[發明專利]一種基于多傳感器的自動化生產線故障預測方法及裝置

有效

• 申請號: 201910938206.1
• 申請日: 2019-09-30
• 公開（公告）號: CN110647122B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 張彩霞;曾平;王向東
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

本發明涉及智能故障預測技術領域，具體涉及一種基于多傳感器的自動化生產線故障方法及裝置，首先獲取自動化生產線監測點的樣本數據，對所述樣本數據進行歸一化處理，得到訓練樣本；進而將多個所述訓練樣本進行切分，生成多個切片后的分布模型；最后實時獲取工作狀態下自動化生產線的監測數據，將所述監測數據和多個切片后的分布模型進行擬合，生成自動化生產線的故障預測結果，本發明可以快速預測自動化生產線的故障。

技術領域

本發明涉及智能故障預測技術領域，具體涉及一種基于多傳感器的自動化生產線故障預測方法及裝置。

背景技術

隨著科技的發展，現代自動化生產線設備的集成度和復雜度日益增加，隨之帶來的維護成本和難度也劇烈上升；效率低下且成本昂貴的傳統的人工檢修維護的方法在面對大量復雜的現在自動化生產線設備時已不再適用。

目前針對自動化生產線中的軸承設備的故障診斷技術主要建立在物理模型之上，通過觀測到的磨損、老化等現象對自動化生產線中的軸承設備進行分析，找出其中的故障點，再利用物理模型分析磨損、老化等現象出現的原因。這種方法目前主要用于研究自動化生產線中的軸承設備的故障機理，而以減少人工維護為目的的故障診斷和預測方面還鮮有出現。

基于數據分析的故障預測是通過采集被測設備的狀態數據，排除物理知識對其進行數據分析，利用數學建模來獲得故障模型用以判斷設備的健康狀態，其不需要獲取被測設備的物理模型，并且建模時間短，這能進一步的減少成本開銷，并且具有廣泛的通用性。

而如何利用數學建模來獲得故障模型用以判斷設備的健康狀態，快速預測自動化生產線的故障成為值得研究的問題。

發明內容

為解決上述問題，本發明提供一種基于多傳感器的自動化生產線故障預測方法及裝置，可以對工件進行準確的識別與定位。

為了實現上述目的，本發明提供以下技術方案：

一種基于多傳感器的自動化生產線故障預測方法，包括：

獲取自動化生產線監測點的樣本數據，對所述樣本數據進行歸一化處理，得到訓練樣本；

將多個所述訓練樣本進行切分，生成多個切片后的分布模型；

實時獲取工作狀態下自動化生產線的監測數據，將所述監測數據和多個切片后的分布模型進行擬合，生成自動化生產線的故障預測結果。

進一步，所述樣本數據由多個設置于所述自動化生產線監測點的傳感器采集，所述樣本數據用于表征所述自動化生產線監測點的工作時長、溫度值、振動幅度、噪聲信號強度。

進一步，所述獲取自動化生產線監測點的樣本數據，對所述樣本數據進行歸一化處理，得到訓練樣本，具體為：

獲取多個所述傳感器采集的樣本數據，求得所述樣本數據的波動方差，并將所述樣本數據中波動方差小于10^-5的數據進行剔除，剔除后剩余的樣本數據按比例形成取值范圍在0～1之間的歸一化數據，將多個歸一化數據的集合作為訓練樣本。

進一步，所述將多個所述訓練樣本進行切分，生成多個切片后的分布模型，具體為：

根據所述訓練樣本的工作時長，判斷所述訓練樣本所對應的工作時長范圍；

將多個所述訓練樣本按工作時長范圍進行切分，生成多個切片后的訓練樣本；

采用多元回歸分析將切片后的訓練樣本生成對應的分布模型。

進一步，所述實時獲取工作狀態下自動化生產線的監測數據，將所述監測數據和多個切片后的分布模型進行擬合，生成自動化生產線的故障預測結果，具體為：

判斷所述監測數據所處的工作時長范圍，選取所述工作時長范圍對應的分布模型；