一种模具的智能监控方法及智能管理系统与流程

本发明涉及模具管理技术领域，特别涉及一种模具的智能监控方法及智能管理系统。

背景技术：

模具被称为工业之母，在现代工业生产中占有极其重要的地位，在家电生产过程中很多零部件都离不开模具，模具分为塑料模具、冲压模具、铸造模具等很多种类。由于模具在生产过程中具有的重要作用，所以需要生产管理人员随时、准确的掌握每个模具的使用次数、时间等信息。

现有的模具管理系统主要通过rfid技术实现，接近传感器或光电传感器安装在合模位置，检测合模次数，然后将信号传递给上位机，上位机通过rfid设备将数据写入模具上的rfid芯片。其中，采用接近传感器或光电传感器测量冲压次数，容易受周围物体的影响，例如走动的人员，掉落的产品等均影响测量的准确性，导致测量不准确。

技术实现要素：

本发明实施例提供了一种模具的智能监控方法及智能管理系统。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种模具的智能监控方法，包括：

获取公模的时间-加速度序列；

拟合所述时间-加速度序列以获取所述公模的时间-加速度曲线；

根据所述时间-加速度曲线获取所述公模的时间-速度曲线；

根据所述时间-速度曲线获取所述公模的时间-位移曲线；

对所述时间-加速度曲线中的加速度、所述时间-速度曲线中的速度和所述时间-位移曲线中的位移在同一时间三者同时为零的次数进行计数，实现对合模次数的监控。

在实际生产过程中，公模的加速度只与公模本身的运动状态有关，不受周围物体的影响，所以根据公模的加速度能准确的获取模具的合模次数。

一种可选的实施例中，所述加速度、所述速度和所述位移在同一时间三者同时为零，具体为：

所述时间-加速度曲线中，以加速度为零的时刻为第一准确时间；再以第一准确时间为中心，第一误差时间以内的时间段为第一时间段；

所述时间-速度曲线中，以速度为零的时刻第二准确时间；再以第二准确时间为中心，第二误差时间以内的时间段为第二时间段；

所述时间-位移曲线中，以位移为零的时刻为第三准确时间；再以第三准确时间为中心，第三误差时间以内的时间段为第三时间段；

所述第一时间段、所述第二时间段和所述第三时间段三者相交，即所述加速度、所述速度和所述位移在同一时间三者同时为零。

一种可选的实施例中，所述第一误差时间与模具合模周期t内所述加速度为零的次数n1相关，所述第一误差时间为：(t×a1)/n1；其中，a1为设定灵敏度系数；

所述第二误差时间与模具合模周期t内所述速度为零的次数n2相关，所述第二误差时间为：(t×a2)/n2；其中，a2为设定灵敏度系数；

所述第三误差时间与模具合模周期t内所述位移为零的次数n3相关，所述第三误差时间为：(t×a3)/n3；其中，a3为设定灵敏度系数。

一种可选的实施例中，所述获取所述公模的时间-加速度序列，具体为：周期性采样所述加速度，其采样周期为模具合模周期的一半或更小。

一种可选的实施例中，在根据所述时间-速度曲线获取所述公模的时间-位移曲线之后，还包括：

对所述时间-加速度曲线中的加速度、所述时间-速度曲线中的速度和所述时间-位移曲线中的位移进行监控；通过对所述加速度、或所述速度、或所述位移的监控，判断所述公模的运动过程是否出现故障。

一种可选的实施例中，通过对所述加速度、或所述速度、或所述位移的监控，判断所述公模的运动过程是否出现故障，具体为：

通过对所述加速度的监控以判断所述公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的一个加速度或多个加速度的平均值，获取时间-平均加速度曲线；若模具合模周期内的时间-加速度曲线与所述时间-平均加速度曲线不同，则判断所述公模的运动过程出现故障；

或，通过对所述速度的监控以判断所述公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-速度曲线，取模具合模周期的每个时间点对应的一个速度或多个速度的平均值，获取时间-平均速度曲线；若模具合模周期内的时间-速度曲线与所述时间-平均速度曲线不同，则判断所述公模的运动过程出现故障；

或，通过对所述位移的监控以判断所述公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-位移曲线，取模具合模周期的每个时间点对应的一个位移或多个位移的平均值，获取时间-平均位移曲线；若模具合模周期内的时间-位移曲线与所述时间-平均位移曲线不同，则判断所述公模的运动过程出现故障。

一种可选的实施例中，所述通过对所述加速度、或所述速度、或所述位移的监控，判断所述公模的运动过程是否出现故障，还包括：

组合交叉监控模具合模周期内的所述加速度、所述速度和所述位移，以判断所述公模的运动过程是否出现故障；

具体分为以下三种情况：1)组合交叉监控模具合模周期内的所述加速度和所述速度判断所述公模的运动过程是否出现故障；2)组合交叉监控模具合模周期内的所述加速度和所述位移判断所述公模的运动过程是否出现故障；3)组合交叉监控模具合模周期内的所述速度和所述位移判断所述公模的运动过程是否出现故障。

一种可选的实施例中，所述组合交叉监控模具合模周期内的所述加速度、所述速度和所述位移，以判断所述公模的运动过程是否出现故障，还包括：

若所述公模的加速度、或速度、或位移与平均加速度、或平均速度、或平均位移不同，则按照公模的加速度变化趋势、或速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断公模的未来运动过程是否出现故障，具体为，判断所述公模的未来加速度、或未来速度、或未来位移与未来平均加速度、或未来平均速度、或未来平均位移是否相同；若相同，则判定所述公模的运动过程未出现故障；否则判定所述公模的运动过程出现故障。

根据本发明实施例的第二方面，提供一种模具的智能管理系统，包括：

加速度获取模块，用于获取公模的时间-加速度序列；

中央计算模块，用于拟合所述时间-加速度序列以获取时间-加速度曲线，实现对加速度的监控；根据所述时间-加速度曲线获取所述公模的时间-速度曲线；根据所述时间-速度曲线获取所述公模的时间-位移曲线；对所述时间-加速度曲线中的加速度、所述时间-速度曲线中的速度和所述时间-位移曲线中的位移在同一时间三者同时为零的次数进行计数，实现对合模次数的监控。

一种可选的实施例中，所述中央计算模块包括：

零点判断单元，用于获取第一时间段，具体为：所述时间-加速度曲线中，以所述加速度为零的时刻为第一准确时间；再以第一准确时间为中心，第一误差时间以内的时间段为所述第一时间段；

用于获取第二时间段，具体为：所述时间-速度曲线中，以所述速度为零的时刻第二准确时间；再以第二准确时间为中心，第二误差时间以内的时间段为所述第二时间段；

用于获取第三时间段，具体为：所述时间-位移曲线中，以所述位移为零的时刻为第三准确时间；再以第三准确时间为中心，第三误差时间以内的时间段为所述第三时间段；

若所述第一时间段、所述第二时间段和所述第三时间段三者相交，则所述零点判断单元判断为所述加速度、所述速度和所述位移在同一时间三者同时为零。

一种可选的实施例中，所述零点判断单元，还用于计算所述第一误差时间：(t×a1)/n1；其中，a1为设定灵敏度系数；

用于计算所述第二误差时间：(t×a2)/n2；其中，a2为设定灵敏度系数；

用于计算所述第三误差时间：(t×a3)/n3；其中，a3为设定灵敏度系数。

一种可选的实施例中，所述加速度获取模块获取公模的时间-加速度序列，具体为：所述加速度获取模块周期性采样所述加速度，其采样周期为模具合模周期的一半或更小。

一种可选的实施例中，还包括：

故障判断模块，用于对所述时间-加速度曲线中的加速度、所述时间-速度曲线中的速度和所述时间-位移曲线中的位移进行监控；通过对所述加速度、或所述速度、或所述位移的监控，判断所述公模的运动过程是否出现故障。

一种可选的实施例中，所述故障判断模块通过对所述加速度、或所述速度、或所述位移的监控，判断所述公模的运动过程是否出现故障，具体为：

通过对所述加速度的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的一个加速度或多个加速度的平均值，获取时间-平均加速度曲线；若模具合模周期内的时间-加速度曲线与所述时间-平均加速度曲线不同，则判断所述公模的运动过程出现故障；

或，通过对所述速度的监控以判断公模的运动过程是否出现故障，包括：获取一条或多条模具合模周期的时间-速度曲线，取模具合模周期的每个时间点对应的一个速度或多个速度的平均值，获取时间-平均速度曲线；若模具合模周期内的时间-速度曲线与所述时间-平均速度曲线不同，则判断所述公模的运动过程出现故障；

或，通过对所述位移的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-位移曲线，取模具合模周期的每个时间点对应的一个位移或多个位移的平均值，获取时间-平均位移曲线；若模具合模周期内的时间-位移曲线与所述时间-平均位移曲线不同，则判断所述公模的运动过程出现故障。

一种可选的实施例中，所述故障判断模块，还用于组合交叉监控模具合模周期内的所述加速度、所述速度和所述位移，以判断所述公模的运动过程是否出现故障；

具体分为以下三种情况：1)组合交叉监控模具合模周期内的所述加速度和所述速度判断所述公模的运动过程是否出现故障；2)组合交叉监控模具合模周期内的所述加速度和所述位移判断所述公模的运动过程是否出现故障；3)组合交叉监控模具合模周期内的所述速度和所述位移判断所述公模的运动过程是否出现故障。

一种可选的实施例中，所述故障判断模块，用于组合交叉监控模具合模周期内的所述加速度、所述速度和所述位移，以判断所述公模的运动过程是否出现故障，还包括：

若所述公模的加速度、或速度、或位移与平均加速度、或平均速度、或平均位移不同，则按照公模的加速度变化趋势、或速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断公模的未来运动过程是否出现故障，具体为，判断所述公模的未来加速度、或未来速度、或未来位移与未来平均加速度、或未来平均速度、或未来平均位移是否相同；若相同，则判定所述公模的运动过程未出现故障；否则判定所述公模的运动过程出现故障。

在实际生产过程中，公模的加速度只与公模本身的运动状态有关，不受周围物体的影响。本实施例中，根据公模的加速度能准确的获取模具的合模次数。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种模具的智能监控方法的流程示意图；

图2是根据一示例性实施例示出的理想情况下公模的时间-加速度曲线、时间-速度曲线和时间-位移曲线示意图；

图3是根据一示例性实施例示出的非理想情况下公模的时间-加速度曲线、时间-速度曲线和时间-位移曲线示意图；

附图标识说明：t1、第一准确时间；△t1、第一误差时间；ts1、第一时间段；t2、第二准确时间；△t2、第二误差时间；ts2、第二时间段；t3、第三准确时间；△t3、第三误差时间；ts3、第三时间段。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的结构、产品等而言，由于其与实施例公开的部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

根据本发明实施例的第一方面，提供一种模具的智能监控方法，如图1所示，包括：

s101、获取公模的时间-加速度序列；

s102、拟合时间-加速度序列以获取时间-加速度曲线；

s103、根据时间-加速度曲线获取公模的时间-速度曲线；

s104、根据时间-速度曲线获取公模的时间-位移曲线；

s105、对时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的次数进行计数，实现对合模次数的监控。

在实际生产过程中，公模的加速度只与公模本身的运动状态有关，不受周围物体的影响，所以根据公模的加速度能准确的获取模具的合模次数。加速度对时间的积分即可得到在积分时间段内速度的变化量，在合模周期开始的同时，同时开始加速度对时间的积分，即可得到速度随时间的变化关系；速度对时间的积分即可得到在积分时间段内位移的变换量，在合模周期开始的同时，同时开始速度对时间的积分，即可得到位移随时间的变化关系。

在监控合模次数时，需要对时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的次数进行计数，而时间-加速度曲线中的加速度为零时、或时间-速度曲线中的速度为零时、或时间-位移曲线中得分位移为零时，仅仅是一个时间点，虽然理论上三者会在同一时间同时为零，但在实际应用中，由于机械结构、机械传动产生的误差，测量的加速度会波动，导致三者很少会在同一时间同时为零。

故，在一种可选的实施例中，加速度、速度和位移在同一时间三者同时为零，如图2和图3所示，具体为：

在时间-加速度曲线中，以加速度为零的时刻为第一准确时间t1；再以第一准确时间t1为中心，第一误差时间△t1以内的时间段为第一时间段ts1；即以第一时间段ts1为加速度为零的时间段；

在时间-速度曲线中，以速度为零的时刻第二准确时间t2；再以第二准确时间t2为中心，第二误差时间△t2以内的时间段为第二时间段ts2；即以第二时间段ts2为速度为零的时间段；

在时间-位移曲线中，以位移为零的时刻为第三准确时间t3；再以第三准确时间t3为中心，第三误差时间△t3以内的时间段为第三时间段ts3；即以第三时间段ts3为位移为零的时间段；

第一时间段ts1、第二时间段ts2和第三时间段ts3三者相交，即加速度、速度和位移在同一时间三者同时为零，如图3所示，第一时间段ts1、第二时间段ts2和第三时间段ts3三者相交，其交集为tu，在tu时间段内，均认定加速度、速度和位移在同一时间三者同时为零。

在考虑到实际情况后，通过本实施例才能检测到时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的时间段，才能对合模次数进行正常的计数。如图3所示，第一准确时间t1、第二准确时间t2和第三准确时间t3不在同一个时间点，

上述时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的时间段，在集合角度来讲，以第一时间段为第一集合、以第二时间段为第二结合、以第三时间段为第三结合，那么第一集合、第二集合和第三集合的交集，即为时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的时间段。

若第一集合、或第二集合、或第三集合过小，那么三者存在将交集的概率降低，意味着统计合模次数时会漏掉一部分，也就是获取的合模次数比实际合模次数少；若第一集合、或第二集合、或第三集合过大，那么三者存在将交集的概率升高，意味着统计合模次数时多统计一部分，也就是获取的合模次数比实际合模次数多，总之，以上哪种情况都是不可取的。

为了准确的获取第一集合、或第二集合、或第三集合的容量，即为了准确的获取第一时间段、第二时间段和第三时间段的大小，一种可选的实施例中，第一误差时间与模具合模周期t内时间-加速度曲线为零的次数n1相关，第一误差时间：(t×a1)/n1；其中，a1为设定灵敏度系数，a1越小，第一误差时间越小；

第二误差时间与模具合模周期t内时间-速度曲线为零的次数n2相关，第二误差时间为：(t×a2)/n2；其中，a2为设定灵敏度系数，a2越小，第二误差时间越小；

第三误差时间与模具合模周期t内时间-位移曲线为零的次数n3相关，第三误差时间为：(t×a3)/n3；其中，a3为设定灵敏度系数，a3越小，第三误差时间越小。

以图2或图3为模具合模周期，则时间-加速度曲线为零的次数n1＝4；时间-速度曲线为零的次数n2＝2；时间-位移曲线为零的次数n3＝1。

值得说明的是，上述模具合模周期t内时间-加速度曲线为零的次数n1，在模具第二次合模时，指的是第一个模具周期t内时间加速度曲线为零的次数n1；在第三次合模时，指的是第一个和第二个模具周期t内时间加速度曲线为零的平均次数n1；在第n次合模时，指的是n以前若干最近的模具周期t内时间加速度曲线为零的平均次数n1，若干可为10个，可为20个，其个数根据中央计算模块的处理能力来确定。中央计算模块的计算能越强，取平均的周期数越多。同理，上述模具合模周期t内时间-速度曲线为零的次数n2，或模具合模周期t内时间-位移曲线为零的次数n3的具体操作方式同模具合模周期t内时间-加速度曲线为零的次数n1的操作方式。

a1为设定灵敏度系数，a1越小，第一误差时间越小，系统灵敏度越差，越不容易采集到合模次数，采集到的合模次数越少；a1越大，第一误差时间越大，系统灵敏度越强，越容易采集到合模次数，采集到的合模次数越多。

a2为设定灵敏度系数，a2越小，第二误差时间越小，系统灵敏度越差，越不容易采集到合模次数，采集到的合模次数越少；a2越大，第二误差时间越大，系统灵敏度越强，越容易采集到合模次数，采集到的合模次数越多。

a3为设定灵敏度系数，a3越小，第三误差时间越小，系统灵敏度越差，越不容易采集到合模次数，采集到的合模次数越少；a3越大，第三误差时间越大，系统灵敏度越强，越容易采集到合模次数，采集到的合模次数越多。

所以，若发现系统采集到的合模次数比实际合模次数少，统计的合模次数少，需要适当调大灵敏系数(a1、a2或a3)；若发现系统采集到的合模次数比实际合模次数多，统计的合模次数多，需要适当调小灵敏系数(a1、a2或a3)。

优选的，a1的取值范围为1/5～1/4；a2的取值范围为1/10～1/8；a3的取值范围为1/20～1/16。

一种可选的实施例中，获取公模的时间-加速度序列，具体为：周期性采样加速度，其采样周期为模具合模周期的一半或更小。

上述模具合模周期，指的是前模具合模周期，若正在采集第二个合模周期的加速度，则前模具合模周期指第一个合模周期；若采集第三个合模周期的加速度，则前模具合模周期指第一个和第二个合模周期的平均周期；若采集第n个合模周期的加速度，则前模具合模周期指第n-1个、第n-2个…第n-m个合模周期的平均周期。m为小于n的整数，m值与中央计算模块的计算能力相关，中央计算模块的计算能力越强，m值可选取越大。一般情况下，m取5或10即可。

本实施例中，采样周期为模具合模周期的一半或更小，即指采样频率为模具合模平率的2倍或更大，以保证公模的时间-加速度序列可准确的还原公模的运动情况。

模具在正常工作中，加工的部件不变，加工工艺不变，每一个周期内的运动的变化是不大的，即每一个周期内模具的加速度、速度、位移是不变的；若这些量发生变化，说明模具的工作过程中产生异常。

在一种可选的实施例中，在根据时间-速度曲线获取公模的时间-位移曲线之后，还包括：

对时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移进行监控；通过对加速度、或速度、或位移的监控，判断公模的运动过程是否出现故障。

在本实施例中，分别从加速度、速度、行程、合模次数四个动态参数对模具进行动态监控，可更准确的获取实际模具的实际工作情况和故障情况，生产管理人员可据此对正在工作的模具进行实时动态的管理。

其中，通过对加速度、或速度、或位移的监控，判断公模的运动过程是否出现故障，具体为：

通过对加速度的监控以判断公模的运动过程是否出现故障，获取一条及多条前模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的一个加速度或多个加速度的平均值，获取时间-平均加速度曲线；若模具合模周期内的时间-加速度曲线与时间-平均加速度曲线不同，则判断公模的运动过程出现故障；

或，通过对速度的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条前模具合模周期的时间-速度曲线，取模具合模周期的每个时间点对应的一个速度或多个速度的平均值，获取时间-平均速度曲线；若模具合模周期内的时间-速度曲线与时间-平均速度曲线不同，则判断公模的运动过程出现故障；

或，通过对位移的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条前模具合模周期的时间-位移曲线，取模具合模周期的每个时间点对应的一个位移或多个位移的平均值，获取时间-平均位移曲线；若模具合模周期内的时间-位移曲线与时间-平均位移曲线不同，则判断公模的运动过程出现故障。

上述实施例可以自动判断模具的运动过程是否出现故障，辅助用户对模具进行动态管理。若模具的运动过程出现故障，则提醒用户，即使处理故障，以保证模具正常工作，维持模具预定的使用寿命。

其中，对加速度的监控中，获取多条模具合模周期的时间-加速度曲线，具体为：在模具刚开始工作，第一个模具合模周期中，只对合模周期的加速度进行记录，形成时间-加速度序列，无需获取前模具合模周期的时间-加速度曲线，也就是说，在第一个合模周期中，无法通过加速度来判断公模的运行过程是否有问题；第二个模具合模周期中，获取第一个模具合模周期的时间-加速度曲线，对比第二个模具合模周期中的时间-加速度曲线与第一个合模周期的时间-加速度曲线是否相同，若不同，则表示在第一个模具合模周期中或第二个模具合模周期中，公模的运动过程出现故障；第三个模具合模周期中，获取第一个和第二个模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的两个加速度的平均值，获取时间-平均加速度曲线，若第三个模具合模周期的时间-加速度曲线与时间-平均加速度曲线不同，则判断在第三个模具合模周期中，公模的运动过程出现故障；在第n个模具合模周期中，获取第n-1个、第n-2个、第n-m个模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的m个加速度的平均值，获取时间-平均加速度曲线，若第n个模具合模周期内的时间-加速度曲线与时间-平均加速度曲线不同，则判断公模的运动过程出现故障。一般情况下，在换上新模具后，管理人员会观察新模具工作几个模具合模周期，一切正常后再离开，再由系统自动监控。实际生产中，无需系统自动监控前几个模具合模周期的工作状况。

获取多条模具合模周期的时间-速度曲线、或获取多条模具合模周期的时间-位移曲线与获取多条模具合模周期的时间-加速度曲线的情形类似，这里不再一一举例说明。

上述模具合模周期内的时间-加速度曲线与时间-平均加速度曲线不同，其判断方法为：计算模具合模周期内的时间-加速度曲线与时间-平均加速度曲线的标准差，判断该标准差是否小于设定加速度标准差阈值；若是，则模具合模周期内的时间-加速度曲线与时间-平均加速度曲线相同；否则模具合模周期内的时间-加速度曲线与时间-平均加速度曲线不同。

同理，模具合模周期内的时间-速度曲线与时间-平均速度曲线不同，其判断方法为：计算模具合模周期内的时间-速度曲线与时间-平均速度曲线的标准差，判断该标准差是否小于设定速度标准差阈值；若是，则模具合模周期内的时间-速度曲线与时间-平均速度曲线相同；否则模具合模周期内的时间-速度曲线与时间-平均速度曲线不同。

模具合模周期内的时间-位移曲线与时间-平均位移曲线不同，其判断方法为：计算模具合模周期内的时间-位移曲线与时间-平均位移曲线的标准差，判断该标准差是否小于设定位移标准差阈值；若是，则模具合模周期内的时间-位移曲线与时间-平均位移曲线相同；否则模具合模周期内的时间-位移曲线与时间-平均位移曲线不同。

以上判断方法为通过计算时间-加速度曲线与时间-平均加速度曲线的标准差、时间-速度曲线与时间-平均速度曲线的标准差、时间-位移曲线与时间-平均位移曲线的标准差来判断对应的两条曲线的是否相似。

可选的，还可通过方差来判断对应的两条曲线是否相似：

计算模具合模周期内的时间-加速度曲线与时间-平均加速度曲线的方差并与设定加速度方差标准阈值进行比较，以判断模具合模周期内的时间-加速度曲线与时间-平均加速度曲线是否相同；

计算模具合模周期内的时间-速度曲线与时间平均-速度曲线的方差并与设定速度方差标准阈值进行比较，以判断模具合模周期内的时间-速度曲线与时间-平均速度曲线是否相同；

计算模具合模周期内的时间-位移曲线与时间-平均位移曲线的方差并与设定位移方差标准阈值进行比较，以判断模具合模周期内的时间-位移曲线与时间-平均位移曲线是否相同。

一个模具合模周期包括合模过程和开模过程，一种应用于塑料行业的模具合模周期为：以合模前公模所在的位置为原点，合模过程中，公模先迅速加速，之后匀速运行，直到接近母模时，缓慢减速，直到停止，合模完成；锁模一段时间，完成产品成型过程；开模过程中，公模先离开母模一段距离，该距离可保证产品顺利的在公模上完成脱模过程，之后公模以一定速度返回原点。

在合模过程中，公模的加速度以及速度是需要严格控制的，针对不同的产品，不同的模具型号，制定不同的加速度以及速度方案，若加速度过大或过小，导致速度过大或过小，难以准确控制公模以安全的速度接近母模；若加速度或速度过大，容易使公模与母模之间产生碰撞，损坏模具；若加速度或速度过小，延长模具合模周期，降低生产效率。此时，监控加速度或速度，无论加速度过大或过小，均认定为模具的运动过程出现故障，提醒用户进行对应的调整。从而保证了模具的安全，并且提高了生产效率。

多条模具合模周期的时间-平均加速度曲线、时间-平均速度曲线、时间-平均位移曲线均为公模出于最佳运动状态的数据，以多条模具合模周期的时间-平均加速度曲线、时间-平均速度曲线、时间-平均位移曲线为参照数据，可更准确的判断公模的运动过程是否存在故障；这个过程属于系统先学习最佳的公模的运动状态，再根据所学习的最佳的公模的运动状态判断当前公模的运动状态是否属于最佳运动状态，更智能化，无需设定标准数据，提高用户的使用体验。

一种可选的实施例中，通过对加速度、或速度、或位移的监控，判断公模的运动过程是否出现故障，还包括：

组合交叉监控模具合模周期内的加速度、速度和位移，以判断公模的运动过程是否出现故障。

具体分为以下三种情况：1)组合交叉监控模具合模周期内的加速度和速度判断公模的运动过程是否出现故障；2)组合交叉监控模具合模周期内的加速度和位移判断公模的运动过程是否出现故障；3)组合交叉监控模具合模周期内的速度和位移判断公模的运动过程是否出现故障。

对于第1)种情况，例如在某一时刻，公模的速度已超过平均值，而加速度还不为负，则判定为公模的运动过程出现故障；对于第2)种情况，例如公模的位移即将达到最大值，即公模与母模将要合模，而加速度的方向由公模指向母模，这样合模肯定会发生公模与母模的碰撞，判定该状态为公模的运动过程出现故障，需要报警；对于第3)中情况，例如某一时刻公模的位移即将达到最大值，即公模与母模将要合模，而速度的方向由公模指向母模，这样合模肯定会发生公模与母模的碰撞，判定该状态为公模的运动过程出现故障，需要报警。

本实施例中，对公模的实时运动过程进行监控，一旦公模的运动过程出现故障，立即报警，时效性强。

一种可选的实施例中，组合交叉监控模具合模周期内的加速度、速度和位移，以判断公模的运动过程是否出现故障，还包括：

若公模的加速度、或速度、或位移与平均加速度、或平均速度、或平均位移不同，则按照公模的加速度变化趋势、或速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断公模的未来运动过程是否出现故障，具体为：判断公模的未来运动过程中的未来加速度、或未来速度、或未来位移与未来平均加速度、或未来平均速度、或未来平均位移是否相同；若相同，则判定公模的运动过程未出现故障；否则判定公模的运动过程出现故障。

具体分为以下三种情况：1)若公模的加速度、或速度与平均加速度、或平均速度不同，则按照公模的加速度变化趋势、或速度变化趋势推测预设缓冲时间后公模的未来运动过程，判断未来运动过程中公模的未来加速度、或未来速度与未来平均加速度、或未来平均速度是否相同；若相同，则判定公模的运动过程未出现故障；否则判定公模的运动过程出现故障；2)若公模的加速度、或位移与平均加速度、或平均位移不同，则按照公模的加速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断未来运动过程中公模的未来加速度、或未来位移与未来平均加速度、或未来平均位移是否相同；若相同，则判定公模的运动过程未出现故障；否则判定公模的运动过程出现故障；3)若公模的速度、或位移与平均速度、或平均位移不同，则按照公模的速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断未来运动过程中公模的未来速度、或未来位移与未来平均速度、或未来平均位移是否相同；若相同，则判定公模的运动过程未出现故障；否则判定公模的运动过程出现故障。

对于第1)种情况，例如在某一时刻，加速度已超过平均加速度，加速度正以一定速率减小，但速度小于平均速度，按照此趋势计算预设缓冲时间后的未来加速度与未来速度，判断未来加速度或未来速度与未来平均加速度、或未来平均速度是否相同，若是，则将该公模的运动过程视为未发生故障；否则，将该公模的运动过程视为发生故障。可选的，可与预设缓冲时间可设置为1.5s或2s。合模过程或开模过程持续时间较短，所以该预设缓冲时间也不可过长。对于第2)种情况和第3)种情况，仿照第1)中情况进行操作即可。

根据本发明实施例的第二方面，提供一种模具的智能管理系统，包括：

加速度获取模块，用于获取公模的时间-加速度序列；

中央计算模块，用于拟合时间-加速度序列以获取时间-加速度曲线，实现对加速度的监控；根据时间-加速度曲线获取公模的时间-速度曲线；根据时间-速度曲线获取公模的时间-位移曲线；对时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移在同一时间三者同时为零的次数进行计数，实现对合模次数的监控。

一种可选的实施例中，中央计算模块包括：

零点判断单元，用于获取第一时间段，具体为：在时间-加速度曲线中，以加速度为零的时刻为第一准确时间；再以第一准确时间为中心，第一误差时间以内的时间段为第一时间段；

用于获取第二时间段，具体为：在时间-速度曲线中，以速度为零的时刻第二准确时间；再以第二准确时间为中心，第二误差时间以内的时间段为第二时间段；

用于获取第三时间段，具体为：在时间-位移曲线中，以位移为零的时刻为第三准确时间；再以第三准确时间为中心，第三误差时间以内的时间段为第三时间段；

若第一时间段、第二时间段和第三时间段三者相交，则零点判断单元判断为加速度、速度和位移在同一时间三者同时为零。

一种可选的实施例中，零点判断单元，还用于计算第一误差时间：(t×a1)/n1；其中，a1为设定灵敏度系数；

用于计算第二误差时间：(t×a2)/n2；其中，a2为设定灵敏度系数；

用于计算第三误差时间：(t×a3)/n3；其中，a3为设定灵敏度系数。

一种可选的实施例中，加速度获取模块获取公模的时间-加速度序列，具体为：加速度获取模块周期性采样加速度，其采样周期为模具合模周期的一半或更小。

一种可选的实施例中，还包括：

故障判断模块，用于对时间-加速度曲线中的加速度、时间-速度曲线中的速度和时间-位移曲线中的位移进行监控；通过对加速度、或速度、或位移的监控，判断公模的运动过程是否出现故障。

一种可选的实施例中，故障判断模块通过对加速度、或速度、或位移的监控，判断公模的运动过程是否出现故障，具体为：

通过对加速度的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-加速度曲线，取模具合模周期的每个时间点对应的一个加速度或多个加速度的平均值，获取时间-平均加速度曲线；若模具合模周期内的时间-加速度曲线与时间-平均加速度曲线不同，则判断公模的运动过程出现故障；

或，通过对速度的监控以判断公模的运动过程是否出现故障，包括：获取一条或多条模具合模周期的时间-速度曲线，取模具合模周期的每个时间点对应的一个速度或多个速度的平均值，获取时间-平均速度曲线；若模具合模周期内的时间-速度曲线与时间-平均速度曲线不同，则判断公模的运动过程出现故障；

或，通过对位移的监控以判断公模的运动过程是否出现故障，包括：获取一条及多条模具合模周期的时间-位移曲线，取模具合模周期的每个时间点对应的一个位移或多个位移的平均值，获取时间-平均位移曲线；若模具合模周期内的时间-位移曲线与时间-平均位移曲线不同，则判断公模的运动过程出现故障。

一种可选的实施例中，故障判断模块，还用于组合交叉监控模具合模周期内的加速度、速度和位移，以判断公模的运动过程是否出现故障；

具体分为以下三种情况：1)组合交叉监控模具合模周期内的加速度和速度判断公模的运动过程是否出现故障；2)组合交叉监控模具合模周期内的加速度和位移判断公模的运动过程是否出现故障；3)组合交叉监控模具合模周期内的速度和位移判断公模的运动过程是否出现故障。

一种可选的实施例中，故障判断模块，用于组合交叉监控模具合模周期内的加速度、速度和位移，以判断公模的运动过程是否出现故障，还包括：

若公模的加速度、或速度、或位移与平均加速度、或平均速度、或平均位移不同，则按照公模的加速度变化趋势、或速度变化趋势、或位移变化趋势推测预设缓冲时间后公模的未来运动过程，判断公模的未来运动过程是否出现故障，具体为，判断公模的未来加速度、或未来速度、或未来位移与未来平均加速度、或未来平均速度、或未来平均位移是否相同；若相同，则判定公模的运动过程未出现故障；否则判定公模的运动过程出现故障。

在实际生产过程中，公模的加速度只与公模本身的运动状态有关，不受周围物体的影响。本实施例中，根据公模的加速度能准确的获取模具的合模次数。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的流程及结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。