[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110456732A - 一种带有学习功能的冲床故障监测系统 - Google Patents

一种带有学习功能的冲床故障监测系统 Download PDF

Info

Publication number
CN110456732A
CN110456732A CN201910721454.0A CN201910721454A CN110456732A CN 110456732 A CN110456732 A CN 110456732A CN 201910721454 A CN201910721454 A CN 201910721454A CN 110456732 A CN110456732 A CN 110456732A
Authority
CN
China
Prior art keywords
module
data
punching machine
sample
unit
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
Application number
CN201910721454.0A
Other languages
English (en)
Other versions
CN110456732B (zh
Inventor
刘涛
罗博
欧阳杰
桂睿凡
丁鹏
向磊
贾评家
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Hengli Huazhen Technology Co ltd
Original Assignee
Wuhan Hengli Huazhen Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Hengli Huazhen Technology Co ltd filed Critical Wuhan Hengli Huazhen Technology Co ltd
Priority to CN201910721454.0A priority Critical patent/CN110456732B/zh
Publication of CN110456732A publication Critical patent/CN110456732A/zh
Application granted granted Critical
Publication of CN110456732B publication Critical patent/CN110456732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37616—Use same monitoring tools to monitor tool and workpiece

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及冲床故障检测技术领域，尤其是一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程操作模块与故障预测模块相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接。本发明通过采集冲床在冲压过程中的应力信号，通过识别应力信号的异常变化来反映冲压过程的异常，对冲压故障的检测准确，同时能够快速的解决冲压故障，提高了生产的效率。

Description

一种带有学习功能的冲床故障监测系统
技术领域
本发明涉及冲床故障监测技术领域，尤其涉及一种带有学习功能的冲床故障监测系统。
背景技术
业界主流的解决方式是一种在线冲压的图形处理系统，该类系统通过将1-4个相机，安装在冲压机附近，在模具冲压后，检测模具表面是否正常，是否有残料遗留在模具表面，该方式在现场应用时遇到很多问题，如当有模仁遮挡时相机无法拍出磨具表面的全部概貌，另外由于光源调节问题，视觉系统很容易引起误识别与误报，导致生产效率降低。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种带有学习功能的冲床故障监测系统。
为了实现上述目的，本发明采用了如下技术方案：
设计一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，所述冲床单元通过传感模块实现与数据处理单元之间的信号连接，数据处理单元通过网络模块分别与机器学习模型设计模块以及历史数据存储模块相连接，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程操作模块与故障预测模块相连接，所述机器学习模型设计模块包括时序点输入单元以及神经网络模型框架(SAE)，神经网络模型框架(SAE)与Sigmoid二分类输出单元信号连接，同时Sigmoid二分类输出单元与模型训练模块信号连接，历史数据存储模块通过时序点输入单元与模型训练模块之间相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接。
优选的，所述通过数据分割单元对数据进行数据分割，数据分割后将数据传递至故障预测模块以及数据样本发送模块，通过数据样本发送模块实现与网络模块之间的连接，同时网络模块与故障预测模块相互信号连接，从而对模型的下载以及更换，同时历史数据储存模块对样本数据进行储存能够对数据进行计算以及存储，同时数据分割与标记模块能够对将采集的数据按照固定的截取周期进行截取，形成冲压过程数据样本，并通过样本标记模块对样本进行标记。
优选的，所述故障预测模块包括预测模型矩阵参数接收模块，网络模块通过预测模型矩阵参数接收模块实现与预测模型矩阵单元相连接，同时数据处理单元与预测模型矩阵单元相连接，实现对实时数据样本的采集以及处理，预计模型直接输出预测结果，当数据出现故障时，通过远程控制模块实现对冲床单元的控制。
优选的，所述样本标记模块包括通过标记工作人员对现场HMI操作屏进行监测，同时在数据记录后生成结果与样本关联模块，再通过样本发送模块将样本发送至网络模块，同时网络模块将样本发送至历史数据存储模块中进行备份以及存储。
优选的，所述远程控制模块包括模型输出逻辑转换模块、输出信号电气转换模块(I/0)以及电气连接模块，模型输出逻辑转换模块对接收由故障预测模块发出的信号，通过输出信号电气转换模块(I/0)对信号的转换。
优选的，所述机器学习模型设计模块对样本数据采集时需要保证记录的总冲压次数达到1000次以上，同时其中的故障状态数据和正常状态数据比例约各占50％。
本发明提出的一种带有学习功能的冲床故障监测系统，有益效果在于：该带有学习功能的冲床故障监测系统通过采集冲床在冲压过程中的应力信号，通过识别应力信号的异常变化来反映冲压过程的异常，对冲压故障的检测准确，同时能够快速的解决冲压故障，提高了生产的效率，同时该系统能够对采集的数据样本进行整理并制成该冲床在在冲压时的数据模型。
附图说明
图1为本发明提出的一种带有学习功能的冲床故障监测系统的系统框图。
图2为本发明提出的一种带有学习功能的冲床故障监测系统的数据处理单元的系统框图。
图3为本发明提出的一种带有学习功能的冲床故障监测系统的故障预测模块的系统框图。
图4为本发明提出的一种带有学习功能的冲床故障监测系统的样本标记模块的系统框图。
图5为本发明提出的一种带有学习功能的冲床故障监测系统的远程控制模块的系统框图。
图6为本发明提出的一种带有学习功能的冲床故障监测系统的机器学习模型设计单元的系统框图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-6，一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，冲床单元通过传感模块实现与数据处理单元之间的信号连接，数据处理单元通过网络模块分别与机器学习模型设计模块以及历史数据存储模块相连接，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程操作模块与故障预测模块相连接，机器学习模型设计模块包括时序点输入单元以及神经网络模型框架(SAE)，神经网络模型框架(SAE)与Sigmoid二分类输出单元信号连接，同时Sigmoid二分类输出单元与模型训练模块信号连接，历史数据存储模块通过时序点输入单元与模型训练模块之间相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接，数据分割与样本标记模块能够对将采集的数据按照固定的截取周期进行截取，形成冲压过程数据样本，并对样本进行标记，同时样本中只含故障、正常两种标记结果，样本标记后并积累到一定的数量，可通过机器学习设计单元对预测模型进行设计训练，得到能够正常预测故障状态的模型矩阵，当更换冲压新产品或者模具时，重复这一样本标记与训练的过程得到新的故障预测模型。
故障预测模块包括预测模型矩阵参数接收模块，网络模块通过预测模型矩阵参数接收模块实现与预测模型矩阵单元相连接，同时数据处理单元与预测模型矩阵单元相连接，实现对实时数据样本的采集以及处理，当数据出现故障时，通过远程控制模块实现对冲床单元的控制，对冲压在工作时的冲压力进行检测，在冲床内部存在异物以及冲床内部不存在异物时，产生的冲压曲线特征差异较大，能够有效的起到监测冲压是否处于正常状态的判断。
故障预测模块包括预测模型矩阵参数接收模块，网络模块通过预测模型矩阵参数接收模块实现与预测模型矩阵单元相连接，同时数据处理单元与预测模型矩阵单元相连接，实现对实时数据样本的采集以及处理，预测模型矩阵单元能够根据实时样本数据输出预测结果，当数据出现故障时，通过远程控制模块实现对冲床单元的控制，通过堆栈自编码算法单元进行对数据的计算，能够使得对数据的计算结果的准确率达到99％以上，从而能够对采集的数据进行快速的运算以及判断，提高了对冲床冲压的过程质量的监控。
输出模块包括高速IO命令单元，模型设计单元在对数据进行比对后，当数据为故障数据时，则会通过高速IO命令单元将信号传递至信号转换器上，同时信号转换器将数据处理后会通过命令的方式传递至冲压单元的控制系统中，使得控制系统对冲压开关进行急停，当数据为正常数据时，产生的命令对冲压单元内部的控制系统无法进行信号的传递，通过该设计，模型设计单元能够在0.1S内将检测的结果通过高速IO命令单元发送至冲床上的控制系统中，从而能够实现对冲床的快速关停。
远程控制模块包括模型输出逻辑转换模块、输出信号电气转换模块(I/0)以及电气连接模块，模型输出逻辑转换模块对接收由故障预测模块发出的信号，通过输出信号电气转换模块(I/0)对信号的转换，同时通过电气连接模块与冲床单元进行信号连接，从而能够实现对冲床单元的远程操控，通过该设计，系统能够对冲压单元进行远程操控，从而提高了冲压工作的安全性(防止模具损坏)。
机器学习模型设计模块对样本数据采集时需要保证记录的总冲压次数达到1000次以上，同时其中的故障状态数据和正常状态数据比例约各占50％，1000次以上的冲压数据样本的统计，能够全面的表现出当冲压模具中存在异物以及正常状态下的两种样本数据的不同，从而能够根据实时冲压数据即可判断冲压是否正常，提高了生产的效率，降低人工巡查的成本。
样本标记模块包括通过标记工作人员对现场HMI操作屏进行监测，同时在数据记录后生成结果与样本关联模块，再通过样本发送模块将样本发送至网络模块，同时网络模块将样本发送至历史数据存储模块中进行备份以及存储，对数据进行备份处理，通过对数据的备份以及存储，能够有效的防止数据丢失而导致整个系统瘫痪的情况发生，提高了系统的强度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，其特征在于，所述冲床单元通过传感模块实现与数据处理单元之间的信号连接，数据处理单元通过网络模块分别与机器学习模型设计模块以及历史数据存储模块相连接，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程操作模块与故障预测模块相连接，所述机器学习模型设计模块包括时序点输入单元以及神经网络模型框架(SAE)，神经网络模型框架(SAE)与Sigmoid二分类输出单元信号连接，同时Sigmoid二分类输出单元与模型训练模块信号连接，历史数据存储模块通过时序点输入单元与模型训练模块之间相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接。
2.根据权利要求1所述的一种带有学习功能的冲床故障监测系统，其特征在于，所述数据处理单元包括数据接收器，通过数据分割单元对数据进行数据分割，数据分割后将数据传递至故障预测模块以及数据样本发送模块，通过数据样本发送模块实现与网络模块之间的连接，同时网络模块与故障预测模块相互信号连接，从而对模型的下载以及更换，同时数据分割与标记模块能够对将采集的数据按照固定的截取周期进行截取，形成冲压过程数据样本，并对样本进行标记，同时历史数据存储单元能够对标记后的样本数据进行存储。
3.根据权利要求1所述的一种带有学习功能的冲床故障监测系统，其特征在于，所述故障预测模块包括预测模型矩阵参数接收模块，网络模块通过预测模型矩阵参数接收模块实现与预测模型矩阵单元相连接，同时数据处理单元与预测模型矩阵单元相连接，实现对实时数据样本的采集以及处理，当监测到数据出现异常时，通过远程控制模块实现对冲床单元的控制。
4.根据权利要求1所述的一种带有学习功能的冲床故障监测系统，其特征在于，所述样本标记模块包括通过标记工作人员对现场HMI操作屏进行获取样本标记信息，同时在数据记录后生成结果与样本关联模块，再通过样本发送模块将样本通过网络模块将样本发送至历史数据存储模块中进行备份以及存储。
5.根据权利要求1所述的一种带有学习功能的冲床故障监测系统，其特征在于，所述远程控制模块包括模型输出逻辑转换模块、输出信号电气转换模块(I/0)以及电气连接模块，模型输出逻辑转换模块对接收由故障预测模块发出的信号，通过输出信号电气转换模块(I/0)对信号的转换，同时通过电气连接模块与冲床单元进行信号连接，从而能够实现对冲床单元的远程操控。
6.根据权利要求1所述的一种带有学习功能的冲床故障监测系统，其特征在于，机器学习模型设计模块对样本数据采集时需要保证记录的总冲压次数达到1000次以上，同时其中的故障状态数据和正常状态数据比例约各占50％。
CN201910721454.0A 2019-08-06 2019-08-06 一种带有学习功能的冲床故障监测系统 Active CN110456732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910721454.0A CN110456732B (zh) 2019-08-06 2019-08-06 一种带有学习功能的冲床故障监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910721454.0A CN110456732B (zh) 2019-08-06 2019-08-06 一种带有学习功能的冲床故障监测系统

Publications (2)

Publication Number Publication Date
CN110456732A true CN110456732A (zh) 2019-11-15
CN110456732B CN110456732B (zh) 2021-09-28

Family

ID=68485060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910721454.0A Active CN110456732B (zh) 2019-08-06 2019-08-06 一种带有学习功能的冲床故障监测系统

Country Status (1)

Country Link
CN (1) CN110456732B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116428984A (zh) * 2023-05-24 2023-07-14 湖南涛淼实业有限公司 一种五金模具冲压加工智能检测系统
CN117261343A (zh) * 2023-11-21 2023-12-22 山东迪格重工机械有限公司 一种基于物联网的冲床故障监测系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1878623A (zh) * 2003-11-11 2006-12-13 新日本制铁株式会社 冲压成形加工装置、冲压成形加工方法、计算机程序及存储媒体
CN101859128A (zh) * 2010-07-05 2010-10-13 北京信息科技大学 一种基于知识的车铣复合机床故障预测专家系统
CN104573237A (zh) * 2015-01-08 2015-04-29 湖南大学 一种基于摩擦磨损cae分析的模具优化方法
CN104616033A (zh) * 2015-02-13 2015-05-13 重庆大学 基于深度学习和支持向量机的滚动轴承故障诊断方法
KR20180014364A (ko) * 2016-07-29 2018-02-08 한국전자통신연구원 Cnc 공구 마모 보정 장치 및 방법
KR20180048218A (ko) * 2016-10-31 2018-05-10 현대위아 주식회사 기계학습 기반 공작기계 고장 진단 시스템 및 방법
CN108107838A (zh) * 2017-12-27 2018-06-01 山东大学 一种基于云知识库和机器学习的数控装备刀具磨损检测方法
CN108227625A (zh) * 2016-12-22 2018-06-29 发那科株式会社 工具寿命推断装置
CN108334033A (zh) * 2018-02-28 2018-07-27 中国科学院重庆绿色智能技术研究院 基于物联网与机器学习的冲床组故障预测方法及其系统
CN108803552A (zh) * 2018-08-31 2018-11-13 承德建龙特殊钢有限公司 一种设备故障的监测系统及监测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1878623A (zh) * 2003-11-11 2006-12-13 新日本制铁株式会社 冲压成形加工装置、冲压成形加工方法、计算机程序及存储媒体
CN101859128A (zh) * 2010-07-05 2010-10-13 北京信息科技大学 一种基于知识的车铣复合机床故障预测专家系统
CN104573237A (zh) * 2015-01-08 2015-04-29 湖南大学 一种基于摩擦磨损cae分析的模具优化方法
CN104616033A (zh) * 2015-02-13 2015-05-13 重庆大学 基于深度学习和支持向量机的滚动轴承故障诊断方法
KR20180014364A (ko) * 2016-07-29 2018-02-08 한국전자통신연구원 Cnc 공구 마모 보정 장치 및 방법
KR20180048218A (ko) * 2016-10-31 2018-05-10 현대위아 주식회사 기계학습 기반 공작기계 고장 진단 시스템 및 방법
CN108227625A (zh) * 2016-12-22 2018-06-29 发那科株式会社 工具寿命推断装置
CN108107838A (zh) * 2017-12-27 2018-06-01 山东大学 一种基于云知识库和机器学习的数控装备刀具磨损检测方法
CN108334033A (zh) * 2018-02-28 2018-07-27 中国科学院重庆绿色智能技术研究院 基于物联网与机器学习的冲床组故障预测方法及其系统
CN108803552A (zh) * 2018-08-31 2018-11-13 承德建龙特殊钢有限公司 一种设备故障的监测系统及监测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116428984A (zh) * 2023-05-24 2023-07-14 湖南涛淼实业有限公司 一种五金模具冲压加工智能检测系统
CN117261343A (zh) * 2023-11-21 2023-12-22 山东迪格重工机械有限公司 一种基于物联网的冲床故障监测系统
CN117261343B (zh) * 2023-11-21 2024-02-09 山东迪格重工机械有限公司 一种基于物联网的冲床故障监测系统

Also Published As

Publication number Publication date
CN110456732B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN111352003B (zh) 一种用于电气设备故障的分析系统
CN104765322A (zh) 生产线监控系统
CN110969286B (zh) 基于物联网数据的建筑运行安全诊断与分析系统及方法
CN107291830A (zh) 一种设备知识库的创建方法
CN110456732A (zh) 一种带有学习功能的冲床故障监测系统
CN114640177B (zh) 一种基于电力能效监测装置的电力能效监测方法
CN109051104A (zh) 一种灌装机运行状态智能化检测系统和方法
CN113177614A (zh) 一种城市轨道交通供电开关柜图像识别系统及方法
CN107175691A (zh) 一种机器人在线故障检测及维护方法
CN103163402B (zh) 基于二次回路的继电保护设备状态监测装置及监测方法
CN112562276A (zh) 一种设备故障报警方法及系统
CN103569623B (zh) 输送带故障运程诊断系统及方法
CN108093210A (zh) 一种变压器油位告警系统及其告警方法
CN105242655A (zh) 基于物联网的工业现场监控装置
CN113572260A (zh) 一种基于数字孪生技术的分布式能源站智慧运维系统
CN112968525A (zh) 一种换流阀子模块现场运维检修系统和方法
CN204759441U (zh) 一种二维码检测设备及相应检测系统
CN112612360A (zh) 一种基于vr技术的三维可视化设备监控系统及方法
CN115755664A (zh) 一种离散型企业制造设备维护方法及系统
CN205910276U (zh) 一种塔机电气系统自动诊断装置
CN114372500A (zh) 一种基于大数据的智能工厂控制系统
CN213457756U (zh) 一种设备远程运维及故障诊断系统
CN111313966B (zh) 一种基于光纤网络维护集中监测预警设备
CN102398700B (zh) 一种工业炸药全自动包装设备智能监控系统
CN112938046A (zh) 一种条烟缺盒检测的远程监控方法及系统

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