TWI820612B - 衝壓設備的異常檢測方法、裝置、設備及存儲媒體 - Google Patents
衝壓設備的異常檢測方法、裝置、設備及存儲媒體 Download PDFInfo
- Publication number
- TWI820612B TWI820612B TW111106892A TW111106892A TWI820612B TW I820612 B TWI820612 B TW I820612B TW 111106892 A TW111106892 A TW 111106892A TW 111106892 A TW111106892 A TW 111106892A TW I820612 B TWI820612 B TW I820612B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- stamping equipment
- equipment
- frequency domain
- detection model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 238000005259 measurement Methods 0.000 claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims description 41
- 238000009826 distribution Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 23
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000001174 ascending effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000000465 moulding Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000011088 calibration curve Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm 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
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Automatic Disk Changers (AREA)
- Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
- Vending Machines For Individual Products (AREA)
- Feedback Control In General (AREA)
- Image Analysis (AREA)
Abstract
本申請公開了一種衝壓設備的異常檢測方法、裝置、設備及存儲媒體,所述衝壓設備的異常檢測方法包括:藉由感測器實時獲取衝壓設備的第一測量數據,噸位測量裝置獲取衝壓設備的第二測量數據,作為參照數據,對第一測量數據進行數據特徵提取,得到有效數據,將參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於設備檢測模型對有效數據進行標定,並根據有效數據與參照數據之間的誤差數據檢測衝壓設備是否存在異常。本申請能夠快速判斷衝壓設備或者模具的故障,減少衝壓設備的修復成本,進而提高衝壓設備作業的效率。
Description
本申請涉及設備檢測領域、尤指一種衝壓設備的異常檢測方法、裝置、設備及存儲媒體。
目前衝壓領域存在的痛點是無法在衝壓生產過程中快速區分衝壓設備或模具的故障,導致在衝壓生產過程中故障檢測效率比較低下,行業目前對衝壓設備的異常檢測準確率要求比較高,因此在衝壓生產過程中常常需要對衝壓設備的長期工作狀態進行監測,從而避免在生產過程中因衝壓設備的異常而造成生產中斷帶來的損失。
本申請提供一種衝壓設備的異常檢測方法、裝置、設備及存儲媒體,旨在解決衝壓設備的異常檢測方法檢測故障不夠快以及不能即時反饋歷史檢測數據作為參照導致檢測效率低下的技術問題。
本申請提供一種衝壓設備的異常檢測方法,所述衝壓設備的異常檢測方法包括:藉由感測器實時獲取衝壓設備的第一測量數據;藉由噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據;對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據;將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定;基於所述設備檢測模型,根據所
述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
在一種可能的實施方式中,所述藉由感測器實時獲取衝壓設備的第一測量數據包括:藉由所述感測器實時獲取所述衝壓設備上至少一個位置的壓力數據,作為所述第一測量數據,所述至少一個位置包括連桿位置、兩側位置和滑塊位置。
在一種可能的實施方式中,所述對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據包括:對所述感測器實時獲取的所述第一測量數據執行特徵變換,得到頻域數據;過濾所述頻域數據中的高頻信號;藉由對過濾後的頻域數據執行加窗操作,得到有效的頻域數據;對有效的頻域數據執行逆特徵變換,得到有效數據。
在一種可能的實施方式中,所述方法還包括:在得到所述有效的頻域數據之後,判斷所述有效的頻域數據對應的曲線是否符合高斯分布曲線,包括:若判斷所述有效的頻域數據對應的曲線符合高斯分布曲線,對所述有效的頻域數據執行逆特徵變換,得到所述有效數據;或若判斷所述有效的頻域數據對應的曲線不符合高斯分布曲線,繼續獲取更新的第一測量數據,直至基於所述更新的第一測量數據而獲取的有效的頻域數據對應的曲線符合高斯分布曲線。
在一種可能的實施方式中,所述將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定包括:獲取所述衝壓設備的有效數據與參照數據之間的映射關係;將所述有效數據與所述映射關係,輸入所述卷積神經網路模型進行訓練,建立所述設備檢測模型。
在一種可能的實施方式中,建立所述衝壓設備的設備檢測模型之後,所述方法還包括:基於所述設備檢測模型,獲取所述衝壓設備的有效數據
與參照數據之間的歷史誤差數據;根據所述設備檢測模型、所述有效數據、所述參照數據、所述映射關係以及所述歷史誤差數據,對所述設備檢測模型的參數進行調整,並對所述設備檢測模型進行更新。
在一種可能的實施方式中,所述基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常包括:將實時獲取的所述衝壓設備的有效數據輸入所述設備檢測模型,得到實際誤差數據;若所述實際誤差數據大於標定的誤差數據,判定所述衝壓設備異常,或者若所述實際誤差數據小於或等於所述標定的誤差數據,判定所述衝壓設備無異常。
本申請還提供一種衝壓設備的異常檢測裝置,所述異常檢測裝置包括:第一獲取單元,用於藉由感測器實時獲取衝壓設備的第一測量數據;第二獲取單元,用於藉由噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據;提取單元,用於對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據;標定單元,用於將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定;檢測單元,用於基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
本申請還提供一種電子設備,所述電子設備包括處理器和記憶體,所述處理器用於執行記憶體中存儲的計算機程式以實現所述的衝壓設備的異常檢測方法。
本申請還提供一種存儲媒體,所述存儲媒體存儲有至少一個指令,所述至少一個指令被處理器執行時實現所述的衝壓設備的異常檢測方法。
本申請能夠快速判斷衝壓設備或者模具的故障,便於更快速更準
確地及時發現衝壓設備或模具的故障,從而減少衝壓設備的修復成本或者模具的生產成本,進而提高衝壓設備作業的效率。同時能夠即時反饋監測數據,便於實時查看監測數據,根據監測數據分析標定曲線在線實時判斷發現衝壓設備或模具的故障,避免因為操作不當或者其他故障導致衝壓設備在批量化生產作業過程中模具生產不符合標準,進而造成工廠浪費大量的人力物力成本以及損失巨大的生產成本,從而減少了工廠生產作業過程中的損失,大大地提高了衝壓設備的作業效率。
41:第一獲取單元
42:第二獲取單元
43:提取單元
44:標定單元
45:檢測單元
1:電子設備
11:記憶體
12:處理器
13:輸入輸出設備
S101-S105:步驟
圖1是本申請實施例提供的一種衝壓設備的異常檢測方法的流程圖。
圖2是本申請實施例提供的感測器採集的數據資料圖。
圖3是本申請實施例提供的感測器的信號波形圖。
圖4是本申請實施例提供的一種衝壓設備的異常檢測裝置的框架圖。
圖5是本申請實施例提供的實現衝壓設備的異常檢測方法的電子設備的結構示意圖。
為了使本申請的目的、技術方案及優點更加清楚明白,以下結合附圖及實施例,對本申請進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本申請,並不用於限定本申請。
為了更清楚地說明本發明實施例中的技術方案,下面將對實施例描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅
是本發明的一些實施例,對於本領域技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其他的附圖。
此外,術語“第一”、“第二”僅用於描述目的,而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此,限定有“第一”、“第二”的特徵可以明示或者隱含地包括一個或者更多個所述特徵。在本申請的描述中,“多個”的含義是兩個或兩個以上,除非另有明確具體的限定。
除非另有定義,本文所使用的所有的技術和科學術語與術語本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的,不是旨在於限制本申請。本文所使用的術語“和/或”包括一個或多個相關的所列項目的任意的和所有的組合。對衝壓設備的異常檢測方法通常存在兩個技術問題,第一是衝壓設備檢測故障不夠快,主要是由於衝壓設備上的感測器採集數據不夠靈敏,第二是衝壓設備不能即時反饋歷史檢測數據作為參照導致檢測效率低下。本申請實施例對衝壓設備的異常檢測方法解決了檢測故障不夠快以及不能即時反饋歷史檢測數據作為參照導致檢測效率低下的技術問題。
基於上述技術問題,本申請實施例提出一種衝壓設備的異常檢測方法,能夠快速判斷衝壓設備或者模具的故障,便於更快速更準確地及時發現衝壓設備或模具的故障,從而減少衝壓設備的修復成本或者模具的生產成本,進而提高衝壓設備作業的效率。同時能夠即時反饋監測數據,便於實時查看監測數據,根據監測數據分析標定曲線在線實時判斷發現衝壓設備或模具的故障,避免因為操作不當或者其他故障導致衝壓設備在批量化生產作業過程中模具生產不符合標準,進而造成工廠浪費大量的人力物力成本以及損失巨大的生產成
本,從而減少了工廠生產作業過程中的損失,大大地提高了衝壓設備的作業效率。
圖1示出了本申請實施例提供的一種衝壓設備的異常檢測方法的實現流程圖,根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
S101:藉由感測器實時獲取衝壓設備的第一測量數據。
在本申請的一個實施例中,衝壓設備主要應用於生產模具車間,主要用於對板材藉由模具做出落料、沖孔、成型、拉深、修整、精沖、整形、鉚接及擠壓件等等,在生產模具車間可以部署一個或者多個衝壓設備,這些衝壓設備可以連接工控機、上位機等設備,該衝壓設備包括但不限於衝床,具體不作限定。
需要說明的是,本申請藉由感測器實時獲取衝壓設備的第一測量數據,該第一測量數據主要是藉由感測器實時檢測和記錄產品衝壓成型過程中的衝擊力的數值,產品衝壓成型過程包括下降過程和上升過程,下降過程衝擊力逐漸增大,上升過程衝擊力逐漸減小,相應地,產品衝壓成型過程中第一測量數據先逐漸增大後逐漸減小。感測器可以為新型高敏感度的超聲感測器,該超聲感測器具有尺寸小巧,回應快,測量頻率範圍寬,線性度高,無需外接電源等優點,同時便於黏貼在衝床、衝壓模具、電機等結構件上,從而有利於感測器準確檢測和記錄產品衝壓成型過程中的衝擊力的具體數值。
具體地,在整個衝壓過程中,藉由感測器實時獲取該衝壓設備上至少一個位置的壓力數據,作為上述第一測量數據;上述至少一個位置包括連桿位置、兩側位置和滑塊位置。
需要說明的是,感測器可以黏貼在衝壓設備的連桿位置、兩側位置和滑塊位置的至少一個位置上,這樣感測器可以採集和記錄衝壓設備的連桿
位置、兩側位置和滑塊位置的至少一個位置上的壓力數據。例如,如圖2所示,第一感測器黏貼在衝壓設備的連桿位置上,第二感測器黏貼在衝壓設備的兩側位置上,第三感測器黏貼在衝壓設備的滑塊位置上,每一個時刻,第一感測器、第二感測器和第三感測器均記錄所在位置上的壓力數據,提高採集壓力數據的準確性。
S102:藉由噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據。
在本申請實施例中,噸位測量裝置置於衝壓設備驅動組件的正下方,衝壓設備驅動組件在下降和上升過程中對噸位測量裝置產生衝擊力,於是該噸位測量裝置驅動組件在下降和上升過程中實時感應並記錄衝擊力所產生的壓力數據,藉由噸位測量裝置獲取衝壓設備驅動組件在下降和上升過程中每一刻衝擊力所產生的壓力數據真實地反映產品在成型過程中的受力大小,因此藉由噸位測量裝置採集的壓力數據可以作為參照數據,與感測器採集到的壓力數據進行比對。從而便於提醒工廠操作人員衝床或者模具出現異常。
需要說明的是,噸位測量裝置包括但不限於噸位儀,具體不作限定。
S103:對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據。
在本申請實施例中,多個感測器採集和記錄每一時刻衝壓設備多個位置上的壓力數據,如圖3所示,三個感測器採集和記錄的每一時刻衝壓設備三個位置上的壓力數據以信號波形的方式呈現出來,衝壓設備三個位置上的壓力數據沒有出現異常的情況下,以Normal呈現,衝壓設備三個位置上的壓力數據出現異常的情況下,以AbNormal呈現。
需要說明的是,在實際應用中,感測器獲取的壓力數據往往包含大量冗餘的數據類型,為了提高後續數據分析的效率和準確率,需要從大量的壓力數據中提取出有效的壓力數據作為有效數據。
具體地,對所述感測器實時獲取的所述第一測量數據執行特徵變換,得到頻域數據;過濾所述頻域數據中的高頻信號;藉由對過濾後的頻域數據執行加窗操作,得到有效的頻域數據;對有效的頻域數據執行逆特徵變換,得到有效數據。
需要說明的是,藉由對感測器獲取的壓力信號首先藉由濾波器過濾掉高頻干擾時域信號,再進行傅里葉變換將時域信號轉換成頻域信號,進一步去除頻域信號中的高頻干擾信號,最後傅里葉變換逆變換將過濾掉高頻干擾信號的頻域信號逆特徵變換成時域信號,此時的時域信號為有效信號。
進一步具體地,所述方法還包括:在得到所述有效的頻域數據之後,判斷所述有效的頻域數據對應的曲線是否符合高斯分布曲線,包括:若判斷所述有效的頻域數據對應的曲線符合高斯分布曲線,對所述有效的頻域數據執行逆特徵變換,得到所述有效數據;或若判斷所述有效的頻域數據對應的曲線不符合高斯分布曲線,繼續獲取更新的第一測量數據,直至基於所述更新的第一測量數據而獲取的有效的頻域數據對應的曲線符合高斯分布曲線。
需要說明的是,當有效的頻域數據對應的曲線符合高斯分布曲線,則該頻域數據是無異常的數據,則進一步對有效的頻域數據經過逆特徵變換,得到有效數據。
當有效的頻域數據對應的曲線不符合高斯分布曲線,則繼續採集衝壓設備的壓力數據,重複以上數據處理過程,直至頻域數據對應的曲線符合高斯分布曲線。
S104:將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定。
在本申請實施例中,所述卷積神經網路模型包括輸入層、第一卷積層、第一降採樣層、第二卷積層、第二降採樣層、全連接層及輸出層。所述第一卷積層的輸入與輸入層連接,第一卷積層的輸出與所述第一降採樣層的輸入連接;所述第一降採樣層的輸出與所述第二卷積層的輸入連接;所述第二卷積層的輸出與所述第二降採樣的輸入連接;所述第二降採樣層的輸出藉由所述全連接層與所述輸出層的輸入連接。以參照數據作為訓練樣本的訓練集輸入至卷積神經網路模型的輸入層,藉由所述卷積神經網路模型進行自動迭代及收斂,直至輸出值與目標值之間的誤差符合期望,從而建立設備檢測模型,根據所述設備檢測模型對所述有效數據進行標定。
具體地,獲取所述衝壓設備的有效數據與參照數據之間的映射關係;將所述有效數據與所述映射關係,輸入所述卷積神經網路模型進行訓練,建立所述設備檢測模型。
可選地,建立所述衝壓設備的設備檢測模型之後,所述方法還包括:基於所述設備檢測模型,獲取所述衝壓設備的有效數據與參照數據之間的歷史誤差數據;
根據所述設備檢測模型、所述有效數據、所述參照數據、所述映射關係以及所述歷史誤差數據,對所述設備檢測模型的參數進行調整,並對所述設備檢測模型進行更新。
S105:基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
具體地,將實時獲取的所述衝壓設備的有效數據輸入所述設備檢測模型,得到實際誤差數據;若所述實際誤差數據大於標定的誤差數據,判定所述衝壓設備異常,或者若所述實際誤差數據小於或等於所述標定的誤差數據,判定所述衝壓設備無異常。
圖4示出了本申請實施例提供的一種衝壓設備的異常檢測裝置的框架圖,為了便於說明,僅示出了與本申請實施例相關的部分,詳述如下:第一獲取單元41,用於藉由感測器實時獲取衝壓設備的第一測量數據。
在本申請的一個實施例中,衝壓設備主要應用於生產模具車間,主要用於對板材藉由模具做出落料、沖孔、成型、拉深、修整、精沖、整形、鉚接及擠壓件等等,在生產模具車間可以部署一個或者多個衝壓設備,這些衝壓設備可以連接工控機、上位機等設備,該衝壓設備包括但不限於衝床,具體不作限定。
需要說明的是,本申請藉由感測器實時獲取衝壓設備的第一測量數據,該第一測量數據主要是藉由感測器實時檢測和記錄產品衝壓成型過程中的衝擊力的數值,產品衝壓成型過程包括下降過程和上升過程,下降過程衝擊力逐漸增大,上升過程衝擊力逐漸減小,相應地,產品衝壓成型過程中第一測量數據先逐漸增大後逐漸減小。感測器可以為新型高敏感度的超聲感測器,該
超聲感測器具有尺寸小巧,回應快,測量頻率範圍寬,線性度高,無需外接電源等優點,同時便於黏貼在衝床、衝壓模具、電機等結構件上,從而有利於感測器準確檢測和記錄產品衝壓成型過程中的衝擊力的具體數值。
第二獲取單元42,用於噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據。
在本申請實施例中,噸位測量裝置置於衝壓設備驅動組件的正下方,衝壓設備驅動組件在下降和上升過程中對噸位測量裝置產生衝擊力,於是該噸位測量裝置驅動組件在下降和上升過程中實時感應並記錄衝擊力所產生的壓力數據,藉由噸位測量裝置獲取衝壓設備驅動組件在下降和上升過程中每一刻衝擊力所產生的壓力數據真實地反映產品在成型過程中的受力大小,因此藉由噸位測量裝置採集的壓力數據可以作為參照數據,與感測器採集到的壓力數據進行比對。從而便於提醒工廠操作人員衝床或者模具出現異常。
需要說明的是,噸位測量裝置包括但不限於噸位儀,具體不作限定。
提取單元43,用於對所述第一測量數據執行數據特徵提取操作,得到所述第一測量數據對應的有效數據。
在本申請實施例中,多個感測器採集和記錄每一時刻衝壓設備多個位置上的壓力數據,如圖3所示,三個感測器採集和記錄的每一時刻衝壓設備三個位置上的壓力數據以信號波形的方式呈現出來,衝壓設備三個位置上的壓力數據沒有出現異常的情況下,以Normal呈現,衝壓設備三個位置上的壓力數據出現異常的情況下,以AbNormal呈現。
需要說明的是,在實際應用中,感測器獲取的壓力數據往往包含大量冗餘的數據類型,為了提高後續數據分析的效率和準確率,需要從大量的壓力數據中提取出有效的壓力數據作為有效數據。
標定單元44,用於將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定。
在本申請實施例中,所述卷積神經網路模型包括輸入層、第一卷積層、第一降採樣層、第二卷積層、第二降採樣層、全連接層及輸出層。所述第一卷積層的輸入與輸入層連接,第一卷積層的輸出與所述第一降採樣層的輸入連接;所述第一降採樣層的輸出與所述第二卷積層的輸入連接;所述第二卷積層的輸出與所述第二降採樣的輸入連接;所述第二降採樣層的輸出藉由所述全連接層與所述輸出層的輸入連接。以參照數據作為訓練樣本的訓練集輸入至卷積神經網路模型的輸入層,藉由所述卷積神經網路模型進行自動迭代及收斂,直至輸出值與目標值之間的誤差符合期望,從而建立設備檢測模型,根據所述設備檢測模型對所述有效數據進行標定。
檢測單元45,用於基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
具體地,將實時獲取的所述衝壓設備的有效數據輸入所述設備檢測模型,得到實際誤差數據;若所述實際誤差數據大於標定的誤差數據,判定所述衝壓設備異常,或者若所述實際誤差數據小於或等於所述標定的誤差數據,判定所述衝壓設備無異常。
圖5是本申請實施例提供的實現一種衝壓設備的異常檢測方法的較佳實施例的電子設備1的結構示意圖。如圖5所示,電子設備1包括記憶體11、處理器12及輸入輸出設備13。
所述電子設備1是一種能夠按照事先設定或存儲的指令,自動進行數值計算和/或信息處理的設備,其硬體包括但不限於微處理器、專用集成電
路(Application Specific Integrated Circuit,ASIC)、可編程門陣列(Field-Programmable Gate Array,FPGA)、數位處理器(Digital Signal Processor,DSP)、嵌入式設備等。
所述電子設備1可以是任何一種可與用戶進行人機交互的電子產品,例如,個人計算機、平板電腦、智能手機、個人數位助理(Personal Digital Assistant,PDA)、游戲機、交互式網路電視(Internet Protocol Television,IPTV)、智能式穿戴式設備等。所述電子設備1可以是伺服器,所述伺服器包括但不限於單個網路伺服器、多個網路伺服器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路伺服器構成的雲,其中,雲計算是分布式計算的一種,由一群鬆散耦合的計算機集組成的一個超級虛擬計算機。所述電子設備1所處的網路包括但不限於區域網路、虛擬專用網路(Virtual Private Network,VPN)等。
記憶體11用於存儲一種衝壓設備的異常檢測方法的程式和各種數據,並在電子設備1運行過程中實現高速、自動地完成程式或數據的存取。記憶體11可以是電子設備1的外部存儲設備和/或內部存儲設備。進一步地,記憶體11可以是集成電路中沒有實物形式的具有存儲功能的電路,如RAM(Random-Access Memory,隨機存取存儲設備)、FIFO(First In First Out,)等,或者,記憶體11也可以是具有實物形式的存儲設備,如內存條、TF卡(Trans-flash Card)等等。
處理器12可以是中央處理器(CPU,Central Processing Unit)。CPU是一塊超大規模的集成電路,是電子設備1的運算核心(Core)和控制核心(Control Unit)。處理器12可執行電子設備1的操作系統以及安裝的各類應用程式、程式代碼等,例如執行一種衝壓設備的異常檢測裝置中的各個單元中
的操作系統以及安裝的各類應用程式、程式代碼,以實現一種衝壓設備的異常檢測方法。
輸入輸出設備13主要用於實現電子設備1的輸入輸出功能,比如收發輸入的數字或字符信息,或顯示由用戶輸入的信息或提供給用戶的信息以及電子設備1的各種菜單。
所述電子設備1集成的模塊/單元如果以軟件功能單元的形式實現並作為獨立的產品銷售或使用時,可以存儲在一個計算機可讀取存儲存儲媒體中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,也可以藉由計算機程式來指令相關的硬體來完成,所述的計算機程式可存儲於一存儲媒體中,該計算機程式在被處理器執行時,可實現上述各個方法實施例的步驟。其中,所述計算機程式包括計算機程式代碼,所述計算機程式代碼可以為源代碼形式、對象代碼形式、可執行文件或某些中間形式等。所述存儲媒體可以包括:能夠攜帶所述計算機程式代碼的任何實體或裝置、記錄存儲媒體、隨身碟、移動硬盤、磁碟、光盤、計算機記憶體、唯讀記憶體(ROM,Read-Only Memory)、隨機存取記憶體(RAM,Random Access Memory)、電載波信號、電信信號以及軟件分發存儲媒體等。
在本申請所提供的幾個實施例中,應該理解到,所揭露的系統,裝置和方法,可以藉由其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述單元的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分布到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。
另外,在本申請各個實施例中的各功能單元可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟件功能單元的形式實現。
對於本領域技術人員而言,顯然本申請不限於上述示範性實施例的細節,而且在不背離本申請的精神或基本特徵的情況下,能夠以其他的具體形式實現本申請。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。此外,顯然“包括”一詞不排除其他單元或步驟,單數不排除複數。第一,第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S101-S105:步驟
Claims (9)
- 一種衝壓設備的異常檢測方法,其中,所述衝壓設備的異常檢測方法包括:藉由感測器實時獲取衝壓設備的第一測量數據;藉由噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據;對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據,包括:對所述感測器實時獲取的所述第一測量數據執行特徵變換,得到頻域數據,過濾所述頻域數據中的高頻信號,藉由對過濾後的頻域數據執行加窗操作,得到有效的頻域數據,判斷所述有效的頻域數據對應的曲線是否符合高斯分佈曲線,若所述有效的頻域數據對應的曲線符合所述高斯分佈曲線,對所述有效的頻域數據執行逆特徵變換,得到所述有效數據;將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定;基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
- 如請求項1所述的衝壓設備的異常檢測方法,其中,所述藉由感測器實時獲取衝壓設備的第一測量數據包括:藉由所述感測器實時獲取所述衝壓設備上至少一個位置的壓力數據,作為所述第一測量數據,所述至少一個位置包括連桿位置、兩側位置和滑塊位置。
- 如請求項1所述的衝壓設備的異常檢測方法,其中,所述方法還包括:若判斷所述有效的頻域數據對應的曲線不符合高斯分布曲線,繼續獲取更新的第一測量數據,直至基於所述更新的第一測量數據而獲取的有效的頻域數據對應的曲線符合高斯分布曲線。
- 如請求項3所述的衝壓設備的異常檢測方法,其中,所述將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定包括:獲取所述衝壓設備的有效數據與參照數據之間的映射關係;將所述有效數據與所述映射關係,輸入所述卷積神經網路模型進行訓練,建立所述設備檢測模型。
- 如請求項4所述的衝壓設備的異常檢測方法,其中,建立所述衝壓設備的設備檢測模型之後,所述方法還包括:基於所述設備檢測模型,獲取所述衝壓設備的有效數據與參照數據之間的歷史誤差數據;根據所述設備檢測模型、所述有效數據、所述參照數據、所述映射關係以及所述歷史誤差數據,對所述設備檢測模型的參數進行調整,並對所述設備檢測模型進行更新。
- 如請求項5所述的衝壓設備的異常檢測方法,其中,所述基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常包括:將實時獲取的所述衝壓設備的有效數據輸入所述設備檢測模型,得到實際誤差數據;若所述實際誤差數據大於標定的誤差數據,判定所述衝壓設備異常,或者若所述實際誤差數據小於或等於所述標定的誤差數據,判定所述衝壓設備無異常。
- 一種衝壓設備的異常檢測裝置,其中,所述異常檢測裝置包括:第一獲取單元,用於藉由感測器實時獲取衝壓設備的第一測量數據; 第二獲取單元,用於藉由噸位測量裝置獲取所述衝壓設備的第二測量數據,作為參照數據;提取單元,用於對所述第一測量數據執行數據特徵提取操作,得到與所述第一測量數據對應的有效數據,包括:對所述感測器實時獲取的所述第一測量數據執行特徵變換,得到頻域數據,過濾所述頻域數據中的高頻信號,藉由對過濾後的頻域數據執行加窗操作,得到有效的頻域數據,判斷所述有效的頻域數據對應的曲線是否符合高斯分佈曲線,若所述有效的頻域數據對應的曲線符合所述高斯分佈曲線,對所述有效的頻域數據執行逆特徵變換,得到所述有效數據;標定單元,用於將所述參照數據作為訓練集輸入卷積神經網路模型進行訓練,得到設備檢測模型,基於所述設備檢測模型對所述有效數據進行標定;檢測單元,用於基於所述設備檢測模型,根據所述有效數據與所述參照數據之間的誤差數據檢測所述衝壓設備是否存在異常。
- 一種電子設備,其中,所述電子設備包括處理器和記憶體,所述處理器用於執行記憶體中存儲的計算機程式以實現如請求項1至6中任意一項所述的衝壓設備的異常檢測方法。
- 一種存儲媒體,其中,所述存儲媒體存儲有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至6中任意一項所述的衝壓設備的異常檢測方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210348.X | 2021-10-18 | ||
CN202111210348.XA CN115990629A (zh) | 2021-10-18 | 2021-10-18 | 冲压设备的异常检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202318124A TW202318124A (zh) | 2023-05-01 |
TWI820612B true TWI820612B (zh) | 2023-11-01 |
Family
ID=85990663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111106892A TWI820612B (zh) | 2021-10-18 | 2022-02-24 | 衝壓設備的異常檢測方法、裝置、設備及存儲媒體 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115990629A (zh) |
TW (1) | TWI820612B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5910894A (en) * | 1994-01-11 | 1999-06-08 | Sensor Adaptive Machines, Inc. | Sensor based assembly tooling improvements |
TW201630712A (zh) * | 2015-02-24 | 2016-09-01 | Janome Sewing Machine Co Ltd | 伺服沖壓機、控制方法以及電腦程式產品 |
CN207397075U (zh) * | 2017-11-15 | 2018-05-22 | 天津宏宇坤泰模具有限公司 | 一种用于数控机床的自动检测设备 |
WO2018142977A1 (ja) * | 2017-02-03 | 2018-08-09 | 新東工業株式会社 | 鋳造設備を構成する複数の装置の異常の原因を検出するシステム |
CN109213122A (zh) * | 2018-08-10 | 2019-01-15 | 合肥工业大学 | 用于冲压设备的故障诊断方法及计算机存储介质 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
CN110446585A (zh) * | 2017-07-04 | 2019-11-12 | 小松产机株式会社 | 机械***及控制方法 |
US20200064823A1 (en) * | 2017-05-02 | 2020-02-27 | Lateral Solutions, Inc. | Control system for machine with a plurality of components and methods of operation |
CN112005180A (zh) * | 2018-04-26 | 2020-11-27 | 三菱电机株式会社 | 状态监视装置及非同步数据的调整方法 |
TWM604905U (zh) * | 2020-08-05 | 2020-12-01 | 固德科技股份有限公司 | 應用於沖壓製程之智能監控系統 |
US20200391277A1 (en) * | 2018-01-12 | 2020-12-17 | Ningbo Texoon Brassworks Co.,Ltd | Forging and Pressing Production System and Management Method Therefor |
TWM610487U (zh) * | 2020-02-10 | 2021-04-11 | 金豐機器工業股份有限公司 | 具有監控系統的衝床 |
-
2021
- 2021-10-18 CN CN202111210348.XA patent/CN115990629A/zh active Pending
-
2022
- 2022-02-24 TW TW111106892A patent/TWI820612B/zh active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5910894A (en) * | 1994-01-11 | 1999-06-08 | Sensor Adaptive Machines, Inc. | Sensor based assembly tooling improvements |
TW201630712A (zh) * | 2015-02-24 | 2016-09-01 | Janome Sewing Machine Co Ltd | 伺服沖壓機、控制方法以及電腦程式產品 |
WO2018142977A1 (ja) * | 2017-02-03 | 2018-08-09 | 新東工業株式会社 | 鋳造設備を構成する複数の装置の異常の原因を検出するシステム |
US20200064823A1 (en) * | 2017-05-02 | 2020-02-27 | Lateral Solutions, Inc. | Control system for machine with a plurality of components and methods of operation |
CN110446585A (zh) * | 2017-07-04 | 2019-11-12 | 小松产机株式会社 | 机械***及控制方法 |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
CN207397075U (zh) * | 2017-11-15 | 2018-05-22 | 天津宏宇坤泰模具有限公司 | 一种用于数控机床的自动检测设备 |
US20200391277A1 (en) * | 2018-01-12 | 2020-12-17 | Ningbo Texoon Brassworks Co.,Ltd | Forging and Pressing Production System and Management Method Therefor |
CN112005180A (zh) * | 2018-04-26 | 2020-11-27 | 三菱电机株式会社 | 状态监视装置及非同步数据的调整方法 |
CN109213122A (zh) * | 2018-08-10 | 2019-01-15 | 合肥工业大学 | 用于冲压设备的故障诊断方法及计算机存储介质 |
TWM610487U (zh) * | 2020-02-10 | 2021-04-11 | 金豐機器工業股份有限公司 | 具有監控系統的衝床 |
TWM604905U (zh) * | 2020-08-05 | 2020-12-01 | 固德科技股份有限公司 | 應用於沖壓製程之智能監控系統 |
Also Published As
Publication number | Publication date |
---|---|
CN115990629A (zh) | 2023-04-21 |
TW202318124A (zh) | 2023-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017113998A1 (zh) | 计算机存储介质、计算机程序产品、风电机组故障监测方法和装置 | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
JP5991042B2 (ja) | 異常監視システムおよび異常監視方法 | |
CN116111727B (zh) | 基于动态温度阈值的综合配电箱异常监测方法 | |
CN103412542B (zh) | 一种数据驱动的集成电路工艺设备异常预警技术方法 | |
DE102018003324A1 (de) | Datensammelvorrichtung, Datensammelsystem, Datenserver, Datensammelverfahren und nicht-flüchtiges computerlesbares Speichermedium | |
CN104541216A (zh) | 用于检测机械***|以及调整与所述机械***关联的极限值以反映|机械***的当前条件的监测***和方法 | |
JP5425027B2 (ja) | ランダムノイズ信号の検出及びフィルタリング方法 | |
TW202248616A (zh) | 沖壓設備異常檢測方法及電子裝置 | |
CN110411554B (zh) | 一种电机设备检测方法、装置及*** | |
TWI586943B (zh) | enhanced-FFT線上機台振動量測系統與方法 | |
CN112697267A (zh) | 一种工业设备异常振动检测装置 | |
TWI820612B (zh) | 衝壓設備的異常檢測方法、裝置、設備及存儲媒體 | |
WO2024120018A1 (zh) | 检测方法、训练方法、电器、监控***、存储介质和设备 | |
US20150149122A1 (en) | Handheld data collector and analyzer system | |
WO2024001626A1 (zh) | 一种视频巡检方法、装置、电子设备及计算机程序产品 | |
US9274515B2 (en) | Systems and methods for recording data associated with the operation of foundation fieldbus devices | |
WO2017183107A1 (ja) | 非定常検出装置、非定常検出システムおよび非定常検出方法 | |
US20190155269A1 (en) | Monitoring system and monitoring method | |
CN110703721B (zh) | 用于监控生产过程的方法和装置 | |
CN109684970B (zh) | 一种结构动力响应的移动主成分分析的窗口长度确定方法 | |
CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
TWI712944B (zh) | 利用聲音監控設備之方法 | |
WO2022029873A1 (ja) | 同期装置、同期方法及びそのプログラム | |
TWI738139B (zh) | 資料擷取裝置、系統及其方法 |