技术领域
[0001] 本
发明涉及监测技术领域，尤其涉及一种修边机切刀的监测方法及监测系统。
背景技术
[0002]
现有技术中，金属易拉罐已逐步采用两片罐技术生产。
[0003] 两片罐生产技术，是指，罐身与罐盖分别由一片
金属加工而成，总共使用了两片金属。
[0004] 对于罐身的制造，主要加工工艺有
冲压、拉伸、压延和
修剪。
[0005] 其中，修剪，是指，修剪罐身的开口端，进而，
切除多余材料。
[0006] 为提高修剪效率，常需要使用修边机进行修剪。
[0007] 对于修边机的结构，主要包括一个内切刀和一个外切刀，内切刀位于罐身内侧，外切刀位于罐身外侧。
[0008] 修边机工作时，内切刀和外切刀同时转动，并且，内切刀和外切刀同时对罐身的壁进行
挤压，进而，将多余材料切除，完成剪切。
[0009] 当修边机工作一段时间后，内切刀和外切刀会发生磨损，修剪的
质量会逐步降低和恶化，罐身的端口会产生毛刺和披锋，甚至未能够实现罐身与余料的完全分离。
[0010] 因而，易拉罐生产厂商还需要进行员工培训、质量抽检、停机检修，以确保修剪工艺的质量，这都耗费了大量人
力成本和时间成本。
发明内容
[0011] 本发明旨在解决上述所提及的技术问题，提供一种修边机切刀的监测方法及监测系统，可以及时监测切刀的磨损情况，预估切刀剩余寿命，减少人力成本和时间成本的损耗。
[0012] 本发明是通过以下的技术方案实现的：
[0013] 本发明的第一方面，是提供一种修边机切刀的监测方法，包括以下步骤：检测步骤，获取修边机工作时切刀的振动
信号；计算步骤，求取振动信号的特征指标向量R＝[X1,X2,X3],X1、X2和X3为特征指标，X1为均方根值，X2峰峰值，X3为峭度；评估步骤，将振动信号的特征指标分别带入刀具健康度函数和剩余寿命函数，获取切刀的磨损状态和剩余寿命；其中，刀具健康函数为HCV＝1/{1+exp[-f(x)]}，f(x)＝C0+C1*X1+C2*X2+C3*X3＝C*R，C0、C1、C2、C3通过最大似然估计法求取；刀具剩余寿命函数为S(t)＝Ф+Ψ*R，Ф为常量，是切刀的设计寿命，Ψ为基于特征指标的寿命退化模型的权重向量。
[0014] 有益效果是：与现有技术相比，本发明提供了一种监测方法，对切刀的振动信息进行监测，根据振动信息评估切刀的实时状态以及剩余寿命，进而，实现生产过程的实时监控，一方面，可以杜绝不良品流出的问题，克服抽样检查的
缺陷；另一方面，可以提前预估切刀磨损的时间点，合理的安排维修调整，合理的分配人力资源，降低成本。
[0015] 根据本发明的第一方面的一种修边机切刀的监测方法，优选的，在所述检测步骤中，以修边机中控
制模块的状态数据为依据，分离出切刀工作时的振动信号。
[0016] 有益的是，通过监测修边机是否工作，很方便的判断振动信号的来源，确保振动信号为切刀修边时的振动信号。
[0017] 根据本发明的第一方面的一种修边机切刀的监测方法，优选的，所述检测步骤与计算步骤之间还设置有去杂步骤，以罐身旋转
频率和其谐波为基准，进行傅里叶变换，去除
干扰信号。
[0018] 有益的是，根据修边工作的特性，简化去杂步骤，去除不属于切刀振动的信号。
[0019] 根据本发明的第一方面的一种修边机切刀的监测方法，优选的，在所述评估步骤中，通过m个样本值来估计C，C使得似然函数取最大值，似然函数为
[0020] 有益的是，通过多个样本的统计学规律来获取C，从而，获得较为精准的切刀状态函数，正确的评估切刀的磨损状态。
[0021] 根据本发明的第一方面的一种修边机切刀的监测方法，优选的，在所述评估步骤中，以每10小时为周期获取振动信号的特征指标向量，建立特征指标向量与寿命退化时间的特征矩阵，利用线性回归模型拟合获得Ψ。
[0022] 有益的是，以包含均方根值、峰峰值和峭度为特征指标向量，建立特征指标向量与切刀使用时间相关联的特征值矩阵，获得切刀剩余寿命的线性曲线，方便判断切刀的剩余寿命。
[0023] 本发明的第二方面，是提供一种应用上述监测方法的修边机切刀的监测系统，包括振动
传感器、
数据采集硬件、
云端
服务器和客户端，振动传感器用于监测振动信号并将振动信号传递至数据采集硬件，数据采集硬件用于将振动信号转换成切刀振动的特征指标并传递至云端服务器，云端服务器用于将特征指标带入函数并获取切刀磨损状态、剩余寿命和处理策略，客户端用于显示切刀磨损状态和剩余寿命以及处理策略。
[0024] 有益效果是：应用上述监测方法的监测系统，可以实时监控切刀的振动，间接的实时监控修边质量，杜绝不良品外流，同时，提前预警，合理的安排维修调整的工作计划，减少停工所产生的人力浪费。
[0025] 根据本发明的第二方面的一种修边机切刀的监测系统，优选的，所述振动传感器为无线振动传感器，安装于修边机外切刀的转动中心处。
[0026] 有益的是，通过采用无线振动传感器，使得振动传感器可以直接安装在旋转的切刀上，直接监测切刀的振动，同时，减少无线振动传感器自身振动的干扰。
[0027] 根据本发明的第二方面的一种修边机切刀的监测系统，进一步的，所述无线振动传感器包括上下延伸的主体，设置于主体顶端的无线传输模块、设置于主体底端的
螺纹孔、连接
螺纹孔并将主体与外切刀连接的螺丝柱。
[0028] 有益的是，通过上述设置，使得无线振动传感器的径向尺寸减少，使得无线振动传感器集中在切刀的转动中心，进一步减少振动干扰。
[0029] 根据本发明的第二方面的一种修边机切刀的监测系统，优选的，所述数据采集硬件包括参数采集模块、数据分析模块、数据通信模块和监控主机。
[0030] 有益的是，通过设置参数采集模块，将切刀工作状态的振动信号进行采集，避免采集非工作状态的信号，减少
数据处理量；还通过设置数据分析模块，减少切刀以外零部件振动的干扰，确保振动数据的有效性；还通过设置监控主机，确保数据的有序处理，避免数据拥堵；还通过数据通信模块，方便各模块间的信息传输。
[0031] 根据本发明的第二方面的一种修边机切刀的监测系统，优选的，所述云端服务器存储有正常与故障的样本数据和评估模型，评估模型包括健康度函数和剩余寿命函数。
[0032] 有益的是，通过设置云端服务器存放样本数据和评估模型，避免样本数据和评估模型仅限于一台修边机，另外，云端服务器还可以不断增加样本数据和修正评估模型，确保监测系统的有效性。
附图说明
[0033] 为了更清楚地说明本发明
实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单说明。
[0034] 显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
[0035] 图1为本发明的一种修边机切刀的监测方法的示意图；
[0036] 图2为应用上述监测方法的监测系统的示意图；
[0037] 图3为应用上述监测系统的修边机的结构示意图。
具体实施方式
[0038] 本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充
说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
[0039] 在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或
位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0040] 在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0041] 本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0042] 如图3所示，提供了一种修边机，包括
机架，机架设置有外切刀和内切刀。外切刀与机架转动连接，内切刀可转动又可以升降调节。
[0043] 当使用修边机时，罐身的壁处于外切刀和内切刀之间，内切刀和外切刀同时转动和挤压罐身的壁，从而，将罐身上的余料切除。
[0044] 在切除余料的过程中，内切刀和外切刀会发生磨损，从而，修边质量逐步恶化，必须进行人工全检或抽检，确保罐身修边质量合格，避免不良品流入下一道工序，这就耗费了大量人工进行检查，同时，当发现不良时还需要停机调整，造成停工，耗费了大量人工成本和时间成本。
[0045] 为了解决上述问题，本实施例提供一种修边机切刀的监测方法，通过监测切刀振动的变化来评估切刀的磨损，达到监测修边质量的目的。
[0046] 详细的，如图1所示，监测方法包括以下步骤。
[0047] 1、检测步骤，获取修边机工作时切刀的振动信号。
[0048] 2、去杂步骤，以罐身旋转频率和其谐波为基准，进行傅里叶变换，去除干扰信号。
[0049] 3、计算步骤，求取振动信号的特征指标向量R＝[X1,X2,X3],X1、X2和X3为特征指标，X1为均方根值，X2峰峰值，X3为峭度。当然，也可以是X1代表峰峰值或峭度，根据需要选择。
[0050] 4、评估步骤，将振动信号的特征指标分别带入刀具健康度函数和剩余寿命函数，获取切刀的磨损状态和剩余寿命；其中，刀具健康函数为HCV＝1/{1+exp[-f(x)]}，f(x)＝C0+C1*X1+C2*X2+C3*X3＝C*R，C0、C1、C2、C3通过最大似然估计法求取；刀具剩余寿命函数为S(t)＝Ф+Ψ*R，Ф为常量，是切刀的设计寿命，Ψ为基于特征指标的寿命退化模型的权重向量。
[0051] 根据上述监测方法，如图2所示，本实施例同时提供一种监测系统，包括振动传感器、数据采集硬件、云端服务器和客户端。
[0052] 其中，振动传感器用于监测振动信号并将振动信号传递至数据采集硬件。
[0053] 数据采集硬件用于将振动信号转换成切刀振动的特征指标并传递至云端服务器。
[0054] 云端服务器用于将特征指标带入函数并获取切刀磨损状态、剩余寿命和处理策略。
[0055] 客户端用于显示切刀磨损状态和剩余寿命以及处理策略。
[0056] 经上述改进，本实施例的监测方法和监测系统对切刀的振动信息进行监测，因而，可以根据振动信息评估切刀的实时状态以及剩余寿命，进而，实现生产过程的实时监控，一方面，可以杜绝不良品流出的问题，克服抽样检查的缺陷；另一方面，可以提前预估切刀磨损的时间点，合理的安排维修调整，合理的分配人力资源，降低成本，特别是停工造成的人力浪费。
[0057] 由于修边机工作时切刀的振动才与修边质量相关，可以在所述检测步骤中，以修边机中
控制模块的状态数据为依据，分离出切刀工作时的振动信号。
[0058] 经上述逻辑判断后，可以通过监测修边机是否工作，很方便的判断振动信号的来源，确保振动信号为切刀修边时的振动信号。
[0059] 在振动模式不特别复杂时，去杂步骤可以使得省略，但为了确保振动数据的有效性，可以根据修边工作的特性，简化去杂步骤，去除不属于切刀振动的信号。
[0060] 为了使得监测系统适用于修边机，在一些实施例中，如图3所述，可以使所述振动传感器为无线振动传感器，安装于修边机外切刀的转动中心处。
[0061] 本实施例通过采用无线振动传感器，使得振动传感器可以直接安装在旋转的切刀上，直接监测切刀的振动，同时，减少无线振动传感器自身振动的干扰。
[0062] 对于无线振动传感器的具体设置，可以使所述无线振动传感器包括上下延伸的主体1，设置于主体1顶端的无线传输模块2、设置于主体1底端的螺纹孔、连接螺纹孔并将主体1与外切刀连接的螺丝柱3。
[0063] 本实施例通过应用上述设置，使得无线振动传感器的径向尺寸减少，使得无线振动传感器集中在切刀的转动中心，进一步减少振动干扰。
[0064] 对于数据硬件，优选的，所述数据采集硬件包括参数采集模块、数据分析模块、数据通信模块和监控主机。
[0065] 本实施例通过设置参数采集模块，将切刀工作状态的振动信号进行采集，避免采集非工作状态的信号，减少数据处理量；还通过设置数据分析模块，减少切刀以外零部件振动的干扰，确保振动数据的有效性；还通过设置监控主机，确保数据的有序处理，避免数据拥堵；还通过数据通信模块，方便各模块间的信息传输。
[0066] 对于云端服务器，具体的，可以使所述云端服务器存储有正常与故障的样本数据和评估模型，评估模型包括健康度函数和剩余寿命函数。
[0067] 本实施例通过设置云端服务器来存放样本数据和评估模型，避免样本数据和评估模型仅限于一台修边机，另外，云端服务器还可以不断增加样本数据和修正评估模型，确保监测系统的有效性。
[0068] 当然，对于本实施例的监测方法而言，关键在于评估模型中函数的有效性。
[0069] 对于刀具健康度函数，由于切刀的磨损情况是一个渐变的过程，而且从正常到磨损，特征值的变化不大，属于轻度扰动。
[0070] 对这种状态的变化，使用逻辑回归进行判断更加敏感，而且通过逻辑函数可以求出当前设备的健康度，也即，切刀属于的概率，从而可以判断刀具的磨损情况，提前对刀具故障进行预测。
[0071] 逻辑回归模型建立过程如下：
[0072] 1、数据准备，准备好切刀正常工作数据和切刀磨损的故障数据，并设置好标签，将正常数据的标签设置为1，故障数据的标签设置为0，代表正常情况下刀具的健康度为100％。
[0073] 按照监测方法的步骤1、2和3求取特征值样本，两个标签的数据条数不少于100条。
[0074] 2、数据拟合，选择数据拟合的逻辑函数为sigmoid函数，可以很好的将数据特征转换为
特征向量属于正常集合的概率。
[0075] 也即，建立刀具健康和故障的概率函数，刀具健康的概率为P(y＝1|x；C)＝hc(x)，刀具故障的概率为P(y＝0|x；C)＝1-hc(x)。
[0076] 从而，获得切刀健康度函数HCV＝hc(x)＝1/{1+exp[-f(x)]}，切刀状态概率函数为P(y|x；C)＝hc(x)y[1-hc(x)]1-y。
[0077] 由于切刀的磨损情况是一个渐变的过程，而且从正常到磨损，特征值的变化与刀具的状态直接关联，同时，由于振动信号的特征指标向量所述含有的特征为3个，因此需要拟合的特征参数有4个，回归函数如下：
[0078] f(x)＝C0+C1*X1+C2*X2+C3*X3＝C*R。
[0079] 其中，C0、C1、C2、C3为常数；X1、X2、X3是对应的特征值。
[0080] 对于C的值，可以使用通过最大似然估计法求取。
[0081] 具体的，先通过m个样本值来估计C。C的取值应满足使似然函数取最大值，也即，C应使似然函数为 取得最大值。
[0082] 求解方式如下：
[0083]
[0084] 然后对L(C)求对数，得
[0085] 再对log L(C)的变量求导，得
[0086]
[0087] 最后，再用随机梯度上升法，对C进行
迭代，即可取得最优的参数向量C，迭代公式如下，Ci＝C+α▽CL(C)，α为学习率，一般取0.03。
[0088] 以多个样本数据的统计规律，再经过上述求解式来获取C，从而，获得较为精准的切刀状态函数，正确的评估切刀的磨损状态。
[0089] 而对于切刀剩余寿命函数S(t)＝Ф+Ψ*R。
[0090] 其中，Ф为常量，跟切刀材料有关，是切刀的设计寿命，可以由切刀厂家提供，也可以根据实际进行修正。
[0091] 而对于Ψ，Ψ为基于特征指标的寿命退化模型的权重向量，也就是说，Ψ与振动信号的特征指标向量相关。
[0092] 与求取刀具健康函数相似的，首先，以每10小时为周期获取振动信号；然后，求取振动信号的特征指标向量；进而，建立特征指标向量与寿命退化时间的特征矩阵；最后，再利用线性回归模型拟合获得Ψ。
[0093] 由于Ψ与特征指标向量相关，特征指标向量又包括均方根值、峰峰值和峭度，因而，可以准确的建立特征指标向量与切刀使用时间相关联的特征值矩阵，获得切刀剩余寿命的线性曲线，方便判断切刀的剩余寿命。
[0094] 以上实施例不局限于该实施例自身的技术方案，实施例之间可以相互结合成新的实施例。以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何
修改或者等同替换，其均应涵盖在本发明技术方案的范围内。
