System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能监测领域,且更为具体地,涉及一种绞线机的监测系统及其方法。
技术介绍
1、绞线机是一种将多根金属线或纤维线按照一定的规则绞合成一根复合线的设备,广泛应用于电缆、光缆、钢丝绳等行业。绞线过程中的各种参数,如绞线速度、张力、温度、电流等,直接影响到绞线产品的质量和性能。因此,对绞线机进行实时监测和控制是提高绞线质量和生产效率的重要手段。然而,传统的绞线机监测系统通常采用基于规则的方法,需要人工设定各种参数的阈值和报警条件,缺乏智能化和自适应性,无法有效地处理复杂和多变的绞线场景。
2、因此,期望一种优化的绞线机的监测系统。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种绞线机的监测系统及其方法,其通过部署于绞线机的各个数据监测模块,例如速度监测模块、温度监测模块和电流检测模块来对绞线机运行过程中的各个数据参数进行实时采集,并通过故障诊断模块利用数据处理和分析算法来进行这些绞线机运行数据的时序协同分析,以此来判断绞线机的运行状态是否正常,并在检测到异常时及时发出故障信号且进行显示,以便于后续采取相应的措施进行修复,避免生产中断和损失的发生。通过这样的方式,能够实现对绞线机的运行状态的实时监测和自动控制,从而保证绞线质量,提高生产效率,减少故障和损耗。
2、根据本申请的一个方面,提供了一种绞线机的监测系统,其包括:
3、速度监测模块,用于测量被监测绞线机的速度和张力,以及同步控制各轴的速度比;
4
5、电流监测模块,用于测量所述被监测绞线机的电流,以及判断绞线机的工作状态和负载情况;
6、故障诊断模块,用于检测所述被监测绞线机的故障信号,以及对所述故障信号进行显示;
7、数据记录模块,用于记录所述被监测绞线机的运行数据,以及生成绞线报告和统计分析。
8、根据本申请的另一个方面,提供了一种绞线机的监测方法,其包括:
9、测量被监测绞线机的速度和张力,以及同步控制各轴的速度比;
10、测量所述被监测绞线机的温度,以及调节冷却风扇的开关和风量;
11、测量所述被监测绞线机的电流,以及判断绞线机的工作的状态和负载情况;
12、检测所述被监测绞线机的故障信号,以及对所述故障信号进行显示;
13、记录所述被监测绞线机的运行数据,以及生成绞线报告和统计分析。
14、与现有技术相比,本申请提供的一种绞线机的监测系统及其方法,其 通过部署于绞线机的各个数据监测模块,例如速度监测模块、温度监测模块和电流检测模块来对绞线机运行过程中的各个数据参数进行实时采集,并通过故障诊断模块利用数据处理和分析算法来进行这些绞线机运行数据的时序协同分析,以此来判断绞线机的运行状态是否正常,并在检测到异常时及时发出故障信号且进行显示,以便于后续采取相应的措施进行修复,避免生产中断和损失的发生。通过这样的方式,能够实现对绞线机的运行状态的实时监测和自动控制,从而保证绞线质量,提高生产效率,减少故障和损耗。
本文档来自技高网...【技术保护点】
1.一种绞线机的监测系统,其特征在于,包括:
2.根据权利要求1所述的绞线机的监测系统,其特征在于,所述故障诊断模块,包括:
3.根据权利要求2所述的绞线机的监测系统,其特征在于,所述数据预处理聚合单元,包括:
4.根据权利要求3所述的绞线机的监测系统,其特征在于,所述深度神经网络模型为RCNN模型。
5.根据权利要求4所述的绞线机的监测系统,其特征在于,所述数据时序图像局部语义关联编码单元,用于:将所述参数多通道时序关联语义特征向量的序列通过基于转换器的局部特征上下文关联编码器以得到多参数全局时序上下文语义关联特征向量作为所述多参数全局时序上下文语义关联特征。
6.根据权利要求5所述的绞线机的监测系统,其特征在于,所述故障信号检测单元,包括:
7.根据权利要求6所述的绞线机的监测系统,其特征在于,还包括用于对所述基于RCNN模型的图像区域特征提取器、所述基于转换器的局部特征上下文关联编码器和所述分类器进行训练的训练模块。
8.根据权利要求7所述的绞线机的监测系统,其特征在于,所述训练模块,包括:
9.根据权利要求8所述的绞线机的监测系统,其特征在于,所述分类损失单元,包括:
10.一种绞线机的监测方法,其特征在于,包括:
...【技术特征摘要】
1.一种绞线机的监测系统,其特征在于,包括:
2.根据权利要求1所述的绞线机的监测系统,其特征在于,所述故障诊断模块,包括:
3.根据权利要求2所述的绞线机的监测系统,其特征在于,所述数据预处理聚合单元,包括:
4.根据权利要求3所述的绞线机的监测系统,其特征在于,所述深度神经网络模型为rcnn模型。
5.根据权利要求4所述的绞线机的监测系统,其特征在于,所述数据时序图像局部语义关联编码单元,用于:将所述参数多通道时序关联语义特征向量的序列通过基于转换器的局部特征上下文关联编码器以得到多参数全局时序上下文语义关联特征向量...
【专利技术属性】
技术研发人员:邵宇,李伟,高一锋,戴守祥,曹永,
申请(专利权)人:江西易藤电气有限公司,
类型:发明
国别省市:
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。