[發(fā)明專利]一種高速線材軋機遠程在線監(jiān)測和智能診斷方法

有效

• 申請?zhí)枺?/td>: 201710307331.3
• 申請日: 2017-05-04
• 公開（公告）號: CN108126987B
• 公開（公告）日: 2020-07-28
• 發(fā)明（設計）人: 孫建橋;管庶安;成西平
• 申請（專利權）人: 漢威廣園（廣州）機械設備有限公司
• 主分類號: B21B38/00
• 分類號: B21B38/00;B21B33/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種高速線材軋機遠程在線監(jiān)測和智能診斷方法，包括如下步驟：

S1數(shù)據(jù)采集步驟：各數(shù)據(jù)采集設備采集到的數(shù)據(jù)通過匯集到中心節(jié)點后采用局域網(wǎng)絡傳輸?shù)焦た貦C，所述數(shù)據(jù)采集設備包括在一個軋機機組內(nèi)的振動傳感器、速度傳感器、三維加速度傳感器、位移傳感器、旋轉編碼器、溫度傳感器、功率表和功率傳感器；

S2預診斷步驟：所述工控機在存儲數(shù)據(jù)的同時對數(shù)據(jù)進行去除噪音、數(shù)據(jù)變換以及特征提取處理，同時對處理后的數(shù)據(jù)進行高速線材軋機故障有無的判斷，并輸出結果，如果工控機輸出的結構判定高速線材軋機為故障，則將此數(shù)據(jù)傳輸?shù)奖O(jiān)測與診斷中心，反之工控機則不傳輸數(shù)據(jù)給監(jiān)測與診斷中心，以避免將大量的無故障的數(shù)據(jù)傳向診斷中心，造成網(wǎng)絡擁塞、加重監(jiān)測診斷中心服務器的負擔；

S3精確診斷步驟：所述監(jiān)測與診斷中心接收到有故障的數(shù)據(jù)后對工控機的預診斷結果再作進一步的分析，以確定故障的類型和位置，

所述數(shù)據(jù)采集步驟S1中，旋轉編碼器按如下規(guī)則進行采樣：所述采樣周期分為Twork和Twait兩個時間段，轉軸每轉動一圈采樣16次，Twork時間段為轉軸旋轉64圈所花費的時間，在Twork時間段采樣1024次，Twait時間段不采樣，時間為轉軸旋轉8～512圈所花費的時間；

預診斷步驟S2的過程為：將數(shù)據(jù)采集設備的數(shù)據(jù)進行存儲，所存儲的原始數(shù)據(jù)能直接調取至云端，同時對數(shù)據(jù)進行變換及特征提取處理，通過HSSVM的二分類器選擇含故障的特征向量并上傳至云接口，該含故障的特征向量經(jīng)精確診斷步驟確認可靠性后重新加入HSSVM參數(shù)庫進行HSSVM學習訓練以優(yōu)化二分類器，所述HSSVM的二分類器同時也根據(jù)故障判斷情況對數(shù)據(jù)采集設備的各個傳感器進行采樣控制；

預診斷步驟S2中，數(shù)據(jù)變換及特征提取的方法為：

(1)數(shù)據(jù)變換：一個傳感器在Twork時間段輸出的數(shù)據(jù)系列記為data[k],k＝0,1,...,若data[k]來自于振動傳感器，則對其進行一維多尺度小波變換，以便提取各尺度下的奇異點，變換結果記為wal[k]^(s),其中s是尺度編號，s＝1,2,…N；所述診斷方法取8種尺度，即N＝8；

(2)特征提取：設在一個傳感器組中，有M個振動傳感器，與之對應地，有wal[k]_m^(s)，m＝1,2,...M，設轉軸轉動1圈花費的時間(即轉動周期)為Tc，每個Tc的定位從旋轉編碼器的輸出數(shù)據(jù)中可以得到，在一個Tc周期內(nèi)，試圖搜索到wal[k]_m^(s)上存在的N×M各奇異點P_sm，若某奇異點不存在則令其值為0，否則其值為周期內(nèi)wal[k]_m^(s)的模極大值；

設一個傳感器組中有Q個溫度傳感器，1個功率傳感器；定義d維特征向量P：

d＝N×M+Q+1

其中：M＝2～5；P_q|_q＝1...Q為轉動周期內(nèi)對各溫度傳感器采樣的平均值，共Q個，Q＝1～3；p_w為轉動周期內(nèi)對功率傳感器采樣的平均值，1個。

2.根據(jù)權利要求1所述的高速線材軋機遠程在線監(jiān)測和智能診斷方法，其特征在于：所述預診斷步驟S2中，采用基于HSSVM的二分類器，軋機生產(chǎn)線中的每個部件均對應一個二分類器，將每個部件的狀態(tài)分為兩類：有故障或無故障，同時給出故障可信度R，所給出的故障可信度R表征了故障的嚴重程度，用于控制采樣間歇期Twait的大小；Twork時段含有64個Tc周期，每個Tc提取一個特征向量Pj，j＝1，2，…，64，將Pj送二分類器，以判斷是否有故障；若在Twork時段的64次判斷中，有故障的次數(shù)占多數(shù)，則判定該部件為有故障；當判定某部件有故障時，就啟動數(shù)據(jù)選擇，將當前的64個Pj傳送到云端進行精確診斷；任何時候，機組運行維護人員也能將當前Twork時段的64個Pj或原始數(shù)據(jù)系列data[k]傳輸?shù)皆贫诉M行診斷。