基于移动终端的工业机器人远程监测与故障诊断系统设计

针对传统故障诊断方法在数据查询上灵活性差、效率低、可扩展性差、故障报警信息形式单一等问题,开发一种以移动终端为平台的远程监测与故障诊断系统。该系统通过Internet实时采集工业机器人的运行数据并上传到服务器端。利用智能手机可以随时随地查看工业机器人工作状态,实现远程数据监控和故障报警。结果表明：该系统增强了现场数据查询的灵活性,提高了故障诊断的准确性和现场故障处理的及时性。     

基于IOT的焊接设备监控系统设计

设计了一种基于物联网(IOT)技术的焊接设备监控系统方案,实现了焊接设备数据的采集和监测以及远程对焊接设备的控制。该系统以瑞萨MCU为控制器、以IOT技术为核心、以云平台为基础,实现了焊接设备和云平台之间的数据传输与控制,提高了焊接过程的管理精细化。实验结果表明,该系统运行稳定,数据传输可靠,适用于各种焊接场合。     

基于云平台的旋转机械轴承监测系统设计

针对旋转机械监测中无法随时随地查看其运行状态，监测产生的数据量逐渐加大，以及故障特征提取困难的问题，以轴承作为关键部件，提出一种基于云平台的旋转机械轴承监测系统。系统采用温度和加速度传感器、STM32单片机获得轴承监测所需的数据；然后利用窄带物联网完成数据远程传输，并将其存储到云端数据库中；在云平台利用相关时域频域分析对轴承状态进行监测，并利用设计的一种多尺度一维卷积神经网络模型实现轴承的故障诊断；然后由Web浏览器显示轴承的运行状态和故障诊断结果。实验结果表明提出的故障诊断方法诊断准确率高、效果好，系统能够良好地运行。     

基于云模型与LSTM算法的旋转机械故障诊断研究

针对旋转机械故障率偏高,而人工参与故障诊断工作量大、效率偏低等问题,提出一种基于云模型与LSTM算法的旋转机械故障诊断方法。采用实验台采集振动故障原始数据,统一进行EEMD数据预处理,利用云模型进行故障特征数据提取,输入LSTM神经网络模型进行故障诊断。通过云模型和能量法进行特征提取,分别输入支持向量机和LSTM神经网络模型进行诊断结果对比。结果表明：云模型与LSTM算法的故障诊断准确率最高,达到98.75%,证明该方法能够有效应用在旋转机械故障诊断中。     

智能化电火花成形机床远程监控维护系统的研究与设计

介绍了一种基于云平台的远程监控维护系统在电火花成形机床上的架构方案,并据此设计了一套智能化电火花成形机床的远程监控维护系统,实现了远程监控中心、移动监控终端和本地监控终端对多台电火花成形机床的状态监控,同时为维修人员对机床故障进行快速准确的诊断和维修提供技术支撑。     

基于5G通信的数控机床智能监控与诊断系统设计

针对目前数控机床智能监控水平较低、智能化不足的问题,提出基于5G通信的数控机床智能监控与故障诊断系统。该系统以高性能STM32为硬件核心,搭载AliOS Things嵌入式操作系统实现机床电机工作电流、电压、温度和振动信号的实时监测;再提取信号时频域特征,进行故障状态识别,通过5G通信智能网关将异常状态数据上传到远程智能监控服务平台。该平台还能下发指令给监控系统,提示并辅助工作人员对存在故障风险的数控机床进行及时维护。经测试,该系统能够实现高并发海量数据的采集与高速传输,5G通信传输速度在500 Mb/s,传输时延在20 ms以内,平均数据丢包率在2%内。测试结果表明该系统性能稳定可靠,在满足数控机床智能监控同时,为数控机床设备的智能升级提供技术方案。     

基于轨道交通行业的云智能焊接群控系统的设计

文中主要介绍了云智能焊接管控系统的应用背景、系统架构、功能模块、系统技术实现等内容。以全面实现转向架构架焊接单元的数字化改造升级为目标,充分利用云智能焊接管控系统和企业生产管理系统MES等平台,进行各应用系统的扩展与完善,实现焊机状态实时监控、焊接工艺参数在线控制、焊接过程管理以及数据统计分析等生产数据在企业范围内的共享共通,避免造成新的信息孤岛。该设计可重点提升转向架构架焊接单元的数字化水平,提升产品质量、降低人力与生产管理成本、提高生产系统柔性、实现物流精益管控。     

基于LabSQL的故障诊断系统研究

介绍LabVIEW开发环境下,利用LabSQL工具进行故障诊断系统开发的思路和方法.通过LabSQL的函数节点可以可靠地对数据库进行访问,解决故障诊断系统中故障推理的过程,能够很好地与LabView平台下采集到的数据有效融合,实现基于设备实时状态的故障诊断.     

毛刺清理设备组网监控技术研究

现有毛刺清理设备为单机形式,采用华中数控系统作为控制端,满足了自动化生产需要,但缺乏设备状态监控及工位故障诊断功能,难以满足多设备组网监控管理的需要。为此,开展了毛刺清理设备组网监控技术研究,进行了系统总体方案设计、设备状态采集以及故障判断与预警等分析,基于C++开发了上位机监控系统,修改了数控系统PLC部分的输入输出程序,实现了多个毛刺清理设备运行过程的在线监控。测试结果表明:系统数据记录及展示稳定可靠,具有良好扩展性,可有效降低故障排查难度,具有一定的工程应用价值。     

基于LabVIEW的远程实时液压系统状态监控

针对液压系统故障对工程机械设备工作效率的限制,提出一种基于LabVIEW的远程液压缸状态检测系统。该系统架构分为3层：现场设备层是以NI数据采集卡为核心实现数据的采集和初步处理硬件平台;数据控制层主要借助串口通信和上位机编程实现数据的采集处理、数据存储、限位报警等功能;监测访问层主要以TCP通信协议为基础实现数据的远程传输及远程故障诊断。试验结果显示：基于LabVIEW远程监测系统数据传输效果稳定、可靠性高。     

基于集成光纤传感器的工装状态监控技术研究

在飞机装配过程中,大型工装的状态变化主要受温度和负载影响。分析光纤传感器的传光特性,设计一种具有温度和应变采集功能的集成光纤传感器,提出一种基于集成光纤传感器的工装状态监控方法。采用PSO-BP算法建立温度、应变和工装定位器位置变化之间的数学模型,实现对工装定位器位置变化的监控。通过单独对光纤应变传感器采集数据进行分析,提出一种应变参数标定方法,标定后通过检测应变实现对工装定位器的三维负载监控。在某型工装上搭建试验平台,标定后传感器的检测精度在±2 N以内,满足使用要求,验证了此方法的可行性。     

数控机床健康诊断图形化动态交互平台的开发

为实现对数控机床智能化的状态监测与故障诊断,通过对数控机床健康诊断系统分析模型与交互特性的分析,根据数控机床故障类型与结构特点,利用Python开发一个图形化交互的数控机床健康诊断系统的动态交互平台,详细设计了系统的总体架构、数据采集模块、数据处理模块、诊断服务模块、人机交互界面。该平台可实现数控机床的动态监控、故障分析、状态数据显示及信息的发布与预警功能。     

基于阿里云的远程监测及故障诊断系统研究

针对当前工业现场数据远程查询灵活性不足、传统故障诊断方式效率较低和扩展性较差、故障报警信息形式单一等问题,设计了基于阿里云的大型臭氧发生器远程监测及故障诊断系统。该系统通过工业无线的方式实时采集臭氧发生器的运行数据并上传至阿里云,在阿里云上利用BP神经网络进行故障诊断。终端采用B/S架构实现远程数据监测及手机短信报警等功能。该系统增强了现场数据查询的灵活性,提高了故障诊断的准确性,改善了现场故障处理的及时性。     

基于传感网的无人值守现场与远程监控系统的实现（英文）

为了解决无人值守现场与远程监控系统因数据信息交换不畅导致的监控效率低下,探讨了一种基于传感网的无人值守现场与远程监控系统。讨论了传感器网络与传感网的区别,研究了无线传感器网络及其组网,构建了基于传感网的无人值守现场与远程监控系统架构,设计实现了一个无人值守的现场与远程监控系统。以搭建的现场无人值守远程系统为例,实测数据验证了所设计实现系统的合理性。研究结果表明:所设计的基于传感网的无人值守现场与远程监控系统是可行的。     

基于LSTM的ACFM在线缺陷判定方法

交流电磁场检测(ACFM)技术在进行缺陷判定时，存在检测数据追溯、现场判定缺陷困难等问题。分析了ACFM检测信号特征，开发了一种部署在云服务器上的在线数据存储、检测信息显示以及缺陷智能判定的方法。该系统主要由检测仪与云端服务器组成，检测时仪器采集检测信号，将检测信息实时传输至云服务器，云服务器存储检测信息并通过网页显示，同时基于长短期记忆神经网络(LSTM)的缺陷判定算法分析检测信息并返回结果至检测仪。以铝板试件作为检测对象，对系统进行功能测试。试验结果表明，开发的在线缺陷判定算法实现了交流电磁场检测系统数据存储、信息查看、缺陷判定的目标。     

基于量纲一指标和极限学习机的滚动轴承故障诊断方法

时域中的量纲一指标因对故障敏感,被广泛运用于机械故障诊断中,但是目前量纲一指标在诊断过程中存在严重交叉问题,即量纲一指标对于不同故障状态在特征空间中存在混叠现象。为了解决这个问题,提出基于量纲一指标和极限学习机的滚动轴承故障识别方法,采用美国西储大学轴承数据中心网站公开发布的轴承探伤数据集,验证算法诊断效果。为了进一步验证算法的优越性,将该算法与BP神经网络、支持向量机(SVM)和Grip search SVM 3种算法进行比较,结果表明:基于量纲一指标和极限学习机的故障诊断方法能够提高滚动轴承故障诊断效率和分类准确率。     

K-means聚类精简点云驱动PointNet++的行星齿轮故障诊断

复杂装备的三维模型点云数据具有非结构化、无序性、离散性的特点，数据精简策略和深度神经网络模型构建被视为点云数据驱动的机械设备故障诊断关键技术难点。提出了一种K-means聚类(K均值聚类算法)精简点云驱动PointNet++的行星齿轮故障诊断方法。首先，提出了基于K-means的点云数据精简策略实现了在充分保留细节特征的前提下，精简84%的冗余数据；其次，构建了简度、速度、精度的精简效果三维评价指标体系并对精简算法进行评价；最后，构建了能够提取局部特征的PointNet++故障诊断模型。实验结果表明，相比于点云数据直接驱动PointNet++,K-means聚类精简点云驱动PointNet++的行星齿轮故障诊断的准确率提升了6.9%,表明了所提方法的有效性。     

基于OpenCV的嵌入式数控刀具磨损检测系统开发

基于嵌入式ARM-Linux平台与OpenCV开源视觉库设计出一款在线检测数控刀具磨损状态的系统。系统采用Linux的视频模块V4L2对工业摄像头进行数据的采集,利用OpenCV智能算法以及轮廓处理等相关函数在嵌入式图像采集端实现了对刀具磨损特征值(VB)的提取,根据提取出的特征值判断刀具磨损状态。终端WIFI模块通过自身AP功能,将图像数据传输到其他网络设备进行显示,实现了无线传输功能。测试结果表明,系统达到预期目标。     

基于OPC UA的挤出生产线数据采集与监控系统

针对传统挤出生产车间设备种类的多样性给工厂数据采集和统一监控带来的难题,研究一种基于OPC UA的数据采集与监控系统。以挤出生产线为研究对象,通过系统功能需求分析,设计总体技术框架。对生产数据分类整理,建立服务器地址空间信息模型,采用KEPServerEX搭建本地OPC UA服务器,实现不同设备生产数据的实时采集和封装。使用OPC UA基金会提供的SDK开发OPC UA客户端对接OPC UA服务器,完成对服务器地址空间信息节点的统一采集和处理,同时上传至数据库为上层业务系统提供数据支持。最后基于NET平台,采用C#语言开发挤出生产线集中监控系统。应用结果表明：该系统能够实现对底层设备生产数据有效的监控和记录,使多源异构数据格式和设备通信得到统一。     

基于数据驱动和本体建模的数控机床主轴故障诊断与推理

针对目前数控机床主轴系统故障诊断存在方法单一及智能化程度低的问题,提出基于数据驱动和本体建模的机床主轴故障诊断与推理方法。采用EMD对传感器采集的蕴含故障特征的原始信号进行数据处理与分析,提取原始统计特征,在此基础上,构建DBN-RF诊断模型实现深度特征自适应挖掘与故障模式识别。利用Protégé5.1工具结合领域知识构建机床主轴故障本体知识库,将DBN-RF诊断模型的故障辨识结果与本体知识库中的实例进行语义映射,实现故障知识推理,获得故障原因和故障解决策略。基于采集的不同工况下轴承故障数据验证了DBN-RF诊断模型的有效性,最高故障诊断平均准确率可达92.93%;构建实例验证了本体知识库的可重用性和推理功能;最后,设计开发了数控机床主轴健康管理服务系统,实现主轴系统状态实时感知和故障诊断与推理。