基于径向基神经网络的称重设备传感器故障检测方法

在对称重设备数字化改造的过程中,有些研究人员提出了对某一特定传感器的故障诊断方法,但对于非指定传感器或者两个传感器同时发生故障的情况却没有检测方法。为此,本文提出了一种基于径向基神经网络预测的任意一个或两个称重传感器的故障检测方法。本文首先建立单个传感器的预测模型和任意两个传感器的预测模型,然后通过这两个预测模型计算出任意一个称重传感器的预测值和任意两个传感器的预测值,根据预测值与实际值之间的差值判断称重传感器故障个数、位置、类型等信息。实验表明,当称重传感器的输出误差大于0.3 t时使用此方法可以准确检测出称重传感器的故障信息。

基于硬件自冗余的称重设备传感器故障检测方法

传统的称重设备采用的是模拟称重传感器,不具有故障自检测功能。有研究人员研究了针对称重设备传感器故障检测的方法,但都是从称重传感器的输出进行检测,忽略了产生故障的原因,导致了检测过程复杂、运算量大。为此文章提出了基于硬件自冗余的称重设备传感器故障检测方法,利用称重传感器自身具有的硬件冗余现象对称重传感器的故障进行检测。实验表明,当称重传感器由于自身质量问题而发生故障时,此方法可以有效检测出称重传感器发生了故障。

基于惯性传感器的智慧工厂产线管控系统

在智慧工厂中,可以利用物联网技术和设备监控技术对员工进行管控。在工业生产线的评价体系中,生产线的生产质量可以根据最终产品的品质和数量进行判断,但是生产线上的每一名工人却无法以此评价。为了评价每一个工人的工作效率,提出了一种基于惯性传感器的管控系统。工人在生产线上工作时佩戴带有惯性传感器的手环,该手环可以实时检测工人手腕的运动轨迹,然后通过运动轨迹来判断工人从生产线上取件和放件的过程,进而得到该工人完成一个工件的时间和单位时间内完成的工件数量,这样就可以评价该工人的工作效率。实验结果表明,该方法可以较为准确地检测出工人在单位时间完成的工件数量。