[发明专利]一种柔性印刷电子装备核心单元故障诊断方法

权利要求书

1.一种柔性印刷电子装备核心单元故障诊断方法，其特征在于，具体操作步骤如下：

步骤1：确定以卷对卷柔性印刷电子装备的核心部件为诊断对象，信号采集模块采集柔性印刷电子装备核心单元的振动信号；

步骤2：创建区块链故障诊断交互系统，各服务器遵循区块链的管理机制作为区块链的分布式节点；

步骤3：将上位机接入区块链故障诊断交互系统中，作为信号采集节点；

步骤4：连接传感器、多通道数据采集仪和数据采集节点后，将加速度传感器布置在轴承、齿轮、联轴器和滚筒上采集运行状态下的振动信号；

步骤5：传感器持续采集振动信号，并将采集的动态信号通过多通道数据采集仪调理后传输至信号采集节点；

步骤6：信号采集节点将采集的振动信号打包后发送至区块链上，形成链上数据，以供故障诊断节点使用；

步骤7：故障诊断节点接收到区块链对振动信号上链的消息后，向区块链提出振动信号调用请求，区块链对故障诊断节点进行身份认证后将振动信号发送至故障诊断节点；

步骤8：故障诊断节点对振动信号进行数据预处理，将其转换成二维图像；将二维图像输入至故障诊断节点含置的神经网络中进行故障诊断模型训练，并输出诊断结果；

步骤9：若采集到的信号反应出故障后，其结果将显示在交互系统界面，并设置相关警告响应提醒相关工作人员通过交互界面查看诊断结果并采取相应措施。

2.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤1所述核心部件包括压印滚筒、印版滚筒和供墨网纹辊三大滚动部件，以及支撑三大滚动部件平稳运行、传输动力的轴承、齿轮、联轴器和滚筒为诊断对象，所述轴承对滚筒起到支撑和旋转的作用，齿轮为滚筒同步运转提供动力，联轴器将滚筒轴端和电机轴连接。

3.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤2具体如下：

步骤2.1：服务器在本地生成公私钥对后，将公钥和该服务器的身份信息上传到认证中心，认证中心对所述身份信息进行认证后，颁布数字证书并将其身份信息广播至整个区块链上，完成该服务器的开户，并成为区块链故障诊断系统中的节点之一。

4.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤4具体如下：

对采集部件的表面进行油污清理后，使用粘合剂将有线传感器靠近振动源固定。

5.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤5具体如下：

步骤5.1：信号采集节点通过USB接口与多通道数据采集仪进行通讯，并对采集仪进行采样频率、传感器灵敏度、传感器量程、实时传送采样数据、停止参数设置；

步骤5.2：以信号采集节点的本地数据库为中间存储介质，多通道数据采集仪将传感器采集的信号进行放大滤波调理后实时传输至信号采集节点的硬盘进行存储；

步骤5.3：预设采集振动信号的时间间隔，信号采集节点以预定时间间隔为单位对采集的振动信号进行打包。

6.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤6具体如下：

步骤6.1：信号采集节点将打包好的振动信号发送至区块链；

步骤6.2：区块链对打包的振动信号进行共识；

步骤6.3：共识成功后，振动信号被存储到区块链的超级账本中，形成链上数据。

7.根据权利要求1所述的一种柔性印刷电子装备核心单元故障诊断方法，其特征在于：步骤8具体如下：

步骤8.1：故障诊断节点在收到区块链发送的振动数据后，对数据进行短时傅里叶变化，将一维振动信号转换成二维图像，制作训练样本集和测试样本集；

步骤8.2：对神经网络模型进行参数初始化后，将训练样本集输入神经网络模型进行特征提取；

步骤8.3：神经网络模型利用反向传播算法得到最佳参数后，冻结神经网络模型的第一层网络；

步骤8.4：对下一个时间间隔的振动信号继续进行特征提取，通过分类器将下一时刻的特征与上一时刻训练完成的特征进行比较，若输出无差异，则不需要对分类器进行更新，若输出有差异，则更新分类器，保存更新分类器后的神经网络模型，同时启动智能合约中的警报程序；

步骤8.5：警报结果将现在交互系统的界面，方便相关人员查看诊断结果。