CN1209597C - 在线监控冲压过程的方法及系统 - Google Patents

Abstract

本发明旨在对一台或多台冲床的生产作业进行在线监控和诊断提供一套完整的方法和一操作系统，方法包含步骤：采集正常生产情况下冲床床身的冲压信讯中的多个参考应变信号样本；通过平滑参考应变信号，确定参考曲线；根据参考曲线，设定冲床床身的应变公差范围；由选定的应变传感器，采集测得的冲床床身在线应变信号；诊断在线应变信号是否落在公差范围内；根据在步骤e)中得出的结果，控制机床操作。系统包含：安装在冲床床身上的装置，以获取冲压应变信号；经应变传感器采集正常生产情况下冲床上多个参考应变信号的部件；处理参考应变信号，以确定参考曲线的部件；根据参考曲线设定冲床床身的应变公差范围的部件；由选定的应变传感器，采集测得的冲床床身在线应变信号的部件；诊断在线应变信号是否落在公差范围内的部件；控制机床操作的部件。

Description

在线监控冲压过程的方法及系统

技术领域

这项专利不仅开发了一套对一台或者多台冲床于正常生产中的在线监控和诊断的完整方法，而且阐述了如何利用先进的小波信号处理的方法来构造有效监测算法以实现对一台或多台冲床同时进行监控和诊断分折。

背景技术

金属冲压过程是一种常用的机械加工过程，同时也是一个非常复杂的加工过程，它在数十以至数百毫秒的时间内使金属产生很大的弹性变形与塑性变形，最终将金属板料变为人们需要的各种形状，在这个瞬态过程中需要消耗大量的能量，冲压过程所涉及的过程变量超过四十个。多年来国内外许多学者都从不同的角度对冲压过程的监测与控制进行了大量的研究，其中包括“Jin and Shi used wavelet transformto compress the tonnage signal into a small set of attributes and then usedan Artificial Neural Network(ANN) for classification，(Technometrics，November 1999，Vol.41，No.4 pp.327-339.)”等等.尽管如此，它们多数都属于理论研究，很难用于实际生产环境中。

发明内容

该项专利发明旨在为一台或者多台冲床的生产作业进行在线监控和诊断提供一套完整的方法和操作系统。它的原理是把压电式应变传感器安装在冲床的立柱上，以便提取正常生产情况下冲压信讯中的应变信号，并用小波分解与重构的方法来求得应变信号(间接冲压力)的低频主分量，根据若干个正常状态的样本信号得到该主分量的平均值和方差，从而通过自我学习可以得到正常状态的上下曲线报警限(也就是“跟踪阈值”)，在监测时先计算出每个冲程的应变信号低频主分量，然后与设定好的报警线进行比较，任何点发生超限则发出报警信号并能使冲床自动停止，以免造成更多废品。使模具和冲床得到进一步保护，以达到提高产品质量，降低次品率的目的。

该项专利发明旨在对一台或者多台冲床的生产作业进行在线监控和诊断提供一套完整的方法，包含下列步骤：

a)采集正常生产情况下冲床床身的冲压信讯中的至少20个参考应变信号样本；

b)通过平滑参考应变信号，确定参考曲线；

c)根据参考曲线，设定冲床床身的应变公差范围；

d)由选定的应变传感器，采集测得的冲床床身在线应变信号；

e)诊断在线应变信号是否落在公差范围内；及

f)根据在步骤e)中得出的结果，控制机床操作。

该项专利发明还旨在对一台或者多台冲床的生产作业进行在线监控和诊断提供一操作系统，包含：

一安装在冲床床身上的装置，用以获取冲压应变信号；

经应变传感器，采集正常生产情况下冲床上多个参考应变信号的部件；

处理参考应变信号，以确定参考曲线的部件；

根据参考曲线，设定冲床床身的应变公差范围的部件；

由选定的应变传感器，采集测得的冲床床身在线应变信号的部件；

诊断在线应变信号是否落在公差范围内的部件；及

控制机床操作的部件。

有关本发明的详细内容及技术，兹就结合附图说明如下：

附图说明

图1系描述了“C”型框架冲床包括在线监测系统的工作情况和环境。

图2系具体描述了图1中的“C”型框架冲床于冲压过程中模具的构造。

图3系在线监控系统的基本结构图解(包括内部硬件和外部通讯)、工作流程图以及资料传送图。

图4系在线监控系统的具体工作的流程图表。

图5系在线监控系统在正常冲压时进行信号提取工作的具体流程表。

图6系描述模态分析试验确定的自然频率数值以及由此选定的传感器安装位置图。

图7系描述在冲压过程中从压电式应变传感器得到的应变曲线在一个冲压循环的五个不同区域。

图8系单冲情况下典型的应变曲线图，它包括(a)正常情况，(b)工件材料变厚，c)废料跳动。

图9中的A-G系连续冲压情况下典型的应变曲线图，它包括正常情况，工件材料误送和发生在不同位置的废料跳动的情况。

图10中的A-B系单冲情况下和连续冲压情况下的应变曲线图的比较。

图中符号说明

10---装配图            36---电荷放大器           60---在线监视

12---在线监视器        38---显示屏               62---LCD显示

14-16---冲床           40---冲床控制             64---用户中断

18---驱动马达和飞轮    42---报警灯               66---当前统计报表

20---上模              44---中央控制中心         68---数据传输

22---上冲子            46---处理器               80---样本数目

24---下模              48---用户信息             84---统计运算

26---下冲子            50---采样参数             88---“跟踪阈值”

                                                        的上下限

28---压电式应变传感器  52---报警设置      92---冲头停在死点位置上

30---3维力传感器    54---自学习报警设置

32---激光传感器     56---输入样本长度

34---数据采集系统   58---在线采样和自学习域值设置

具体实施方式

如果没有特别说明，那么“跟踪阈值”(或跟踪报警)的定义等同“公差范围”的定义。

由于冲压过程是一个持续时间很短(大部分冲压过程从冲头接触工件到离开工件的时间约数十以至数百毫秒)的瞬态过程。而由冲床床身立柱测的应变信号也是典型的瞬态信号，它可以在一个冲压循环内分解成不同的区域并且和该循环内不同的时间相对应。如图7所示，在区域1段上，应变信号接近于零值，而冲头处于准备工作状。在區域2段上，压料板接触工件，使工件产生轻微变形同时也相应地令应变值按一定比例增加。在区域3段上，冲头接触工件并施加冲压力到工件上，工件变形使应变相应增加。在区域4段上，冲压力超越于金属材料的塑性变形力，金属的塑性变形主要发生于这个过程中，而且冲压力瞬间急剧下降，应变信号有一个衰减震荡的过程。在区域5段上，冲头开始返回到准备工作的初始位置，一个冲压循环结束。所以说应变信号包含静态和动态特性的数据资料，它能有效地适用于在线监控系统。

压电式应变传感器的信号特征能有效地知道工件在实际生产过程中的非正常状态。实际上，当工件厚度增加，信号的上升沿趋向于朝左方向移动，正如图7中的区域2、3段所示。这种位移现像刚好反应了冲头会提前接触工件。如果有废料跳动的情况发生，信号就趋向于产生很大的应变值，这种现像刚好反应了不平衡的冲压力导致应变值变大。所有这些特征使得立柱应变信号能充分反映金属冲压在线监控的特点。

当然，不同的故障特征可能会发生在应变信号不同的部份。另外比较困难的是从冲床床身提取信号来监测冲压状况往往在信号中引入过多的噪声干扰，从而很难得到平滑的应变信号。

众所周知，Fourier变换(或级数)是将信号变换或分解到不同频率、幅值和相位的正弦波，而正弦波是全局性函数，不能反映信号的局部特征。与Fourier分解不同，小波分解则是将信号分解到一系列具有不同震荡频率的紧支撑函数上，这一系列有限支撑且具有震荡特性的函数则是由同一个被称为母小波的函数(或简称为小波函数)通过膨胀或压缩以及平移得到的。一个任意信号x(t)的连续小波变换定义为：

$W_{\mathrm{\ψ}}^x(a,b)=\frac{1}{\sqrt{a}}{\∫}_{-\∞}^{\∞}x\left(t\right){\mathrm{\ψ}}^{*}\left(\frac{t-b}{a}\right)\mathrm{dt}$

其中：ψ(t)为(母)小波函数，a(a＞0)为膨胀因子(或称为尺度因子)，

平移因子，‘*’表示复共轭运算。

连续小波变换由于计算量大且没有快速算法，在小波理论发展的初期极大的限制了其应用，Mallat将尺度因子a和平移因子b进行二进离散并引入快速算法后，小波的应用才得到了极大的发展。将b和a进行二进离散，即：α_j＝2^j及b_j，k＝k/2^j，可以定义正交小波变换。

如果函数族

ψ_m，k(t)＝2^m/2ψ(2^mt-k)，m，k∈Z

构成一个正交基，则得到的正交小波变换为：

$x_k^m={\∫}_{-\∞}^{\∞}x\left(t\right){\mathrm{\ψ}}_{m,k}\left(t\right)\mathrm{dt}$

信号的正交小波变换结果是将信号分解为一系列带宽不等的频段，低频段带宽小，高频段的带宽大，带宽以二进制递增，下图为二进小波分解过程频段划分示意图。利用这一特性可以对信号进行各种通带(单一通带或多通带)的滤波。本专利提出的监测算法就是利用小波的滤波性质完成的，通过对信号的分解与选带重构得到光滑的低频冲压应变特征曲线。

二进小波分解过程频段划分示意图

本专利提出一种所谓“跟踪阈值”(或跟踪报警)的方法，可以代替分段，不管是冲压力的大小的变化还是各关键点发生时刻的变化，这种曲线阈值都可以准确地捕捉到不同故障导致的冲压状态的改变，试验结果表明，这一方法非常有效。这一方法采用小波分解与重构的方法，先求得应变信号(间接冲压力)的低频主分量，根据若干个正常状态的样本信号得到该主分量的均值和方差，从而可以得到正常状态的上下报警限，在监测时先计算出每个冲程的应变信号低频主分量，然后与报警线进行比较，若任何点发生超限则发出报警信号。

这里提出的监测算法是以概率与数理统计理论为基础的，计算的前需要先采集正常冲压状态的冲压力信号M组(根据具体的情况可以选取不同的组数M＝30～50)，假定每组信号有N个数据点，采用离散小波将每组信号进行五级分解，根据冲压应变信号的特点，仅采用最低频的一个频段的小波系数进行重构，得到消噪后的平滑冲压应变信号，这样我们得到M组平滑的冲压力信号，然后对这M组信号计算其均值：

$X\left(i\right)=\frac{1}{M}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_i\left(j\right),i=\mathrm{1,2},\·\·\·,N$

和方差：

$S^2\left(i\right)=\frac{1}{m-1}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}[x_i\left(j\right)-X\left(i\right){]}^2,i=\mathrm{1,2},\·\·\·,N$

从计算效率上的考虑，可以采用下面的等效公式：

$S^2\left(i\right)=\frac{1}{M-1}[\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_i^2\left(j\right)-\frac{1}{M}(\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_i\left(j\right){)}^2],i=\mathrm{1,2},\·\·\·,N$

这样我们可以得到两条光滑的上下阈值限：X(i)±C·S(i)，i＝1，2，…，N，根据数理统计理论，C＝3时，正常冲压状态时将有99.7％的冲压应变平滑曲线在此阈值限的内。

这样在得到两条正常冲压状态的冲压力阈值限的后，对以后的每次冲压循环测得的冲压应变信号均进行同样的小波滤波，然后和这两条阈值限作比较，超限即做出报警。

本专利中的过程和系统可以用来同时监控一台或多台冲床。

在专利的系统中，一个或多个应变传感器被安装在冲床的床身上，以获取冲压应变信号。可以用于冲压过程监测的传感器有多种，例如，力传感器、接近式传感器、应变传感器、加速度传感器。根据试验结果，从安装方便，经济易用及监测效果来看，压电式应变传感器最为理想。

如果监测对象是一个“C”型框架冲床单工步模，可以只选用一个传感器，若为多任务步步进式模具，则至少有两个传感器需被分别安装在冲床的两根立柱上。

在专利的方法中，为了使监测取得高的可靠性，需要采集多个正常冲压应变信号进行处理，从而设定閾值曲线。显而易见，越多的采样样本将会带来越高的准确性。通常，最好有至少30个样本。

在专利的方法第a)步中获取的参考应变信号经过小波分解和重构，得到平滑的参考曲线。根据本专利方法的定义，从b)步到e)步，可以用一台装用Linux C++程序的计算器来执行完成存储、网络和更多的处理。

对于一个单工步模，从冲床的床身上测出的应变信号相对简单(图10.A)，大部分冲压故障可以用峰值特征来检测。然而，对于一个多任务步的步进模，其应变信号是非常复杂的(图10B)。因为这些信号中有许多峰值，单靠峰值的方法来检测是相当困难的。在这种情况下，从左右两边床身上采集的二路应变信号被用来反映较完整的过程特征。

应变传传感器应该安装在冲床上最容易测到应变信号的位置，为了确定这个位置，我们在一台“C”型框架冲床上进行了模态分析试验，试验中用4个加速度传感器和一套专用的模态分析软件，根据试验测得的资料，确定几个固定频率：38Hz，68Hz，140Hz，260Hz。试验结果发现，最敏感的传感器安装位置位于“C”型框架冲床的中部(140Hz)，这个位置是该类冲床最薄弱的位置。冲床的模态分析的数据对冲压监测来说是非常重要的，因为它们可以辅助传感器安装的位置确定在对冲压状态最敏感的位置。

本专利发明的确定参考曲线的方法如下。压电式应变传感器是根据压晶体管结构在机械压力作用下会释放出电荷的原理而制成的。一个或多个显著的在时间上与冲压过程相关的信号参数经由安装于冲床上的应变传感器监测，然后与事先确定好的参考值进行比较。一个采用内触发信号的触发程序来保证每次采样的起始点都是一致的，一般该触发程序的触发阈值设定为0.2V。样本的采集是用内部触发和采样频率为2～5KHz来进行的，并且采样周期覆了冲压回回圈。“跟踪阈值”的设定常常依赖被监测的冲压状况，绝大部份时侯都不需要在监测中分别设立几组“跟踪阈值”来监控复杂的工作环境。

本发明的金属冲压在线监测系统是智能的、可靠的、价格相对低廉的。该系统主要有以下特点：

1.结合了高性能的优质传感器的讯号特征以及自行开发的稳定的人工智能控制方法，根据模具在下死点工作时冲床机身的信号特性变化来自动准确地在线监测冲压过程中的废料跳动、弯曲、材料厚度变化、误送及二重打等冲压中常见的问题，并自动控制冲床运动，使模具和冲床得到进一步保护。从而达到提高产品质量，降低次品率得目的。

2.计算机化的灵活装置，能同时对一台或多台冲床/模具运动进行监测工作，大大降低使用者的成本，并能自动记录和用网络来传递使用者的资料，例如：自动统计好、坏产品的数量，停机次数和时间，模具/冲床以及操作者的情况分析等等。为厂家在模具设计，机床操作以至生产控制等方面提供有用的分析数据。

3.无论是“C”型框架冲床或者龙门式冲床，都能在不防碍操作设定以及冲床/模具运动的情况下安全地安装此产品，油污，材料屑，尘埃以及恶劣的工作环境等外在因素都不会构成影响。并以清晰易见的中文(繁/简体字)或者英文画面来显示实时的冲床/模具的运动情况。

结合如下的附图，可以进一步描述本专利发明。

图1是一个典型的“C”型框架冲床的原理透示装配图(10)。在这个图标中，冲压生产线包括一对冲床(14-16)。在一个操作循环中，每一冲床均可进行一定的金属成型加工。例如，这些冲床可以顺序地进行连续的步进模冲压操作和单冲的冲压操作。根据小波分解技术以及测得到的冲床(14-16)的数据(如经放大器处理的压电式应变传感器数据)，在线监视器(12)可以执行对每一个冲床的生产操作监视。

同時，该在线监视器也可以生成过程控制信息，用于显示在LCD显示屏和上传中央控制中心。在这个发明系统中，监视程序可以让用户很容易地从运行的冲床上或中央控制中心上获取数据。监视程序的用户界面采用了Linux C++和网络技术。可选择的用户指令，经触摸屏或其它输入设备，由多级菜单完成。为了一般的目的、进行数据分析和图形表示，该监视程序采用了许多库文件，并且使用Linux C++语言进行编程。

监视程序可以在任何安装了用于数据采集的多功能数据采集卡的标准的计算器上运行，如IBM兼容机或奔腾可编程计算器。该计算器应有至少128MB的RAM存储器，一个VGA兼容的彩色图形卡和一个LCD显示屏。因监视程序需存储大量的数据，所以应选用最少1GB的硬盘作为主要的存储器。另外，经通讯网络上传到中央控制中心的信息包括冲床的位置，以及有关触发计算器发送信号的状况的数据。如果中央控制中心是一个telnet，所有信号和生产信息将由冲床的线路网输入。

如图2所示，一个“C”型框架冲床包括一个上模(20)，一个上冲子(22)，一个下模(24)和一个下冲子(26)。驱动马达和飞轮(18)通常是由一个皮带驱动器、一个离合器、一个制动器和一个用于曲柄冲床的并带有曲柄联杆的主驱动器、一个联接杆和一个冲头而连接。变型过程将在冲头一次完整冲程的最多1/4时间内完成。冲床有一个拉杆可从驱动马达向上扩展到曲柄联杆。它用于在向下的方向上移动上模和上冲子。压电式应变传感器(28)被安装在如图6所示的模态分析中的对冲压状态最敏感的位置。

如图3所示，计算器配有给系统提供输入/输出接口的处理器(46)。经冲床控制(40)和中央控制(44)的输出口，处理器(46)可控制一个停车器。当检测到任何一种冲压异常发生，停车器将控制冲头的运动，并使其停在上死点。这样，处理器可经停车器控制冲床的运动，并用报警灯(42)输出一个报警信号，同时有一个故障信息到显示屏(38)。因为这一控制极大地减少了生产故障，所以冲床和模具得到了保护。两片压电式应变传感器(28)经过数据采集系统(34)和一个电荷放大器(36)连接到冲床上。这样可以传送经软件生成的数据到计算器处理器(46)的输入口。根据模具的类型，多种类型的3维力传感器(30)和激光传感器(32)可以用于系统监视。中央控制中心(44)适应接收从处理器(46)经通讯网络传来的信号，并显示冲床的监视状况。

特别地，参考图4，它表明了该用于监视和诊断“C”型框架冲床的发明在线系统的工作流程。如图所示，该系统可以监视和诊断许多特征，如”用户信息”(48)，”采样参数”(50)，”报警设置”(52)，“自学习报警设置”(54)，“输入样本长度”(56)，“在线采样和自学习域值设置”(58)，“24小时和7天在线监视”(60)，“LCD显示”(62)，“用户中断”(64)，“当前统计报表”(66)，和“数据传输”(68)。在计算器的控制下，冲压操作被以一定的采样频率(大约2KHz～5KHz)反复采样。为了获取精确的采样波形，  计算器根据不同的采样过程控制内触发水平和增益的设置。储存样本大小(56)用时间和冲压力的幅值表示冲压波形，并被传送给处理器。将其代入一个等式(58)后经统计计算自动地学出一个报警域值。图4所示的在线诊断可以根据两个压电变型传感器(28)获取的信号的峰值和能量值是否落在事先由最优的“跟踪阈值”所确定的允许范围来自适应地诊断冲压系统。如果该两个特征值中的任何一个大于相应范围的上限(或小于下限)，结合报警灯(42)，冲床控制系统(40)将冲床制停在上死点(TDP)。这个安排有利于调整冲床，减少冲床操作员的负担并极大地减少产品的废品率。为了显示位置或辩别异常的模具的数目，用户中断(64)可用LCD显示屏(62)。这一被推荐的安排易于操作员分辩异常的模具或冲压故障，并有利于检查，调整和更换模具，提高冲压系统的工作效率。

图5所示为本专利发明的金属冲压监测系统的部分流程图。在本系统实现中，冲压波形在计算机控制下以一定采样频率被重复采样，正常冲压状态的样本数目80至少应为30个以上。采样频率的大小可以根据冲压的速度由计算机控制相应地改变，这样可以保证不同冲压加工的波形采样资料点数相同，采样得到的资料82由计算机进行统计运算84，由每个资料点的均值和标准方差可以得到“跟踪阈值”的上下限88。在过程的在线监测中，对每一个采样的冲压波形，如果任一个采样点超出设定好的阈值上下限，监测系统上的报警灯亮，并控制40冲头停在死点位置上92。

图6所示为“C”型框架冲床的模态，从图中可以看出，最敏感的部位应在冲床的中下部，应变传感器28应安装在该部位。

由图7所示，冲压应变信号可以分为几个特征段。段S1中，应变接近于零，因为冲压过程尚未开始；段S2中，由于压料版开始接触工件导致立柱上应变开始增大；段S3中，模具接触工件并对工件施加冲压力使工件开始产生弹塑性变形，因此在该段，应变值大幅度增加；段S4中，冲压力增大使得工件材料超过屈服点，工件开始脱离材料，导致应变迅速下降；最后，在段S5模具离开工件，作用于床身上的力释放，床身开始恢复原来的位置，应变信号有小幅波动，并渐渐回复到零值。仔细观察会发现，应变信号前面部分与冲压力变化相若(S1～S4)，后面的部分则与振动的变化趋势类似。

图8示出了一种单冲过程三种不同状态的应变信号。(a)正常104，(b)工件太厚106，(c)废料跳动108。由图可以看出，应变信号对冲压状态敏感，工件太厚时，段S2和段S3左移，这是由于工件太厚导致模具提早接触工件的结果。废料跳动的特征则表现为应变信号在冲压过程结束时有较大幅度的波动。

本发明的冲压监测系统有若干不同于传统监控装置的优点。如图9所示，阈值曲线是一种借助小波分析技术来设定的“跟踪阈值”。阈值设定的算法可叙述如下：

1.测取正常状态的20～30组样本信号，每组信号为测自于左右立柱的两个应变信号。

2.应用小波分解和重构技术，我们得到滤波后的每组信号的低频分量，这个低频分量信号比原始信号平滑得多，可以方便地用于阈值曲线的设定。

3.计算每组滤波信号的均值曲线和标准差曲线：m_l(t)表示左立柱应变均值信号，m_r(t)表示右立柱应变均值信号，v_l(t)表示左立柱应变标准差曲线，v_r(t)表示右立柱应变标准差曲线。

由此可以分别得到左右立柱应变信号的上下两条阈值曲线：m_l(t)+3v_l(t)和m_l(t)-3v_l(t)110；以及m_r(t)+3v_r(t)和m_r(t)-3v_r(t)112，见图9-A。

图9-B所示为利用小波分析技术设定的跟踪阈值曲线114，116。

参考图9-C到图9-G，利用由小波分析技术设定的阈值曲线，连续冲压过程的各种常见故障，如材料变化、误送118，120、废料跳动122，124，126，128，130，132，134，136、二重打等等，可以被检测出来。一般说来，不同的冲压故障会在应变信号不同的区段表现出不同的特征，然而，根据不同冲压过程准确分段是非常困难的事情，采用我们提出的方法，监测系统可以在连续冲压加工过程中容易的检测出发生于不同区段的过程状态变化。

对于单工步模具，由冲床立柱测得的应变信号相对简单(图10-A)138，许多故障可由峰值冲压力的变化检测出来。然而，对于多任务步步进模具，由冲床立柱测得的应变信号就复杂多了(图10-B)140，142。这种情况下，为了检测更多的冲压故障，测取双边立柱的应变信号非常必要。不同的故障可能发生于不同的应变信号(左或右)的不同段。

Claims (15)

1.一种对一台或者多台冲床的生产作业进行在线监控和诊断的方法，包含下列步骤：

a)采集正常生产情况下冲床床身的冲压信讯中的多个参考应变信号样本；

b)通过平滑参考应变信号，确定参考曲线；

c)根据参考曲线，设定冲床床身的应变公差范围；

d)由选定的应变传感器，采集测得的冲床床身在线应变信号；

e)诊断在线应变信号是否落在公差范围内；及

f)根据在步骤e)中得出的结果，控制机床操作。

2.如权利要求1所述的对一台或者多台冲床的生产作业进行在线监控和诊断的方法，其中该参考应变信号获取自一安装在冲床床身上的应变传感器。

3.如权利要求2所述的对一台或者多台冲床的生产作业进行在线监控和诊断的方法，其中该应变传感器是压电式应变传感器。

4.如权利要求1或2或3所述的对一台或者多台冲床的生产作业进行在线监控和诊断的方法，其中该采集多个参考应变信号进行处理，测取至少20个样本。

5.如权利要求1所述的对一台或者多台冲床的生产作业进行在线监控和诊断的方法，其中在步骤a)采集的参考应变信号采用小波分解与重构得到平滑参考应变信号。

6.一种对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，包含：

一安装在冲床床身上的装置，用以获取冲压应变信号；

经所述的装置，采集正常生产情况下冲床上多个参考应变信号的部件；

平滑处理所述的参考应变信号，以确定参考曲线的部件；

根据所述的参考曲线，设定冲床床身的应变公差范围的部件；

由选定的应变传感器，采集测得的冲床床身在线应变信号的部件；

诊断所述的在线应变信号是否落在所述的公差范围内的部件；及控制机床操作的部件。

7.如权利要求6所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该装置包含一个或多个应变传感器。

8.如权利要求7所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该装置包含一个信号放大器。

9.如权利要求7所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该应变传感器是压电式应变传感器。

10.如权利要求8所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该信号放大器是电荷放大器。

11.如权利要求6所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中采用小波分解与重构进行所述的处理参考应变信号，确定参考曲线。

12.如权利要求6所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该冲床是“C”型框架冲床，包含两根立柱。

13.如权利要求12所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该框架至少有两个应变传感器被分别安装在冲床的两根立柱上。

14.如权利要求13所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该应变传感器都是压电式应变传感器。

15.如权利要求7所述的对一台或者多台冲床的生产作业进行在线监控和诊断的操作系统，其中该应变传感器被安装在模态分析中的对冲压状态最敏感的位置上。

Images