CN116906306B - 一种基于卷积神经网络的真空泵集成控制系统 - Google Patents
一种基于卷积神经网络的真空泵集成控制系统 Download PDFInfo
- Publication number
- CN116906306B CN116906306B CN202310818329.8A CN202310818329A CN116906306B CN 116906306 B CN116906306 B CN 116906306B CN 202310818329 A CN202310818329 A CN 202310818329A CN 116906306 B CN116906306 B CN 116906306B
- Authority
- CN
- China
- Prior art keywords
- sensor
- vacuum pump
- module
- motor
- execution
- 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
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 55
- 239000003921 oil Substances 0.000 claims description 41
- 239000010687 lubricating oil Substances 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 33
- 238000004140 cleaning Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 30
- 230000003287 optical effect Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 20
- 239000012535 impurity Substances 0.000 claims description 16
- 230000003993 interaction Effects 0.000 claims description 14
- 238000003825 pressing Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 238000005096 rolling process Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000005086 pumping Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 abstract description 11
- 238000013021 overheating Methods 0.000 abstract description 8
- 238000005299 abrasion Methods 0.000 abstract description 2
- 230000032683 aging Effects 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 238000005461 lubrication Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005491 wire drawing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 239000000741 silica gel Substances 0.000 description 2
- 229910002027 silica gel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 239000000110 cooling liquid Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B37/00—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00
- F04B37/10—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use
- F04B37/14—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use to obtain high vacuum
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Compressors, Vaccum Pumps And Other Relevant Systems (AREA)
Abstract
本发明公开一种基于卷积神经网络的真空泵集成控制系统，涉及真空泵控制技术领域，真空泵集成控制系统包括真空泵本体、电机、传感器模块、数据采集模块、控制模块和执行模块，所述电机用于驱动真空泵本体，所述传感器模块用于监测真空泵本体和电机的状态，所述数据采集模块的数据输入端与传感器模块通信连接，用于采集传感器模块监测的状态数据，并传输给控制模块。本系统采用卷积神经网络进行数据分析和判断，可以智能预判真空泵内可能出现的问题，包括物料粘结、部件过热、零件异常、漏气、气体反吹、振动、噪音、泵的过热、泵的磨损和老化等问题，提高真空泵的使用效率和可靠性。
Description
技术领域
本发明涉及真空泵控制技术领域，尤其是涉及一种基于卷积神经网络的真空泵集成控制系统。
背景技术
在现有技术中，真空泵通常需要人工检查和维护，以确保其正常运行和延长其寿命。这种方法效率低下，需要大量人力和时间，并且在操作和维护过程中可能存在风险和安全隐患。另外，传统的真空泵控制系统通常是基于传统的控制方法，对于复杂的问题诊断和处理能力较弱，容易出现故障和失效
在传统的真空泵控制系统中，通常只使用简单的传感器来采集泵的运行数据，比如电流、温度、压力等，然后进行简单的判断和控制。这种方法存在以下缺陷和不足：
数据采集不够全面：传统的控制系统只能采集有限的数据，无法全面、多角度地了解泵的状态，导致监测和判断的准确性和可靠性不够。
判断和控制不够智能：传统的控制系统只能做出简单的判断和控制，无法深入分析泵的状态，也无法根据不同的状态做出智能应对，导致控制的灵活性和智能化程度不够。
故障排除不够及时：传统的控制系统无法及时发现泵的异常状态，也无法作出相应的处理和故障排除方案，导致故障排除的效率和及时性不够。
综上所述，传统的真空泵控制系统存在着数据采集不够全面、判断和控制不够智能、故障排除不够及时等缺陷和不足。为此，需要一种能够全面、多角度地了解泵的状态，做出智能应对，及时发现和解决问题的新型真空泵控制系统。
发明内容
为了解决上述现有技术中真空泵控制的技术问题，本发明提供一种基于卷积神经网络的真空泵集成控制系统。采用如下的技术方案：
一种基于卷积神经网络的真空泵集成控制系统，真空泵集成控制系统包括真空泵本体、电机、传感器模块、数据采集模块、控制模块和执行模块，所述电机用于驱动真空泵本体，所述传感器模块用于监测真空泵本体和电机的状态，所述数据采集模块的数据输入端与传感器模块通信连接，用于采集传感器模块监测的状态数据，并传输给控制模块，所述控制模块构建卷积神经网络，并采用卷积神经网络对数据采集模块采集的传感器的数据进行分析，预测和判断真空泵本体内的故障状态，根据故障状态生成执行方案，并基于执行方案生成执行指令传输给执行模块，执行模块根据执行指令对真空泵本体和电机进行故障排除操作。
通过采用上述技术方案，工作流程如下：首先，传感器模块实时采集真空泵本体内部的各种状态数据，并将这些状态数据传输给数据采集模块；数据采集模块对所采集的数据进行处理，并将处理结果传输给控制模块；控制模块利用卷积神经网络对所采集的数据进行分析，并根据分析结果制定相应的执行方案，并基于执行方案生成执行指令传输给执行模块，执行模块则根据控制模块的指令执行相应的操作，包括自动清洗、调整电机输出、对泵体温度进行管理等操作，以保证真空泵的正常工作和长期稳定性。
可选的，控制模块包括卷积神经网络模块、执行方案制定模块和异常处理模块，所述卷积神经网络模块基于神经芯片布置，并与数据采集模块通信连接，所述执行方案制定模块和异常处理模块分别基于AI芯片布置，输入端分别与卷积神经网络模块通信连接，输出端分别与执行模块通信连接。
通过采用上述技术方案，卷积神经网络模块是控制模块的核心，可以根据传感器模块采集的各种数据对真空泵本体和电机的状态进行自动预测和判断，得到预测和判断结果后，传输给执行方案制定模块，执行方案制定模块制定执行方案，并根据执行方案生成执行指令传输给执行模块，异常处理模块指当判断出现异常时，可以进行异常处理，包括异常报警、异常停机等操作。
可选的，执行模块包括清洗执行模块、电机输出控制模块和温度管理模块，所述清洗执行模块用于对真空泵本体内部进行清洗，所述电机输出控制模块用于控制电机的执行动作，所述温度管理模块用于调节控制真空泵本体内部的温度。
通过采用上述技术方案，执行模块包括但不限于清洗执行模块、电机输出控制模块和温度管理模块，其中清洗执行模块可以是自动真空泵清洗机构等可以自动实现真空泵内部清洗的装置，电机输出控制模块可以对电机的执行动作进行控制，温度管理模块可以是基于冷却液的降温装置等可以自动调节真空泵内部问题的装置，通过执行模块的相关模块动作，可以对真空泵本体的一些故障预测进行一定程度地缓解或解除。
可选的，所述清洗执行模块包括单片机、停机继电器、进油电磁阀、放油电磁阀和润滑油管道疏通装置，所述单片机与控制模块通信连接，通过停机继电器控制真空泵的启停，进油电磁阀与新润滑油箱连通，并接入真空泵的润滑油进油口，所述放油电磁阀接入真空泵的润滑油排油口，所述润滑油管道疏通装置包括送丝电机、传送丝、抽丝电机和柔性体，所述送丝电机包括驱动电机、驱动轮、压紧轮和升降电机，所述驱动电机设置在真空泵的润滑油进油口一侧，所述驱动轮安装在驱动电机的动力轴上，所述压紧轮通过转轴设置在升降电机的活塞杆端部，当升降电机驱动压紧轮上升后抵住驱动轮，实现对传送丝的滚动输送，抽丝电机设置在真空泵的润滑油出油口一侧，与送丝电机的结构相同，用于压紧穿过润滑油通道的传送丝，并带动安装在传送丝上的柔性体穿过润滑油通道，实现将润滑油通道中的杂质带出。
通过采用上述技术方案，清洗执行模块要主要是对真空泵的润滑油系统进行清洗，真空泵在运行一段时间后卷积神经网络模块判断润滑油的杂质过多，影响到润滑油的润滑效果，如果不及时清洗，容易造成机械损伤，此时执行方案制定模块根据润滑油杂质的多少制定清洗策略，若杂质较少，则只进行润滑油更换，此时单片机通过停机继电器实现对真空泵的停机操作，打开放油电磁阀，将真空泵润滑油系统中的润滑油排出，再将进油电磁阀打开将新润滑油加入，重复操作两到三遍即可；
若杂质较多，执行方案制定模块制定进行贯通式清洗操作的方案，清洗执行模块执行该方案，单片机通过停机继电器实现对真空泵的停机操作，将润滑油管道疏通装置的传送丝端部送到送丝电机的驱动轮下方，升降电机驱动压紧轮上升后抵住驱动轮，实现对传送丝的滚动输送，此时柔性体位于润滑油入口一侧，这个阶段仅仅是传送丝的传输，并没有什么阻力，传送丝一般采用不锈钢金属丝制成，或者其它有一定强度和韧性的合金材料，当检测到传送丝的端部穿过整个润滑油主油路时，抽丝电机压紧穿过润滑油通道的传送丝，并带动安装在传送丝上的柔性体穿过润滑油通道，实现将润滑油通道中的杂质带出，柔性体一般采用高弹性的硅胶球，能将润滑油路中的杂质带出，清洗效果好，后再将放油电磁阀关闭，进油电磁阀打开将新润滑油加入即可。
可选的，卷积神经网络包括输入层、第一网络隐藏层、第二网络隐藏层和输出层，所述输入层与第一网络隐藏层通信连接，所述第二网络隐藏层的输入端与第一网络隐藏层的输出端通信连接，输出端与输出层连接，所述输出层与执行模块通信连接。
可选的，网络隐藏层是VGG模型的多层卷积神经网络结构，网络隐藏层基于VGG模型架构，采用大小为3x3，步长为1，填充为1的卷积核多次堆叠形成，且每个卷积层均设置ReLU激活函数。
通过采用上述技术方案，利用传感器模块采集数据、通过VGG模型的多层卷积神经网络结构进行分析、智能应对问题变化，能够实现真空泵本体的自动化控制、智能化分析和应对问题的能力，提高真空泵的可靠性和效率，降低维护成本和风险。
可选的，传感器模块包括温度传感器、振动传感器、声音传感器、压力传感器、光学传感器、力矩传感器、流量传感器、位置传感器、热释电传感器和电流传感器，所述真空泵本体的泵体内侧安装温度传感器、振动传感器、声音传感器、压力传感器、光学传感器、位置传感器和热释电传感器，所述力矩传感器安装在真空泵本体的转动轴处，所述电流传感器的输入端连接在电机的供电电路，温度传感器、振动传感器、声音传感器、压力传感器、光学传感器、力矩传感器、流量传感器、位置传感器、热释电传感器和电流传感器分别与数据采集模块的信号输入端通信连接。
可选的，温度传感器用于监测真空泵本体内部的温度变化；
振动传感器用于检测真空泵本体的振动状态；
声音传感器用于检测真空泵本体的噪音数据；
压力传感器用于检测真空泵本体内部的气体压力变化；
光学传感器用于检测真空泵本体内部的光学变化；
力矩传感器用于检测真空泵本体转动轴的力矩变化；
流量传感器用于检测真空泵本体气路的流量变化；
位置传感器用于监测真空泵本体内部部件的位置变化；
热释电传感器用于监测真空泵本体内部的热释电变化；
电流传感器用于监测电机的电流变化。
通过采用上述技术方案，温度传感器可以监测泵体内部的温度变化，以便及时发现可能存在的过热问题，预防零部件因过热而导致故障。
振动传感器可以检测泵体的振动情况，如果振动过大，则可能存在机械故障或其他异常情况。
声音传感器可以检测泵体的噪音情况，如果噪音过大，则可能存在机械故障或其他异常情况。
压力传感器可以监测真空泵内部的气体压力变化，以便及时发现可能存在的漏气等问题。
光学传感器可以检测泵体内部的光学变化，以便及时发现可能存在的粘结或阻塞等问题。
力矩传感器可以检测泵体内部的力矩变化，以便及时发现可能存在的机械故障。
流量传感器可以监测真空泵内部的气体流量变化，以便及时发现可能存在的漏气等问题。
位置传感器可以监测真空泵内部部件的位置变化，以便及时发现可能存在的机械故障。
热释电传感器：可以检测真空泵内部的热释电变化，以便及时发现可能存在的过热问题。
电流传感器通过监测电机的电流变化，可以判断电机是否正常运转，同时可以检测出可能存在的机械故障，如部件卡死等。
可选的，真空泵集成控制系统还包括人机交互界面，所述人机交互界面与控制模块通信连接。
可选的，人机交互界面是工业触摸屏。
通过采用上述技术方案，人机交互界面可以是工业触摸屏，可以方便地进行真空泵集成控制系统配置、实时监控和问题处理，提高真空泵集成控制系统的可操作性和人机交互性。
综上所述，本发明包括以下至少一种有益技术效果：
本发明能提供一种基于卷积神经网络的真空泵集成控制系统，高精度数据采集，利用多种传感器对真空泵的运行状态进行监测和数据采集，具有高精度和高可靠性。
智能问题判断：本系统采用卷积神经网络进行数据分析和判断，可以智能预判真空泵内可能出现的问题，包括物料粘结、部件过热、零件异常、漏气、气体反吹、振动、噪音、泵的过热、泵的磨损和老化等问题，提高真空泵的使用效率和可靠性。
自动处理功能：本系统可以根据预判的问题类型，自动进行相应的处理，如自动清洗、调整电机的输出方案和对泵体温度进行管理等，避免了人工干预的繁琐和不准确性。
多状态执行方案：本系统针对不同的问题状态，能够自动调整执行方案，包括自动清洗、调整电机输出方案、调整泵体温度、出具故障排除的执行方案并执行反馈等。
降低维护成本：本系统可以及时预判问题，自动处理和调整方案，避免了因问题漏检和处理不及时而导致的设备损坏和停机，减少了维护成本和停机时间，提高生产效率。
附图说明
图1是本发明一种基于卷积神经网络的真空泵集成控制系统的电器件连接原理示意图；
图2是本发明一种基于卷积神经网络的真空泵集成控制系统的传感器模块电器件连接原理示意图；
图3是本发明一种基于卷积神经网络的真空泵集成控制系统的控制模块电器件连接原理示意图；
图4是本发明控制模块的卷积神经网络原理示意图；
图5是本发明清洗执行模块的电器件连接原理示意图；
图6是本发明清洗执行模块的结构示意图。
附图标记说明：1、真空泵本体；2、电机；21、电流传感器；3、传感器模块；31、温度传感器；32、振动传感器；33、声音传感器；34、压力传感器；35、光学传感器；36、力矩传感器；37、流量传感器；38、位置传感器；39、热释电传感器；4、数据采集模块；5、控制模块；51、卷积神经网络模块；52、执行方案制定模块；53、异常处理模块；6、执行模块；61、清洗执行模块；611、单片机；612、停机继电器；613、进油电磁阀；614、放油电磁阀；615、送丝电机；6151、驱动电机；6152、驱动轮；6153、压紧轮；6154、升降电机；616、传送丝；617、抽丝电机；618、柔性体；62、电机输出控制模块；63、温度管理模块；7、人机交互界面。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开一种基于卷积神经网络的真空泵集成控制系统。
参照图1－图6，一种基于卷积神经网络的真空泵集成控制系统，真空泵集成控制系统包括真空泵本体1、电机2、传感器模块3、数据采集模块4、控制模块5和执行模块6，电机2用于驱动真空泵本体1，传感器模块3用于监测真空泵本体1和电机2的状态，数据采集模块4的数据输入端与传感器模块3通信连接，用于采集传感器模块3监测的状态数据，并传输给控制模块5，控制模块5构建卷积神经网络，并采用卷积神经网络对数据采集模块4采集的传感器的数据进行分析，预测和判断真空泵本体1内的故障状态，根据故障状态生成执行方案，并基于执行方案生成执行指令传输给执行模块6，执行模块6根据执行指令对真空泵本体1和电机2进行故障排除操作。
工作流程如下：首先，传感器模块3实时采集真空泵本体1内部的各种状态数据，并将这些状态数据传输给数据采集模块4；数据采集模块4对所采集的数据进行处理，并将处理结果传输给控制模块5；控制模块5利用卷积神经网络对所采集的数据进行分析，并根据分析结果制定相应的执行方案，并基于执行方案生成执行指令传输给执行模块6，执行模块6则根据控制模块5的指令执行相应的操作，包括自动清洗、调整电机输出、对泵体温度进行管理等操作，以保证真空泵的正常工作和长期稳定性。
控制模块5包括卷积神经网络模块51、执行方案制定模块52和异常处理模块53，卷积神经网络模块51基于神经芯片布置，并与数据采集模块4通信连接，执行方案制定模块52和异常处理模块53分别基于AI芯片布置，输入端分别与卷积神经网络模块51通信连接，输出端分别与执行模块6通信连接。
卷积神经网络模块51是控制模块5的核心，可以根据传感器模块3采集的各种数据对真空泵本体1和电机2的状态进行自动预测和判断，得到预测和判断结果后，传输给执行方案制定模块52，执行方案制定模块52制定执行方案，并根据执行方案生成执行指令传输给执行模块6，异常处理模块53指当判断出现异常时，可以进行异常处理，包括异常报警、异常停机等操作。
执行模块6包括清洗执行模块61、电机输出控制模块62和温度管理模块63，清洗执行模块61用于对真空泵本体1内部进行清洗，电机输出控制模块62用于控制电机2的执行动作，温度管理模块63用于调节控制真空泵本体1内部的温度。
执行模块6包括但不限于清洗执行模块61、电机输出控制模块62和温度管理模块63，其中清洗执行模块61可以是自动真空泵清洗机构等可以自动实现真空泵内部清洗的装置，电机输出控制模块62可以对电机2的执行动作进行控制，温度管理模块63可以是基于冷却液的降温装置等可以自动调节真空泵内部问题的装置，通过执行模块6的相关模块动作，可以对真空泵本体1的一些故障预测进行一定程度地缓解或解除。
清洗执行模块61包括单片机611、停机继电器612、进油电磁阀613、放油电磁阀614和润滑油管道疏通装置，所述单片机611与控制模块5通信连接，通过停机继电器612控制真空泵的启停，进油电磁阀613与新润滑油箱连通，并接入真空泵的润滑油进油口，放油电磁阀614接入真空泵的润滑油排油口，润滑油管道疏通装置包括送丝电机615、传送丝616、抽丝电机617和柔性体618，所述送丝电机615包括驱动电机6151、驱动轮6152、压紧轮6153和升降电机6154，驱动电机6151设置在真空泵的润滑油进油口一侧，驱动轮6152安装在驱动电机6151的动力轴上，所述压紧轮6153通过转轴设置在升降电机6154的活塞杆端部，当升降电机6154驱动压紧轮6153上升后抵住驱动轮6152，实现对传送丝616的滚动输送，抽丝电机617设置在真空泵的润滑油出油口一侧，与送丝电机615的结构相同，用于压紧穿过润滑油通道的传送丝616，并带动安装在传送丝616上的柔性体618穿过润滑油通道，实现将润滑油通道中的杂质带出。
清洗执行模块61要主要是对真空泵的润滑油系统进行清洗，真空泵在运行一段时间后卷积神经网络模块51判断润滑油的杂质过多，影响到润滑油的润滑效果，如果不及时清洗，容易造成机械损伤，此时执行方案制定模块52根据润滑油杂质的多少制定清洗策略，若杂质较少，则只进行润滑油更换，此时单片机611通过停机继电器612实现对真空泵的停机操作，打开放油电磁阀614，将真空泵润滑油系统中的润滑油排出，再将进油电磁阀613打开将新润滑油加入，重复操作两到三遍即可；
若杂质较多，执行方案制定模块52制定进行贯通式清洗操作的方案，清洗执行模块61执行该方案，单片机611通过停机继电器612实现对真空泵的停机操作，将润滑油管道疏通装置的传送丝616端部送到送丝电机61的驱动轮6152下方，升降电机6154驱动压紧轮6153上升后抵住驱动轮6152，实现对传送丝616的滚动输送，此时柔性体618位于润滑油入口一侧，这个阶段仅仅是传送丝616的传输，并没有什么阻力，传送丝616一般采用不锈钢金属丝制成，或者其它有一定强度和韧性的合金材料，当检测到传送丝616的端部穿过整个润滑油主油路时，抽丝电机617压紧穿过润滑油通道的传送丝616，并带动安装在传送丝616上的柔性体618穿过润滑油通道，实现将润滑油通道中的杂质带出，柔性体618一般采用高弹性的硅胶球，能将润滑油路中的杂质带出，清洗效果好，后再将放油电磁阀614关闭，进油电磁阀613打开将新润滑油加入即可。
卷积神经网络包括输入层、第一网络隐藏层、第二网络隐藏层和输出层，输入层与第一网络隐藏层通信连接，第二网络隐藏层的输入端与第一网络隐藏层的输出端通信连接，输出端与输出层连接，输出层与执行模块6通信连接。
网络隐藏层是VGG模型的多层卷积神经网络结构，网络隐藏层基于VGG模型架构，采用大小为3x3，步长为1，填充为1的卷积核多次堆叠形成，且每个卷积层均设置ReLU激活函数。
利用传感器模块3采集数据、通过VGG模型的多层卷积神经网络结构进行分析、智能应对问题变化，能够实现真空泵本体1的自动化控制、智能化分析和应对问题的能力，提高真空泵的可靠性和效率，降低维护成本和风险。
传感器模块3包括温度传感器31、振动传感器32、声音传感器33、压力传感器34、光学传感器35、力矩传感器36、流量传感器37、位置传感器38、热释电传感器39和电流传感器21，真空泵本体1的泵体内侧安装温度传感器31、振动传感器32、声音传感器33、压力传感器34、光学传感器35、位置传感器38和热释电传感器39，力矩传感器36安装在真空泵本体1的转动轴处，电流传感器21的输入端连接在电机2的供电电路，温度传感器31、振动传感器32、声音传感器33、压力传感器34、光学传感器35、力矩传感器36、流量传感器37、位置传感器38、热释电传感器39和电流传感器21分别与数据采集模块4的信号输入端通信连接。
温度传感器31用于监测真空泵本体1内部的温度变化；
振动传感器32用于检测真空泵本体1的振动状态；
声音传感器33用于检测真空泵本体1的噪音数据；
压力传感器34用于检测真空泵本体1内部的气体压力变化；
光学传感器35用于检测真空泵本体1内部的光学变化；
力矩传感器36用于检测真空泵本体1转动轴的力矩变化；
流量传感器37用于检测真空泵本体1气路的流量变化；
位置传感器38用于监测真空泵本体1内部部件的位置变化；
热释电传感器39用于监测真空泵本体1内部的热释电变化；
电流传感器21用于监测电机2的电流变化。
温度传感器31可以监测泵体内部的温度变化，以便及时发现可能存在的过热问题，预防零部件因过热而导致故障。
振动传感器32可以检测泵体的振动情况，如果振动过大，则可能存在机械故障或其他异常情况。
声音传感器33可以检测泵体的噪音情况，如果噪音过大，则可能存在机械故障或其他异常情况。
压力传感器34可以监测真空泵内部的气体压力变化，以便及时发现可能存在的漏气等问题。
光学传感器35可以检测泵体内部的光学变化，以便及时发现可能存在的粘结或阻塞等问题。
力矩传感器36可以检测泵体内部的力矩变化，以便及时发现可能存在的机械故障。
流量传感器37可以监测真空泵内部的气体流量变化，以便及时发现可能存在的漏气等问题。
位置传感器38可以监测真空泵内部部件的位置变化，以便及时发现可能存在的机械故障。
热释电传感器39：可以检测真空泵内部的热释电变化，以便及时发现可能存在的过热问题。
电流传感器21通过监测电机2的电流变化，可以判断电机21是否正常运转，同时可以检测出可能存在的机械故障，如部件卡死等。
真空泵集成控制系统还包括人机交互界面7，人机交互界面7与控制模块5通信连接。
人机交互界面7是工业触摸屏。
人机交互界面7可以是工业触摸屏，可以方便地进行真空泵集成控制系统配置、实时监控和问题处理，提高真空泵集成控制系统的可操作性和人机交互性。
本发明实施例一种基于卷积神经网络的真空泵集成控制系统的实施原理为：
在真空泵的泵体和泵盖上分别安装温度传感器31、振动传感器32、声音传感器33、压力传感器34、光学传感器35、力矩传感器36、流量传感器37、位置传感器38、热释电传感器39等多个传感器，在电机2的供电电路上设置电流传感器21，分别用于采集泵内和电机2的状态数据；
电机2连接在真空泵上，用于驱动真空泵运转；
数据采集模块4用于将各个传感器采集的数据传输至控制模块5；
控制模块5的卷积神经网络模块采用的是VGG模型架构的多层卷积神经网络，特点是采用较小的卷积核(3x3)，通过多次堆叠来达到深度。其网络结构非常深，能够学习到更加复杂的特征。
VGG模型的网络结构如下：
输入->卷积层(Convolutional layer)->ReLU激活函数(Rectified LinearUnit)->卷积层->ReLU->最大池化(Max pooling)->卷积层->ReLU->卷积层->ReLU->最大池化->卷积层->ReLU->卷积层->ReLU->最大池化->全连接层(Fully connected layer)->ReLU->Dropout->全连接层->ReLU->Dropout->全连接层->softmax；
其中，卷积层使用的卷积核大小为3x3，步长为1，填充为1，每个卷积层后跟着一个ReLU激活函数。最大池化层使用的窗口大小为2x2，步长为2。
卷积神经网络51用于对传输的数据进行分析，并预判泵内可能出现的问题；
执行模块6根据卷积神经网络51的预判结果，智能应对问题变化，作出相应的执行方案，包括但不限于自动清洗功能、智能判断清洁方案等；
在出现异常情况时，执行模块6调整电机2的输出方案和对真空泵泵体温度进行管理，并出具故障排除的执行方案并执行反馈。
以上均为本发明的较佳实施例，并非以此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (7)
1.一种基于卷积神经网络的真空泵集成控制系统，其特征在于：真空泵集成控制系统包括真空泵本体(1)、电机(2)、传感器模块(3)、数据采集模块(4)、控制模块(5)和执行模块(6)，所述电机(2)用于驱动真空泵本体(1)，所述传感器模块(3)用于监测真空泵本体(1)和电机(2)的状态，所述数据采集模块(4)的数据输入端与传感器模块(3)通信连接，用于采集传感器模块(3)监测的状态数据，并传输给控制模块(5)，所述控制模块(5)构建卷积神经网络，并采用卷积神经网络对数据采集模块(4)采集的传感器的数据进行分析，预测和判断真空泵本体(1)内的故障状态，根据故障状态生成执行方案，并基于执行方案生成执行指令传输给执行模块(6)，执行模块(6)根据执行指令对真空泵本体(1)和电机(2)进行故障排除操作；
控制模块(5)包括卷积神经网络模块(51)、执行方案制定模块(52)和异常处理模块(53)，所述卷积神经网络模块(51)基于神经芯片布置，并与数据采集模块(4)通信连接，所述执行方案制定模块(52)和异常处理模块(53)分别基于AI芯片布置，输入端分别与卷积神经网络模块(51)通信连接，输出端分别与执行模块(6)通信连接；
执行模块(6)包括清洗执行模块(61)、电机输出控制模块(62)和温度管理模块(63)，所述清洗执行模块(61)用于对真空泵本体(1)内部进行清洗，所述电机输出控制模块(62)用于控制电机(2)的执行动作，所述温度管理模块(63)用于调节控制真空泵本体(1)内部的温度；
所述清洗执行模块(61)包括单片机(611)、停机继电器(612)、进油电磁阀(613)、放油电磁阀(614)和润滑油管道疏通装置，所述单片机(611)与控制模块(5)通信连接，通过停机继电器(612)控制真空泵的启停，进油电磁阀(613)与新润滑油箱连通，并接入真空泵的润滑油进油口，所述放油电磁阀(614)接入真空泵的润滑油排油口，所述润滑油管道疏通装置包括送丝电机(615)、传送丝(616)、抽丝电机(617)和柔性体(618)，所述送丝电机(615)包括驱动电机(6151)、驱动轮(6152)、压紧轮(6153)和升降电机(6154)，所述驱动电机(6151)设置在真空泵的润滑油进油口一侧，所述驱动轮(6152)安装在驱动电机(6151)的动力轴上，所述压紧轮(6153)通过转轴设置在升降电机(6154)的活塞杆端部，当升降电机(6154)驱动压紧轮(6153)上升后抵住驱动轮(6152)，实现对传送丝(616)的滚动输送，抽丝电机(617)设置在真空泵的润滑油出油口一侧，与送丝电机(615)的结构相同，用于压紧穿过润滑油通道的传送丝(616)，并带动安装在传送丝(616)上的柔性体(618)穿过润滑油通道，实现将润滑油通道中的杂质带出。
2.根据权利要求1所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：卷积神经网络包括输入层、第一网络隐藏层、第二网络隐藏层和输出层，所述输入层与第一网络隐藏层通信连接，所述第二网络隐藏层的输入端与第一网络隐藏层的输出端通信连接，输出端与输出层连接，所述输出层与执行模块(6)通信连接。
3.根据权利要求2所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：网络隐藏层是VGG模型的多层卷积神经网络结构，网络隐藏层基于VGG模型架构，采用大小为3x3，步长为1，填充为1的卷积核多次堆叠形成，且每个卷积层均设置ReLU激活函数。
4.根据权利要求1所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：传感器模块(3)包括温度传感器(31)、振动传感器(32)、声音传感器(33)、压力传感器(34)、光学传感器(35)、力矩传感器(36)、流量传感器(37)、位置传感器(38)、热释电传感器(39)和电流传感器(21)，所述真空泵本体(1)的泵体内侧安装温度传感器(31)、振动传感器(32)、声音传感器(33)、压力传感器(34)、光学传感器(35)、位置传感器(38)和热释电传感器(39)，所述力矩传感器(36)安装在真空泵本体(1)的转动轴处，所述电流传感器(21)的输入端连接在电机(2)的供电电路，温度传感器(31)、振动传感器(32)、声音传感器(33)、压力传感器(34)、光学传感器(35)、力矩传感器(36)、流量传感器(37)、位置传感器(38)、热释电传感器(39)和电流传感器(21)分别与数据采集模块(4)的信号输入端通信连接。
5.根据权利要求4所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：
温度传感器(31)用于监测真空泵本体(1)内部的温度变化；
振动传感器(32)用于检测真空泵本体(1)的振动状态；
声音传感器(33)用于检测真空泵本体(1)的噪音数据；
压力传感器(34)用于检测真空泵本体(1)内部的气体压力变化；
光学传感器(35)用于检测真空泵本体(1)内部的光学变化；
力矩传感器(36)用于检测真空泵本体(1)转动轴的力矩变化；
流量传感器(37)用于检测真空泵本体(1)气路的流量变化；
位置传感器(38)用于监测真空泵本体(1)内部部件的位置变化；
热释电传感器(39)用于监测真空泵本体(1)内部的热释电变化；
电流传感器(21)用于监测电机(2)的电流变化。
6.根据权利要求1所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：真空泵集成控制系统还包括人机交互界面(7)，所述人机交互界面(7)与控制模块(5)通信连接。
7.根据权利要求6所述的一种基于卷积神经网络的真空泵集成控制系统，其特征在于：人机交互界面(7)是工业触摸屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310818329.8A CN116906306B (zh) | 2023-07-05 | 2023-07-05 | 一种基于卷积神经网络的真空泵集成控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310818329.8A CN116906306B (zh) | 2023-07-05 | 2023-07-05 | 一种基于卷积神经网络的真空泵集成控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116906306A CN116906306A (zh) | 2023-10-20 |
| CN116906306B true CN116906306B (zh) | 2024-02-13 |
Family
ID=88359475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310818329.8A Active CN116906306B (zh) | 2023-07-05 | 2023-07-05 | 一种基于卷积神经网络的真空泵集成控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116906306B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112196784A (zh) * | 2020-09-18 | 2021-01-08 | 昆明理工大学 | 一种基于elm的高压隔膜泵健康状态预估系统及方法 |
| CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
| CN214409216U (zh) * | 2021-01-30 | 2021-10-15 | 保山学院 | 一种工业设备的故障监测装置 |
| CN114297909A (zh) * | 2021-11-25 | 2022-04-08 | 上海叠腾网络科技有限公司 | 基于神经网络的水泵故障诊断方法及系统 |
| CN116292246A (zh) * | 2023-03-02 | 2023-06-23 | 苏州科瑞达智能科技有限公司 | 一种真空泵的故障监测方法及系统 |
-
2023
- 2023-07-05 CN CN202310818329.8A patent/CN116906306B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112196784A (zh) * | 2020-09-18 | 2021-01-08 | 昆明理工大学 | 一种基于elm的高压隔膜泵健康状态预估系统及方法 |
| CN214409216U (zh) * | 2021-01-30 | 2021-10-15 | 保山学院 | 一种工业设备的故障监测装置 |
| CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
| CN114297909A (zh) * | 2021-11-25 | 2022-04-08 | 上海叠腾网络科技有限公司 | 基于神经网络的水泵故障诊断方法及系统 |
| CN116292246A (zh) * | 2023-03-02 | 2023-06-23 | 苏州科瑞达智能科技有限公司 | 一种真空泵的故障监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116906306A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113027741B (zh) | 一种智能可编程式轴向柱塞泵控制器和控制方法 | |
| CN212643100U (zh) | 一种水泵状态检修管理系统 | |
| KR101835467B1 (ko) | 자가진단 기능을 갖는 진공펌프 | |
| KR20050026020A (ko) | 모니터링 방법과, 컴퓨터 프로그램 제품과, 데이터 저장매체 및 장치 | |
| CN108005893A (zh) | 一种节能降耗的空压机分析诊断系统及其控制方法 | |
| CN107237770A (zh) | 一种鼓风机组节能增效控制系统及其工作方法 | |
| CN116906306B (zh) | 一种基于卷积神经网络的真空泵集成控制系统 | |
| CN112328659A (zh) | 一种风力发电机组液压变桨系统故障诊断方法 | |
| CN114263458A (zh) | 一种油井工况全感知智能诊断自动处理的方法和系统 | |
| CN117911012B (zh) | 基于设备生态检测及运行状态评估的设备健康管理系统 | |
| CN117128162B (zh) | 智慧能源空压站节能控制系统及控制方法 | |
| CN206610176U (zh) | 一种具有故障自诊断功能的矿井节能排水控制系统 | |
| CN117388685A (zh) | 水轮发电机组滑环监测系统及方法 | |
| CN205478242U (zh) | 一种空气压缩机自动控制及监控系统 | |
| CN2824105Y (zh) | 冷干机智能控制器 | |
| CN211841568U (zh) | 抛丸清理机物联网远程运维系统 | |
| CN115143129A (zh) | 一种脱硫泵故障预测与健康管理装置 | |
| CN115434912A (zh) | 双逻辑温度压力动态监测方法 | |
| CN114063581A (zh) | 一种燃煤电站智适应输灰控制系统 | |
| KR102720312B1 (ko) | 펌프의 고장 감지가 가능한 펌프 제어 시스템 | |
| CN208263402U (zh) | 一种双螺杆挤出设备中联轴器脱轴故障检测系统 | |
| CN219655017U (zh) | 煤机在线油液智能监测装置 | |
| US20230250824A1 (en) | Pump control system capable of detecting fault of pump | |
| CN118384613B (zh) | 一种基于变化率与距离计算的袋收尘状态监测方法及系统 | |
| CN217586292U (zh) | 一种船用阀门寿命检测装置 |
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 |