首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于数字化物联网的工业设备管理系统及方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:吉林省北国智能工业有限公司

摘要:本发明涉及物联网技术领域,具体为一种基于数字化物联网的工业设备管理系统及方法,所述系统包括工业设备故障分析模块、工业设备故障风险预测模块、预警信号设定模块以及故障点位快速定位模块,所述工业设备故障分析模块用于结合历史数据分析工业机器人机械部件磨损程度以及移动轨迹变化对工业机器人性能的影响,根据分析结果构建工业设备故障分析模型,本发明通过分析历史数据中的工业设备在运行时各个数据指标的变化趋势,进而根据各个数据指标的变化趋势判断对应工业设备的运行状态,结合分析结果构建故障风险预测模型,进而避免了工业设备的故障带来的不必要麻烦,同时提高了工作人员对工业设备的检修效率。

主权项:1.一种基于数字化物联网的工业设备管理方法,其特征在于,所述方法包括以下步骤:S1:结合历史数据分析工业机器人机械部件磨损程度以及移动轨迹变化对工业机器人性能的影响,根据分析结果构建工业设备故障分析模型;所述S1的方法包括以下步骤:步骤1001:通过历史数据获取待监测区域内第a台工业机器人的项目任务,将各个项目任务中对应关节从初始位置转动到目标位置所用时间记为集合A,A={[Aa1,Aa2,Aa3,...,Aan]},其中Aan表示待监测区域内第a台工业机器人在运行第n个项目任务中对应关节从初始位置转动到目标位置所用时间;步骤1002:获取第a台工业机器人在不同项目任务中对应关节从初始位置转动到目标位置所用时间,将第a台工业机器人在第n个项目任务中对应关节从初始位置转动到目标位置所用时间对应机械部件的磨损程度,记为Mn,Mn=α·|BnT-Aan|,其中α表示比例系数,α∈(0,1),所述比例系数为数据库预设值,BnT表示工业机器人在运行第n个项目任务中对应关节从初始位置转动到目标位置所需标准时间,所述BnT为数据库预设值,BnT∈(0,+∞);步骤1003:以点o作为原点,以转动次数作为x轴,以工业机器人机械部件磨损程度作为y轴,构建第一平面直角坐标系,在第一平面直角坐标系中将第a台工业机器人每一次转动时相关关节从初始位置转动到目标位置对应机械部件的磨损程度的坐标点进行标注,依次连接相邻两个坐标点,生成一条拟合曲线,记为F转动x;步骤1004:获取待监测区域内第a台工业机器人第L次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹,以点o1作为原点,以时间节点作为x1轴,以工业机器人对应关节移动距离作为y1轴,构建第二平面直角坐标系,在第二平面直角坐标系中将待监测区域内第a台工业机器人第L次运行第n个项目任务中对应关节从初始位置转动到目标位置每个时间节点移动距离对应坐标点进行标注,依次连接相邻两个坐标点,生成一条移动轨迹拟合曲线,记为FLx1,将生成一条移动轨迹拟合曲线FLx1与待监测区域内第a台工业机器人第一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线之间的偏差记为P1L,P1L=∫ux1=1|FLx1-F1x1|dx1,其中u表示第二平面直角坐标系中将待监测区域内第a台工业机器人第L次运行第n个项目任务中对应关节从初始位置转动到目标位置每个时间节点移动位置对应坐标点的总个数,F1x1表示待监测区域内第a台工业机器人第一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线;步骤1005:重复步骤1004得到待监测区域内第a台工业机器人每一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线与待监测区域内第a台工业机器人第一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线之间的偏差,以点o2作为原点,以运行次数作为x2轴,以偏差作为y2轴,构建第三平面直角坐标系,在第三平面直角坐标系中将待监测区域内第a台工业机器人每一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线与待监测区域内第a台工业机器人第一次运行第n个项目任务中对应关节从初始位置转动到目标位置的移动轨迹生成的拟合曲线之间的偏差的坐标点进行标注,依次连接相邻两个坐标点生成一条拟合曲线,记为F偏差x2;步骤1006:结合步骤1003与步骤1005的分析结果构建工业设备故障分析模型,记为Mnfault,默认工业机器人每次运行时的转动次数为一次,Mnfault=β1·F转动x+β2·F偏差x2,其中β1和β2为比例系数,β1+β2=1,β1∈(0,1),β2∈(0,1),所述比例系数为数据库预设值;S2:实时监测当前待监测工业机器人的工作状态,并结合工业设备故障分析模型判断当前待监测工业机器人的故障风险程度,根据判断结果构建故障风险预测模型;S3:结合故障风险预测模型的分析结果设定预警信号条件值,并将预警信号发送至物联网平台;S4:通过物联网平台接收预警信号,结合预警信号定位预测故障点,并采取相应措施对预测故障点进行检修。

全文数据:

权利要求:

百度查询: 吉林省北国智能工业有限公司 一种基于数字化物联网的工业设备管理系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。