一种机械设备工作状态控制系统及方法与流程

1.本发明涉及数据控制技术领域，且更具体地涉及一种机械设备工作状态控制系统及方法。


背景技术：

2.机械设备种类繁多，机械设备运行时，其一些部件甚至其本身可进行不同形式的机械运动。机械设备由驱动装置、变速装置、传动装置、工作装置、制动装置、防护装置、润滑系统、冷却系统等部分组成。包装机械根据包装物与包装材料的供给方式，可分为全自动包装机械及半自动包装机械；若按包装物的使用范围划分，可分为通用包装机、兼用包装机及专用包装机；而依包装种类可分为个包装机、内包装机及外包装机等。用于加工包装材料和容器的包装机械包括复合材料加工机械、制袋机械、塑料中空容器加工机械等。
3.机械设备在运行过程中，通常要进行机械状态监测，机械状态监测是对运行中的机械设备整体或其零部件的工作状态进行检查监测，以判断其运转是否正常，有无异常与劣化的征兆，或对异常情况进行跟踪，预测其劣化的趋势，确定其劣化及磨损的程度等，这种方法就称为机械状态监测(condition monitoring)。现有技术通过监测设备实现数据信息的监测，这种方法能够需要采集机械设备工作状态数据信息，这种设备虽然在一定程度上也能够实现机械设备工作状态的监测与控制，但一旦机械设备出现了故障，则难以实现机械设备工作状况检测与分析，在检测分析时，通常通过获取图像信息，通过将图像信息与标准正常数据信息进行对比而获得，这种方法技术落后，很难实现机械设备工作状态中的状况监测。因此如何实现机械设备工作状态控制是亟待解决的技术问题。


技术实现要素：

4.针对上述技术的不足，本发明公开一种机械设备工作状态控制系统及方法，大大提高了机械设备工作状态控制能力。
5.本发明采用以下技术方案：一种机械设备工作状态控制系统及方法，其中包括：状态控制器，用于控制机械设备处于不同的工作状态；状态数据采集模块，用于获取控制机械设备工作状态数据信息，以实时采集机械设备工作状态数据信息；状态数据分析模块，用于分析机械设备工作状态数据信息，其中所述状态数据分析模块包括数据特征信息提取模块、数据信息分类模块、数据信息特征计算模块和数据异常诊断模块，其中所述数据特征信息提取模块用于提取数据信息特征，数据信息分类模块用于对获取的数据信息进行分类，数据信息特征计算模块用于计算输入的数据信息特征，所述数据异常诊断模块用于计算异常数据信息；状态数据传输模块，用于将检测出的数据信息从一个数据终端传输到另一个数据终端；
状态数据显示模块，用于显示状态数据信息；其中所述状态控制器分别与状态数据采集模块、状态数据分析模块、状态数据传输模块和状态数据显示模块连接。
6.作为本发明进一步的技术方案，所述状态数据采集模块通过cc2530芯片实现机械设备工作状态数据信息的采集。
7.作为本发明进一步的技术方案，所述状态数据采集模块为倾斜传感器、拉力传感器、振动传感器、角度传感器、温度传感器、位移传感器、rfid 射频识别标签、具有摄像头额监控装置、rfid射频读写器或者gps定位装置。
8.作为本发明进一步的技术方案，状态控制器包含ad760芯片的主控电路，模块采用5v单电源供电，内部集成有8路同步数据采集和并行接口，采集通道都能以200ksps的速率进行采样，数据采集通道中由lm358dr2g构成电压跟随器。
9.作为本发明进一步的技术方案，数据特征信息提取模块由数据属性选择模块、数据特征分解模块、数据特征识别模块、数据特征选择模块和数据特征输出模块构成；其中数据属性选择模块的输出端与数据特征分解模块的输入端连接，数据特征分解模块的输出端与数据特征识别模块的输入端连接，数据特征识别模块的输出端与数据特征选择模块的输入端连接，数据特征选择模块的输出端与数据特征输出模块的输入端连接；其中数据属性选择模块用于获取机械设备工作状态的数据信息属性；数据特征分解模块用于对获取的机械设备工作状态的数据信息进行分解；数据特征识别模块用于识别获取的机械设备工作状态的数据信息；数据特征选择模块用于选择获取的机械设备工作状态的数据信息；数据特征输出模块用于输出获取的机械设备工作状态的数据信息。
10.作为本发明进一步的技术方案，数据信息分类模块按照机械设备工作状态进行分类为“异常状态”、“故障状态”和“正常状态”。
11.作为本发明进一步的技术方案，数据信息特征计算模块对任意时间下机械设备工作状态数据信息进行计算。
12.作为本发明进一步的技术方案，数据异常诊断模块通过构建异常函数模型实现数据信息的诊断。
13.一种机械设备工作状态控制方法，其中包括以下方法：通过状态控制器控制机械设备处于不同的工作状态；通过状态数据采集模块获取控制机械设备工作状态数据信息，以实时采集机械设备工作状态数据信息；通过状态数据分析模块分析机械设备工作状态数据信息，通过状态数据显示模块显示状态数据信息；其中状态数据分析模块实现数据信息分析的方法为：异常运行状态特征数据提取函数表示如公式（1）所示： (1)公式(1)中，表示预设的异常运行状态值，表示检测到的机械设备内部
的元件异常值，表示元件异常函数模型，表示内部元件异常系数，表示异常状态的变化系数，表示机械设备的异常变量函数；n表示异常运行次数；g表示异常状态变化下的信息影响量；分类计算公式如公式（2）所示： (2)公式(2)中，表示单一机械设备运行状态函数；i表示分类次数排序，t表示单一机械设备运行状态函数计算时间；将分类函数与机械设备异常运行数据检测模型函数进行集合处理，将两者函数的集合进行简化处理并分类，分类函数如公式（3）所示： (3)公式(3)中，表示异常标准分类系数值；通过简化分类的处理将数据简化，方便进行后续的范围比较，y表示设置预警值。
14.作为本发明进一步的技术方案，数据异常诊断模块工作方法为：设定的标准情况下的运行异常的定义范围为，可接受误差的运行异常的范围为；其中pn表示运行异常函数，p表示运行异常数据信息标识，c表示异常数据信息下的介质影响量参数。
15.本发明具有的积极有益效果：本发明通过状态控制器控制机械设备处于不同的工作状态，能够实时控制机械设备处于工作状态、停滞状态或者故障警报状态等。通过状态数据采集模块获取控制机械设备工作状态数据信息，以实时采集机械设备工作状态数据信息；通过状态数据分析模块分析机械设备工作状态数据信息，通过状态数据传输模块将检测出的数据信息从一个数据终端传输到另一个数据终端，通过状态数据显示模块显示状态数据信息；本发明大大提高了机械设备工作状态控制能力。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：图1 为本发明运行异常状态数据采集模块电路示意图；图2为本发明算法流程示意图；图3为本发明采集单元电路示意图。
具体实施方式
17.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
18.如图1-图3所示，一种机械设备工作状态控制系统，包括：状态控制器，用于控制机械设备处于不同的工作状态；在具体实施例中，比如机械设备处于工作状态、停滞状态或者故障警报状态等。
19.状态数据采集模块，用于获取控制机械设备工作状态数据信息，以实时采集机械设备工作状态数据信息；状态数据分析模块，用于分析机械设备工作状态数据信息，其中所述状态数据分析模块包括数据特征信息提取模块、数据信息分类模块、数据信息特征计算模块和数据异常诊断模块，其中所述数据特征信息提取模块用于提取数据信息特征，数据信息分类模块用于对获取的数据信息进行分类，数据信息特征计算模块用于计算输入的数据信息特征，所述数据异常诊断模块用于计算异常数据信息，状态数据传输模块，用于将检测出的数据信息从一个数据终端传输到另一个数据终端；状态数据显示模块，用于显示状态数据信息；其中所述状态控制器分别与状态数据采集模块、状态数据分析模块、状态数据传输模块和状态数据显示模块连接。
20.在上述实施例中，所述状态数据采集模块通过cc2530芯片实现机械设备工作状态数据信息的采集。
21.在上述实施例中，所述状态数据采集模块为倾斜传感器、拉力传感器、振动传感器、角度传感器、温度传感器、位移传感器、rfid 射频识别标签、具有摄像头额监控装置、rfid射频读写器或者gps定位装置。
22.在上述物联网架构体系中，在进行数据采集时，还采用了数据采集单元。数据采集单元在具体实施例中，比如主控部分为ti公司生产的具有ieee 802.15.4通讯协议的 cc2530芯片，该芯片数据接收灵敏，抗干扰能力强，芯片电路上，具有2个usart端口、12位数模转换端口和21个通用数据接线端口gpio等，大大提高了采集效率。
23.在本发明中，其运行状态信息采集硬件，根据系统的运行状态异常信息采集的需要，系统通过控制硬件的信号转换和数据采集等，作为运行状态异常数据采集设备的主控单元。运行异常数据采集模块需要同时对待采集机械设备的输入和输出同时进行采集，从而获取更多的采样信号。
24.在具体实施例中，比如本发明采用物联网的架构体系，在底部设置物联网感测终
端，通过这些感知终端，能够将采集到的数据信息直接通过互联网传递到上层管理中心，速度快，效率高。在数据传递层中，采用了物联网的网络架构形式，采用的无线通讯网络4g 、5g、wlan、lte、gprs等多种不同的通讯方式，在利用传感器通讯时，还能够将zigbee技术融入传感器网关，继而实现通讯功能。在数据计算层中，通过多参数多模型评价模型实现电力设备运行数据的计算和监测，终端用户通过数据应用层实现数据的应用和交互。
25.在上述实施例中，状态控制器包含ad760芯片的主控电路，模块采用5v单电源供电，内部集成有8路同步数据采集和并行接口，采集通道都能以200ksps的速率进行采样，数据采集通道中由lm358dr2g构成电压跟随器。
26.本发明所设计的采集模块电路中除了使用vet6芯片的嵌入式控制器作为核心部分，同时还加入了ad760芯片进行采集数据，用来提高输入阻抗并起到电路隔离作用，减少电路干扰并提高采样的精确度。
27.本发明所设计的采集硬件电路中的主要结构在改进后的传感器电路增加了并联电路，对并联电阻和电容都进行了改进，避免了传感器运行时间过长造成的卷积运行异常出现，改善了其响应曲线，从而为运行状态信息的采集提供了良好的采集能力。在主电路中还包括了功率二极管、电容、和电感、、和四个电阻组成，控制电路的直流输入电压为28v，负载电阻为，整个传输过程主要由放大电路和a/d负责实施，最终完成输出。在此基础上建立通讯通道，同时利用片外ram负责数据储存，uart部分保证接入方式和传输信号的稳定运行，该优化电路中还设有继电保护电路，主要利用磁保护继电器进行电路安全防，运行电路通过i/o控制输出开关，a/d模块能够更大程度上的适应优化结构，对于外接部分进行调整，使芯片接入方式能够满足适用条件。该硬件能够同时控制多个传感器数据进行的同一时刻下的机械设备运行状态信息的采集和输出，做到传感效率的提升，对应的就是采集效率也得到了提升。
28.在本发明中，数据特征信息提取模块由数据属性选择模块、数据特征分解模块、数据特征识别模块、数据特征选择模块和数据特征输出模块构成；其中数据属性选择模块的输出端与数据特征分解模块的输入端连接，数据特征分解模块的输出端与数据特征识别模块的输入端连接，数据特征识别模块的输出端与数据特征选择模块的输入端连接，数据特征选择模块的输出端与数据特征输出模块的输入端连接；其中数据属性选择模块用于获取机械设备工作状态的数据信息属性；数据特征分解模块用于对获取的机械设备工作状态的数据信息进行分解；数据特征识别模块用于识别获取的机械设备工作状态的数据信息；数据特征选择模块用于选择获取的机械设备工作状态的数据信息；数据特征输出模块用于输出获取的机械设备工作状态的数据信息。
29.在具体实施例中，数据属性选择模块比如设置数据类型，设置数据属性等方式实现数据信息设置，通过这种方案能够通过不同的属性设置，以获取选择数据信息的样本。
30.数据特征分解模块比如将所选择的数据类型通过将其不同的信息特征通过小波变换或者其他特征放大等等形式进行放大、分解等方式实现数据特征分解，通过分解后的数据信息特征进行信息提取；数据特征识别模块用于识别所选择的数据类型，以提高机械设备工作状态的数据信息分析能力。比如通过将选择的数据信息特征和匹配的模板进行对比，最终将满足条件的数据信息筛选出来，数据特征选择模块用于选择所识别数据类型信
息，以将满足数据类型设置的数据信息特征提炼出来，以将所识别数据类型信息筛选出来。数据特征输出模块用于输出数据信息特征值，比如通过不同的数据信息接口。
31.在本发明中，数据信息分类模块按照机械设备工作状态进行分类为“异常状态”、“故障状态”和“正常状态”。
32.在本发明中，数据信息特征计算模块对任意时间下机械设备工作状态数据信息进行计算。
33.在本发明中，数据异常诊断模块通过构建异常函数模型实现数据信息的诊断。
34.一种机械设备工作状态控制方法，包括以下方法：通过状态控制器控制机械设备处于不同的工作状态；通过状态数据采集模块获取控制机械设备工作状态数据信息，以实时采集机械设备工作状态数据信息；通过状态数据分析模块分析机械设备工作状态数据信息，通过状态数据显示模块显示状态数据信息；其中状态数据分析模块实现数据信息分析的方法为：本发明算法部分首先就是对于异常特征数据的提取，根据硬件部分采集的机械设备运行状态数据构建异常特征数据函数，则异常运行状态特征数据提取函数表示如公式（1）所示： (1)公式(1)中，表示预设的异常运行状态值，表示检测到的机械设备内部的元件异常值，表示元件异常函数模型，表示内部元件异常系数，表示异常状态的变化系数，表示机械设备的异常变量函数；n表示异常运行次数；g表示异常状态变化下的信息影响量；通过该公式的使用可以将异常运行状态的特征数据进行深度的解析提取，有助于下一部分的分类操作。
35.分类计算公式如公式（2）所示： (2)公式(2)中 表示单一机械设备运行状态函数；i表示分类次数排序，t表示单一机械设备运行状态函数计算时间；将分类函数与机械设备异常运行数据检测模型函数进行集合处理，将两者函数的集合进行简化处理并分类，分类函数如公式（3）所示：
ꢀ
(3)公式(3)中，表示异常标准分类系数值；通过简化分类的处理将数据简化，方便进行后续的范围比较，y表示设置预警值。
36.在上述实施例中，数据异常诊断模块工作方法为：设定的标准情况下的运行异常的定义范围为，可接受误差的运行异常的范围为；其中pn表示运行异常函数，p表示运行异常数据信息标识，c表示异常数据信息下的介质影响量参数。
37.在具体实施例中，数据信息分类模块按照机械设备工作状态进行分类为“异常状态”、“故障状态”和“正常状态”等不同的数据信息状态。通过设置不同的参数值。在具体实施例中，预设的异常运行状态值可以通过人工设置实现，检测到的机械设备内部的元件异常值比如驱动装置、变速装置、传动装置、工作装置、制动装置、防护装置、润滑系统、冷却系统等不同零部件内部的数据信息计算值，由于数据类型多样，将多种不同的数据信息转换为元件异常函数模型，元件异常函数模型可以融合多种类型的数据信息，以将不同的数据信息转换为数学模型，以提高数据信息计算能力。内部元件异常系数也是反映数据信息计算因素大小的参数，这收到外部环境以及各部件数据信息的影响，异常状态的变化系数能够反映不同设备异常信息计算能力大小。机械设备的异常变量函数是机器本身数据信息影响因素，能反映出不同参数计算能力。异常运行次数是提高数据信息计算的次数，以提高数据信息计算能力。异常分类函数能够提高机械设备工作状态，所需检测的机械设备数量多少能够体现出机械设备工作状态计算能力，单一机械设备运行状态函数在计算过程中，能够输出机械设备工作状态控制能力的快捷性，通过设置预警值，大大提高了数据信息计算能力和机械设备工作状态控制能力。
38.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本 发明的原理和实质的情况下，可以对上述方法和发明的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本 发明的范围。因此，本发明的范围仅由所附权利要求书限定。