CN118170116B - 一种基于物联网的智能制造设备群的故障分析及嗅探系统 - Google Patents
一种基于物联网的智能制造设备群的故障分析及嗅探系统 Download PDFInfo
- Publication number
- CN118170116B CN118170116B CN202410280205.3A CN202410280205A CN118170116B CN 118170116 B CN118170116 B CN 118170116B CN 202410280205 A CN202410280205 A CN 202410280205A CN 118170116 B CN118170116 B CN 118170116B
- Authority
- CN
- China
- Prior art keywords
- product
- module
- equipment
- group
- finished product
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000001845 vibrational spectrum Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 101100039010 Caenorhabditis elegans dis-3 gene Proteins 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 101100030351 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dis2 gene Proteins 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 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
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析技术领域，具体涉及一种基于物联网的智能制造设备群的故障分析及嗅探系统，包括：控制终端，是系统的主控端，用于发出执行命令；捕捉模块，用于捕捉设备群制造产品成品的图像数据；识别模块，用于接收捕捉模块中捕捉的产品成品图像数据，基于产品成品图像数据识别产品成品图像数据来源产品成品，与标准产品成品差异性；本发明通过设备群产出产品成品与标准产品成品的差异性对设备群中是否存在故障设备进行判定，进而基于判定结果，进一步在设备群中存在故障设备时，对设备群中故障设备进行嗅探。
Description
技术领域
本发明涉及数据分析技术领域，具体涉及一种基于物联网的智能制造设备群的故障分析及嗅探系统。
背景技术
智能制造是一种基于信息技术和自动化技术的制造业模式，旨在实现生产过程的智能化、高效化和优化。
智能制造的目标是提高生产效率、降低成本、提高产品质量，并实现制造业的可持续发展。通过智能化的生产过程，企业可以更好地管理生产流程、优化资源利用、减少浪费，并快速响应市场需求的变化。
然而，在智能制造设备执行生产任务的过程中，虽能够最大限度自动化的完成生产，但智能制造设备的维护目前仍然主要依靠人工定期巡检，由于智能制造设备往往由大量的设备联动运行来实现生产，这导致对智能制造设备的巡检耗用的人工成本较大，且效率较低，无法快捷的对智能制造设备中各设备进行全面维护。
发明内容
针对现有技术所存在的上述缺点，本发明提供了一种基于物联网的智能制造设备群的故障分析及嗅探系统，解决了上述背景技术中提出的技术问题。
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于物联网的智能制造设备群的故障分析及嗅探系统，包括：
控制终端，是系统的主控端，用于发出执行命令；捕捉模块，用于捕捉设备群制造产品成品的图像数据；识别模块，用于接收捕捉模块中捕捉的产品成品图像数据，基于产品成品图像数据识别产品成品图像数据来源产品成品，与标准产品成品差异性；判定模块，用于获取识别模块中识别到的产品成品图像数据来源产品成品与标准产品成品的差异性，基于差异性识别结果判定设备群是否存在故障；监测模块，用于监测设备群中各组设备的运行动态信息；嗅探模块，用于接收监测模块中监测到的设备群中各组设备的运行动态信息，基于设备运行动态信息嗅探存在故障的设备群中设备；
所述控制终端通过无线网络交互连接有捕捉模块，所述捕捉模块内部通过介质电性连接有逻辑单元，所述捕捉模块通过无线网络交互连接有识别模块，所述识别模块下级通过无线网络交互连接有构建单元及采集单元，所述识别模块通过无线网络交互连接有判定模块、监测模块及嗅探模块，所述判定模块通过无线网络与捕捉模块交互连接。
更进一步地，所述捕捉模块由若干组摄像头组成，若干组摄像头呈等距状环绕于设备群输出产品成品出口的周围，所述捕捉模块内部设置有子模块，包括：
逻辑单元，用于设定捕捉模块运行逻辑，控制捕捉模块基于逻辑单元中设定的运行逻辑运行，捕捉设备群制造产品成品的图像数据；
其中，逻辑单元中设定的捕捉模块运行逻辑为：捕捉模块运行捕捉的产品成品图像数据不少于两组，任意两组产品成品图像数据中包含的产品成品表面相同区域不大于产品成品图像数据整幅的百分之四十，设备群运行连续输出产品成品，捕捉模块基于指定周期对设备群连续输出的产品成品进行不同目标的图像数据捕捉。
更进一步地，所述识别模块下级设置有子模块，包括：
构建单元，用于上传产品成品规格参数，基于产品成品规格参数构建产品成品虚拟三维模型；
采集单元，用于接收构建单元中构建的产品成品虚拟三维模型，基于产品成品图像数据于捕捉模块中的捕捉视角，于产品成品虚拟三维模型上采集相同视角下的模型图像；
其中，所述采集模块中采集到的模型图像实时向识别模块反馈，识别模块基于模型图像数据与产品成品图像数据进行差异性比对，差异性比对结果记作：产品成品图像数据来源产品成品与标准产品成品差异性识别结果。
更进一步地，所述识别模块中产品成品图像数据来源产品成品与标准产品成品的差异性识别逻辑表示为：
式中：Dis为产品成品图像数据来源产品成品与标准产品成品的差异性表现值；u为模型图像数据与产品成品图像数据来源视角的集合；n为第v组来源视角下产品成品图像数据中产品成品轮廓图像；Li为产品成品轮廓图像上第i组特征点到其最近相邻特征点的距离；Ai为产品成品轮廓图像上第i组特征点所在位置的角度；m为第v组来源视角下模型图像数据的模型轮廓图像；Lj为模型轮廓图像上第j组特征点到其最近相邻特征点的距离；Aj为模型轮廓图像上第j组特征点所在位置的角度；为第v组来源视角下模型图像数据与产品成品图像数据相似性；σ为修正指数；u0为来源视角的数量；
其中，Dis的值越大，表示产品成品图像数据来源产品成品的合格概率越低，反之，则表示产品成品图像数据来源产品成品的合格概率越高；
修正指数σ取值为1或-1，时，修正指数σ＝-1，时，修正指数σ＝1；
在轮廓图像的图像轮廓上拾取若干组像素点，基于所有拾取的像素点，相邻相互连接，以组成由笔直线段构成的与轮廓图像拟合的封闭图形，封闭图形组成线段的各端点均记作轮廓图像上特征点；
其中，与轮廓图像拟合的封闭图形的拟合判定为sim(a,b)≥90％，sim(a,b)表示封闭图形与轮廓图像基于轮廓层面的相似度，sim(a,b)＜90％时，添加在轮廓图像的图像轮廓上拾取的像素点数量，sim(a,b)的值越大，求取的Dis精度越佳，反之，求取的Dis精度越差。
更进一步地，所述判定模块运行连续获取的获取差异性识别结果，在获取到差异性识别结果不少于三组时，以最新获取的三组差异性识别结果判定设备群是否存在故障；
所述判定模块中设备群故障判定逻辑表示：
Dis1＜Dis2＜Dis3；
式中：Dis1、Dis2、Dis3表示判定模块运行获取的最新的三组差异性识别结果，Dis3表示判定模块最新获取的一组差异性识别结果，Dis2表示基于Dis3上一次获取的一组差异性识别结果，Dis1表示基于Dis2上一次获取的一组差异性识别结果；
其中，Dis1＜Dis2＜Dis3成立，则表示判定模块判定结果为是，反之，则表示，判定模块判定结果为否，判定模块判定结果为否时，跳转捕捉模块运行。
更进一步地，所述监测模块运行实时接收判定模块中判定结果，在判定模块判定结果为是时，触发执行设备群中各组设备运行动态信息的监测操作；
其中，监测模块监测的设备群中各组设备的运行动态信息，即设备运行振动频谱。
更进一步地，所述嗅探模块中故障设备嗅探逻辑表示为：
Logic1：接收设备运行振动频谱，以产品于设备中处理耗用时间作为时间窗口对设备运行振动频谱进行分割；
Logic2：对分割得到的各时间窗口中设备运行振动子频谱进行相似性评估；
Logic3：对Logic2中各组相似性评估结果进行求和，进一步对求和结果进行求均，设定故障判定阈值；
Logic4：对Logic3中求均结果与故障判定阈值进行比对，求均结果处于故障判定阈值内，且Logic3中求均结果大于，第一组时间窗口对应设备运行振动子频谱与最后一组时间窗口对应设备运行振动子频谱的相似性时，设备运行振动频谱来源设备判定为故障设备；
其中，Logic4中两组判定逻辑，满足任意一组时，嗅探模块向控制终端反馈设备的运行振动频谱，系统端用户于控制终端中对设备运行振动频谱进行读取，基于设备运行振动频谱确定来源设备，嗅探模块向控制终端反馈的设备运行振动频谱对应设备为疑似故障设备。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
本发明提供一种基于物联网的智能制造设备群的故障分析及嗅探系统，该系统在运行过程中，通过设备群产出产品成品与标准产品成品的差异性对设备群中是否存在故障设备进行判定，进而基于判定结果，进一步在设备群中存在故障设备时，对设备群中故障设备进行嗅探，同时在设备群中故障设备的嗅探过程中，还能够对疑似故障的设备进行反馈，以便于设备群的人工维护更具目标性，从而提升设备群日常维护效率，确保设备群稳定运行的执行生产任务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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他的附图。
图1为一种基于物联网的智能制造设备群的故障分析及嗅探系统的结构示意图；
图中的标号分别代表：1、控制终端；2、捕捉模块；21、逻辑单元；3、识别模块；31、构建单元；32、采集单元；4、判定模块；5、监测模块；6、嗅探模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
下面结合实施例对本发明作进一步的描述。
实施例1：
本实施例的一种基于物联网的智能制造设备群的故障分析及嗅探系统，如图1所示，包括：
控制终端1，是系统的主控端，用于发出执行命令；
捕捉模块2，用于捕捉设备群制造产品成品的图像数据；
捕捉模块2由若干组摄像头组成，若干组摄像头呈等距状环绕于设备群输出产品成品出口的周围；
逻辑单元21，用于设定捕捉模块2运行逻辑，控制捕捉模块2基于逻辑单元21中设定的运行逻辑运行，捕捉设备群制造产品成品的图像数据；
其中，逻辑单元21中设定的捕捉模块2运行逻辑为：捕捉模块2运行捕捉的产品成品图像数据不少于两组，任意两组产品成品图像数据中包含的产品成品表面相同区域不大于产品成品图像数据整幅的百分之四十，设备群运行连续输出产品成品，捕捉模块2基于指定周期对设备群连续输出的产品成品进行不同目标的图像数据捕捉；
识别模块3，用于接收捕捉模块2中捕捉的产品成品图像数据，基于产品成品图像数据识别产品成品图像数据来源产品成品，与标准产品成品差异性；
构建单元31，用于上传产品成品规格参数，基于产品成品规格参数构建产品成品虚拟三维模型；
采集单元32，用于接收构建单元31中构建的产品成品虚拟三维模型，基于产品成品图像数据于捕捉模块2中的捕捉视角，于产品成品虚拟三维模型上采集相同视角下的模型图像；
其中，采集模块32中采集到的模型图像实时向识别模块3反馈，识别模块3基于模型图像数据与产品成品图像数据进行差异性比对，差异性比对结果记作：产品成品图像数据来源产品成品与标准产品成品差异性识别结果；
判定模块4，用于获取识别模块3中识别到的产品成品图像数据来源产品成品与标准产品成品的差异性，基于差异性识别结果判定设备群是否存在故障；
监测模块5，用于监测设备群中各组设备的运行动态信息；
监测模块5运行实时接收判定模块4中判定结果，在判定模块4判定结果为是时，触发执行设备群中各组设备运行动态信息的监测操作；
其中，监测模块5监测的设备群中各组设备的运行动态信息，即设备运行振动频谱；
嗅探模块6，用于接收监测模块5中监测到的设备群中各组设备的运行动态信息，基于设备运行动态信息嗅探存在故障的设备群中设备；
控制终端1通过无线网络交互连接有捕捉模块2，捕捉模块2内部通过介质电性连接有逻辑单元21，捕捉模块2通过无线网络交互连接有识别模块3，识别模块3下级通过无线网络交互连接有构建单元31及采集单元32，识别模块3通过无线网络交互连接有判定模块4、监测模块5及嗅探模块6，判定模块4通过无线网络与捕捉模块2交互连接。
在本实施例中，控制终端1控制捕捉模块2运行捕捉设备群制造产品成品的图像数据，逻辑单元21同步设定捕捉模块2运行逻辑，控制捕捉模块2基于逻辑单元21中设定的运行逻辑运行，捕捉设备群制造产品成品的图像数据，识别模块3后置运行接收捕捉模块2中捕捉的产品成品图像数据，基于产品成品图像数据识别产品成品图像数据来源产品成品，与标准产品成品差异性，构建单元31实时上传产品成品规格参数，基于产品成品规格参数构建产品成品虚拟三维模型，采集单元32同步接收构建单元31中构建的产品成品虚拟三维模型，基于产品成品图像数据于捕捉模块2中的捕捉视角，于产品成品虚拟三维模型上采集相同视角下的模型图像，再由判定模块4获取识别模块3中识别到的产品成品图像数据来源产品成品与标准产品成品的差异性，基于差异性识别结果判定设备群是否存在故障，监测模块5运行监测设备群中各组设备的运行动态信息，最后通过嗅探模块6接收监测模块5中监测到的设备群中各组设备的运行动态信息，基于设备运行动态信息嗅探存在故障的设备群中设备；
通过上述系统为设备群带来了效果较佳的故障分析及嗅探效果，确保设备群中存在故障的设备能够通过该系统得到精准捕捉，从而使设备故障更快得到解决，以保证设备群执行生产任务的过程更加稳定、可靠。
实施例2：
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于物联网的智能制造设备群的故障分析及嗅探系统做进一步具体说明：
识别模块3中产品成品图像数据来源产品成品与标准产品成品的差异性识别逻辑表示为：
式中：Dis为产品成品图像数据来源产品成品与标准产品成品的差异性表现值；u为模型图像数据与产品成品图像数据来源视角的集合；n为第v组来源视角下产品成品图像数据中产品成品轮廓图像；Li为产品成品轮廓图像上第i组特征点到其最近相邻特征点的距离；Ai为产品成品轮廓图像上第i组特征点所在位置的角度；m为第v组来源视角下模型图像数据的模型轮廓图像；Lj为模型轮廓图像上第j组特征点到其最近相邻特征点的距离；Aj为模型轮廓图像上第j组特征点所在位置的角度；为第v组来源视角下模型图像数据与产品成品图像数据相似性；σ为修正指数；u0为来源视角的数量；
其中，Dis的值越大，表示产品成品图像数据来源产品成品的合格概率越低，反之，则表示产品成品图像数据来源产品成品的合格概率越高；
修正指数σ取值为1或-1，时，修正指数σ＝-1，时，修正指数σ＝1；
在轮廓图像的图像轮廓上拾取若干组像素点，基于所有拾取的像素点，相邻相互连接，以组成由笔直线段构成的与轮廓图像拟合的封闭图形，封闭图形组成线段的各端点均记作轮廓图像上特征点；
其中，与轮廓图像拟合的封闭图形的拟合判定为sim(a,b)≥90％，sim(a,b)表示封闭图形与轮廓图像基于轮廓层面的相似度，sim(a,b)＜90％时，添加在轮廓图像的图像轮廓上拾取的像素点数量，sim(a,b)的值越大，求取的Dis精度越佳，反之，求取的Dis精度越差。
在本实施例中，对产品成品图像数据来源产品成品与标准产品成品的差异性提供了指定的识别逻辑，为系统中判定模块4的进一步运行，提供必要的运行数据支持。
实施例3：
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于物联网的智能制造设备群的故障分析及嗅探系统做进一步具体说明：
判定模块4运行连续获取的获取差异性识别结果，在获取到差异性识别结果不少于三组时，以最新获取的三组差异性识别结果判定设备群是否存在故障；
判定模块4中设备群故障判定逻辑表示：
Dis1＜Dis2＜Dis3；
式中：Dis1、Dis2、Dis3表示判定模块4运行获取的最新的三组差异性识别结果，Dis3表示判定模块4最新获取的一组差异性识别结果，Dis2表示基于Dis3上一次获取的一组差异性识别结果，Dis1表示基于Dis2上一次获取的一组差异性识别结果；
其中，Dis1＜Dis2＜Dis3成立，则表示判定模块4判定结果为是，反之，则表示，判定模块4判定结果为否，判定模块4判定结果为否时，跳转捕捉模块2运行。
通过上述设置，进一步限定了判定模块4判定设备群存在故障设备时的判定逻辑。
如图1所示，嗅探模块6中故障设备嗅探逻辑表示为：
Logic1：接收设备运行振动频谱，以产品于设备中处理耗用时间作为时间窗口对设备运行振动频谱进行分割；
Logic2：对分割得到的各时间窗口中设备运行振动子频谱进行相似性评估；
Logic3：对Logic2中各组相似性评估结果进行求和，进一步对求和结果进行求均，设定故障判定阈值；
Logic4：对Logic3中求均结果与故障判定阈值进行比对，求均结果处于故障判定阈值内，且Logic3中求均结果大于，第一组时间窗口对应设备运行振动子频谱与最后一组时间窗口对应设备运行振动子频谱的相似性时，设备运行振动频谱来源设备判定为故障设备；
其中，Logic4中两组判定逻辑，满足任意一组时，嗅探模块6向控制终端1反馈设备的运行振动频谱，系统端用户于控制终端1中对设备运行振动频谱进行读取，基于设备运行振动频谱确定来源设备，嗅探模块6向控制终端1反馈的设备运行振动频谱对应设备为疑似故障设备。
通过上述设置，进一步限定了嗅探模块6的运行逻辑，确保系统基于运行数据，对设备群中存在故障的设备及疑似存在故障的设备进行精准嗅探。
综上而言，上述实施例中系统通过设备群产出产品成品与标准产品成品的差异性对设备群中是否存在故障设备进行判定，进而基于判定结果，进一步在设备群中存在故障设备时，对设备群中故障设备进行嗅探，同时在设备群中故障设备的嗅探过程中，还能够对疑似故障的设备进行反馈，以便于设备群的人工维护更具目标性，从而提升设备群日常维护效率，确保设备群稳定运行的执行生产任务。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，包括：
控制终端(1)，是系统的主控端，用于发出执行命令；
捕捉模块(2)，用于捕捉设备群制造产品成品的图像数据；
识别模块(3)，用于接收捕捉模块(2)中捕捉的产品成品图像数据，基于产品成品图像数据识别产品成品图像数据来源产品成品，与标准产品成品差异性；
判定模块(4)，用于获取识别模块(3)中识别到的产品成品图像数据来源产品成品与标准产品成品的差异性，基于差异性识别结果判定设备群是否存在故障；
监测模块(5)，用于监测设备群中各组设备的运行动态信息；
嗅探模块(6)，用于接收监测模块(5)中监测到的设备群中各组设备的运行动态信息，基于设备运行动态信息嗅探存在故障的设备群中设备；
所述识别模块(3)中产品成品图像数据来源产品成品与标准产品成品的差异性识别逻辑表示为：
式中：Dis为产品成品图像数据来源产品成品与标准产品成品的差异性表现值；u为模型图像数据与产品成品图像数据来源视角的集合；n为第v组来源视角下产品成品图像数据中产品成品轮廓图像；Li为产品成品轮廓图像上第i组特征点到其最近相邻特征点的距离；Ai为产品成品轮廓图像上第i组特征点所在位置的角度；m为第v组来源视角下模型图像数据的模型轮廓图像；Lj为模型轮廓图像上第j组特征点到其最近相邻特征点的距离；Aj为模型轮廓图像上第j组特征点所在位置的角度；为第v组来源视角下模型图像数据与产品成品图像数据相似性；σ为修正指数；u0为来源视角的数量；
其中，Dis的值越大，表示产品成品图像数据来源产品成品的合格概率越低，反之，则表示产品成品图像数据来源产品成品的合格概率越高。
2.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述捕捉模块(2)由若干组摄像头组成，若干组摄像头呈等距状环绕于设备群输出产品成品出口的周围，所述捕捉模块(2)内部设置有子模块，包括：
逻辑单元(21)，用于设定捕捉模块(2)运行逻辑，控制捕捉模块(2)基于逻辑单元(21)中设定的运行逻辑运行，捕捉设备群制造产品成品的图像数据；
其中，逻辑单元(21)中设定的捕捉模块(2)运行逻辑为：捕捉模块(2)运行捕捉的产品成品图像数据不少于两组，任意两组产品成品图像数据中包含的产品成品表面相同区域不大于产品成品图像数据整幅的百分之四十，设备群运行连续输出产品成品，捕捉模块(2)基于指定周期对设备群连续输出的产品成品进行不同目标的图像数据捕捉。
3.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述识别模块(3)下级设置有子模块，包括：
构建单元(31)，用于上传产品成品规格参数，基于产品成品规格参数构建产品成品虚拟三维模型；
采集单元(32)，用于接收构建单元(31)中构建的产品成品虚拟三维模型，基于产品成品图像数据于捕捉模块(2)中的捕捉视角，于产品成品虚拟三维模型上采集相同视角下的模型图像；
其中，所述采集单元(32)中采集到的模型图像实时向识别模块(3)反馈，识别模块(3)基于模型图像数据与产品成品图像数据进行差异性比对，差异性比对结果记作：产品成品图像数据来源产品成品与标准产品成品差异性识别结果。
4.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，修正指数σ取值为1或-1，时，修正指数σ＝-1，时，修正指数σ＝1。
5.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，在轮廓图像的图像轮廓上拾取若干组像素点，基于所有拾取的像素点，相邻相互连接，以组成由笔直线段构成的与轮廓图像拟合的封闭图形，封闭图形组成线段的各端点均记作轮廓图像上特征点；
其中，与轮廓图像拟合的封闭图形的拟合判定为sim(a,b)≥90％，sim(a,b)表示封闭图形与轮廓图像基于轮廓层面的相似度，sim(a,b)＜90％时，添加在轮廓图像的图像轮廓上拾取的像素点数量，sim(a,b)的值越大，求取的Dis精度越佳，反之，求取的Dis精度越差。
6.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述判定模块(4)运行连续获取的获取差异性识别结果，在获取到差异性识别结果不少于三组时，以最新获取的三组差异性识别结果判定设备群是否存在故障；
所述判定模块(4)中设备群故障判定逻辑表示：
Dis1＜Dis2＜Dis3；
式中：Dis1、Dis2、Dis3表示判定模块(4)运行获取的最新的三组差异性识别结果，Dis3表示判定模块(4)最新获取的一组差异性识别结果，Dis2表示基于Dis3上一次获取的一组差异性识别结果，Dis1表示基于Dis2上一次获取的一组差异性识别结果；
其中，Dis1＜Dis2＜Dis3成立，则表示判定模块(4)判定结果为是，反之，则表示，判定模块(4)判定结果为否，判定模块(4)判定结果为否时，跳转捕捉模块(2)运行。
7.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述监测模块(5)运行实时接收判定模块(4)中判定结果，在判定模块(4)判定结果为是时，触发执行设备群中各组设备运行动态信息的监测操作；
其中，监测模块(5)监测的设备群中各组设备的运行动态信息，即设备运行振动频谱。
8.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述嗅探模块(6)中故障设备嗅探逻辑表示为：
Logic1：接收设备运行振动频谱，以产品于设备中处理耗用时间作为时间窗口对设备运行振动频谱进行分割；
Logic2：对分割得到的各时间窗口中设备运行振动子频谱进行相似性评估；
Logic3：对Logic2中各组相似性评估结果进行求和，进一步对求和结果进行求均，设定故障判定阈值；
Logic4：对Logic3中求均结果与故障判定阈值进行比对，求均结果处于故障判定阈值内，且Logic3中求均结果大于，第一组时间窗口对应设备运行振动子频谱与最后一组时间窗口对应设备运行振动子频谱的相似性时，设备运行振动频谱来源设备判定为故障设备；
其中，Logic4中两组判定逻辑，满足任意一组时，嗅探模块(6)向控制终端(1)反馈设备的运行振动频谱，系统端用户于控制终端(1)中对设备运行振动频谱进行读取，基于设备运行振动频谱确定来源设备，嗅探模块(6)向控制终端(1)反馈的设备运行振动频谱对应设备为疑似故障设备。
9.根据权利要求1所述的一种基于物联网的智能制造设备群的故障分析及嗅探系统，其特征在于，所述控制终端(1)通过无线网络交互连接有捕捉模块(2)，所述捕捉模块(2)内部通过介质电性连接有逻辑单元(21)，所述捕捉模块(2)通过无线网络交互连接有识别模块(3)，所述识别模块(3)下级通过无线网络交互连接有构建单元(31)及采集单元(32)，所述识别模块(3)通过无线网络交互连接有判定模块(4)、监测模块(5)及嗅探模块(6)，所述判定模块(4)通过无线网络与捕捉模块(2)交互连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410280205.3A CN118170116B (zh) | 2024-03-12 | 2024-03-12 | 一种基于物联网的智能制造设备群的故障分析及嗅探系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410280205.3A CN118170116B (zh) | 2024-03-12 | 2024-03-12 | 一种基于物联网的智能制造设备群的故障分析及嗅探系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118170116A CN118170116A (zh) | 2024-06-11 |
| CN118170116B true CN118170116B (zh) | 2024-09-06 |
Family
ID=91348094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410280205.3A Active CN118170116B (zh) | 2024-03-12 | 2024-03-12 | 一种基于物联网的智能制造设备群的故障分析及嗅探系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118170116B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661373A (zh) * | 2022-12-26 | 2023-01-31 | 天津沄讯网络科技有限公司 | 基于边缘算法的旋转设备故障监控和预警系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4043699A1 (en) * | 2021-02-12 | 2022-08-17 | Accenture Global Solutions Limited | System and method for automated failure mode detection of rotating machinery |
| CN115290001A (zh) * | 2022-10-09 | 2022-11-04 | 江门健维自动化设备有限公司 | 一种产品测试方法及系统 |
| CN115903669A (zh) * | 2022-11-11 | 2023-04-04 | 广东理工学院 | 一种高稳定性智能机械制造用系统 |
| CN115616975A (zh) * | 2022-11-11 | 2023-01-17 | 广东理工学院 | 一种数控机械加工用误差检测系统 |
| CN116184915B (zh) * | 2023-04-24 | 2023-07-14 | 长通智能(深圳)有限公司 | 一种工业互联网设备运行状态监控方法及系统 |
| CN116416250B (zh) * | 2023-06-12 | 2023-09-05 | 山东每日好农业发展有限公司 | 一种速食罐装产品产线的成品检测系统 |
| CN116704553B (zh) * | 2023-06-13 | 2024-01-26 | 长江大学 | 一种基于计算机视觉技术的人体特征识物辅助系统 |
| CN117086519B (zh) * | 2023-08-22 | 2024-04-12 | 京闽数科(北京)有限公司 | 基于工业互联网的联网设备数据分析及评估系统、方法 |
| CN116841270B (zh) * | 2023-09-01 | 2023-11-14 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
| CN116916049B (zh) * | 2023-09-12 | 2023-12-08 | 北京青水环境科技有限公司 | 一种基于云计算技术的视频数据在线采集与存储系统 |
-
2024
- 2024-03-12 CN CN202410280205.3A patent/CN118170116B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661373A (zh) * | 2022-12-26 | 2023-01-31 | 天津沄讯网络科技有限公司 | 基于边缘算法的旋转设备故障监控和预警系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118170116A (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110930357B (zh) | 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统 | |
| CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
| CN116055413B (zh) | 一种基于云边协同的隧道网络异常识别方法 | |
| CN106584209A (zh) | 基于云制造的刀具磨损实时在线监测方法 | |
| CN104949990A (zh) | 一种适用于机织纺织品的瑕疵在线检测方法 | |
| CN112367400B (zh) | 一种边云协同的电力物联网智能巡检方法及系统 | |
| CN113947570B (zh) | 一种基于机器学习算法和计算机视觉的裂纹辨识方法 | |
| CN104048966B (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
| CN111948994A (zh) | 基于数据集成和关联分析工业产线闭环自动质量控制方法 | |
| CN114697212A (zh) | 设备参数处理方法、设备、系统及介质 | |
| CN115393340A (zh) | 一种基于5g算法的ai视觉产品质量检测系统 | |
| CN112847321A (zh) | 基于人工智能的工业机器人视觉图像识别系统 | |
| CN115861210A (zh) | 一种基于孪生网络的变电站设备异常检测方法和系统 | |
| CN111402250A (zh) | 基于边缘计算的机器视觉缺陷检测方法和平台 | |
| CN118170116B (zh) | 一种基于物联网的智能制造设备群的故障分析及嗅探系统 | |
| WO2024066720A1 (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 | |
| CN110956086B (zh) | 一种基于图像识别技术的机房设备在线识别方法 | |
| CN117636129A (zh) | 一种电力施工监督图像的识别方法 | |
| CN117093620A (zh) | 一种解决IoT设备海量数据压力的方法、装置及存储介质 | |
| CN114241190A (zh) | 一种芯片生产智能化管控系统及方法 | |
| CN113989684A (zh) | 一种机巡缺陷图片图像标注定级方法及缺陷定级系统 | |
| CN110728664A (zh) | 一种基于计算机视觉的水果分类系统 | |
| CN118011924B (zh) | 一种基于大数据的工业互联网数据处理方法和系统 | |
| CN205103611U (zh) | 智能音视频采集分析装置 | |
| CN118334563B (zh) | 一种基于监控环境下电力设备异常检测分析方法及系统 |
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 |