CN116224925B - 一种智能加工管理*** - Google Patents
一种智能加工管理*** Download PDFInfo
- Publication number
- CN116224925B CN116224925B CN202211624133.7A CN202211624133A CN116224925B CN 116224925 B CN116224925 B CN 116224925B CN 202211624133 A CN202211624133 A CN 202211624133A CN 116224925 B CN116224925 B CN 116224925B
- Authority
- CN
- China
- Prior art keywords
- processing
- data
- unit
- monitoring
- imf
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 362
- 238000004458 analytical method Methods 0.000 claims abstract description 180
- 238000012544 monitoring process Methods 0.000 claims abstract description 175
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000007726 management method Methods 0.000 claims description 59
- 230000007613 environmental effect Effects 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 239000000428 dust Substances 0.000 claims description 10
- 238000013523 data management Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010223 real-time analysis Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101001072091 Homo sapiens ProSAAS Proteins 0.000 description 1
- 102100036366 ProSAAS Human genes 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种智能加工管理***,包括现场监测模块、云计算模块和远程管理模块;其中,现场监测模块用于采集加工现场监测数据,并将采集到的加工现场监测数据传输到云计算模块;云计算模块用于根据接收到的加工现场监测数据进行智能化分析,得到加工现场分析结果;并根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块;远程管理模块用于根据获取的分类统计数据进行大屏展示;以及用于根据分类统计数据中的异常分析结果向相应的加工现场设备发出相应的控制指令。本发明有助于提高智能加工现场的管理水平,提高针对加工设备管理的可靠性,降低企业对自动化加工设备管理的成本。
Description
技术领域
本发明涉及智能加工技术领域,特别是一种智能加工管理***。
背景技术
随着数控加工技术的发展,越来越多的生产企业采用自动化加工设备(如数控机床,数控车床、数控铣床、数控钻床、数控磨床等)来代替传统的加工设备,通过在日常加工生产的过程中投入自动化加工设备,有助于提高企业的生产效率。但是,部分企业由于缺乏对自动化加工设备的管理理念,常常会使得设备的日常管理不到位,导致设备运维保养的增加,自动化设备生产能力降低,成为企业发展的负担。
发明内容
针对上述提出由于缺乏对自动化加工设备的管理理念,常常会使得设备的日常管理不到位,导致设备运维保养的增加,自动化设备生产能力降低的技术问题,本发明旨在提供一种智能加工管理***。
本发明的目的采用以下技术方案来实现:
一种智能加工管理***,包括现场监测模块、云计算模块和远程管理模块;其中,
现场监测模块用于采集加工现场监测数据,并将采集到的加工现场监测数据传输到云计算模块;
云计算模块用于根据接收到的加工现场监测数据进行智能化分析,得到加工现场分析结果;并根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块;
远程管理模块用于根据获取的分类统计数据进行大屏展示;以及用于根据分类统计数据中的异常分析结果向相应的加工现场设备发出相应的控制指令。
一种实施方式中,现场监测模块包括设备监测单元、环境监测单元、人员监测、视频监控单元和基站单元;其中,
设备监测单元用于采集加工设备运行状态数据,并将采集到的加工设备运行状态数据发送到基站单元;
环境监测单元用于采集加工现场环境数据,并将采集到的加工现场环境数据发送到基站单元;
人员监测单元用于监测加工现场的人员信息,并将监测到的人员信息发送到基站单元;
视频监控单元用于采集加工现场的视频监控数据,并将采集到的视频监控数据发送到基站单元;
基站单元设置在加工现场,基站单元分别与设备监测单元、环境监测单元、人员监测和视频监控单元通信连接,用于分别将接收到的加工设备运行状态数据、加工现场环境数据、加工现场的人员信息和视频监控数据传输到云计算模块。
一种实施方式中,设备监测单元包括设置在加工设备上的智能监控终端、电流电压互感器、振动传感器;其中,
智能监控终端用于采集加工设备的运行参数;
电流电压互感器用于采集加工设备电源模块的电流数据和电压数据;
振动传感器设置在加工设备的关键部件上,用于采集加工设备关键部件的振动数据。
一种实施方式中,环境监测单元包括设置在加工现场的温度传感器、湿度传感器、火灾传感器、噪声传感器、粉尘传感器和气体传感器;其中,
温度传感器用于采集加工现场的温度数据;
湿度传感器用于采集加工现场的湿度数据;
火灾传感器用于监测加工现场的火灾监测数据;
噪声传感器用于监测加工现场的噪声数据;
粉尘传感器用于监测加工现场的粉尘数据;
气体传感器用于监测加工现场的腐蚀气体数据。
一种实施方式中,人员监测单元包括设置在加工现场的门禁单元;
门禁单元用于采集进入加工现场人员的身份信息。
一种实施方式中,视频监控单元包括设置在加工现场的摄像头单元;
摄像头单元用于对准加工现场的加工设备区域或者重点监测区域,用于采集目标区域的视频监控数据。
一种实施方式中,基站单元包括物联网单元和无线通信单元;
物联网单元包括有线和无线接口,通过物联网的方式分别与设备监测单元、环境监测单元、人员监测和视频监控单元建立通信连接;
无线通信单元用于通过5G网络的方式与云计算模块建立通信连接。
一种实施方式中,云计算模块包括预处理单元、数据管理单元、智能分析单元和分类统计单元;其中,
预处理单元用于对接收到的加工现场监测数据进行数据编译、数据清理和标准化等预处理,得到预处理后的加工现场监测数据;
数据管理单元用于对预处理后的加工现场监测数据进行分类存储管理,构建加工现场监测数据库;
智能分析单元用于根据预处理后的加工现场监测数据进行加工现场状态智能分析,得到加工现场状态智能分析结果;其中加工现场状态分析包括加工现场环境分析、加工设备运行状态分析和安全加工分析;
分类统计单元用于根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块。
一种实施方式中,智能分析单元包括环境分析单元、设备分析单元和安全分析单元;其中,
环境分析单元用于根据获取的加工现场环境数据与预设的环境标准范围进行比对分析,当加工现场环境数据在预设的环境标准范围内时,则输出加工现场环境分析结果为正常;否则当分析到当前加工现场环境数据超出预设的环境标准范围时,输出加工现场环境分析结果为异常,并对异常的加工现场环境数据进行异常标记;
设备分析单元用于根据获取的加工设备运行状态数据与预设的标准设备参数进行比对分析,当加工设备运行状态数据在标准设备参数范围内时,则输出加工设备运行状态分析结果为正常;否则当加工设备运行状态数据超出标准设备参数范围内时,输出加工设备运行状态分析结果为异常,并对出现异常的加工设备进行异常标记;
安全分析单元用于根据加工现场人员信息和异常监控数据进行安全分析,当根据加工现场人员信息和异常监控数据检测到加工现场出现未授权人员时,则输出安全加工分析结果为异常。
一种实施方式中,环境分析单元还用于根据获取的加工现场环境数据进行预测分析,根据当前时间段内的多个时刻的加工现场环境数据,对加工现场环境数据的变化趋势进行预测,得到加工现场环境数据预测结果,并根据得到的预测结果与预设的环境标准范围进行比对分析,当预测结果在环境标准范围内时,则输出加工现场分析结果为正常;否则当预测结果超出环境标准范围时,则输出加工现场环境分析结果为异常,并对异常预测结果对应的加工现场环境数据进行预警标记。
一种实施方式中,设备分析单元还包括设备部件分析单元;
设备部件分析单元用于根据从加工设备关键部件上采集的振动数据进行异常分析,得到加工设备运行状态分析结果;
一种实施方式中,设备部件分析单元,具体包括:
根据从加工设备关键部件上采集的振动数据进行预处理,得到预处理后的振动数据;
根据预处理后的振动数据进行特征提取,得到关键部件的振动特征数据;
根据获取的振动特征输入到基于训练好的神经网络构建的异常分析模型中,由异常分析模型根据关键部件的振动特征数据进行异常分析,得到关键部件的振动异常分析结果;
当加工设备关键部件的振动异常分析结果出现异常时,则输出加工设备运行状态分析结果为异常。
一种实施方式中,远程管理模块包括大屏显示单元、警报单元和远程控制单元;其中,
大屏显示单元用于根据获取的分类统计数据进行大屏展示;
警报单元用于当分类统计数据中的加工现场分析结果出现异常时,发出相应的报警信息;
远程控制单元用于根据异常的加工现场分析结果,向加工现场设备发出相应的远程控制指令。
其中,加工现场设备包括现场报警***、现场通风***和加工设备控制终端等。
本发明的有益效果为:本发明提供一种智能加工管理***,能够对加工现场的进行智能化监控,并基于云计算技术对采集到的监测数据进行实时的分析处理,通过大屏展示的方式来对加工现场的环境、设备等状况进行全面的展示,当出现异常情况时,能够第一时间通过远程控制的方式来对加工现场进行调控,以解决异常情况,有助于提高智能加工现场的管理水平,提高针对加工设备管理的可靠性,降低企业对自动化加工设备管理的成本。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明一种智能加工管理***的框架结构图;
图2为本发明一种智能加工管理***的功能模块框架结构图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示一种智能加工管理***,包括现场监测模块、云计算模块和远程管理模块;其中,
现场监测模块用于采集加工现场监测数据,并将采集到的加工现场监测数据传输到云计算模块;
云计算模块用于根据接收到的加工现场监测数据进行智能化分析,得到加工现场分析结果;并根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块;
远程管理模块用于根据获取的分类统计数据进行大屏展示;以及用于根据分类统计数据中的异常分析结果向相应的加工现场设备发出相应的控制指令。
本发明上述实施方式,提供一种智能加工管理***,能够对加工现场的进行智能化监控,并基于云计算技术对采集到的监测数据进行实时的分析处理,通过大屏展示的方式来对加工现场的环境、设备等状况进行全面的展示,当出现异常情况时,能够第一时间通过远程控制的方式来对加工现场进行调控,以解决异常情况,有助于提高智能加工现场的管理水平,提高针对加工设备管理的可靠性,降低企业对自动化加工设备管理的成本。
在一个示例性场景中,智能加工管理***能够适用于无人厂房的建设,通过在无人厂房区域设置现场监测模块,来对无人厂房区域的现场信息进行实时采集,并通过云计算模块对采集到的监测数据进行智能的自动化分析处理,得到相应的分析结果;根据得到的分析结果进一步发送到远程管理模块进行分类显示,有助于管理者能够根据实时的分析结果对无人厂房进行远程操控,有助于降低无人厂房管理的人力成本,同时提高了无人厂房管理的实时性和可靠性。
一种实施方式中,参见图2,现场监测模块包括设备监测单元、环境监测单元、人员监测、视频监控单元和基站单元;其中,
设备监测单元用于采集加工设备运行状态数据,并将采集到的加工设备运行状态数据发送到基站单元;
环境监测单元用于采集加工现场环境数据,并将采集到的加工现场环境数据发送到基站单元;
人员监测单元用于监测加工现场的人员信息,并将监测到的人员信息发送到基站单元;
视频监控单元用于采集加工现场的视频监控数据,并将采集到的视频监控数据发送到基站单元;
基站单元设置在加工现场,基站单元分别与设备监测单元、环境监测单元、人员监测和视频监控单元通信连接,用于分别将接收到的加工设备运行状态数据、加工现场环境数据、加工现场的人员信息和视频监控数据传输到云计算模块。
本发明上述实施方式,针对加工现场的监测采用设备、环境、人员、视频监控四个维度来进行,能够分别针对加工设备、现场环境和现场人员信息进行多维度监测,同时配合采集的的视频监控数据对加工现场进行直观的展示,有助于对加工现场的现场情况进行全方位的采集,有助于提高加工现场监测的可靠性。
一种实施方式中,设备监测单元包括设置在加工设备上的智能监控终端、电流电压互感器、振动传感器;其中,
智能监控终端用于采集加工设备的运行参数;
电流电压互感器用于采集加工设备电源模块的电流数据和电压数据;
振动传感器设置在加工设备的关键部件上,用于采集加工设备关键部件的振动数据。
在一个示例性场景中,加工设备(如数控机床,数控车床、数控铣床、数控钻床、数控磨床等自动化加工设备)上设置有智能监控终端,通过智能监控终端实时采集加工设备的运行参数(包括运行状态、加工任务、工作时长等)。其中加工设备的电源模块中设置有电流电压互感器,通过电流电压互感器实时采集电源模块的输入和输出数据,能够确保加工设备的正常运行。其中,针对加工设备的关键部件(如电机、主轴、导轨等),在器上设置振动传感器,通过振动传感器采集关键部件的振动数据,有助于后续根据得到的振动数据对加工设备的运行状态进行异常分析,提高加工设备监测的可靠性。
一种实施方式中,环境监测单元包括设置在加工现场的温度传感器、湿度传感器、火灾传感器、噪声传感器、粉尘传感器、气体传感器和光照传感器;其中,
温度传感器用于采集加工现场的温度数据;
湿度传感器用于采集加工现场的湿度数据;
火灾传感器用于监测加工现场的火灾监测数据;
噪声传感器用于监测加工现场的噪声数据;
粉尘传感器用于监测加工现场的粉尘数据;
气体传感器用于监测加工现场的腐蚀气体数据;
光照传感器用于采集加工现场的太阳光照数据。
通过在加工现场设置不同类型的环境监测单元,来对加工设备所在场景进行多维度的环境监测,能够对加工设备的工作环境进行实时的监控,有助于控制加工设备在合适的环境下(如合适的温湿度、干净的环境等)进行运行,避免加工设备因受到环境因素(如潮湿、阳光直射、热辐射、腐蚀气体、粉尘等)影响而影响加工设备的安全性和寿命,间接提高了加工设备管理的可靠性。
一种实施方式中,人员监测单元包括设置在加工现场的门禁单元;
门禁单元用于采集进入加工现场人员的身份信息。
通过门禁单元对加工设备场所的现场人员信息进行监控,当人员需要进入加工设备场所时,需要通过门禁单元进行刷卡或者人脸识别等方式来获取人员的身份信息,能够有助于避免闲杂人员或者不相干人员靠近加工设备,从而降低加工设备受到的人为影响因素,有助于提高加工设备的安全性。
一种实施方式中,视频监控单元包括设置在加工现场的摄像头单元;
摄像头单元用于对准加工现场的加工设备区域或者重点监测区域,用于采集目标区域的视频监控数据。
其中,通过在加工现场设置摄像头单元来对加工现场进行视频监控,能够直观、针对性地对加工现场的设备或重点区域(如机房、仓库、高精度加工设备附近等)进行监控,通过视频监控画面直观地展示加工现场的情况,有助于管理者能够通过视频监控数据直观、清晰地了解加工现场的情况并做出相应的管理措施,提高了加工现场管理的可靠性。
一种实施方式中,基站单元包括物联网单元和无线通信单元;
物联网单元包括有线和无线接口,通过物联网的方式分别与设备监测单元、环境监测单元、人员监测和视频监控单元建立通信连接;
无线通信单元用于通过5G网络的方式与云计算模块建立通信连接。
在一个示例性场景中,基站单元设置在加工现场,其通过物联网等方式来和加工现场的现场监测模块进行通信连接,以接收由现场监测模块采集并传输的加工现场监测数据。基站单元在获取的加工现场监测数据后,通过5G无线传输的方式将数据实时传输到云计算模块进行进一步的智能化分析处理,其中通过基站实现数据的同一传输,有助于提高现场监测模块和云计算模块之间数据交互的可靠性和实时性。
一种实施方式中,云计算模块包括预处理单元、数据管理单元、智能分析单元和分类统计单元;其中,
预处理单元用于对接收到的加工现场监测数据进行数据编译、数据清理和标准化等预处理,得到预处理后的加工现场监测数据;
数据管理单元用于对预处理后的加工现场监测数据进行分类存储管理,构建加工现场监测数据库;
智能分析单元用于根据预处理后的加工现场监测数据进行加工现场状态智能分析,得到加工现场状态智能分析结果;其中加工现场状态分析包括加工现场环境分析、加工设备运行状态分析和安全加工分析;
分类统计单元用于根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块。
本发明上述实施方式,云计算模块能够基于SAAS云服务器进行搭建,其中设置有预处理单元来首先对获取的不同类型的加工现场监测数据进行预处理,通过数据清理、标准化等方式来对加工现场监测数据进行处理后,有助于提高数据的质量。同时,利用云端服务器的极大存储空间的特点,通过数据管理单元来对获取海量的、不同类型的加工现场监测数据进行分类存储管理,构建加工现场监测数据库,有助于提高加工现场监测数据的管理水平,同时也提高了数据资源的利用率,为后续进一步根据得到的加工现场监测数据库进行进一步的大数据分析或实时分析处理奠定基础。利用云端服务器的极大运算能力特点,通过智能分析单元来对接收到的不同类型的加工现场监测数据进行实时的分析处理,其中针对不同的监测数据进行对应的分析处理,能够得到多维度的加工现场状况分析结果,能够满足不同加工现场的管理需求。最后通过分类统计单元来对得到的加工现场状态智能分析结果进行分类统计,生成相应的分析结果,将分析结果传输到远程管理模块,有助于远程管理模块根据得到的分析结果进行进一步的管理和控制决策,满足智能加工管理的管控需求。
一种实施方式中,智能分析单元包括环境分析单元、设备分析单元和安全分析单元;其中,
环境分析单元用于根据获取的加工现场环境数据与预设的环境标准范围进行比对分析,当加工现场环境数据在预设的环境标准范围内时,则输出加工现场环境分析结果为正常;否则当分析到当前加工现场环境数据超出预设的环境标准范围时,输出加工现场环境分析结果为异常,并对异常的加工现场环境数据进行异常标记;
设备分析单元用于根据获取的加工设备运行状态数据与预设的标准设备参数进行比对分析,当加工设备运行状态数据在标准设备参数范围内时,则输出加工设备运行状态分析结果为正常;否则当加工设备运行状态数据超出标准设备参数范围内时,输出加工设备运行状态分析结果为异常,并对出现异常的加工设备进行异常标记;
安全分析单元用于根据加工现场人员信息和异常监控数据进行安全分析,当根据加工现场人员信息和异常监控数据检测到加工现场出现未授权人员时,则输出安全加工分析结果为异常。
其中,智能分析单元能够根据实际的数据分析需求设置多个不同类型的分析单元,来根据得到的不同监测数据进行针对性的设备分析、环境分析和安全分析等,以满足不同加工现场管理的数据分析需求。其中智能分析单元能够基于预设的数据分析引擎进行搭建,也可以根据针对性设置的数据分析模型进行设置,来完成不同需求的数据分析任务。
一种实施方式中,环境分析单元还用于根据获取的加工现场环境数据进行预测分析,根据当前时间段内的多个时刻的加工现场环境数据,对加工现场环境数据的变化趋势进行预测,得到加工现场环境数据预测结果,并根据得到的预测结果与预设的环境标准范围进行比对分析,当预测结果在环境标准范围内时,则输出加工现场分析结果为正常;否则当预测结果超出环境标准范围时,则输出加工现场环境分析结果为异常,并对异常预测结果对应的加工现场环境数据进行预警标记。
在一个示例性场景中,环境分析单元根据一个时间段内(如1分钟,或者连续100个时间采样点等)采集到的加工现场环境数据(如温度、湿度、光照等)进行变化趋势统计,得到当前环境数据的变化趋势结果,并根据得到的变化趋势结果预测未来一段时间内(如下一时刻、10秒)的环境数据变化情况,得到环境数据的预测结果,并根据得到的预测结果进行对应的异常分析,得到不同环境数据的预测分析结果;通过对环境数据的变化趋势预测,能够有助于提前对可能发生的异常情况进行预警,避免真实异常情况的发生,有助于提高加工设备管理的可靠性。
一种实施方式中,设备分析单元包括大数据分析单元;
大数据分析单元用于根据采集到的加工设备运行状态数据进行大数据分析,将加工设备运行状态数据与同类型设备的海量运行状态数据进行比对分析,得到当前加工设备的大数据分析结果,并根据大数据分析结果判断当前加工设备是否出现异常运行情况。
通过大数据分析的方式来对加工设备的运行状态进行分析,有助于提高加工设备异常检测的效果。
一种实施方式中,设备分析单元还包括设备部件分析单元;
设备部件分析单元用于根据从加工设备关键部件上采集的振动数据进行异常分析,得到加工设备运行状态分析结果;
本发明上述实施方式,根据加工设备关键部件上采集到的振动数据进行异常分析,能够通过振动数据来对关键部件的运行情况进行反馈,并根据振动数据的特征信息来检测关键部件的异常运行情况,有助于提高加工设备运行状态分析的适应性和精细程度。
一种实施方式中,设备部件分析单元,具体包括:
根据从加工设备关键部件上采集的振动数据进行预处理,得到预处理后的振动数据;
根据预处理后的振动数据进行特征提取,得到关键部件的振动特征数据;
根据获取的振动特征数据输入到基于训练好的神经网络构建的异常分析模型中,由异常分析模型根据关键部件的振动特征数据进行异常分析,得到关键部件的振动异常分析结果;
当加工设备关键部件的振动异常分析结果出现异常时,则输出加工设备运行状态分析结果为异常。
针对从加工设备关键部件(如电机、主轴、导轨等)采集的振动数据(如一段时间内采集的连续振动信号)进行进一步的异常分析,首先针对得到的振动数据进行预处理,能够消除振动数据的噪声干扰和对振动数据进行标准化处理,为后续进一步根据振动数据进行特征提取和异常分析奠定基础。针对预处理后的振动数据提取其中的特征数据,并根据提取的特征数据构建输入向量,并将输入向量输入到基于深度学***。
一种实施方式中,该异常分析模型基于CNN卷积神经网络进行设置,其中异常分析模型包括输入层、特征提取层、全连接层和输出层;其中输入层用于输入振动特征数据;特征提取层包括3个卷积层,第一卷积层采用的卷积核为32×1,第二卷积层和第三卷积层采用的卷积核为3×1;在卷积层后设置归一化层和最大池化层,对卷积层输出的数据进行归一化和池化处理,得到振动数据的特征向量,其中池化层采用最大池化处理,采用的池化核尺寸为2×1;将得到的特征向量输入到全连接层,由全连接层对得到的特征向量进行连接得到全局特征信息;其中输出层采用Softmax分类函数来根据全局特征信息进行分类,输出振动数据异常分析结果。
通过CNN卷积神经网络搭建的异常分析模型来对得到的振动数据进行异常分析,能够自适应地对振动数据继续关键特征提取和异常分析,提高了根据振动数据对加工设备运行状态进行分析的智能化水平。
其中,异常分析模型采用相同设备类型、相同关键部件采集的振动数据和状态标识构建的训练集进行训练所得,当采用测试集对训练好的异常分析模型进行测试并准确率达标后,输出针对指定设备类型、指定关键部位的振动数据进行分析的异常分析模型。
考虑到从加工设备关键部件上采集的振动数据在数据采集和数据传输的过程中,容易受到加工现场其他大功率加工设备影响,导致采集到的振动数据中存在噪声干扰的情况,影响后续根据振动数据进行进一步的异常分析的准确性。
一种实施方式中,设备部件分析单元中,根据从加工设备关键部件上采集的振动数据进行预处理,具体包括:
根据获取的振动数据进行分帧处理,得到振动信号帧;
根据得到的振动信号帧进行小波分解处理,得到振动信号帧的高频分量和低频分量;其中小波分解处理采用的小波基为db4,分解尺度为1;
根据得到的高频分量进行增强处理:
根据得到的高频小波系数的幅值|w(k)|与设定的阈值T1进行比较,如果|w(k)|>T1,则采用下列函数对得到的高频小波系数进行增强处理:
式中,标识增强处理后的第k个高频小波系数,w(k)表示小波分解得到的第k个高频小波系数,T1表示设定的阈值,其中/>med(w(k))表示高频小波的中值,L表示高频小波系数的长度;α1表示设定的调节系数,其中α1∈[0.6,0.8];
如果|w(k)|≤T1,则采用下列函数对得到的高频小波系数进行增强处理:
式中,标识增强处理后的第k个高频小波系数,w(k)表示小波分解得到的第k个高频小波系数,T1表示设定的阈值,其中/>med(w(k))表示高频小波的中值,L表示高频小波系数的长度;α1表示设定的调节系数,其中α1∈[0.6,0.8];
根据增强后的小波系数进行重构,得到增强处理后的高频分量;
根据增强处理后的高频分量进行EMD经验模态分解,分别得到N个IMF分量imf1,imf2,…,imfN和余量imfY;
根据得到的IMF分量计算高频分量的区分特征:
式中,Q表示区分特征,u1、u2、u3分别表示IMF分量imf1、imf2、imf3的过零率,imf1(k)、imf2(k)、imf3(k)分别表示IMF分量imf1、imf2、imf3中第k个采样点的幅值,L表示信号的长度,β和γ分别表示设定的调节参量,其中β+γ=1;
将得到的区分特征Q与设定的阈值T2进行比较,其中T2=∈[1.5,2.5],如果Q>T2,则对imf2进行局部调节处理:
式中,表示局部调解处理后IMF分量imf2第k个采样点的幅值,imf1(k)、imf2(k)分别表示IMF分量imf1、imf2中第k个采样点的幅值,Q表示区分特征;
并根据IMF分量和余量imfY进行重构,得到调节后的高频分量;
如果Q<T2,则对imf1进行局部调节处理:
式中,表示局部调解处理后IMF分量imf1第k个采样点的幅值,Q表示区分特征;
并根据IMF分量和余量imfY进行重构,得到调节后的高频分量;
根据调节后的高频分量和低频分量进行重构,得到预处理后的振动信号帧。
依次根据各个预处理后的振动信号帧继续重构,得到预处理后的振动数据。
一种实施方式中,根据预处理后的振动数据,进行50%重叠的分帧处理,得到多个振动信号帧,将各个振动信号帧按时间顺序进行排序,组成关键部件的振动特征数据集,并将得到的振动特征数据集输入到异常分析模型中。
本发明上述事实方式,提出一种针对振动数据进行预处理的技术方案,其中,首先根据振动数据进行分帧处理,得到振动信号帧,并基于得到的振动信号帧进行小波分解,得到振动信号帧的高频分量和低频分量;基于得到的高频分量,首先根据高频分量的小波系数幅值进行阈值判断,根据高频小波系数幅值的大小,自适应采用不同的增强处理函数来对高频小波系数进行处理,能够根据高频小波系数的幅值特性进行自适应的系数抑制处理并调节系数抑制的幅度,有助于根据小波系数的特性去除振动信号中脉冲噪声的干扰,有助于提高振动数据的质量;并且根据增强处理后的高频分量进一步进行EMD经验模态分解,得到高频分量的IMF分量,根据得到的IMF分量,首先根据IMF分量的特点计算区分特征,能够通过区分特征准确反应高频IMF分量的特性,并且得到的区分特征进行阈值比较,当区分特征较大时,则表明存在明确的高频IMF分量,并以第二IMF分量作为基础对高频IMF分量进行自适应的局部调节,能够有效去除不规则高频噪声的影响;当区分特征较小时,则表明高频IMF分量不明确,并以第一IMF分量作为基础对高频IMF分量进行自适应的局部调节,能够在去除噪声干扰的时候,最大程度保留高频特征信息,提高振动数据的质量。最后根据调节后的高频分量和低频分量进行重构,得到预处理后的振动信号帧并重构得到预处理后的振动数据。通过上述方式对振动数据进行预处理,能够有效针对振动数据采集环境中存在的有其他设备运行引起的脉冲噪声干扰和加工现场存在的随机噪声干扰进行自适应的剔除,同时保留振动信号中持有的振动特征,提高了振动数据的信噪比,为后续进一步根据振动数据进行特征提取和异常振动分析奠定基础。
一种实施方式中,远程管理模块包括大屏显示单元、警报单元和远程控制单元;其中,
大屏显示单元用于根据获取的分类统计数据进行大屏展示;
警报单元用于当分类统计数据中的加工现场分析结果出现异常时,发出相应的报警信息;
远程控制单元用于根据异常的加工现场分析结果,向加工现场设备发出相应的远程控制指令。
其中,加工现场设备包括现场报警***、现场通风***和加工设备控制终端等。
远程管理模块能够基于管理终端进行设置,通过大屏显示单元能够对加工现场分析结果的分类统计数据进行智能化展示,直观地对不同类型的加工现场分析结果进行展示,管理者通过大屏显示的方式直观了解加工现场的整体状况;通过大屏展示单元中进一步选择所需的数据(如加工现场分析结果、视频监控数据等)能够调取相应的数据进行展示,有助于管理者能够根据需求对加工现场进行全面的了解。当出现异常的加工现场分析结果,立即通过警报单元发出报警消息,提醒管理者对异常情况进行处理。其中,管理者能够通过远程管理单元直接对加工现场的设备(如现场报警***、现场通风***和加工设备控制终端等)进行远程控制,或者调派专门的现场运维人员到达现场排除异常的现场情况,保证加工设备的可靠运行。
需要说明的是,在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述,所属领域的技术人员应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种智能加工管理***,其特征在于,包括现场监测模块、云计算模块和远程管理模块;其中,
现场监测模块用于采集加工现场监测数据,并将采集到的加工现场监测数据传输到云计算模块;
云计算模块用于根据接收到的加工现场监测数据进行智能化分析,得到加工现场分析结果;并根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块;
远程管理模块用于根据获取的分类统计数据进行大屏展示;以及用于根据分类统计数据中的异常分析结果向相应的加工现场设备发出相应的控制指令;
其中,云计算模块包括预处理单元、数据管理单元、智能分析单元和分类统计单元;其中,
预处理单元用于对接收到的加工现场监测数据进行数据编译、数据清理和标准化预处理,得到预处理后的加工现场监测数据;
数据管理单元用于对预处理后的加工现场监测数据进行分类存储管理,构建加工现场监测数据库;
智能分析单元用于根据预处理后的加工现场监测数据进行加工现场状态智能分析,得到加工现场状态智能分析结果;其中加工现场状态分析包括加工现场环境分析、加工设备运行状态分析和安全加工分析;
分类统计单元用于根据各加工现场分析结果进行实时分类统计,将得到的分类统计数据传输到远程管理模块;
其中,智能分析单元包括环境分析单元、设备分析单元和安全分析单元;其中,
环境分析单元用于根据获取的加工现场环境数据与预设的环境标准范围进行比对分析,当加工现场环境数据在预设的环境标准范围内时,则输出加工现场环境分析结果为正常;否则当分析到当前加工现场环境数据超出预设的环境标准范围时,输出加工现场环境分析结果为异常,并对异常的加工现场环境数据进行异常标记;
设备分析单元用于根据获取的加工设备运行状态数据与预设的标准设备参数进行比对分析,当加工设备运行状态数据在标准设备参数范围内时,则输出加工设备运行状态分析结果为正常;否则当加工设备运行状态数据超出标准设备参数范围内时,输出加工设备运行状态分析结果为异常,并对出现异常的加工设备进行异常标记;
安全分析单元用于根据加工现场人员信息和异常监控数据进行安全分析,当根据加工现场人员信息和异常监控数据检测到加工现场出现未授权人员时,则输出安全加工分析结果为异常;
其中,设备分析单元包括大数据分析单元和设备部件分析单元;
大数据分析单元用于根据采集到的加工设备运行状态数据进行大数据分析,将加工设备运行状态数据与同类型设备的海量运行状态数据进行比对分析,得到当前加工设备的大数据分析结果,并根据大数据分析结果判断当前加工设备是否出现异常运行情况;
设备部件分析单元用于根据从加工设备关键部件上采集的振动数据进行异常分析,得到加工设备运行状态分析结果;
其中,设备部件分析单元具体包括:
根据从加工设备关键部件上采集的振动数据进行预处理,得到预处理后的振动数据,包括:根据获取的振动数据进行分帧处理,得到振动信号帧;
根据得到的振动信号帧进行小波分解处理,得到振动信号帧的高频分量和低频分量;其中小波分解处理采用的小波基为db4,分解尺度为1;
根据得到的高频分量进行增强处理:
根据得到的高频小波系数的幅值|w(k)|与设定的阈值T1进行比较,如果|w(k)|>T1,则采用下列函数对得到的高频小波系数进行增强处理:
式中,标识增强处理后的第k个高频小波系数,w(k)表示小波分解得到的第k个高频小波系数,T1表示设定的阈值,其中/>med(w(k))表示高频小波的中值,L表示高频小波系数的长度;α1表示设定的调节系数,其中α1∈[0.6,0.8];
如果|w(k)|≤T1,则采用下列函数对得到的高频小波系数进行增强处理:
式中,标识增强处理后的第k个高频小波系数,w(k)表示小波分解得到的第k个高频小波系数,T1表示设定的阈值,其中/>med(w(k))表示高频小波的中值,L表示高频小波系数的长度;α1表示设定的调节系数,其中α1∈[0.6,0.8];
根据增强后的小波系数进行重构,得到增强处理后的高频分量;
根据增强处理后的高频分量进行EMD经验模态分解,分别得到N个IMF分量imf1,imf2,…,imfN和余量imfY;
根据得到的IMF分量计算高频分量的区分特征:
式中,Q表示区分特征,u1、u2、u3分别表示IMF分量imf1、imf2、imf3的过零率,imf1(k)、imf2(k)、imf3(k)分别表示IMF分量imf1、imf2、imf3中第k个采样点的幅值,L表示信号的长度,β和γ分别表示设定的调节参量,其中β+γ=1;
将得到的区分特征Q与设定的阈值T2进行比较,其中T2=∈[1.5,2.5],如果Q>T2,则对imf2进行局部调节处理:
式中,表示局部调解处理后IMF分量imf2第k个采样点的幅值,imf1(k)、imf2(k)分别表示IMF分量imf1、imf2中第k个采样点的幅值,Q表示区分特征;
并根据IMF分量imf3…,imfN和余量imfY进行重构,得到调节后的高频分量;
如果Q<T2,则对imf1进行局部调节处理:
式中,表示局部调解处理后IMF分量imf1第k个采样点的幅值,Q表示区分特征;
并根据IMF分量imf2…,imfN和余量imfY进行重构,得到调节后的高频分量;
根据调节后的高频分量和低频分量进行重构,得到预处理后的振动信号帧;
依次根据各个预处理后的振动信号帧继续重构,得到预处理后的振动数据;
根据预处理后的振动数据进行特征提取,得到关键部件的振动特征数据;
根据获取的振动特征数据输入到基于训练好的神经网络构建的异常分析模型中,由异常分析模型根据关键部件的振动特征数据进行异常分析,得到关键部件的振动异常分析结果;
当加工设备关键部件的振动异常分析结果出现异常时,则输出加工设备运行状态分析结果为异常。
2.根据权利要求1所述的一种智能加工管理***,其特征在于,现场监测模块包括设备监测单元、环境监测单元、人员监测、视频监控单元和基站单元;其中,
设备监测单元用于采集加工设备运行状态数据,并将采集到的加工设备运行状态数据发送到基站单元;
环境监测单元用于采集加工现场环境数据,并将采集到的加工现场环境数据发送到基站单元;
人员监测单元用于监测加工现场的人员信息,并将监测到的人员信息发送到基站单元;
视频监控单元用于采集加工现场的视频监控数据,并将采集到的视频监控数据发送到基站单元;
基站单元设置在加工现场,基站单元分别与设备监测单元、环境监测单元、人员监测和视频监控单元通信连接,用于分别将接收到的加工设备运行状态数据、加工现场环境数据、加工现场的人员信息和视频监控数据传输到云计算模块。
3.根据权利要求2所述的一种智能加工管理***,其特征在于,设备监测单元包括设置在加工设备上的智能监控终端、电流电压互感器、振动传感器;其中,
智能监控终端用于采集加工设备的运行参数;
电流电压互感器用于采集加工设备电源模块的电流数据和电压数据;
振动传感器设置在加工设备的关键部件上,用于采集加工设备关键部件的振动数据。
4.根据权利要求2所述的一种智能加工管理***,其特征在于,环境监测单元包括设置在加工现场的温度传感器、湿度传感器、火灾传感器、噪声传感器、粉尘传感器和气体传感器;其中,
温度传感器用于采集加工现场的温度数据;
湿度传感器用于采集加工现场的湿度数据;
火灾传感器用于监测加工现场的火灾监测数据;
噪声传感器用于监测加工现场的噪声数据;
粉尘传感器用于监测加工现场的粉尘数据;
气体传感器用于监测加工现场的腐蚀气体数据。
5.根据权利要求2所述的一种智能加工管理***,其特征在于,人员监测单元包括设置在加工现场的门禁单元;
门禁单元用于采集进入加工现场人员的身份信息。
6.根据权利要求2所述的一种智能加工管理***,其特征在于,视频监控单元包括设置在加工现场的摄像头单元;
摄像头单元用于对准加工现场的加工设备区域或者重点监测区域,用于采集目标区域的视频监控数据。
7.根据权利要求2所述的一种智能加工管理***,其特征在于,基站单元包括物联网单元和无线通信单元;
物联网单元包括有线和无线接口,通过物联网的方式分别与设备监测单元、环境监测单元、人员监测和视频监控单元建立通信连接;
无线通信单元用于通过5G网络的方式与云计算模块建立通信连接。
8.根据权利要求1所述的一种智能加工管理***,其特征在于,远程管理模块包括大屏显示单元、警报单元和远程控制单元;其中,
大屏显示单元用于根据获取的分类统计数据进行大屏展示;
警报单元用于当分类统计数据中的加工现场分析结果出现异常时,发出相应的报警信息;
远程控制单元用于根据异常的加工现场分析结果,向加工现场设备发出相应的远程控制指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211624133.7A CN116224925B (zh) | 2022-12-16 | 2022-12-16 | 一种智能加工管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211624133.7A CN116224925B (zh) | 2022-12-16 | 2022-12-16 | 一种智能加工管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116224925A CN116224925A (zh) | 2023-06-06 |
CN116224925B true CN116224925B (zh) | 2023-10-24 |
Family
ID=86575787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211624133.7A Active CN116224925B (zh) | 2022-12-16 | 2022-12-16 | 一种智能加工管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116224925B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117129041B (zh) * | 2023-10-25 | 2024-01-02 | 广东省农业科学院动物科学研究所 | 一种基于物联网的农产品加工环境异常监测*** |
CN117140186A (zh) * | 2023-10-27 | 2023-12-01 | 山东沪金精工科技股份有限公司 | 一种基于人工智能的机械加工车间在线监测***及方法 |
CN117195138B (zh) * | 2023-11-07 | 2024-02-20 | 湖南展通科技集团有限公司 | 基于人工智能的生产设备安全生产管理方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425709A (zh) * | 2015-12-18 | 2016-03-23 | 杨斌 | 一种基于无线接入互联网的球磨机远程监控管理***及其设备 |
CN205880643U (zh) * | 2016-08-01 | 2017-01-11 | 山东天工石油装备有限公司 | 一种用于实时监控工厂运行状态的*** |
CN108663988A (zh) * | 2018-05-31 | 2018-10-16 | 深圳市鑫汇达机械设计有限公司 | 基于物联网的数控机床智能监控*** |
CN110244665A (zh) * | 2019-04-12 | 2019-09-17 | 吉林大学 | 一种涂装生产线远程智能管理*** |
CN114091983A (zh) * | 2022-01-21 | 2022-02-25 | 网思科技股份有限公司 | 一种工程车辆智能管理*** |
CN115047294A (zh) * | 2022-06-27 | 2022-09-13 | 广东电网有限责任公司 | 配电线路的故障检测方法、装置、设备及存储介质 |
CN115063118A (zh) * | 2022-07-05 | 2022-09-16 | 深圳市宇航智能信息技术有限公司 | 一种基于工业互联网的智能车间设备管理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9799126B2 (en) * | 2015-10-02 | 2017-10-24 | Toshiba Medical Systems Corporation | Apparatus and method for robust non-local means filtering of tomographic images |
US11188065B2 (en) * | 2017-09-23 | 2021-11-30 | Nanoprecise Sci Corp. | System and method for automated fault diagnosis and prognosis for rotating equipment |
-
2022
- 2022-12-16 CN CN202211624133.7A patent/CN116224925B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105425709A (zh) * | 2015-12-18 | 2016-03-23 | 杨斌 | 一种基于无线接入互联网的球磨机远程监控管理***及其设备 |
CN205880643U (zh) * | 2016-08-01 | 2017-01-11 | 山东天工石油装备有限公司 | 一种用于实时监控工厂运行状态的*** |
CN108663988A (zh) * | 2018-05-31 | 2018-10-16 | 深圳市鑫汇达机械设计有限公司 | 基于物联网的数控机床智能监控*** |
CN110244665A (zh) * | 2019-04-12 | 2019-09-17 | 吉林大学 | 一种涂装生产线远程智能管理*** |
CN114091983A (zh) * | 2022-01-21 | 2022-02-25 | 网思科技股份有限公司 | 一种工程车辆智能管理*** |
CN115047294A (zh) * | 2022-06-27 | 2022-09-13 | 广东电网有限责任公司 | 配电线路的故障检测方法、装置、设备及存储介质 |
CN115063118A (zh) * | 2022-07-05 | 2022-09-16 | 深圳市宇航智能信息技术有限公司 | 一种基于工业互联网的智能车间设备管理方法及*** |
Non-Patent Citations (1)
Title |
---|
中值与小波消噪集成的转子振动信号滤波方法研究;赵荣珍;李超;张优云;;振动与冲击(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116224925A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116224925B (zh) | 一种智能加工管理*** | |
CN109102189B (zh) | 一种电气设备健康管理***和方法 | |
CN106888205B (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
CN113283344B (zh) | 一种基于语义分割网络的矿用输送带跑偏检测方法 | |
CN103812577A (zh) | 非正常无线电信号的自动识别***及其方法 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN113472079B (zh) | 配电站运维监控云机器人***、后台处理及作业任务方法 | |
CN116826958A (zh) | 一种数字化输电通道智能安全巡检方法 | |
CN110738289A (zh) | 电力作业标准化的多维联动综合研判装置及其使用方法 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的***及方法 | |
CN112702570A (zh) | 一种基于多维行为识别的安防管理*** | |
CN110471401A (zh) | 一种传送设备异常的预测方法、装置和设备 | |
CN113962308A (zh) | 一种航空设备故障预测方法 | |
CN114640177A (zh) | 一种基于电力能效监测装置的电力能效监测方法 | |
CN116582339B (zh) | 一种智能楼宇网络安全监控方法、监控*** | |
CN112533168A (zh) | 一种无线传感器网络节点的数据处理方法 | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析*** | |
CN117032102A (zh) | 一种基于大数据的设备故障预测方法和*** | |
CN113743326B (zh) | 安全带佩戴状态监测***、方法、装置和计算机设备 | |
CN116416665A (zh) | 基于安防***的人脸识别方法、装置及存储介质 | |
CN115328986A (zh) | 一种电厂安全预警数据分析处理方法及*** | |
CN117424338B (zh) | 一种基于云平台的变电站智能化监控方法及*** | |
CN114353936B (zh) | 一种基于互联网的工业设备安全分析装置 | |
CN117932278B (zh) | 一种智慧城市环保监控***及方法 | |
CN116449761B (zh) | 智能泵站智慧控制***及方法 |
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 |