称重设备预测性维护算法以及称重设备预测性维护方法技术

本发明专利技术属于自动化设备预测维护技术领域，具体涉及一种称重设备预测性维护算法以及称重设备预测性维护方法，其中，称重设备预测性维护算法包括：获取数据；根据数据和历史数据建立相应向量；根据相应向量构建预测性维护模型，并获取预测性维护模型的解；以及根据预测性维护模型的解预测称重设备是否需要维护，实现了称重设备故障的监测与准确预警。

Predictive maintenance algorithm and predictive maintenance method of weighing equipment

【技术实现步骤摘要】
称重设备预测性维护算法以及称重设备预测性维护方法
本专利技术属于自动化设备预测维护
，具体涉及一种称重设备预测性维护算法以及称重设备预测性维护方法。
技术介绍
自动化皮带秤称重设备是一种以皮带输送机为依托的计量设备,在不中断物料流动的情况下可测出皮带输送机上散状固体物料的瞬时流量和累积流量。其特点是称量过程是连续和自动进行的,通常不需要进行干预就可完成称重的操作。目前针对皮带秤称重设备的信息管理系统很少,在皮带秤的使用过程中,人为确定故障的方式依旧是主流,存在着故障发现不及时,精度误差导致的贸易损失长期存在等问题。某些严重情况如果皮带秤称重设备发生较大故障不能工作，会影响生产及工作进度，甚至发生事故，直接威胁到人员和设备的安全。因此基于上述技术问题，需要设计一种新的称重设备预测性维护算法以及称重设备预测性维护方法。
技术实现思路
本专利技术的目的是提供一种称重设备预测性维护算法以及称重设备预测性维护方法。为了解决上述技术问题，本专利技术提供了一种称重设备预测性维护算法，包括：获取数据；根据数据和历史数据建立相应向量；根据相应向量构建预测性维护模型，并获取预测性维护模型的解；以及根据预测性维护模型的解预测称重设备是否需要维护。进一步，所述获取数据的方法包括：获取张力、湿度、振动数据和设备累计使用时间，并且根据张力获取单位重量的张力变化，以及根据振动数据获取设定频率的振动强度；所述数据包括：单位重量的张力变化、设定频率的振动强度、湿度和设备累计使用时间。进一步，所述根据数据和历史数据建立相应向量的方法包括：建立数据向量和系数向量；所述数据向量为：x＝(x(1),x(2),x(3),x(4))；其中，x(1)为单位重量的张力变化；x(2)为设定频率的振动强度；x(3)为湿度；x(4)为设备累计使用时间；所述历史数据包括：历史单位重量的张力变化、设定频率的振动强度、湿度和设备累计使用时间；根据历史数据获取单位重量的张力变化系数、设定频率的振动强度系数、湿度系数和设备累计使用时间系数；所述系数向量为：w＝(w(1),w(2),w(3),w(4))；其中，w(1)为单位重量的张力变化系数；w(2)为设定频率的振动强度系数；w(3)为湿度系数；w(4)为设备累计使用时间系数。进一步，所述根据相应向量构建预测性维护模型，并获取预测性维护模型的解的方法包括：s.t.yi(w·xi+b)≥1-ξi；ξi≥0i＝1,2,......,N；其中，C为惩罚系数；xi为第i个训练数据的数据向量；yi为xi的类标记，当yi为-1时表示称重设备故障，当yi为1时表示称重设备正常；N为训练数据数目；ξ为松弛变量；ξi为第i个训练数据的松弛变量；b为偏置；则预测性维护模型的解为：W*和b*；α＝(α1,α2,α3,......αN,)T；其中，Tp为振动和湿度采样时信号采样的时间间隔；X0为出厂时的称重设备的数据向量；W*为系数向量的解；b*为偏置的解；Xc为当前称重设备的数据向量；α为拉格朗日乘子向量集合；α*为对偶问题的解的集合，αN*为对偶问题的解的第N个元素；αN为拉格朗日乘子向量的第N个元素；Tw为专家给出的标定数据点条件下，对振动数据采样的时间间隔；T为转置。进一步，所述根据预测性维护模型的解预测称重设备是否需要维护的方法包括：获取维护迫切度指数，即其中，p为维护迫切度指数，并且p＞0；当p越大时，称重设备越需要维护。进一步，所述根据预测性维护模型的解预测称重设备是否需要维护的方法还包括：获取预警阈值，即其中，S为预警阈值；γ为预警阈值系数。进一步，所述根据预测性维护模型的解预测称重设备是否需要维护的方法还包括：预测称重设备是否需要维护，即当W*xc+b*＜S时判断称重设备需要维护。另一方面，本专利技术还提供一种自动化皮带秤称重设备预测性维护方法，包括：采集数据并发送至服务器；服务器根据数据预测称重设备是否需要维护，并发出预警；当称重设备预警时，若称重设备继续运行，则称重设备日最大工作时间为：其中，Tn为出厂时建议称重设备日最大工作时间。进一步，所述服务器适于采用上述称重设备预测性维护算法实现预测称重设备是否需要维护。进一步，所述采集数据并发送至服务器的方法包括：通过张力传感器节点检测称重设备的张力并发送至服务器；通过振动传感器节点检测称重设备的振动数据并发送至服务器；通过湿度传感器节点检测称重设备的湿度并发送至服务器；以及服务器通过维护和称重设备使用时的记录数据获取设备累计使用时间。本专利技术的有益效果是，本专利技术通过获取数据；根据数据和历史数据建立相应向量；根据相应向量构建预测性维护模型，并获取预测性维护模型的解；以及根据预测性维护模型的解预测称重设备是否需要维护，实现了称重设备故障的监测与准确预警。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术所涉及的称重设备预测性维护算法的流程图；图2是本专利技术所涉及的自动化皮带秤称重设备预测性维护方法的流程图；图3是本专利技术服务器的原理框图；图4是本专利技术中各节点与服务器的原理框图；图5是本专利技术中张力传感器节点的原理框图；图6是本专利技术中张力传感器节点中差分放大电路图；图7是本专利技术中振动传感器节点的原理框图；图8是本专利技术中振动传感器节点中滤波器电路图；图9是本专利技术中振动传感器节点中AD转换模块电路图；图10是本专利技术中湿度传感器节点的原理框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1图1是本专利技术所涉及的称重设备预测性维护算法的流程图。如图1所示本文档来自技高网...

【技术保护点】
1.一种称重设备预测性维护算法，其特征在于，包括：/n获取数据；/n根据数据和历史数据建立相应向量；/n根据相应向量构建预测性维护模型，并获取预测性维护模型的解；以及/n根据预测性维护模型的解预测称重设备是否需要维护。/n

【技术特征摘要】
1.一种称重设备预测性维护算法，其特征在于，包括：
获取数据；
根据数据和历史数据建立相应向量；
根据相应向量构建预测性维护模型，并获取预测性维护模型的解；以及
根据预测性维护模型的解预测称重设备是否需要维护。


2.如权利要求1所述的称重设备预测性维护算法，其特征在于，
所述获取数据的方法包括：获取张力、湿度、振动数据和设备累计使用时间，并且根据张力获取单位重量的张力变化，以及根据振动数据获取设定频率的振动强度；
所述数据包括：单位重量的张力变化、设定频率的振动强度、湿度和设备累计使用时间。


3.如权利要求2所述的称重设备预测性维护算法，其特征在于，
所述根据数据和历史数据建立相应向量的方法包括：建立数据向量和系数向量；
所述数据向量为：x＝(x(1),x(2),x(3),x(4))；
其中，x(1)为单位重量的张力变化；x(2)为设定频率的振动强度；x(3)为湿度；x(4)为设备累计使用时间；
所述历史数据包括：历史单位重量的张力变化、设定频率的振动强度、湿度和设备累计使用时间；
根据历史数据获取单位重量的张力变化系数、设定频率的振动强度系数、湿度系数和设备累计使用时间系数；
所述系数向量为：w＝(w(1),w(2),w(3),w(4))；
其中，w(1)为单位重量的张力变化系数；w(2)为设定频率的振动强度系数；w(3)为湿度系数；w(4)为设备累计使用时间系数。


4.如权利要求3所述的称重设备预测性维护算法，其特征在于，
所述根据相应向量构建预测性维护模型，并获取预测性维护模型的解的方法包括：



s.t.yi(w·xi+b)≥1-ξi；
ξi≥0i＝1,2,......,N；
其中，C为惩罚系数；xi为第i个训练数据的数据向量；yi为xi的类标记，当yi为-1时表示称重设备故障，当yi为1时表示称重设备正常；N为训练数据数目；ξ为松弛变量；ξi为第i个训练数据的松弛变量；b为偏置；
则预测性维护模型的解为：W*和b*；












α＝(α1,α2,α3,......αN,)T；
其中，Tp为振动和湿度采样时信...

【专利技术属性】
技术研发人员：乔宏哲，陶国正，
申请(专利权)人：常州机电职业技术学院，
类型：发明
国别省市：江苏;32