[發(fā)明專利]一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910938206.1
• 申請(qǐng)日: 2019-09-30
• 公開(kāi)（公告）號(hào): CN110647122B
• 公開(kāi)（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 張彩霞;曾平;王向東
• 申請(qǐng)（專利權(quán)）人: 佛山科學(xué)技術(shù)學(xué)院
• 主分類號(hào): G05B19/418
• 分類號(hào): G05B19/418
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 蔡偉杰

1.一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)方法，其特征在于，包括：

獲取自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的樣本數(shù)據(jù)，對(duì)所述樣本數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練樣本；

將多個(gè)所述訓(xùn)練樣本進(jìn)行切分，生成多個(gè)切片后的分布模型；

實(shí)時(shí)獲取工作狀態(tài)下自動(dòng)化生產(chǎn)線的監(jiān)測(cè)數(shù)據(jù)，將所述監(jiān)測(cè)數(shù)據(jù)和多個(gè)切片后的分布模型進(jìn)行擬合，生成自動(dòng)化生產(chǎn)線的故障預(yù)測(cè)結(jié)果；

其中，所述樣本數(shù)據(jù)由多個(gè)設(shè)置于所述自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的傳感器采集，所述樣本數(shù)據(jù)用于表征所述自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的工作時(shí)長(zhǎng)、溫度值、振動(dòng)幅度、噪聲信號(hào)強(qiáng)度；

所述將多個(gè)所述訓(xùn)練樣本進(jìn)行切分，生成多個(gè)切片后的分布模型，具體為：

根據(jù)所述訓(xùn)練樣本的工作時(shí)長(zhǎng)，判斷所述訓(xùn)練樣本所對(duì)應(yīng)的工作時(shí)長(zhǎng)范圍；

將多個(gè)所述訓(xùn)練樣本按工作時(shí)長(zhǎng)范圍進(jìn)行切分，生成多個(gè)切片后的訓(xùn)練樣本；

采用多元回歸分析將切片后的訓(xùn)練樣本生成對(duì)應(yīng)的分布模型。

2.根據(jù)權(quán)利要求1所述的一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)方法，其特征在于，所述獲取自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的樣本數(shù)據(jù)，對(duì)所述樣本數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練樣本，具體為：

獲取多個(gè)所述傳感器采集的樣本數(shù)據(jù)，求得所述樣本數(shù)據(jù)的波動(dòng)方差，并將所述樣本數(shù)據(jù)中波動(dòng)方差小于10^-5的數(shù)據(jù)進(jìn)行剔除，剔除后剩余的樣本數(shù)據(jù)按比例形成取值范圍在0～1之間的歸一化數(shù)據(jù)，將多個(gè)歸一化數(shù)據(jù)的集合作為訓(xùn)練樣本。

3.根據(jù)權(quán)利要求2所述的一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)方法，其特征在于，所述實(shí)時(shí)獲取工作狀態(tài)下自動(dòng)化生產(chǎn)線的監(jiān)測(cè)數(shù)據(jù)，將所述監(jiān)測(cè)數(shù)據(jù)和多個(gè)切片后的分布模型進(jìn)行擬合，生成自動(dòng)化生產(chǎn)線的故障預(yù)測(cè)結(jié)果，具體為：

判斷所述監(jiān)測(cè)數(shù)據(jù)所處的工作時(shí)長(zhǎng)范圍，選取所述工作時(shí)長(zhǎng)范圍對(duì)應(yīng)的分布模型；

計(jì)算所述監(jiān)測(cè)數(shù)據(jù)和所述分布模型的余弦相似度；

當(dāng)所述余弦相似度低于0.3時(shí)，判斷自動(dòng)化生產(chǎn)線為故障；

當(dāng)所述余弦相似度高于0.8時(shí)，判斷自動(dòng)化生產(chǎn)線為正常。

4.一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)裝置，其特征在于，所述裝置包括：存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序運(yùn)行在以下裝置的模塊中：

訓(xùn)練樣本生成模塊，用于獲取自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的樣本數(shù)據(jù)，對(duì)所述樣本數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練樣本；

分布模型生成模塊，用于將多個(gè)所述訓(xùn)練樣本進(jìn)行切分，生成多個(gè)切片后的分布模型；

故障預(yù)測(cè)模塊，用于實(shí)時(shí)獲取工作狀態(tài)下自動(dòng)化生產(chǎn)線的監(jiān)測(cè)數(shù)據(jù)，將所述監(jiān)測(cè)數(shù)據(jù)和多個(gè)切片后的分布模型進(jìn)行擬合，生成自動(dòng)化生產(chǎn)線的故障預(yù)測(cè)結(jié)果；

其中，所述訓(xùn)練樣本生成模塊中的樣本數(shù)據(jù)由多個(gè)設(shè)置于所述自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的傳感器采集，所述樣本數(shù)據(jù)用于表征所述自動(dòng)化生產(chǎn)線監(jiān)測(cè)點(diǎn)的工作時(shí)長(zhǎng)、溫度值、振動(dòng)幅度、噪聲信號(hào)強(qiáng)度；

所述分布模型生成模塊具體用于：

根據(jù)所述訓(xùn)練樣本的工作時(shí)長(zhǎng)，判斷所述訓(xùn)練樣本所對(duì)應(yīng)的工作時(shí)長(zhǎng)范圍；

將多個(gè)所述訓(xùn)練樣本按工作時(shí)長(zhǎng)范圍進(jìn)行切分，生成多個(gè)切片后的訓(xùn)練樣本；

采用多元回歸分析將切片后的訓(xùn)練樣本生成對(duì)應(yīng)的分布模型。

5.根據(jù)權(quán)利要求4所述的一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)裝置，其特征在于，所述訓(xùn)練樣本生成模塊具體用于：

獲取多個(gè)所述傳感器采集的樣本數(shù)據(jù)，求得所述樣本數(shù)據(jù)的波動(dòng)方差，并將所述樣本數(shù)據(jù)中波動(dòng)方差小于10^-5的數(shù)據(jù)進(jìn)行剔除，剔除后剩余的樣本數(shù)據(jù)按比例形成取值范圍在0～1之間的歸一化數(shù)據(jù)，將多個(gè)歸一化數(shù)據(jù)的集合作為訓(xùn)練樣本。

6.根據(jù)權(quán)利要求5所述的一種基于多傳感器的自動(dòng)化生產(chǎn)線故障預(yù)測(cè)裝置，其特征在于，所述故障預(yù)測(cè)模塊具體用于：

實(shí)時(shí)獲取工作狀態(tài)下自動(dòng)化生產(chǎn)線的監(jiān)測(cè)數(shù)據(jù)；

判斷所述監(jiān)測(cè)數(shù)據(jù)所處的工作時(shí)長(zhǎng)范圍，選取所述工作時(shí)長(zhǎng)范圍對(duì)應(yīng)的分布模型；

計(jì)算所述監(jiān)測(cè)數(shù)據(jù)和所述分布模型的余弦相似度；

當(dāng)所述余弦相似度低于0.3時(shí)，判斷自動(dòng)化生產(chǎn)線為故障；

當(dāng)所述余弦相似度高于0.8時(shí)，判斷自動(dòng)化生產(chǎn)線為正常。