务器中,包括:
传动数据监测模块,获取堆垛机实际工作过程中的实际工作参数,堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据;
传动数据故障诊断模块,将堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据传送至传动系统故障监测模型中,进行堆垛机传动系统故障判断;
传动数据故障预测模块与传动数据最优控制模块,使用故障分类器训练方法进行堆垛机实际工作过程中的故障预测,并使用预测结果对实际的堆垛机传动控制进行反馈调节。
与现有技术相比,本发明的有益效果在于:
(1)本发明中所述基于数字孪生的堆垛机传动系统故障诊断方法,通过在单立柱堆垛机的指定位置点安装固定有多个振动传感器与声音传感器,用以进行单立柱堆垛机工作过程中指定位置点的振动参数与噪声参数的测量,从而提高数字孪生系统中虚拟堆垛机与实际堆垛机之间的运动控制一致性与数字孪生模拟的真实性。
(2)在(1)的基础上,本发明中通过建立振动补偿参数,用以避免由于电机传动结构产生的固有模态造成的数字孪生系统中虚拟堆垛机的数据获取不准确的问题,提高数字孪生系统模拟仿真精度。
(3)在(2)的基础上,本发明中进行了堆垛机振动模态分析计算,通过进行基于传动系统指定位置点振动参数中的径向位移与振动角速度振动的全向数据采集,用以提高堆垛机传动系统故障分析的准确性与多样性。
(4)在(3)的基础上,本发明中通过建立基于堆垛机传动系统的数字孪生装置,用以结合实际工作过程中的数据,进行堆垛机传动系统在极端条件下的故障测试,从而提高堆垛机传动系统的故障分析与故障预测的准确度。
(5)在(4)的基础上,本发明中建立了传动数据故障预测模块与传动数据最优控制模块,用以根据数字孪生系统模拟仿真数据对堆垛机中可能出现的故障进行预测,并通过多工况下的仿真实验进行最优工艺流程的筛选,从而优化或避免结构故障的发生。
附图说明
图1为基于数字孪生的堆垛机传动系统故障诊断方法流程图;
图2为堆垛机振动模态分析的具体流程图;
图3为故障分类器训练方法的具体流程图;
图4为基于数字孪生的堆垛机整体结构图,图中圈出位置为两个传动电机;
图5为基于数字孪生的堆垛机上侧传动电机,图中上端圈出位置为声音传感器,下端圈出位置为振动传感器;
图6为基于数字孪生的堆垛机下侧传动电机,图中上端圈出位置为声音传感器,下端圈出位置为振动传感器。
具体实施方式
实施例:
本实施例中提供了一种基于数字孪生的堆垛机传动系统故障诊断方法,如图1所示,具体流程为:
S1、获取堆垛机实际工作过程中传动系统产生的振动参数与噪声变化参数;所述振动参数与噪声变化参数通过在传动系统指定位置点安装振动传感器与声音传感器采集获得;具体的,本发明中所述的传动系统为传动电机。
S2、根据振动参数与噪声变化参数推导得到堆垛机实际工作过程中的传动系统运动状态数据;所述传动系统故障监测模型,用以进行堆垛机振动模态分析与堆垛机噪声参数变化分析;
其中,如图2所示,所述堆垛机振动模态分析的具体流程如下:
S2.1、通过使用振动传感器计算传动电机定子的全向振动信号;
S2.2、根据获取的全向振动信号分析传动电机定子的振动频率对传动电机进行故障诊断,所述堆垛机振动模态分析下的全向电机模态频率方程为:
其中:;
;
其中为电机定子全向运动过程中的径向位移,所述/>,E为定子材料等效弹性模量,h为全向运动定子厚度,r为全向运动的运动半径,s为堆垛机振动模态分析中的模态分析阶数,/>为材料密度。
S2.3、根据所述全向电机模态频率方程计算振动角速度,所述振动角速度的计算公式为:
S2.4、通过振动传感器获取堆垛机振动模态分析数据并将其转换为电信号,并将电信号数据作为故障数据进行基于故障分类器训练方法的故障数据训练。
在一种实施方式中,所述堆垛机振动模态分析中,通过获取传动系统指定位置点振动参数中的径向位移与振动角速度计算传动系统指定位置点的模态频率与振型,并根据模态频率与振型的变化进行传动系统指定位置点的故障诊断。所述堆垛机振动模态分析中,建立了振动补偿参数,用以补偿由于电机传动结构产生的固有模态造成的堆垛机额外振动响应。
其中,所述堆垛机额外振动响应中通过调节引起电机定子振动的模态频率,用以对影响传动电机进行传动控制的固有模态频率进行抑制,避免堆垛机工作状态时由于地面不平或货物放置问题产生额外的振动造成堆垛机实际工作过程中工作状态数据传送至数字孪生系统中时出现额外的电机传动结构产生的固有模态的问题,从而进一步提高虚实设备之间的数据关联性与一致性。
在一种实施方式中,所述堆垛机噪声参数变化分析,结合堆垛机振动模态分析数据,定位传动系统指定位置点的噪声幅值,并计算噪声幅值超出预定范围时,其对应位置的堆垛机金属结构载荷状态参数,以此进行传动系统指定位置点的故障诊断。
其中,所述堆垛机噪声参数变化分析中,对噪声参数进行基于时域条件与频域条件下的噪声分级分析,使用声音传感器采集传动系统周围指定声场范围内的噪声参数变化,并与堆垛机传动系统中的固有声音参数进行对比,同时根据噪声参数的响应方向定位故障发生位置。
通过进行堆垛机静力分析,堆垛机振动模态分析与堆垛机噪声参数变化分析的共同作用,从而避免仅通过实际设备中的工作状态参数对虚拟设备模型进行控控制,无法真实反映出实际设备的运行状态的问题,从多角度进行堆垛机工作状态的监测并将其作用于虚拟堆垛机中。
S3、将堆垛机实际工作过程中的传动系统运动状态数据传送至数字孪生系统中;
S4、在数字孪生系统中建立基于虚拟传动系统指定位置点的传动系统故障监测模型;
S5、获取虚拟堆垛机传动系统上指定位置点的工作状态信号,以此进行堆垛机故障诊断与故障类型判定。
在一种实施方式中,所述数字孪生系统中,具体包括传动数据监测模块,传动数据故障诊断模块,传动数据故障预测模块与传动数据最优控制模块。
<传动数据监测模块>
在一种实施方式中,所述传动数据监测模块中,通过获取堆垛机实际工作过程中的实际工作参数,堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据,进行虚拟堆垛机运行状态模拟仿真展示。
<传动数据故障诊断模块>
在一种实施方式中,所述传动数据故障诊断模块中,将堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据传送至传动系统故障监测模型中,进行堆垛机传动系统故障判断。
<传动数据故障预测模块与传动数据最优控制模块>
在一种实施方式中,所述传动数据故障预测模块与传动数据最优控制模块中,使用故障分类器训练方法进行堆垛机实际工作过程中的故障预测,并使用预测结果对实际的堆垛机传动控制进行反馈调节。
其中,如图3所示,所述故障分类器训练方法的具体流程为:
A1、将堆垛机振动模态分析中采集的电信号数据作为表征传动系统运行状态的特征数据;
A2、将采集的故障数据在[-1,1]范围内进行归一化压缩计算,所述归一化压缩计算的公式如下:
其中,为归一化压缩计算后的故障数据,所述/>分别为原故障数据中的任一时刻下最大故障数据与最小故障数据。
A3、将归一化的特征数据映射到高维数据空间Z中,在所述高位数据空间Z中将采集的堆垛机振动模态分析线性化处理;
A4、建立故障分类器训练方法,在所述故障分类器训练方法中建立惩罚因子c,用以对常规数据与故障数据进行特征样本分类;
A5、建立特征样本分类最优间隔计算,所述最优间隔计算公式为:
其中,为高维数据空间Z的空间范围值,所述/>为松弛因子,用以进行最优间隔计算过程中空间分割的松弛控制;
A6、通过进行最优间隔计算用以进行堆垛机传动系统中正常运行数据与故障数据之间的分离与故障数据的识别。
所述传动数据故障预测模块与传动数据最优控制模块中,将根据数字孪生系统中建立的虚拟堆垛机中的运行状态变化数据,在所述虚拟堆垛机中的金属结构中呈现出不同的金属结构形变状态和故障分布效果。
根据本发明中的技术方案,在基于数字孪生的堆垛机传动系统故障诊断方法进行堆垛机金属结果的故障预测,并将故障预测数据应用于仿真模拟环境中,通过调整仿真模拟环境中的堆垛机工艺流程进行堆垛机工作状态的预演,从而得到可以优化或避免故障发生的工艺流程,并将其更好地作用于实际堆垛机的工作中。
另外,本发明中通过获取传动系统产生的振动参数与噪声变化参数,并进行了堆垛机振动模态分析,通过实时获取传动系统运动过程中的模态频率,并将其转换为电信号进行监测,用以提高堆垛机传动系统的故障监测质量,保证传动系统的运行安全。
另外,本发明中通过使用故障分类器训练方法进行堆垛机实际工作过程中的故障预测,并使用预测结果对实际的堆垛机传动控制进行反馈调节,有助于使用较少的传动系统分析数据即可快速识别出传动系统的故障问题,加快了堆垛机中传动系统的故障判断效率,同时对传动系统中可能出现的故障问题进行预测与及时的调整。
Claims (3)
1.一种基于数字孪生的堆垛机传动系统故障诊断方法,其特征在于,具体流程为:
S1、获取堆垛机实际工作过程中传动系统产生的振动参数与噪声变化参数;所述振动参数与噪声变化参数通过在传动系统指定位置点安装振动传感器与声音传感器采集获得;
S2、根据振动参数与噪声变化参数推导得到堆垛机实际工作过程中的传动系统运动状态数据,所述传动系统故障监测模型中,用以进行堆垛机振动模态分析与堆垛机噪声参数变化分析;
所述堆垛机振动模态分析中,获取传动系统指定位置点振动参数中的径向位移与振动角速度;
根据所述径向位移与振动角速度,计算传动系统指定位置点的模态频率与振型,根据模态频率与振型的变化进行传动系统指定位置点的故障诊断;
在所述堆垛机振动模态分析中,建立了振动补偿参数,通过所述振动补偿参数补偿由于电机传动结构产生的固有模态造成的堆垛机额外振动响应;
所述堆垛机振动模态分析中,通过获取传动系统指定位置点振动参数中的径向位移与振动角速度计算传动系统指定位置点的模态频率与振型,并根据模态频率与振型的变化进行传动系统指定位置点的故障诊断,所述堆垛机振动模态分析中,建立了振动补偿参数,用以补偿由于电机传动结构产生的固有模态造成的堆垛机额外振动响应,
其中,所述堆垛机额外振动响应中通过调节引起电机定子振动的模态频率,用以对影响传动电机进行传动控制的固有模态频率进行抑制,避免堆垛机工作状态时由于地面不平或货物放置问题产生额外的振动造成堆垛机实际工作过程中工作状态数据传送至数字孪生系统中时出现额外的电机传动结构产生的固有模态的问题,从而进一步提高虚实设备之间的数据关联性与一致性;
所述堆垛机噪声参数变化分析,结合堆垛机振动模态分析数据,定位传动系统指定位置点的噪声幅值,并计算噪声幅值超出的预定范围;并计算噪声幅值超出预定范围时,其对应位置的堆垛机金属结构载荷状态参数,以此进行传动系统指定位置点的故障诊断;
所述堆垛机噪声参数变化分析中,对噪声参数进行基于时域条件与频域条件下的噪声分级分析,使用声音传感器采集传动系统周围指定声场范围内的噪声参数变化,并与堆垛机传动系统中的固有声音参数进行对比,同时根据噪声参数的响应方向定位故障发生位置;
通过进行堆垛机振动模态分析与堆垛机噪声参数变化分析的共同作用,从而避免仅通过实际设备中的工作状态参数对虚拟设备模型进行控制,无法真实反映出实际设备的运行状态的问题,从多角度进行堆垛机工作状态的监测并将其作用于虚拟堆垛机中;
所述堆垛机振动模态分析的具体流程如下:
S2.1、通过使用振动传感器计算传动电机定子的全向振动信号;
S2.2、根据获取的全向振动信号分析传动电机定子的振动频率对传动电机进行故障诊断,所述堆垛机振动模态分析下的全向电机模态频率方程为:
其中:;
;
其中为电机定子全向运动过程中的径向位移,所述/>,E为定子材料等效弹性模量,h为全向运动定子厚度,r为全向运动的运动半径,s为堆垛机振动模态分析中的模态分析阶数,/>为材料密度,
S2.3、根据所述全向电机模态频率方程计算振动角速度,所述振动角速度的计算公式为:
S2.4、通过振动传感器获取堆垛机振动模态分析数据并将其转换为电信号,并将电信号数据作为故障数据进行基于故障分类器训练方法的故障数据训练;
S3、将堆垛机实际工作过程中的传动系统运动状态数据传送至数字孪生系统中;
S4、在数字孪生系统中建立基于虚拟传动系统指定位置点的传动系统故障监测模型;
S5、获取虚拟堆垛机传动系统上指定位置点的工作状态信号,以此进行堆垛机传动系统故障诊断与故障类型判定;
所述故障分类器训练方法的具体流程为:
A1、将堆垛机振动模态分析中采集的电信号数据作为表征传动系统运行状态的特征数据;
A2、将采集的故障数据在[-1,1]范围内进行归一化压缩计算,所述归一化压缩计算的公式如下:
其中,为归一化压缩计算后的故障数据,所述/>分别为原故障数据中的任一时刻下最大故障数据与最小故障数据,
A3、将归一化的特征数据映射到高维数据空间Z中,在所述高维数据空间Z中将采集的堆垛机振动模态分析线性化处理;
A4、建立故障分类器训练方法,在所述故障分类器训练方法中建立惩罚因子c,用以对常规数据与故障数据进行特征样本分类;
A5、建立特征样本分类最优间隔计算,所述最优间隔计算公式为:
其中,为高维数据空间Z的空间范围值,所述/>为松弛因子,用以进行最优间隔计算过程中空间分割的松弛控制;
A6、通过进行最优间隔计算用以进行堆垛机传动系统中正常运行数据与故障数据之间的分离与故障数据的识别。
2.一种基于数字孪生的堆垛机传动系统故障诊断装置,其特征在于,权利要求1所述基于数字孪生的堆垛机传动系统故障诊断方法应用于基于数字孪生的堆垛机传动系统故障诊断装置中。
3.根据权利要求2所述基于数字孪生的堆垛机传动系统故障诊断装置,其特征在于,所述装置设置在服务器中,包括:
传动数据监测模块,获取堆垛机实际工作过程中的实际工作参数,堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据;
传动数据故障诊断模块,将堆垛机振动模态分析数据与堆垛机噪声参数变化分析数据传送至传动系统故障监测模型中,进行堆垛机传动系统故障判断;
传动数据故障预测模块与传动数据最优控制模块,使用故障分类器训练方法进行堆垛机实际工作过程中的故障预测,并使用预测结果对实际的堆垛机传动控制进行反馈调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006921.4A CN116735199B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311006921.4A CN116735199B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116735199A CN116735199A (zh) | 2023-09-12 |
CN116735199B true CN116735199B (zh) | 2024-06-18 |
Family
ID=87906357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311006921.4A Active CN116735199B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116735199B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596604A (zh) * | 2020-06-12 | 2020-08-28 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110442936B (zh) * | 2019-07-24 | 2021-02-23 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN112100874B (zh) * | 2020-07-24 | 2022-12-06 | 西安交通大学 | 基于数字孪生的转子叶片健康监测方法和监测系统 |
CN112098128A (zh) * | 2020-09-08 | 2020-12-18 | 天津大学 | 基于噪声和振动的动力机械设备故障和能耗分析方法 |
CN114004256A (zh) * | 2021-11-01 | 2022-02-01 | 南京航空航天大学 | 基于数字孪生体的制造装备主轴承的故障诊断方法 |
CN114526910A (zh) * | 2022-04-21 | 2022-05-24 | 杭州杰牌传动科技有限公司 | 一种基于数字孪生驱动的传动系统故障定位方法 |
CN114894507A (zh) * | 2022-06-08 | 2022-08-12 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 数字孪生驱动的轨道车辆传动系统故障诊断与健康状态预测方法 |
CN115481655A (zh) * | 2022-08-24 | 2022-12-16 | 天津大学 | 一种基于数字孪生和迁移学习的气缸泄露故障诊断方法 |
CN115935737A (zh) * | 2022-11-29 | 2023-04-07 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于数字孪生的海上风电场运维方法及系统 |
CN116541800A (zh) * | 2023-07-06 | 2023-08-04 | 利维智能(深圳)有限公司 | 基于振动和声音数据的融合诊断方法、系统、设备及介质 |
-
2023
- 2023-08-11 CN CN202311006921.4A patent/CN116735199B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596604A (zh) * | 2020-06-12 | 2020-08-28 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
电机定子振动模态频率分裂特性分析;徐港辉 等;振动工程学报;2-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN116735199A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20100087214A (ko) | 초음파 본딩 방법 및 장치 | |
JP7518166B2 (ja) | 診断装置、サーバ、及び診断方法 | |
CN102422154A (zh) | 一种结构损伤检测系统、设备以及结构损伤检测方法 | |
CN113984114B (zh) | 一种海洋浮式平台水下结构异常诊断方法 | |
CN111695452B (zh) | 基于rbf神经网络的并联电抗器内部老化程度评估方法 | |
CN115683235B (zh) | 一种工业机器人伺服电机振动故障检测方法及装置 | |
US20220155771A1 (en) | Modular, general purpose, automated, anomalous data synthesizers for rotary plants | |
CN106482828A (zh) | 一种航空发动机振动故障的检测诊断装置及方法 | |
CN116735199B (zh) | 一种基于数字孪生的堆垛机传动系统故障诊断方法及装置 | |
CN114741999B (zh) | 一种基于数字孪生技术的引线键合在线监测方法 | |
CN117368000A (zh) | 一种配备自适应装夹机构的静扭试验台 | |
US9947361B2 (en) | Active vibration control device and design method therefor | |
CN116561646A (zh) | 滚动轴承多维参数自动化检测线和滚动轴承等级评价方法 | |
CN112965455B (zh) | 一种作动器动态特性测试装置及方法 | |
CN202562619U (zh) | 多点连续式在线振动筛振幅检测仪 | |
CN115329942A (zh) | 一种基于人工智能的螺栓紧固装置及其方法 | |
CN112966560A (zh) | 基于反卷积成像的电主轴故障诊断方法和装置 | |
CN209570218U (zh) | 可进行预测性维护的减速机标准测试床 | |
Geetha et al. | The Smart Development of the Large Scale Sensing Techniques in Intelligent Industrial Automation | |
US20220193918A1 (en) | Robotically manipulated container gripper and related systems and methods | |
KR102607487B1 (ko) | 로봇팔의 노이즈 제거 방법 및 장치 | |
CN118209312B (zh) | 一种基于视觉感知的轴类动态补偿测量装置 | |
US11269309B2 (en) | Analysis unit and method for determining at least one forming process characteristic of a servo press | |
CN116519346A (zh) | 一种用于巡视器转移机构的无线测试采集及评估系统和方法 | |
CN117388074A (zh) | 一种基于拓扑优化设计框架的动态海缆立式疲劳试验测试装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |