[发明专利]一种定制木工家具柔性生产线故障诊断系统

权利要求书

1.一种定制木工家具柔性生产线故障诊断系统，其特征在于，包括数据层、诊断层、可视化层；

所述数据层，用于采集定制木工家具柔性生产线上关键加工设备的运行状态数据；并利用改进的数据压缩算法对数据进行压缩，减少数据上传至云服务器时的冗余；

所述诊断层，用于对采集到的信号进行预处理和特征提取，以及诊断定制木工家具柔性生产线发生的故障的类型；

所述可视化层，用于实时监控定制木工家具柔性生产线的运行状态，显示诊断的故障结果，查询历史故障信息，推送维修信息；

所述数据层，包括生产线各主要设备的PLC，变频器，在关键部件安装的传感器和用于采集生产线数据的智能网关；

所述智能网关采用改进的数据压缩算法，对采集到的数据进行压缩，减少上传至云服务器时的冗余，改进的数据压缩算法流程如下：

步骤1：初始化压缩偏移阈值参数E，下标i，j；

步骤2：根据公式式中，T_i为第i个数据对应的时刻，Y_i为压缩前的原始数据即第i个数据的值，K_1st为上门限的初始斜率值，K_2st为下门限的初始斜率值，储存第0个时刻数据的值Y₀和对应的时刻T₀的值；

步骤3：根据公式计算第i个数据的上门限与下门限的斜率K₁，K₂；

步骤4：根据公式K_1st＝max(K₁，K_1st)，K_2st＝min(K₂，K_2st)更新K_1st和K_2st的值；

步骤5：判断当K_1st≥K_2st时，储存前一时刻的值Y_i-1和对应的时刻T_i-1，即完成一次压缩，以T_i时刻的数据为下一个压缩区间的起点进入步骤6，若不满足该条件，则返回步骤3，继续循环；

步骤6：每完成一次压缩，令压缩区间的个数j＝j+1；

步骤7：根据公式式中，τ_j为第j个压缩区间的数据的波动程度，n_j为第j个压缩区间的原始数据个数，y_i为第j个压缩区间第i个原始数据值，Δ为y_i的平均值，计算第j个压缩区间的数据波动程度；

步骤8：根据公式更新压缩偏移阈值参数E的值，式中，τ_j+1/τ_j为相邻两个压缩区间的波动程度变化率；若τ_j+1/τ_j的值大于1，减小压缩偏移阈值参数E，以保留更多的原始数据，若τ_j+1/τ_j的值小于1，增大压缩偏移阈值参数E，使一个区间内压缩的数据量更多；

步骤9：若存在数据未压缩完成，则根据更新的E的值，返回步骤2，对后续的数据进行压缩，若所有数据均压缩完成，则算法结束。

2.根据权利要求1所述的定制木工家具柔性生产线故障诊断系统，其特征在于，所述诊断层，包括信号预处理模块、信号特征提取模块和人工神经网络故障诊断模块；

所述信号预处理模块通过对获取到的振动信号做小波包降噪处理，对完成降噪处理的信号计算均值、均方根值、峭度指标并进行初步判别，对大于指标阈值的信号进行后续处理；

所述信号特征提取模块对后续处理的信号进行基于EMD的IMF能量提取；

所述人工神经网络故障诊断模块采用IWPSO-PNN神经网络，将已经提取的振动信号的IMF能量、以及采集到的温度、变频器电流、PLC中的状态数据作为输入，将定制木工家具柔性生产线若干个故障类型作为输出，根据设置好的参数，开始学习训练样本，对IWPSO-PNN神经网络进行训练，通过基于BG的集成学习策略，对IWPSO-PNN神经网络进行优化。