一种滚筒去鳞机的故障诊断方法技术

本发明专利技术提供了一种滚筒去鳞机的故障诊断方法，其包括获取反应滚筒去鳞机工作状态的数据；按照故障类别的不同，将数据分成训练集样本和测试集样本；将训练集样本数据和测试集样本数据进行预处理，将其转化成无量纲的纯量；将经过预处理后的样本数据输入到SOM神经网络模型中分析，得到所述滚筒去鳞机故障诊断的结果。本发明专利技术提供的滚筒去鳞机故障诊断方法，基于故障类别提取的去鳞率、损伤度、驱动电机转速等三种特征参量，使用SOM神经网络作为故障诊断判别模型，具有诊断效率高，在实际的生产环节中能够为维修人员提供可靠的诊断依据，具有重要的工程实用价值。有重要的工程实用价值。有重要的工程实用价值。

【技术实现步骤摘要】
一种滚筒去鳞机的故障诊断方法


[0001]本专利技术属于水产加工的
，具体涉及一种滚筒去鳞机的故障诊断方法，更具体地，涉及一种基于自组织映射(SOM)神经网络的滚筒去鳞机故障诊断方法。

技术介绍

[0002]鱼肉中富含维生素A、钙、铁、磷等人体需要的营养元素，常吃鱼有养肝补血、泽肤养发的功效。鱼肉中含有丰富的蛋白质，而且蛋白质所含需氨基酸的量和比值最适合人体需要，容易被人体消化吸收。鱼的加工方式分前处理和深加工处理，其中去鳞是鱼加工前处理的一个重要工序，需要对去鳞技术进行深入研究。
[0003]通常鱼的去鳞方式为传统的手工去鳞和机械化的去鳞机去鳞。已知传统的手工方法去鳞率高、鱼体损伤度低，但手工去鳞方法耗时费力，故加工效率很低。相比于传统的手工去鳞方法，机械化的去鳞机去鳞具有省时、省力、效率高等特点，并且机械化的去鳞机的去鳞相较于手工去鳞在去鳞率和损伤度上能够满足人们的生产生活需要。
[0004]滚筒去鳞机是目前鱼前处理加工中重要的机械化去鳞设备，具有自动化程度高、去鳞率高、损伤度低等特点。已知滚筒去鳞机的去鳞方式是通过旋转的滚筒刀具与鱼体摩擦来带动鱼鳞脱落的方式进行去鳞。滚筒去鳞机为伺服电机驱动，滚筒的主要去鳞刀具结构为角段钢形刀具，另外滚筒上的菱形网片、圆孔网板加毛刷等结构具有辅助去鳞的功能。滚筒去鳞机的滚筒刀具失效情况、滚筒网口堵塞程度以及滚筒运行状况密切影响着鱼的去鳞效率和去鳞质量，故结合去鳞加工后检测的鱼体去鳞率、损伤度和去鳞过程中的滚筒转速大小来判断滚筒去鳞机的运行情况具有重要意义。已知SOM神经网络是比较好的聚类方法，文献“王宏默.基于SOM神经网络的通风机叶片裂纹故障诊断方法[D].2019.”中利用通风机裂纹下的小波系数作为故障特征，带入SOM神经网络能够对通风机不同裂纹故障状态进行识别。“郑宇,廖江,方鸣等.基于自组织映射神经网络的燃料系统故障的检测方法.201811353395.8[P].”中通过燃料系统压力波形中获取特征量，建立SOM神经网络对燃气轮机故障诊断中的各类故障具有较高的识别度。
[0005]本专利技术提供一种滚筒去鳞机的故障诊断方法，通过获取四种运行状态下的去鳞率、损伤度和电机转速等三个特征量建立SOM神经网络，能够对滚筒去鳞机的四个运行状态进行故障判别，具有较高的准确度，具有重要的工程实用价值。

技术实现思路

[0006]本专利技术的目的是针对滚筒去鳞机在去鳞加工环境中出现的故障进行判别，提出了一种基于SOM神经网络的故障诊断方法，能够对滚筒去鳞机出现的滚筒刀具失效、滚筒网口堵塞、以及驱动电机过载等情况进行故障判别。
[0007]本专利技术提供的一种滚筒去鳞机的故障诊断方法，包括：
[0008]步骤1、获取反应滚筒去鳞机工作状态的数据：去鳞率、损伤度、驱动电机转速，并将所述数据以excel表格的形式进行保存；
[0009]步骤2、按照故障类别的不同，将不同故障类别及正常状态下步骤1)中保存的数据分成训练集样本和测试集样本；
[0010]步骤3、将步骤2)中的训练集样本数据和测试集样本数据进行预处理，将其转化成无量纲的纯量；
[0011]步骤4、将步骤3)中经过预处理后的样本的数据输入到SOM神经网络模型中，其中SOM神经网络模型的输入层大小为样本数据的维数，输出层(竞争层)为4x4的网络拓扑结构，即16个神经元组成SOM神经网络的竞争层，设置SOM神经网络的训练步数为600步，得到所述滚筒去鳞机故障诊断的结果。
[0012]进一步地，所述步骤1包括：
[0013]步骤1.1、去鳞率的获取：将计算机与去鳞检测机上的上位机进行网线端口连接，获取上位机上去鳞率检测模块上的去鳞率数据，并将去鳞率检测数据通过网口传输到计算机上，将数据进行去趋势项处理后，将数据以excel表格的形式进行数据存储。
[0014]步骤1.2、损伤度的获取：将计算机与损伤检测机上的上位机进行网线端口连接，获取上位机上损伤度检测模块上的损伤度数据，并将损伤度检测数据通过网口传输到计算机上，将数据进行去趋势项处理后，将数据以excel表格的形式进行数据存储。
[0015]步骤1.3、驱动电机转速获取：将计算机与plc控制系统的上位机进行网线端口连接，获取上位机上电机转速模块上的电机转速数据，然后将驱动电机转速数据传输到计算机上，将数据进行去趋势项处理后，将转速数据以excel表格的形式进行数据存储。
[0016]所述步骤2包括：
[0017]步骤2.1、滚筒去鳞机的故障类别分为故障状态的滚筒刀具失效、滚筒网口堵塞、驱动电机过载和正常状态，即四类判别；
[0018]步骤2.2、数据的训练集样本和测试集样本比例为4：1。
[0019]所述步骤3中，的预处理为归一化法，归一化的常用公式为其中：X
′
为归一化后数据，X为样本数，Xmin为样本中最小数，Xmax为样本中最大数。
[0020]所述步骤4中，SOM神经网络的诊断方法为，训练样本输入已经初始化好的SOM神经网络模型中进行训练，训练完成后，将测试样本输入到已经训练好的SOM神经网络模型中进行准确率验证。
[0021]本专利技术的效果和益处是：
[0022]本专利技术提供的滚筒去鳞机故障诊断方法，基于故障类别提取的去鳞率、损伤度、驱动电机转速等三种特征参量，使用SOM神经网络作为故障诊断判别模型，具有诊断效率高，在实际的生产环节中能够为维修人员提供可靠的诊断依据，具有重要的工程实用价值。
附图说明
[0023]图1为本专利技术实施例提供的数据获取及诊断方法框图。
[0024]图2为本专利技术实施例提供的SOM神经网络训练及故障判别流程图。
[0025]图3A至图3C为本专利技术实施例提供的SOM神经网络诊断结果图；其中，图3A为som neighbor connects图；图3B为som neighbor weight distances图，图3C为som sample hits图。
具体实施方式
[0026]通过计算机获取上位机上的三种故障状态和一种正常状态的去鳞率、损伤度、电机转速等参量，构建故障诊断模型(SOM神经网络)，进行数据预处理后，将训练集样本输入到SOM神经网络中进行迭代训练，最后用测试集进行故障诊断识别以及识别准确率。
[0027]如图1为滚筒去鳞机故障诊断框图，针对滚筒去鳞机的三种故障状态，分别从上位机的去鳞率检测模块、损伤度检测模块和电机转速模块上获取滚筒去鳞机三种故障状态和一种正常状态下的去鳞率、损伤度和电机转速等数据，并将获取到的数据以excel表格的形式保存。
[0028]获取excel表格中的40个样本数据，进行数据归一化处理，将有量纲的数据转化为无量纲的纯量，并使得数据的范围保持在[-1，1]内，防止数据差异过大。
[0029]所述归一化法的具体运算式为式中，Yi为第i个归一化的数，Xi为第i个样本，i＝1、2、3
……
40，X本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚筒去鳞机的故障诊断方法，其特征在于，所述的滚筒去鳞机的故障诊断方法包括：步骤1、获取反应滚筒去鳞机工作状态的数据：去鳞率、损伤度、驱动电机转速，并将所述数据保存；步骤2、按照故障类别的不同，将不同故障类别及正常状态下步骤1)中保存的数据分成训练集样本和测试集样本；步骤3、将步骤2)中的训练集样本数据和测试集样本数据进行预处理，转化成无量纲的纯量；步骤4、将步骤3)中经过预处理后的样本的数据输入到SOM神经网络模型中分析，其中SOM神经网络模型的输入层大小为样本数据的维数，输出层为4x4的网络拓扑结构，即16个神经元组成SOM神经网络的竞争层，设置SOM神经网络的训练步数为600步，得到所述滚筒去鳞机故障诊断的结果。2.根据权利要求1所述的滚筒去鳞机的故障诊断方法，其特征在于，步骤1)包括：步骤1.1、去鳞率的获取：将计算机与去鳞检测机上的上位机进行网线端口连接，获取上位机上去鳞率检测模块上的去鳞率数据，并将去鳞率检测数据通过网口传输到计算机上，将数据进行去趋势项处理后，将数据以excel表格的形式进行数据存储；步骤1.2、损伤度的获取：将计算机与损伤检测机上的上位机进行网线端口连接，获取上位机上损伤度检测模块上的损伤度数据，并将损伤度检测数据通过网口传输到计算机上，将数据进行去趋势项处理后，将数据以excel表格的形式进行数据存储；步骤1.3、驱动电机转速获取：将计算机与plc控制系统的上位机进行网线端口连接，获取上位机上电机转速模块上的电机转速数据，然后将驱动电机转速数据传输到计算机上，将数据进行去趋势项处理后，将转速数据以excel表格的形式进行数据存储。3.根据权利要求1或2所述的滚筒去...

【专利技术属性】
技术研发人员：王慧慧，李朋朋，张旭，朱鑫宇，邱新静，杨继新，陶学恒，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：