[发明专利]一种焊机故障诊断方法及系统

说明书

本发明公开了一种焊机故障诊断方法及系统，方法包括以下步骤：采集各故障状态下的焊机数据，构建数据库；对数据库中的焊机数据进行预处理，生成训练数据集；利用训练数据集训练隐马尔科夫模型，生成不同故障状态对应的故障状态模型；基于所述故障状态模型，实时监测焊机状态。本发明通过对焊机故障状态模型与实时采集数据分析计算，可以确定焊机故障位置及故障模式，便于技术人员确定故障解决方案。

技术领域

本发明属于故障诊断领域，特别是一种焊机故障诊断方法及系统。

背景技术

在现代工业的发展过程中，焊接技术起着不可或缺的作用，随着焊接技术的推广，作为焊接过程中的重要组成部分，焊机也得到了广泛的应用。焊机有着操作简单、使用方便、焊接后焊缝结实等优点，可应用于航空航天、船舶、汽车等各种工业领域。

但由于焊机服役年限增加及环境对电子元件的影响，会发生多类型故障。常见的焊机故障有：焊接过热，空载电压过低、电流不可调、送电后空气开关跳闸等。焊机内部由多种电路相互控制组成，损坏其中一种器件，另外的器件也会受到影响。焊机内部系统构成的复杂性，为操作人员解决焊机故障带来了极大的难度，以传统方法确定焊机故障，需要采用各种测量工具，历经各个步骤，分别测量各元器件是否损坏。这样的测量方法无法快速准确的定位故障部位、确定故障形式，致使后续维修工作难以开展，造成长时间停机，影响生产效率。

基于数据驱动的焊机故障诊断，利用历史数据建立焊机故障模型，在此基础上，通过对实时数据的分析和处理，系统直观地展示焊机状态，一旦焊机发生故障，能够快速准确的确定故障所在位置，为维修人员制定方案提供有力保证，尽最大可能减少停机时间，提高生产效率。

发明内容

本发明的目的在于提供一种焊机故障诊断方法及系统，能实时监测焊机状态以及确定焊机故障模式。

实现本发明目的的技术解决方案为：一种焊机故障诊断方法，所述方法包括以下步骤：

步骤1，采集各故障状态下的焊机数据，构建数据库；

步骤2，对数据库中的焊机数据进行预处理，生成训练数据集；

步骤3，利用训练数据集训练隐马尔科夫模型，生成不同故障状态对应的故障状态模型；

步骤4，基于所述故障状态模型，实时监测焊机状态。

进一步地，步骤2所述对数据库中的焊机数据进行预处理，生成训练数据集，具体为根据主成分分析法PCA对焊机数据进行预处理，过程包括：

步骤2-1，从数据库中选取某一时间段内某种故障状态对应的焊机数据，构成高维数据矩阵；

步骤2-2，利用主成分分析法PCA对高维数据矩阵进行降维处理，得到一维数据矩阵，构成该种故障状态对应的训练数据集。

进一步地，步骤4所述基于所述故障状态模型，实时监测焊机状态，具体包括：

步骤4-1，实时采集焊机数据；

步骤4-2，利用步骤2的方式对实时采集的焊机数据进行预处理，获得当下焊机数据对应的一维数据矩阵；

步骤4-3，计算该一维数据矩阵与各故障状态模型的最大似然相似概率，选取概率值最大的模型，该模型对应的故障状态即为当前焊机故障状态。

一种焊机故障诊断系统，所述系统包括数据采集模块、数据预处理模块、故障状态模型训练模块和实时状态监测模块；

所述数据采集模块，根据CAN总线通信协议连接上位机与下位机，采集各故障状态下的焊机数据，构建数据库；

所述数据预处理模块，用于对数据库中的焊机数据进行预处理，生成训练数据集；