[发明专利]一种带有学习功能的冲床故障监测系统

说明书

本发明涉及冲床故障检测技术领域，尤其是一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程操作模块与故障预测模块相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接。本发明通过采集冲床在冲压过程中的应力信号，通过识别应力信号的异常变化来反映冲压过程的异常，对冲压故障的检测准确，同时能够快速的解决冲压故障，提高了生产的效率。

技术领域

本发明涉及冲床故障监测技术领域，尤其涉及一种带有学习功能的冲床故障监测系统。

背景技术

业界主流的解决方式是一种在线冲压的图形处理系统，该类系统通过将1-4个相机，安装在冲压机附近，在模具冲压后，检测模具表面是否正常，是否有残料遗留在模具表面，该方式在现场应用时遇到很多问题，如当有模仁遮挡时相机无法拍出磨具表面的全部概貌，另外由于光源调节问题，视觉系统很容易引起误识别与误报，导致生产效率降低。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种带有学习功能的冲床故障监测系统。

为了实现上述目的，本发明采用了如下技术方案：

设计一种带有学习功能的冲床故障监测系统，包括冲床单元以及传感模块，所述冲床单元通过传感模块实现与数据处理单元之间的信号连接，数据处理单元通过网络模块分别与机器学习模型设计模块以及历史数据存储模块相连接，同时历史数据存储模块与数据备份模块相连接，网络模块分别与样本标记模块以及故障预测模块相连接，同时故障预测模块同时与数据处理模块相连接，冲床单元通过远程控制模块与故障预测模块相连接，所述机器学习模型设计模块包括时序点输入单元以及神经网络模型框架，神经网络模型框架与Sigmoid二分类输出单元信号连接，同时Sigmoid二分类输出单元与模型训练模块信号连接，历史数据存储模块通过时序点输入单元与模型训练模块之间相连接，同时模型训练模块与模型矩阵参数下载模块信号连接，同时模型矩阵参数下载模块通过网络模块与故障预测模块相连接。

优选的，所述数据处理单元包括数据接收器，通过数据分割单元对数据进行数据分割，数据分割后将数据传递至故障预测模块以及数据样本发送模块，通过数据样本发送模块实现与网络模块之间的连接，同时网络模块与故障预测模块相互信号连接，从而对模型的下载以及更换，同时历史数据储存模块对样本数据进行储存能够对数据进行计算以及存储，同时数据分割与标记模块能够对将采集的数据按照固定的截取周期进行截取，形成冲压过程数据样本，并通过样本标记模块对样本进行标记。

优选的，所述故障预测模块包括预测模型矩阵参数接收模块，网络模块通过预测模型矩阵参数接收模块实现与预测模型矩阵模块相连接，同时数据处理单元与预测模型矩阵模块相连接，实现对实时数据样本的采集以及处理，预计模型直接输出预测结果，当数据出现故障时，通过远程控制模块实现对冲床单元的控制。

优选的，所述样本标记模块包括通过标记工作人员对现场HMI操作屏进行监测，同时在数据记录后生成结果与样本关联模块，再通过样本发送模块将样本发送至网络模块，同时网络模块将样本发送至历史数据存储模块中进行备份以及存储。

优选的，所述远程控制模块包括模型输出逻辑转换模块、输出信号电气转换模块以及电气连接模块，模型输出逻辑转换模块对接收由故障预测模块发出的信号，通过、输出信号电气转换模块对信号的转换，同时通过电气连接模块与冲床单元进行信号连接，从而能够实现对冲床单元的远程操控。

优选的，所述机器学习模型设计模块对样本数据采集时需要保证记录的总冲压次数达到1000次以上，同时其中的故障状态数据和正常状态数据比例约各占50％。