一種基於狀態數據的包裝生產線故障診斷方法與流程
2023-10-17 04:13:24 1
本發明屬於故障檢測領域，具體涉及一種基於狀態數據的包裝生產線故障診斷方法。
背景技術：
隨著科技的發展，機械化生產已經深入到各行各業當中，其中包裝工業也已經實現了機械化生產。包裝機械可以利用機械直接將產品全部包裝，也可分部包裝，大大提高了包裝業的工作效率。包裝業發展至今，其包裝工序已經大大簡化，不過其中主要包裝工序，如封口、裹包、充填等仍佔重要地位。
包裝機械作為現代包裝工業的重要組成部分，是產品生產加工過程中不可或缺的重要裝備。浙江省政府大力支持推進現代裝備製造業發展工作，推進產品轉型升級，用機器取代手工操作。隨著包裝機械技術的發展，包裝機械正向自動、高速、智能方向發展，近幾年來也開始採用機電光液氣綜合技術、微電子技術、電子計算機技術、機器人技術等高新技術來控制整個生產系統。傳統的手工包裝加工方式僅有的優勢即勞動力廉價已逐漸喪失，而劣勢造成的影響越來越大，如重袋包裝勞動強度變大、產品包裝的定標定量要求不達標、食品包裝對生產規範方面的要求高、產品包裝生產帶來的環境汙染嚴重等問題是手工包裝生產中常出現的問題。所以，上述問題應當利用智能化包裝生產線集成控制技術來解決。
包裝機械智能化是包裝類企業實施智能製造的核心，投資大、生產效率高、效益顯著。因此，必須智能化程度加強對包裝機械的保養與維護，以保障設備的正常運行。對包裝機械進行故障診斷意義可以理解為：
(1)能及時地、正確地對各種異常狀態或故障狀態做出診斷，預防或消除故障，對包裝機械的運行進行必要的指導，提高包裝機械的可靠性、安全性和有效性，以期把故障損失降低到最低水平、。
(2)保證包裝機械發揮最大的設計能力，制定合理的檢查維修制度，以便在允許的條件下，充分挖掘設備潛力，延長服役期限和使用壽命，降低包裝機械全壽命周期費用。
(3)通過檢測監視、故障分析、性能評估等，為設備結構修改、優化設計、合理製造及生產過程提供數據和信息。
針對包裝機械，目前企業主要採用預防性維護、事後維護、預知維護、狀態監控維護、改善維護、維護預防等方式開展工作，普遍存在維護難度大、成本高、效率低等問題，據我們對浙江省包裝、印刷、斷路器等包裝生產線典型應用企業調研分析，與單臺裝備相比，平均維護時間提高35％、維護成本增加30％。究其原因，由於包裝機械集機、電、液、控、通訊、傳感、數據、軟體等於一體，涉及機械、人工智慧、電子、通訊、信息等多個領域，故障模式及特性多樣、複雜，且運行過程動態、多變，而企業仍然採用以傳統的診斷與維護理論和方法來確定，沒有從系統的角度全面考慮信息、通訊、網絡、軟體、人工智慧、管理等多學科因素，缺乏科學、合理的狀態監測和故障診斷的理論和方法。包裝生產線結構複雜，目前針對設備的故障診斷方法存在以下問題：①沒有從運行狀態數據出發，對設備的各個部件的運行狀態進行分析；②技術門檻高，維護成本高。
技術實現要素：
本發明針對上述現有技術的不足，提供了一種基於狀態數據的包裝生產線故障診斷方法。
本發明是通過如下技術方案實現的：
一種基於狀態數據的包裝生產線故障診斷方法，包括如下步驟：
(1)採集包裝生產線的設備運行過程中產生的靜態狀態數據；
所述靜態狀態數據是指過去某一特定時間段內設備發生故障時，採集到的設備故障數據，所述設備故障數據包括m個故障名稱和n個故障特徵；故障名稱是指設備失去設計的功能或者功能降低的事件的命名，每一個故障名稱對應一個故障編號，記作ni，所有故障名稱的集合記作n；故障特徵是指設備發生故障時或故障發生前引起的設備電流、電壓、轉矩等可檢測信號或者可以觀察的現象，每個故障特徵對應一個特徵編號，記作fj，所有故障特徵的集合記作f；即：將所有故障特徵的集合f作為特徵資料庫；
(2)根據步驟(1)中採集到的靜態狀態數據，依次確定每一個故障名稱ni與故障特徵集合f之間的邏輯關係，獲得特徵矩陣ai＝[a1，a2，...，an]t，使得其中a1，a2，...，an的取值為0或1，0表示不包含這種故障特徵，1表示包含這種故障特徵；將m個特徵矩陣ai的集合記作特徵矩陣集合m。
(3)採集包裝生產線的設備運行過程中產生的動態狀態數據；所述動態狀態數據是指設備運行過程中正在產生的與故障特徵相對應的設備狀態數據；若採集數據的同時，發生設備故障，則進入步驟(4)；否則，轉入步驟(5)；
(4)將當前的所有設備狀態數據與特徵資料庫中的所有故障特徵進行比對，若相同，則將比對特徵矩陣akt的對應位標記為1；否則，標記為0；比對結束後，獲得比對特徵矩陣akt；
判斷比對特徵矩陣akt是否與特徵矩陣集合m中的一個特徵矩陣ak相同，若相同，則特徵矩陣ak所對應的故障名稱nk即為當前故障名稱；若不同，則該故障為未知故障；轉入步驟(6)；
(5)將當前的所有設備狀態數據與特徵資料庫中的所有故障特徵進行比對，得到當前狀態下具有的故障特徵ft；採用故障樹分析法分析故障特徵ft，獲得故障特徵ft可能導致的故障集合。
(6)故障診斷結束。
本發明所述的基於狀態數據的包裝生產線故障診斷方法從運行狀態數據出發，對設備的各個部件的歷史運行狀態和當前運行狀態數據進行分析，可以實時判斷出故障類型，並且可以方便的預測未來可能發生的故障。該故障診斷方法技術門檻不高，維護成本低，對提高包裝機械的運行可靠性，對推動包裝機械智能化的發展具有重要的意義。
附圖說明
圖1為故障名稱與故障特徵對應關係圖；
具體實施方式
下面結合附圖和具體實施方式對本發明做進一步詳細的說明。
本發明提供了一種基於狀態數據的包裝生產線故障診斷方法，下面以包裝生產線中的伺服電動機的故障診斷為例進行說明，其具體包括如下步驟：
(1)採集包裝生產線的伺服電動機運行過程中產生的靜態狀態數據；所有故障名稱，以及其對應的故障編號如下：
所有故障特徵以及特徵編號如下：
則該伺服子系統的故障名稱的集合特徵資料庫為
(2)根據步驟(1)中採集到的靜態狀態數據，分析故障名與故障特徵庫的對應關係(如圖1所示)，獲得特徵矩陣ai＝[a1，a2，...，an]t，使得其中a1，a2，...，an的取值為0或1，0表示不包含這種故障特徵，1表示包含這種故障特徵；將16個特徵矩陣ai的集合記作特徵矩陣集合m，則n＝ft×m，即：
(3)採集包裝生產線的設備運行過程中產生的動態狀態數據；所述動態狀態數據是指設備運行過程中正在產生的與故障特徵相對應的設備狀態數據；若採集數據的同時，發生設備故障，則進入步驟(4)；否則，轉入步驟(5)；
(4)將當前的所有設備狀態數據與特徵資料庫中的所有故障特徵進行比對，若相同，則將比對特徵矩陣akt的對應位標記為1；否則，標記為0；比對結束後，獲得比對特徵矩陣akt；
判斷比對特徵矩陣akt是否與特徵矩陣集合m中的一個特徵矩陣ak相同，若相同，則特徵矩陣ak所對應的故障名稱nk即為當前故障名稱；若不同，則該故障為未知故障；轉入步驟(6)；
(5)將當前的所有設備狀態數據與特徵資料庫中的所有故障特徵進行比對，得到當前狀態下具有的故障特徵ft；採用故障樹分析法分析故障特徵ft，獲得故障特徵ft可能導致的故障集合。
(6)故障診斷結束。
本發明可改變為多種方式對本領域的技術人員是顯而易見的，這樣的改變不認為脫離本發明的範圍。所有這樣的對所述領域的技術人員顯而易見的修改，將包括在本權利要求的範圍之內。