CN117444688A - 用于换刀机器人工作站的故障告警方法及系统 - Google Patents
用于换刀机器人工作站的故障告警方法及系统 Download PDFInfo
- Publication number
- CN117444688A CN117444688A CN202311780848.6A CN202311780848A CN117444688A CN 117444688 A CN117444688 A CN 117444688A CN 202311780848 A CN202311780848 A CN 202311780848A CN 117444688 A CN117444688 A CN 117444688A
- Authority
- CN
- China
- Prior art keywords
- tool changing
- error
- analysis
- changing
- tool
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 126
- 238000010008 shearing Methods 0.000 claims abstract description 101
- 238000009826 distribution Methods 0.000 claims abstract description 74
- 238000012937 correction Methods 0.000 claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 37
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 27
- 239000010959 steel Substances 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims description 9
- 230000013011 mating Effects 0.000 claims 4
- 230000008569 process Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q3/00—Devices holding, supporting, or positioning work or tools, of a kind normally removable from the machine
- B23Q3/155—Arrangements for automatic insertion or removal of tools, e.g. combined with manual handling
- B23Q3/1552—Arrangements for automatic insertion or removal of tools, e.g. combined with manual handling parts of devices for automatically inserting or removing tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
- B23D35/00—Tools for shearing machines or shearing devices; Holders or chucks for shearing tools
- B23D35/008—Means for changing the cutting members
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了用于换刀机器人工作站的故障告警方法及系统,涉及故障告警技术领域,包括:在纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;进行换刀配合分析,获得换刀配合参数;在换刀完毕后采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;基于历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;进行修正计算获得修正误差偏移信息;进行故障告警分析,获得故障告警方案,进行告警。本发明解决了传统方法存在实时性差、性能稳定性差、智能化程度低的技术问题。
Description
技术领域
本发明涉及故障告警技术领域,具体涉及用于换刀机器人工作站的故障告警方法及系统。
背景技术
换刀机器人工作站是工业生产中的关键设备,负责自动完成换刀和纵剪等操作,现有技术对于换刀机器人工作站的故障告警面临着诸多挑战,第一,传统的监测方法可能无法实时捕捉到换刀机器人工作站的状态变化,尤其是在关键时刻,例如纵剪机组停机和换刀启动时,导致实时性较差;第二,换刀后,由于多种因素的影响,纵剪误差可能出现偏移,导致生产效率降低,传统方法可能无法有效修正这些误差,导致系统的准确性和稳定性较差;第三,传统方法对潜在故障的预警能力较弱,无法提前发现并采取措施避免系统故障,导致告警系统的智能化程度较低。
发明内容
本申请通过提供了用于换刀机器人工作站的故障告警方法及系统,旨在解决传统方法无法实时捕捉到换刀机器人工作站的状态变化,对于纵剪误差可能出现偏移无法有效处理,并且无法提前发现并采取措施避免系统故障,导致实时性差、性能稳定性差、智能化程度低的技术问题。
鉴于上述问题,本申请提供了用于换刀机器人工作站的故障告警方法及系统。
本申请公开的第一个方面,提供了用于换刀机器人工作站的故障告警方法,所述方法应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,所述方法包括:通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
本申请公开的另一个方面,提供了用于换刀机器人工作站的故障告警系统,所述系统应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,所述系统用于上述方法,所述系统包括:间隔时间获取模块,所述间隔时间获取模块用于通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;换刀配合分析模块,所述换刀配合分析模块用于根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;偏移信息获取模块,所述偏移信息获取模块用于通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;误差分布获取模块,所述误差分布获取模块用于基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;合理性分析模块,所述合理性分析模块用于根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;修正计算模块,所述修正计算模块用于基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;故障告警分析模块,所述故障告警分析模块用于通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过配合分析单元和误差分析单元的协同工作,实现了对换刀机器人工作站关键时刻的实时监测;通过误差分析单元采集多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息,并基于合理性分析,对误差进行修正,降低了纵剪误差可能出现偏移,提高了系统的准确性和稳定性;通过故障告警单元,结合换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,实现了减少因故障引起的生产中断,提高系统的可靠性和稳定性。综上所述,该用于换刀机器人工作站的故障告警方法通过数据分析和修正技术,解决了现有技术中实时性监测、误差修正、综合性能提升和故障预警等方面存在的技术问题,提高了换刀机器人工作站的智能化水平、准确性和稳定性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了用于换刀机器人工作站的故障告警方法流程示意图;
图2为本申请实施例提供了用于换刀机器人工作站的故障告警系统结构示意图。
附图标记说明:间隔时间获取模块10,换刀配合分析模块20,偏移信息获取模块30,误差分布获取模块40,合理性分析模块50,修正计算模块60,故障告警分析模块70。
实施方式
本申请实施例通过提供用于换刀机器人工作站的故障告警方法,解决了传统方法无法实时捕捉到换刀机器人工作站的状态变化,对于纵剪误差可能出现偏移无法有效处理,并且无法提前发现并采取措施避免系统故障,导致实时性差、性能稳定性差、智能化程度低的技术问题。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例
如图1所示,本申请实施例提供了用于换刀机器人工作站的故障告警方法,所述方法应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,所述方法包括:
通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;
本申请实施例提供的用于换刀机器人工作站的故障告警方法应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,其中,配合分析单元负责有效地监测和记录配合间隔时间,为后续的故障分析提供必要的配合参数;误差分析单元负责采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,通过结合换刀前的多个误差信息,计算获得多个误差偏移信息,解决了在换刀过程中误差分析的需求,确保对系统误差的全面把握;故障告警单元负责进行故障告警分析,最终获得故障告警方案,使操作人员能够及时采取措施,降低故障对系统运行的影响。这三个单元组成了故障告警装置,负责从不同角度对换刀机器人工作站的状态进行监测和分析,以提高系统的稳定性和可靠性。
首先,监测纵剪机组的状态,确保它处于停机状态,通过控制系统发送信号来启动换刀机器人工作站启动换刀,在这个过程中,通过配合分析单元开始记录时间,例如采用内部时钟或其他时间跟踪机制,测量并记录配合间隔时间,这个时间间隔是指纵剪机组停机后,到换刀机器人工作站启动进行换刀操作的时间,即机器人工作站启动换刀时,纵剪机组停机的时间间隔,它提供了一个时间标记,使系统能够对换刀过程中的各种参数进行分析和比较。
根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;
进一步而言,根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数,包括:
基于换刀机器人工作站的运行数据记录,获取样本配合间隔时间集合;
根据最佳配合间隔时间,对所述样本配合间隔时间集合进行配合参数分析,获得样本换刀配合参数集合;
采用所述样本配合间隔时间集合和样本换刀配合参数集合,构建换刀配合分析器;
根据所述换刀配合分析器,对所述配合间隔时间进行分析,获得所述换刀配合参数。
调取历史时间内换刀机器人工作站的运行数据记录,包括机器人的运动轨迹、工作状态、刀具更换时间等信息,从运行数据记录中提取样本配合间隔时间集合,确保样本集合具有代表性,覆盖不同工况和操作情境。
根据工程要求,确定最佳的配合间隔时间,即在该时间内完成刀具换刀操作的最佳时间范围,根据最佳配合间隔时间,对获取的样本配合间隔时间集合进行过滤,仅选择在最佳配合间隔时间范围内的样本,以确保分析的准确性和实用性,针对过滤后的样本集合,进行配合参数分析,包括机器人动作速度、刀具状态、传感器数据等与配合间隔时间相关的参数,将分析得到的配合参数进行整合,形成样本换刀配合参数集合,这个集合包含了在最佳配合间隔时间内的关键参数信息。
基于机器学习构建换刀配合分析器,利用样本配合间隔时间作为输入,样本换刀配合参数集合作为输出,对模型进行训练,基于机器学习算法,调整模型参数以获得最佳性能,使用一部分数据集进行验证,检查模型对未见过数据的泛化能力,调整模型,以提高性能和准确性,当满足预设性能要求时,将换刀配合分析器部署到实际工作站中。
将所述配合间隔时间输入所述换刀配合分析器,所述换刀配合分析器根据其学习到的样本配合间隔时间与样本换刀配合参数之间的关系,对所述配合间隔时间进行分析,输出对应的换刀配合参数。
通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;
在换刀机器人工作站完成了整个换刀过程后,误差分析单元开始采集纵剪机组进行纵剪的多个钢材的多个换刀误差信息,这些误差信息就是多个刀切出来的带材与预设标准尺寸的误差,涉及每个钢材的尺寸、角度、位置等方面的数据,将所采集到的换刀后的误差信息与换刀前的误差信息进行比较,包括将两个时间点的误差信息进行匹配,以便识别在换刀过程中引起的任何变化或偏移,利用比较结果,计算获得多个误差偏移信息,这些信息表示在换刀过程中,纵剪机组进行纵剪的钢材出现的误差相对于换刀前的变化。
进一步而言,通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息,包括:
采集所述纵剪机组换刀前进行纵剪的多个纵剪钢材的多个误差信息;
在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息;
根据所述多个误差信息和多个换刀误差信息,计算获得多个误差偏移信息。
在纵剪机组上安装适当的传感器,以便实时捕捉误差信息,这些传感器可以包括测量切割位置、钢材宽度、长度等的设备,在进行纵剪前,记录每个纵剪钢材的多个误差信息,所述误差信息表示测量切割尺寸与理想尺寸之间的差异、切割位置偏差等方面的数据。
在换刀机器人工作站完成换刀后,纵剪机组进行纵剪操作,通过纵剪机组上的传感器采集进行纵剪的多个纵剪钢材的多个换刀误差信息,所述多个换刀误差信息与前述多个误差信息相对应。
对于所述多个误差信息和所述多个换刀误差信息,使其在每个纵剪钢材上对齐,即每个纵剪钢材对应一个误差信息和一个换刀误差信息,以此确保在计算误差偏移信息时,能够比较纵剪钢材上的两组数据,计算两组误差之间的偏移量,例如计算换刀后的误差与换刀前的误差之间的差值,获得多个误差偏移信息,这些信息反映了在纵剪机组进行纵剪前和换刀后的误差变化。
基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;
进一步而言,基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布,包括:
基于所述换刀机器人工作站在历史时间内预设次数的换刀后的纵剪误差检测数据,获得多个换刀误差信息集合;
根据所述多个换刀误差信息集合,计算获得多个换刀误差信息分布。
整理换刀机器人工作站在历史时间内的预设次数的换刀后的纵剪误差检测数据,其中历史事件和预设次数根据实际情况和具体需求设定,确保包含足够的样本以覆盖不同的生产批次和操作情境。将历史时间内的每个切割位置的预设次数的多个换刀误差检测数据整合到一个数据集中,确保数据集中包含必要的标识,以区分不同的换刀误差信息来源,获得多个换刀误差信息集合。
分布就是用预设的标准尺寸替代方差计算中的均值,计算获得的特征值,作为换刀误差信息分布,具体计算公式如下:
其中,s为换刀误差信息分布,x为标准尺寸,n为一个换刀误差信息集合内换刀误差信息的个数,分别为该集合内的多个换刀误差信息。
在该计算公式中,对于每个切割对应位置的预设次数的带材尺寸,计算获得一个分布,以该公式遍历所有的多个换刀误差信息集合,计算获得多个换刀误差信息分布。
根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;
进一步而言,根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数,包括:
构建误差合理性分析通道,所述误差合理性分析通道包括多个误差合理性分析分支;
采用所述误差合理性分析通道,对所述多个换刀误差信息分布进行分析,获得所述多个换刀纵剪误差合理性系数。
获取多个样本换刀误差信息分布集合,并评估获取多个样本换刀纵剪误差合理性系数集合,分别采用所述多个样本换刀误差信息分布集合和多个样本换刀纵剪误差合理性系数集合作为输入和输出,构建多个误差合理性分析分支,获得所述误差合理性分析通道。
将多个换刀误差信息分布输入到误差合理性分析通道中,在误差合理性分析通道中通过所述多个误差合理性分析分支,每个分支根据训练过程中学习到的样本换刀误差信息分布与样本换刀纵剪误差合理性系数的关系,对所述多个换刀误差信息分布进行分析,每个分支输出对应的分析结果,每个结果对应一个换刀纵剪误差合理性系数,将各个分支的分析结果整合,获得所述多个换刀纵剪误差合理性系数。
进一步而言,构建误差合理性分析通道,包括:
获取多个样本换刀误差信息集合,并计算获得多个样本换刀误差信息分布集合;
根据多个样本换刀误差信息分布集合,评估获取多个样本换刀纵剪误差合理性系数集合;
分别采用所述多个样本换刀误差信息分布集合和多个样本换刀纵剪误差合理性系数集合作为输入和输出,构建多个误差合理性分析分支,获得所述误差合理性分析通道。
选择代表性的样本集合,涵盖不同的操作条件、生产批次和其他可能影响换刀误差的因素,确保样本的多样性,以更全面地了解系统的性能,对所选样本进行换刀操作,并记录每次换刀后的误差信息分布,获取多个样本换刀误差信息分布集合。根据历史数据、具体需求制定合理性评估指标,如分析换刀前后的误差变化、操作条件对误差分布的影响、生产批次间误差的差异、异常值检测等,根据合理性评估指标对所述多个样本换刀误差信息分布集合进行评估,获得多个样本换刀纵剪误差合理性系数集合。具体的,基于历史时间内的换刀机器人工作人对纵剪机组内多个刀具分别进行多次预设数量的换刀后的纵剪检测数据,可以提取获得多个换刀误差信息集合,基于前述内容中的公式,计算获得多个样本换刀误差信息分布集合。根据样本换刀误差信息分布集合内每个样本换刀误差信息分布的大小,基于行业内纵剪工艺标准或技术人员等,进行换刀纵剪误差合理性系数的评估,换刀误差信息分布越小,说明换刀后的纵剪误差越不稳定,则换刀纵剪误差合理性系数越小,反之则越大,换刀纵剪误差合理性系数的大小为(0,2),换刀误差信息分布接近于0时,换刀纵剪误差合理性系数接近于0,修正后的误差偏移信息越小,换刀误差信息分布的均值对应的换刀纵剪误差合理性系数为1,基于其对误差偏移信息修正后不变。如此,基于多个纵剪刀具对应的多个样本换刀误差信息分布集合,分析获得多个样本换刀纵剪误差合理性系数集合。
对于所述误差合理性分析通道,可以采用神经网络中的多输出模型,通过在网络中设定多个输出层,每个输出层对应一个误差合理性分析分支,每个分支对应一个纵剪刀具,使神经网络可以同时学习多个任务,其中,对于任意一个分支,先获取对应纵剪刀具的样本换刀误差信息分布,进行分析评估,获取对应的样本换刀纵剪误差合理性系数,根据样本换刀误差信息分布和样本换刀纵剪误差合理性系数的对应关系,进行训练,让神经网络学习这种对应关系,然后神经网络就能基于学习到的关系,根据换刀误差信息分布得出对应的换刀纵剪误差合理性系数。
具体训练过程如下,划分数据集为训练集和验证集,并利用训练集对神经网络进行训练,使用合适的损失函数和优化算法,如均方误差损失函数和随机梯度下降,通过反向传播算法进行参数更新,不断优化网络以提高其性能;在训练过程中,利用验证集对模型进行评估,监控模型的性能指标,如准确率、均方误差等,根据评估结果进行调优,包括调整网络结构、改变超参数等,直到获得满足性能要求的所述误差合理性分析通道。
完成训练后,所述误差合理性分析通道可以应用于新数据上,对新数据进行预测,并获得多个误差合理性分析分支的输出结果,这些结果包括多个换刀纵剪误差合理性系数。这种基于神经网络的多分支误差合理性分析方法可以充分利用神经网络的拟合能力和对复杂数据的处理能力,从而更准确地评估换刀纵剪误差的合理性,提高故障告警方法的效率和准确性。
在另一个实施例中,构建一个样本换刀误差信息分布区间对应一个样本换刀纵剪误差合理性系数的映射关系,平均样本换刀误差信息分布对应的样本换刀纵剪误差合理性系数为1,其他的依次按照大小进行对应映射,根据映射关系,采用多个样本换刀误差信息分布集合和多个样本换刀纵剪误差合理性系数集合,分别构建包括映射关系的多个误差合理性分析分支,获得所述误差合理性分析通道。
基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;
根据所述多个换刀纵剪误差合理性系数,采用合适的修正算法,对相应的误差偏移信息进行修正计算,修正的目的是根据合理性系数更准确地估计换刀后的纵剪误差,修正算法可以根据合理性系数的高低进行权衡,例如将所述多个误差偏移信息分别乘以对应的合理性系数,再将乘积加和,获得所述修正误差偏移信息,这使得换刀后纵剪误差信息更加准确,这有助于提高换刀流程的精准度和效率。
通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
将获得的修正误差偏移信息与换刀配合参数进行整合,利用整合后的数据,采用故障告警分析器进行故障检测,判断是否存在异常情况,例如超出合理范围的误差偏移、不正常的配合参数等,如果检测到故障或异常情况,生成相应的故障告警方案,包括提供详细的故障描述、可能的原因分析、应对策略等信息,对不同故障情况设定优先级,以便在发生多个故障时确定处理的先后顺序,例如基于故障的影响程度、紧急程度等因素进行权衡。将故障告警方案与系统的告警单元整合,实现自动化告警,以此及时通知操作人员并采取必要的措施。实现减少因故障引起的生产中断,提高系统的可靠性和稳定性。
进一步而言,通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,包括:
获取样本换刀配合参数集合和样本修正误差偏移信息集合,并获取样本告警方案集合;
采用所述样本换刀配合参数集合、样本修正误差偏移信息集合和样本告警方案集合作为输入和输出,构建故障告警分析器;
采用所述故障告警分析器,对所述换刀配合参数和修正误差偏移信息进行故障分析,获得所述故障告警方案。
选择一组代表性的样本,涵盖了各种可能的换刀情况和操作条件,确保样本的多样性,以充分覆盖系统的使用范围,对每个样本进行换刀操作,并记录换刀时所使用的配合参数,包括刀具规格、夹持力、夹持位置等相关参数,整合为样本换刀配合参数集合;记录每次换刀后系统产生的修正误差偏移信息,整合为样本修正误差偏移信息集合;在每个样本的换刀过程中,记录系统生成的告警信息和相应的处理方案,整合为样本告警方案集合。
基于神经网络,构建故障告警分析器的网络结构,将样本换刀配合参数集合、样本修正误差偏移信息集合作为输入,将样本告警方案集合作为输出,确保神经网络能够学习输入和输出之间的映射关系,划分数据集为训练集和验证集,利用训练集对神经网络进行训练,通过向网络提供输入并计算损失,利用反向传播算法更新网络参数,训练过程需要迭代多次,直至模型收敛或达到预定的训练次数,使用验证集评估模型性能,监控损失函数的变化以及其他性能指标,根据评估结果调整网络结构、改变超参数,使其能够准确地从输入的样本信息中预测出相应的告警方案。
将获得的换刀配合参数和修正误差偏移信息输入到训练好的故障告警分析器中,故障告警分析器将输入数据通过神经网络进行推理,产生相应的故障告警方案的预测结果,根据模型的输出结果,生成具体的故障告警方案,这可以是一系列建议的行动步骤,帮助操作人员快速响应和解决潜在问题,确保换刀机器人工作站的稳定运行。
综上所述,本申请实施例所提供的用于换刀机器人工作站的故障告警方法及系统具有如下技术效果:
1.通过配合分析单元和误差分析单元的协同工作,实现了对换刀机器人工作站关键时刻的实时监测;
2.通过误差分析单元采集多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息,并基于合理性分析,对误差进行修正,降低了纵剪误差可能出现偏移,提高了系统的准确性和稳定性;
3.通过故障告警单元,结合换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,实现了减少因故障引起的生产中断,提高系统的可靠性和稳定性。
综上所述,该用于换刀机器人工作站的故障告警方法通过数据分析和修正技术,解决了现有技术中实时性监测、误差修正、综合性能提升和故障预警等方面存在的技术问题,提高了换刀机器人工作站的智能化水平、准确性和稳定性。
实施例
基于与前述实施例中用于换刀机器人工作站的故障告警方法相同的发明构思,如图2所示,本申请提供了用于换刀机器人工作站的故障告警系统,所述系统应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,所述系统包括:
间隔时间获取模块10,所述间隔时间获取模块10用于通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;
换刀配合分析模块20,所述换刀配合分析模块20用于根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;
偏移信息获取模块30,所述偏移信息获取模块30用于通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;
误差分布获取模块40,所述误差分布获取模块40用于基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;
合理性分析模块50,所述合理性分析模块50用于根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;
修正计算模块60,所述修正计算模块60用于基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;
故障告警分析模块70,所述故障告警分析模块70用于通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
进一步而言,所述系统还包括换刀配合参数获取模块,以执行如下操作步骤:
基于换刀机器人工作站的运行数据记录,获取样本配合间隔时间集合;
根据最佳配合间隔时间,对所述样本配合间隔时间集合进行配合参数分析,获得样本换刀配合参数集合;
采用所述样本配合间隔时间集合和样本换刀配合参数集合,构建换刀配合分析器;
根据所述换刀配合分析器,对所述配合间隔时间进行分析,获得所述换刀配合参数。
进一步而言,所述系统还包括误差偏移信息获取模块,以执行如下操作步骤:
采集所述纵剪机组换刀前进行纵剪的多个纵剪钢材的多个误差信息;
在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息;
根据所述多个误差信息和多个换刀误差信息,计算获得多个误差偏移信息。
进一步而言,所述系统还包括换刀误差信息分布计算模块,以执行如下操作步骤:
基于所述换刀机器人工作站在历史时间内预设次数的换刀后的纵剪误差检测数据,获得多个换刀误差信息集合;
根据所述多个换刀误差信息集合,计算获得多个换刀误差信息分布。
进一步而言,所述系统还包括合理性系数获取模块,以执行如下操作步骤:
构建误差合理性分析通道,所述误差合理性分析通道包括多个误差合理性分析分支;
采用所述误差合理性分析通道,对所述多个换刀误差信息分布进行分析,获得所述多个换刀纵剪误差合理性系数。
进一步而言,所述系统还包括合理性分析通道获取模块,以执行如下操作步骤:
获取多个样本换刀误差信息集合,并计算获得多个样本换刀误差信息分布集合;
根据多个样本换刀误差信息分布集合,评估获取多个样本换刀纵剪误差合理性系数集合;
分别采用所述多个样本换刀误差信息分布集合和多个样本换刀纵剪误差合理性系数集合作为输入和输出,构建多个误差合理性分析分支,获得所述误差合理性分析通道。
进一步而言,所述系统还包括故障告警方案获取模块,以执行如下操作步骤:
获取样本换刀配合参数集合和样本修正误差偏移信息集合,并获取样本告警方案集合;
采用所述样本换刀配合参数集合、样本修正误差偏移信息集合和样本告警方案集合作为输入和输出,构建故障告警分析器;
采用所述故障告警分析器,对所述换刀配合参数和修正误差偏移信息进行故障分析,获得所述故障告警方案。
本说明书通过前述对用于换刀机器人工作站的故障告警方法的详细描述,本领域技术人员可以清楚得知道本实施例中的用于换刀机器人工作站的故障告警系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.用于换刀机器人工作站的故障告警方法,其特征在于,所述方法应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,所述方法包括:
通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;
根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;
通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;
基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;
根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;
基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;
通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
2.根据权利要求1所述的方法,其特征在于,根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数,包括:
基于换刀机器人工作站的运行数据记录,获取样本配合间隔时间集合;
根据最佳配合间隔时间,对所述样本配合间隔时间集合进行配合参数分析,获得样本换刀配合参数集合;
采用所述样本配合间隔时间集合和样本换刀配合参数集合,构建换刀配合分析器;
根据所述换刀配合分析器,对所述配合间隔时间进行分析,获得所述换刀配合参数。
3.根据权利要求1所述的方法,其特征在于,通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息,包括:
采集所述纵剪机组换刀前进行纵剪的多个纵剪钢材的多个误差信息;
在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息;
根据所述多个误差信息和多个换刀误差信息,计算获得多个误差偏移信息。
4.根据权利要求1所述的方法,其特征在于,基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布,包括:
基于所述换刀机器人工作站在历史时间内预设次数的换刀后的纵剪误差检测数据,获得多个换刀误差信息集合;
根据所述多个换刀误差信息集合,计算获得多个换刀误差信息分布。
5.根据权利要求1所述的方法,其特征在于,根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数,包括:
构建误差合理性分析通道,所述误差合理性分析通道包括多个误差合理性分析分支;
采用所述误差合理性分析通道,对所述多个换刀误差信息分布进行分析,获得所述多个换刀纵剪误差合理性系数。
6.根据权利要求5所述的方法,其特征在于,构建误差合理性分析通道,包括:
获取多个样本换刀误差信息集合,并计算获得多个样本换刀误差信息分布集合;
根据多个样本换刀误差信息分布集合,评估获取多个样本换刀纵剪误差合理性系数集合;
分别采用所述多个样本换刀误差信息分布集合和多个样本换刀纵剪误差合理性系数集合作为输入和输出,构建多个误差合理性分析分支,获得所述误差合理性分析通道。
7.根据权利要求1所述的方法,其特征在于,通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,包括:
获取样本换刀配合参数集合和样本修正误差偏移信息集合,并获取样本告警方案集合;
采用所述样本换刀配合参数集合、样本修正误差偏移信息集合和样本告警方案集合作为输入和输出,构建故障告警分析器;
采用所述故障告警分析器,对所述换刀配合参数和修正误差偏移信息进行故障分析,获得所述故障告警方案。
8.用于换刀机器人工作站的故障告警系统,其特征在于,所述系统应用于换刀机器人工作站的故障告警装置,所述装置与换刀机器人工作站和纵剪机组连接,所述装置包括配合分析单元、误差分析单元和故障告警单元,用于实施权利要求1-7任一项所述的用于换刀机器人工作站的故障告警方法,包括:
间隔时间获取模块,所述间隔时间获取模块用于通过配合分析单元,在所述纵剪机组停机并在换刀机器人工作站启动换刀时,采集配合间隔时间;
换刀配合分析模块,所述换刀配合分析模块用于根据所述配合间隔时间,进行换刀配合分析,获得换刀配合参数;
偏移信息获取模块,所述偏移信息获取模块用于通过误差分析单元,在所述换刀机器人工作站进行换刀完毕后,采集纵剪机组进行纵剪的多个纵剪钢材的多个换刀误差信息,结合换刀前的多个误差信息,计算获得多个误差偏移信息;
误差分布获取模块,所述误差分布获取模块用于基于所述换刀机器人工作站历史时间内预设次数的换刀后的纵剪检测数据,获取多个换刀误差信息分布;
合理性分析模块,所述合理性分析模块用于根据所述多个换刀误差信息分布,进行换刀纵剪误差分布合理性分析,获得多个换刀纵剪误差合理性系数;
修正计算模块,所述修正计算模块用于基于所述多个换刀纵剪误差合理性系数,分别对所述多个误差偏移信息进行修正计算,获得修正误差偏移信息;
故障告警分析模块,所述故障告警分析模块用于通过故障告警单元,结合所述换刀配合参数和修正误差偏移信息,进行故障告警分析,获得故障告警方案,进行告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311780848.6A CN117444688B (zh) | 2023-12-22 | 2023-12-22 | 用于换刀机器人工作站的故障告警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311780848.6A CN117444688B (zh) | 2023-12-22 | 2023-12-22 | 用于换刀机器人工作站的故障告警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117444688A true CN117444688A (zh) | 2024-01-26 |
CN117444688B CN117444688B (zh) | 2024-04-02 |
Family
ID=89589505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311780848.6A Active CN117444688B (zh) | 2023-12-22 | 2023-12-22 | 用于换刀机器人工作站的故障告警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117444688B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102126164A (zh) * | 2011-03-25 | 2011-07-20 | 上海交通大学 | 加工中心换刀误差检测预警装置 |
CN108705358A (zh) * | 2018-07-11 | 2018-10-26 | 吉林大学 | 一种圆盘式刀库机械手位置偏差监测装置及故障预警方法 |
CN113334121A (zh) * | 2021-06-11 | 2021-09-03 | 中冶赛迪工程技术股份有限公司 | 纵剪机刀具安装方法及系统、纵剪机刀具拆卸方法及系统 |
CN114248141A (zh) * | 2021-12-29 | 2022-03-29 | 安徽池州伟舜机电有限公司 | 一种五轴联动数控机床及其故障报警系统 |
CN115903661A (zh) * | 2022-10-13 | 2023-04-04 | 鸿富锦精密电子(成都)有限公司 | 刀具管理方法、装置、电子设备及计算机可读存储介质 |
CN116237800A (zh) * | 2023-03-16 | 2023-06-09 | 德普数控(深圳)有限公司 | 数控机床换刀的控制方法、设备和存储介质 |
-
2023
- 2023-12-22 CN CN202311780848.6A patent/CN117444688B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102126164A (zh) * | 2011-03-25 | 2011-07-20 | 上海交通大学 | 加工中心换刀误差检测预警装置 |
CN108705358A (zh) * | 2018-07-11 | 2018-10-26 | 吉林大学 | 一种圆盘式刀库机械手位置偏差监测装置及故障预警方法 |
CN113334121A (zh) * | 2021-06-11 | 2021-09-03 | 中冶赛迪工程技术股份有限公司 | 纵剪机刀具安装方法及系统、纵剪机刀具拆卸方法及系统 |
CN114248141A (zh) * | 2021-12-29 | 2022-03-29 | 安徽池州伟舜机电有限公司 | 一种五轴联动数控机床及其故障报警系统 |
CN115903661A (zh) * | 2022-10-13 | 2023-04-04 | 鸿富锦精密电子(成都)有限公司 | 刀具管理方法、装置、电子设备及计算机可读存储介质 |
CN116237800A (zh) * | 2023-03-16 | 2023-06-09 | 德普数控(深圳)有限公司 | 数控机床换刀的控制方法、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
杨建军;张峰;周德宇;管俊;: "纵剪机设计中一些问题的探讨", 锻压装备与制造技术, no. 01, 28 February 2007 (2007-02-28), pages 18 - 21 * |
Also Published As
Publication number | Publication date |
---|---|
CN117444688B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106571689B (zh) | 一种多数据源比较技术诊断变电站遥测故障在线监测系统 | |
CN104360677A (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
CN115829422B (zh) | 基于大数据的工业设备运行异常状态识别方法 | |
CN110394688A (zh) | 基于边缘计算的机床状态监测方法 | |
CN102789676B (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
CN113391239B (zh) | 一种基于边缘计算的互感器异常监测方法与系统 | |
CN112173636B (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
CN115858303A (zh) | 一种基于Zabbix的服务器性能监控方法及系统 | |
CN104503361B (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN111002328A (zh) | 轮式机器人校验系统及方法 | |
CN117444688B (zh) | 用于换刀机器人工作站的故障告警方法及系统 | |
CN109115271B (zh) | 一种数控机床远程监测系统 | |
CN109711569A (zh) | 一种烟草设备巡检历史数据处理系统及方法 | |
CN117233541A (zh) | 一种配电网电力线路运行状态测量方法及测量系统 | |
RU121944U1 (ru) | Автоматизированная система выявления неисправных датчиков среди датчиков, предназначенных для контроля технологических процессов | |
CN115034094B (zh) | 一种金属加工机床运行状态预测方法及系统 | |
CN114722866B (zh) | 一种基于工业互联网的设备追踪管控系统 | |
CN112114578B (zh) | 一种多工序多变量过程在线监控和异常源诊断的稳健方法 | |
CN108956888B (zh) | 一种智能化工控设备湿度异常的监控方法 | |
CN117234160B (zh) | 一种自动化生产的远程控制系统及方法 | |
CN117420811B (zh) | 一种用于自动化生产的生产线质量监测方法及系统 | |
EP3640751A1 (en) | Apparatus for gas analysis and emission prediction | |
CN113009258B (zh) | 一种设备工作状态监测方法 | |
CN117932278B (zh) | 一种智慧城市环保监控系统及方法 | |
CN117849700B (zh) | 可控制测量的模块化电能计量系统 |
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 |