基于振动检测的设备生产状况监测方法、系统及存储介质技术方案

本申请提供了一种基于振动检测的设备状况监测方法、系统及计算机介质，具体的，获取设备生产过程中的振动测量数据；根据振动测量数据预测设备生产状态；通过训练后的设备状态模型，预测设备生产状态对应的设备状态数据；比较设备状态数据以及振动测量数据得到数据比较结果，根据数据比较结果判定设备是否发生异常。本申请在纸包装切割设备安装振动检测装置，通过深度学习模型分析实时监测设备的生产与运行情况；同时通过产能预估促进企业生产效率，降低企业生产及人力成本。降低企业生产及人力成本。降低企业生产及人力成本。

【技术实现步骤摘要】
基于振动检测的设备生产状况监测方法、系统及存储介质


[0001]本申请属于设备检测
，具体地，涉及一种基于振动检测的设备状况监测方法、系统及存储介质。

技术介绍

[0002]目前，纸包装行业经历了高速发展阶段，现在已经形成了相当大的生产规模，成为制造领域重要的组成部分。随着信息化的发展，将信息化、智能化引入纸包装行业是未来市场行业竞争的关键。例如，通过使机械设备智能化提高纸包装生产过程中的生产效率等是亟待解决的行业问题。
[0003]然而，现在纸包装行业中的生产设备及生产模式仍以传统模式为主。大部分纸包装切割设备的生产状况仍以人工监测，效率低且可靠性不高。因此，在生产过程中纸包装切割设备没有智能化监测情况下，产生异常或故障时难以及时发现会造成停产等严重后果。其它问题还包括由于不同设备间的数据接口不统一、不透明，缺乏通用的技术手段监测所有设备，决策层无法及时获取工厂整体的生产数据，影响了生产任务的统筹安排。

技术实现思路

[0004]本专利技术提出了一种基于振动检测的设备状况监测方法系统及存储介质，旨在解决目前纸包装行业中无法智能化有效的监测设备生产状况、耗费人力物力的问题，。
[0005]根据本申请实施例的第一个方面，提供了一种基于振动检测的设备状况监测方法，具体包括以下步骤：
[0006]获取设备生产过程中的振动测量数据；
[0007]根据振动测量数据预测设备生产状态；
[0008]通过训练后的设备状态模型，预测设备生产状态对应的设备状态数据；
[0009]比较设备状态数据以及振动测量数据得到数据比较结果，根据数据比较结果判定设备是否发生异常。
[0010]在本申请一些实施方式中，根据振动测量数据预测设备生产状态包括：
[0011]将振动测量数据进行拟合，得到振动拟合曲线；
[0012]根据振动拟合曲线，通过对振动波峰进行计数，计算出设备切割次数；
[0013]根据设备切割次数预测设备产能。
[0014]在本申请一些实施方式中，将振动测量数据进行拟合，得到振动拟合曲线，具体包括：
[0015]对振动样本数据进行频谱转换以及去噪处理，得到振动频谱数据；
[0016]将振动频谱数据垂直分量减去当前值后取绝对值，然后通过希尔伯特变换、傅里叶变换并归一化后，选取去除振动频谱数据左边缘的最大值，得到待选频率数据；
[0017]根据待选频率数据进行低通滤波得到振动拟合曲线。
[0018]在本申请一些实施方式中，根据振动测量数据预测设备生产状态，具体包括：
[0019]获取设备生产过程中的振动样本数据；
[0020]通过k
‑
means算法将振动样本数据进行聚类，得到不同设备生产状态下的数据特征样本；
[0021]将振动测量数据与数据特征样本进行对比分析，预测得到当前的设备生产状态。
[0022]在本申请一些实施方式中，设备生产状态包括开机状态、设备空转状态和切割状态。
[0023]在本申请一些实施方式中，通过训练后的设备状态模型，预测设备生产状态对应的设备状态数据之前，还包括：
[0024]获取设备生产过程中的振动样本数据；
[0025]对振动样本数据进行频谱转换以及去噪处理，得到振动频谱数据；
[0026]将振动频谱数据输入至LSTM模型中进行训练，得到训练后的设备状态模型。
[0027]在本申请一些实施方式中，对振动样本数据进行频谱转换以及去噪处理，得到振动频谱数据，具体包括：
[0028]将振动样本数据进行频谱转换，得到振动频谱，并判断振动频谱是否存在唯一极大值；
[0029]若存在唯一极大值，则直接进行简单模式下的频谱拟合，得到拟合后的振动频谱数据；
[0030]若不存在唯一极大值，且在判断振动频谱不含时间参数，输入时间参数后存在唯一极大值时，直接进行简单模式下的频谱拟合得到拟合后的振动频谱数据；否则，使用遗传算法自动估计检测频谱参数，并通过重复估计得到最小损失函数下的振动频谱数据。
[0031]根据本申请实施例的第二个方面，提供了一种基于振动检测的设备状况监测系统，具体包括：
[0032]数据获取模块：用于获取设备生产过程中的振动测量数据；
[0033]生产状态预测模块：用于根据振动测量数据预测设备生产状态；
[0034]设备状态模型模块：用于通过训练后的设备状态模型，预测设备生产状态对应的设备状态数据；
[0035]设备状况监测单元：用于比较设备状态数据以及振动测量数据得到数据比较结果，根据数据比较结果判定设备是否发生异常。
[0036]根据本申请实施例的第三个方面，提供了一种基于振动检测的设备状况监测设备，包括：
[0037]存储器：用于存储可执行指令；以及
[0038]处理器:用于与存储器连接以执行可执行指令从而完成基于振动检测的设备状况监测方法。
[0039]根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现基于振动检测的设备状况监测方法。
[0040]采用本申请实施例中的基于振动检测的设备状况监测方法、系统及计算机介质，具体的，获取设备生产过程中的振动测量数据；根据振动测量数据预测设备生产状态；通过训练后的设备状态模型，预测设备生产状态对应的设备状态数据；比较设备状态数据以及振动测量数据得到数据比较结果，根据数据比较结果判定设备是否发生异常。本申请在纸
包装切割设备安装振动检测装置，通过深度学习模型分析实时监测设备的生产与运行情况；同时通过产能预估促进企业生产效率，降低企业生产及人力成本。
附图说明
[0041]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0042]图1中示出了根据本申请实施例的基于振动检测的设备状况监测方法的步骤示意图；
[0043]图2中示出了根据本申请实施例中根据振动测量数据进行拟合得到拟合曲线的示意图；
[0044]图3中示出了根据本申请实施例中将振动样本数据进行频谱转换以及去噪处理的流程示意图；
[0045]图4中示出了根据本申请实施例的基于振动检测的设备状况监测系统的结构示意图；
[0046]图5中示出了根据本申请实施例的基于振动检测的设备状况监测设备的结构示意图。
具体实施方式
[0047]在实现本申请的过程中，专利技术人发现现在纸包装行业中的生产设备及生产模式仍以传统模式为主。大部分纸包装切割设备的生产状况仍以人工监测，效率低且可靠性不高。在生产过程中纸包装切割设备没有智能化监测情况下，产生异常或故障时难以及时发现会造成停产等严重后果。
[0048]为了解决这个问题，本申请设计了基于振动检测的纸包装行业设备生产状况监测和产能预估方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动检测的设备状况监测方法，其特征在于，包括以下步骤：获取设备生产过程中的振动测量数据；根据所述振动测量数据预测设备生产状态；通过训练后的设备状态模型，预测所述设备生产状态对应的设备状态数据；比较所述设备状态数据以及振动测量数据得到数据比较结果，根据所述数据比较结果判定设备是否发生异常。2.根据权利要求1所述的设备状况监测方法，其特征在于，所述根据所述振动测量数据预测设备生产状态包括：将所述振动测量数据进行拟合，得到振动拟合曲线；根据所述振动拟合曲线，通过对振动波峰进行计数，计算出设备切割次数；根据所述设备切割次数预估设备产能。3.根据权利要求2所述的设备状况监测方法，其特征在于，所述将所述振动测量数据进行拟合，得到振动拟合曲线，具体包括：对所述振动样本数据进行频谱转换以及去噪处理，得到振动频谱数据；将所述振动频谱数据垂直分量减去当前值后取绝对值，然后通过希尔伯特变换、傅里叶变换并归一化后，选取去除所述振动频谱数据左边缘的最大值，得到待选频率数据；根据所述待选频率数据进行低通滤波得到振动拟合曲线。4.根据权利要求1所述的设备状况监测方法，其特征在于，所述根据所述振动测量数据预测设备生产状态，具体包括：获取设备生产过程中的振动样本数据；通过k
‑
means算法将所述振动样本数据进行聚类，得到不同设备生产状态下的数据特征样本；将所述振动测量数据与所述数据特征样本进行对比分析，预测得到当前的设备生产状态。5.根据权利要求4所述的设备状况监测方法，其特征在于，所述设备生产状态包括开机状态、设备空转状态和切割状态。6.根据权利要求1所述的设备状况监测方法，其特征在于，所述通过训练后的设备状态模型，预测所述设备生产状态对应的设备状态数据之前，还包括：获取设备生产过程中的振动样本...

【专利技术属性】
技术研发人员：孙广宇，罗国杰，韩平，吕家力，张波，孙康睿，
申请(专利权)人：浙江省北大信息技术高等研究院，
类型：发明
国别省市：