基于振动信号处理传送星轮故障的监测方法及监测系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109051618A(43)申请公布日2018.12.21(21)申请号201811038137.0(22)申请日2018.09.06(71)申请人广东寰球智能科技有限公司地址528200广东省佛山市南海区桂城街道深海路17号瀚天科技城A区6号楼十六楼1601单元(72)发明人伍兰昌梁衡倪伟李世立(74)专利代理机构佛山市禾才知识产权代理有限公司44379代理人梁永健单蕴倩(51)Int.Cl.B65G43/00(2006.01)B65G47/84(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于振动信号处理传送星轮故障的监测方法及监测系统(57)摘要本发明涉及金属易拉罐生产领域，特别是基于振动信号处理传送星轮故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，包括如下步骤：a.使得可调星轮和固定星轮同步转动；b.采集在正常运行情况下的正常振动数据；c.以正常振动数据建立基准特征值范围；d.实时采集工作过程中的实时振动数据；e.以实时振动数据建立检测特征值；f.故障诊断模块进行计算比较，当差异特征值结果超出基准特征值范围，进行故障提醒操作。该监测方法可以在生产设备连续加工的情况下实时对其进行监测，并可以快速精准的提醒操作人员对故障进行排查，可避免严重的质量损失；也可以尽可能的避免生产设备停机，大大提高了生产效率。CN109051618ACN109051618A权利要求书1/2页1.基于振动信号处理传送星轮不同步故障的监测方法，其应用于两片罐缩颈翻边机的传送星轮机构的监测系统中，其特征在于，包括如下步骤：a.初始检测校正，使得传送星轮机构中可调星轮和固定星轮同步转动，实现正常运行；b.利用振动传感器采集所述传送星轮机构的在正常运行情况下的正常振动数据；c.数据采集器采集该正常振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以正常振动数据建立基准特征值范围；d.利用振动传感器实时采集传送星轮机构工作过程中的实时振动数据；e.数据采集器采集实时振动数据并利用特殊的振动信号算法模型进行处理，提取出特征数据，以实时振动数据建立检测特征值；f.故障诊断模块根据检测特征值进行特征值计算比较，当得出的差异特征值结果超出基准特征值范围，进行故障提醒操作；反之，不进行故障提醒操作。2.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤a中，初始检测校正是人工进行操作，采取逐一排查油路润滑、气压管路、检测胶辊、清理铝粉杂质和调整星轮间距的方式，致使可调星轮和固定星轮同步转动。3.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤b中和步骤e中，对正常振动信号和实时振动信号两种振动信号进行处理的特殊的振动信号算法模型，包括如下内容：设原始的时域信号为x(t)；(b1)振动信号的预处理，去振动信号中的均值和趋势项，并去除采集的异常点；(b2)特征值提取与优化，提取时域信号中包括：统计指标、频谱轴频幅值及谐波能量在内的特征向量，构建针对两片罐缩颈翻边机星轮同步的特征矩阵X＝[X1,X2,…,Xp]，X1,X2,…Xp为特征向量；对形成的特征矩阵进行主成分分析，然后对特征进行降序排列，提取95％以上信息的特征序列。4.根据权利要求3所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f中，所述故障诊断模块根据检测特征值进行特征值计算比较，包括如下内容：对于降序后的特征创建模型，并进行假设检验，如果不服从高斯正态分布，则建立高斯混合模型，然后求取正常情况的高斯混合模型H(x)，以及当前样本的高斯混合模型G(x)；利用实时采集的样本的模型与正常运行状态下的模型进行对比，再利用如下公式：求取当前实时采集的样本的健康指标CV，当健康指标CV超出预设值时，进行故障提醒操作。5.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f后还包括：故障分类和机器学习步骤：在两片罐缩颈翻边机工作过程中，人工根据故障类型对对应数据进行标签分类，所述监测系统不断的积累带有故障标签的数据，然后通过机器学习算法，建立故障样本库与机器故障学习模型；自动匹配故障类型：当建立好故障样本库与机器故障学习模型后，当再次出现相同数据的故障时，系统可在故障样本库内自动进行数据比对匹配，同时将该数据对应的故障类2CN109051618A权利要求书2/2页型进行匹配并告知提醒给操作人员。6.根据权利要求1所述的基于振动信号处理传送星轮不同步故障的监测方法，其特征在于，所述步骤f中还包括如下内容：在所述基准特征值范围内预设临界报警值；当得出的差异特征值结