A remote on-line monitoring and intelligent diagnosis system for high speed wire rod mill, including sensor network, central node, industrial control machine (field processor), monitoring and diagnosis center. The sensor network is a subnet composed of data acquisition equipment in a rolling mill unit. Data collected by data acquisition equipment is transmitted to work. Control machine, the industrial control machine to the data storage at the same time to dry, transform processing, the industrial control machine on the processed data of high speed wire rod mill fault is judged, and output results. If the structure of the industrial control machine output of high speed wire mill is a fault, then this data is transferred to the monitoring and diagnosis center On the other hand, the industrial control machine does not transmit data to the monitoring and diagnosis center, and the monitoring and diagnosis center receives further analysis of the pre diagnosis of the industrial control machine after receiving the data with the fault, and outputs the results. The invention can judge the type and the fault location of the rolling mill in real time and prolong the service life of the equipment.
【技术实现步骤摘要】
一种高速线材轧机远程在线监测和智能诊断系统及方法
本专利技术涉及线材轧机诊断
,特别是涉及一种高速线材轧机远程在线监测和智能诊断系统及方法。
技术介绍
轧机是一种广泛使用实现金属轧制过程的设备,高速线材轧机是轧机中普遍使用的一种。轧机运行过程中会伴随各种故障的发生,包括轴承座磨损、箱体变形、轴开裂等。对于这种故障的确定和定位,通常的做法是,由专业技术人员借助各类测试仪器,采集到各种参数,尤其是针对参数,根据这些参数进行分析确定故障类型,进而确定是哪个零部件发送故障。这一过程都是由专业技术人员在轧机停止运行时进行分析确定的,难以在线进行分析诊断。
技术实现思路
本专利技术的目的是解决现有技术中的问题,提供一种高速线材轧机远程在线监测和智能诊断系统,实现对高速线材轧机有无故障的确定以及故障类型诊断和定位。本专利技术的技术方案为:一种高速线材轧机远程在线监测和智能诊断系统,包括数据采集设备、中心节点、工控机、监测与诊断中心,其特征在于:所述数据采集设备采集到的数据通过汇集到中心节点后通过局域网络或无线网络传输到工控机,所述工控机将此数据通过局域网络或无线网络传输到监测与诊断中心。一种高速线材轧机远程在线监测和智能诊断方法,其特征在于,包括如下步骤:S1数据采集步骤:各数据采集设备采集到的数据通过汇集到中心节点后采用局域网络或无线网络传输到工控机,所述数据采集设备包括在一个轧机机组内的振动传感器、速度传感器、三维加速度传感器、位移传感器、旋转编码器、温度传感器、功率表和功率传感器;S2预诊断步骤:所述工控机在存储数据的同时对数据进行去除噪音、数据变换以及特征提取 ...
【技术保护点】
一种高速线材轧机远程在线监测和智能诊断系统,包括数据采集设备、中心节点、工控机、监测与诊断中心,其特征在于:所述数据采集设备采集到的数据通过汇集到中心节点后通过局域网络或无线网络传输到工控机,所述工控机将此数据通过局域网络或无线网络传输到监测与诊断中心。
【技术特征摘要】
1.一种高速线材轧机远程在线监测和智能诊断系统,包括数据采集设备、中心节点、工控机、监测与诊断中心,其特征在于:所述数据采集设备采集到的数据通过汇集到中心节点后通过局域网络或无线网络传输到工控机,所述工控机将此数据通过局域网络或无线网络传输到监测与诊断中心。2.一种高速线材轧机远程在线监测和智能诊断方法,其特征在于,包括如下步骤:S1数据采集步骤:各数据采集设备采集到的数据通过汇集到中心节点后采用局域网络或无线网络传输到工控机,所述数据采集设备包括在一个轧机机组内的振动传感器、速度传感器、三维加速度传感器、位移传感器、旋转编码器、温度传感器、功率表和功率传感器;S2预诊断步骤:所述工控机在存储数据的同时对数据进行去除噪音、数据变换以及特征提取处理,同时对处理后的数据进行高速线材轧机故障有无的判断,并输出结果,如果工控机输出的结构判定高速线材轧机为故障,则将此数据传输到监测与诊断中心,反之工控机则不传输数据给监测与诊断中心,以避免将大量的无故障的数据传向诊断中心,造成网络拥塞、加重监测诊断中心服务器的负担;S3精确诊断步骤:所述监测与诊断中心接收到有故障的数据后对工控机的预诊断结果再作进一步的分析,以确定故障的类型和位置。3.根据权利要求2所述的高速线材轧机远程在线监测和智能诊断方法,其特征在于:所述数据采集步骤S1中,旋转编码器按如下规则进行采样:所述采样周期分为Twork和Twait两个时间段,转轴每转动一圈采样16次,Twork时间段为转轴旋转64圈所花费的时间,在Twork时间段采样1024次,Twait时间段不采样,时间为转轴旋转8~512圈所花费的时间。4.根据权利要求2所述的高速线材轧机远程在线监测和智能诊断方法,其特征在于:所述预诊断步骤S2的过程为:将数据采集设备的数据进行存储,所存储的原始数据能直接调取至云端,同时对数据进行变换及特征提取处理,通过二分类器(HSSVM)选择含故障的特征向量并上传至云接口,该含故障的特征向量经精确诊断步骤确认可靠性后重新加入HSSVM参数库进行HSSVM学习训练以优化二分类器,所述二分类器(HSSVM)同时也根据故障判断情况对数据采集设备的各个传感器进行采样控制。5.根据权利要求4所述的高速线材轧机远程在线监测和智能诊断方法,其特征在于:所述预诊断步骤S2中,数据变换及特征提取的方法为:(1)数据变换:一个传感器在Twork时间段输出的数据系列记为,若来自于振动传感器,则对其进行一维多尺度小波变换,以便提取各尺度下的奇异点,变换结果记为,其中s是尺度编号,s=1,2,…N;本发明取8种尺度,即N=8;(2)特征提取:设在一个传感器组中,有M个振动传感器,与之对应地,有,设转轴转动1圈花费的时间(即转动周期)为Tc,每个Tc的定位从旋转编码器的输出数据中可以得到,在一个Tc周期内,试图搜索到上存在的个奇异点,若某奇异点不存在则令其值为0,否则其值为周期内的模极大值;设一个传感器组中有Q个温度传感器,1个功率传感器;定义d维特征向量P:其中:M=2~5;为所论周期内对各温度传感器采样的平均值,共个,Q=1~3;为所论周期内对功率传感器采样的平均值,1个。6.根据权利要求5所述的高速线材轧机远程在线监测和智能诊断方法,其特征在于:所述预诊断步骤S2中,采用基于HSSVM的二分类器,轧机生产线中的每个部件均对应一个二分类器,将每个部件的状态分为两类:有故障或无故障,同时给出故障可信度R,所给出的故障可信度R表征了故障的严重程度,用于控制采样间歇期Twait的大小;Twork时段含有64...
【专利技术属性】
技术研发人员:孙建桥,管庶安,成西平,
申请(专利权)人:汉威广园广州机械设备有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。