细纱机生产过程智能化检测系统的研究与设计
这是一篇关于细纱机,路由算法,图像处理,云平台的论文, 主要内容为纺织业是我国竞争性和国际依存度较高的行业,也是劳动密集型和具有优势的传统支柱产业之一。但是与一些发达国家相比,中国纺织企业在生产自动化程度、生产效率、生产管理等方面比较落后。为了提高我国在纺织行业的技术水平,我国也陆续开展了对纺织业智能化的研究。本文主要针对的是细纱机生产过程中智能化检测系统的研究与设计,选题具有重大理论意义与实用价值。本文以纺织车间的其中一个工序为研究对象,主要是细纱机生产过程参数的智能化检测,采用无线传感器网络技术,设计并实现了细纱机生产过程参数检测网络化系统。首先是对细纱机生产参数的检测。针对纺纱厂细纱机运转的情况,利用霍尔传感器检测细纱机各轴的运转速率,从而计算出需要的参数。为了集中监测细纱机运行情况,分析生产现场环境、通信距离、节点布置,采用ZigBee建立网络化监测系统,提高速率采集的稳定性与数据传输可靠性。根据生产现场实际情况,改进ZigBee传统路由算法,使其在纺织厂的环境中更加简便高效,降低丢包率。速率采集节点将采集的数据将数据发送给协调器,协调器通过WIFI模块经WIFI网关中继再上传到PC的上位机中。其次是对细纱断头的检测。将采集到的图像信号首先进行中值滤波,有效规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰,再利用灰度直方图将灰度从大到小统计出对应的像素点个数并设置阈值,后将灰度图像转换成二值图像,再将二值图像进行垂直与水平投影,通过垂直与水平投影确定噪声的行和列,并将其滤除。由于标准的霍夫变换算法已无法适用预处理后的图像,也为了进一步排除背景噪声对纱线断头判断的影响,本文提出一种改进霍夫变换算法来检测二值图像中的直线,以快速提取纱线信息。同时还优化了该霍夫变换算法的扫描角度与步长,提高了运算速率,缩短了计算时间,提高了纱线断头的检测效率。最后搭建细纱机生产管理云平台系统。本文所述的云平台系统是基于Spring、Spring MVC、MyBatis框架与MySQL数据库的Web应用,详细显示了细纱机每日运转情况,生产的工艺参数,每日生产产量,员工信息等等。该应用目前已经可以阿里云服务器运行正常,实现远程登录与管理,解决了原本的上位机软件只能在本地监测的不足,现可以随时随地供企业管理者使用并监测细纱机运转情况的需求。
细纱机生产过程智能化检测系统的研究与设计
这是一篇关于细纱机,路由算法,图像处理,云平台的论文, 主要内容为纺织业是我国竞争性和国际依存度较高的行业,也是劳动密集型和具有优势的传统支柱产业之一。但是与一些发达国家相比,中国纺织企业在生产自动化程度、生产效率、生产管理等方面比较落后。为了提高我国在纺织行业的技术水平,我国也陆续开展了对纺织业智能化的研究。本文主要针对的是细纱机生产过程中智能化检测系统的研究与设计,选题具有重大理论意义与实用价值。本文以纺织车间的其中一个工序为研究对象,主要是细纱机生产过程参数的智能化检测,采用无线传感器网络技术,设计并实现了细纱机生产过程参数检测网络化系统。首先是对细纱机生产参数的检测。针对纺纱厂细纱机运转的情况,利用霍尔传感器检测细纱机各轴的运转速率,从而计算出需要的参数。为了集中监测细纱机运行情况,分析生产现场环境、通信距离、节点布置,采用ZigBee建立网络化监测系统,提高速率采集的稳定性与数据传输可靠性。根据生产现场实际情况,改进ZigBee传统路由算法,使其在纺织厂的环境中更加简便高效,降低丢包率。速率采集节点将采集的数据将数据发送给协调器,协调器通过WIFI模块经WIFI网关中继再上传到PC的上位机中。其次是对细纱断头的检测。将采集到的图像信号首先进行中值滤波,有效规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰,再利用灰度直方图将灰度从大到小统计出对应的像素点个数并设置阈值,后将灰度图像转换成二值图像,再将二值图像进行垂直与水平投影,通过垂直与水平投影确定噪声的行和列,并将其滤除。由于标准的霍夫变换算法已无法适用预处理后的图像,也为了进一步排除背景噪声对纱线断头判断的影响,本文提出一种改进霍夫变换算法来检测二值图像中的直线,以快速提取纱线信息。同时还优化了该霍夫变换算法的扫描角度与步长,提高了运算速率,缩短了计算时间,提高了纱线断头的检测效率。最后搭建细纱机生产管理云平台系统。本文所述的云平台系统是基于Spring、Spring MVC、MyBatis框架与MySQL数据库的Web应用,详细显示了细纱机每日运转情况,生产的工艺参数,每日生产产量,员工信息等等。该应用目前已经可以阿里云服务器运行正常,实现远程登录与管理,解决了原本的上位机软件只能在本地监测的不足,现可以随时随地供企业管理者使用并监测细纱机运转情况的需求。
基于能耗参数的细纱机预测性维护系统设计与开发
这是一篇关于细纱机,维护管理系统,故障预测,BP神经网络,粒子群算法的论文, 主要内容为作为纺纱生产过程的关键工序,细纱工序中的细纱机易发生异常和故障,其维护管理是纺织企业运维的重点。目前,细纱机维护以周期性维护为主,由于维护周期难以统一,各企业均根据经验进行设定,导致故障停机和计划停机过长的现象普遍存在。预测性维护可以根据设备健康状态进行提前维护,而能耗参数是判定设备健康状态的重要因素,因此,研究预测性维护的相关技术,设计和开发基于能耗参数的细纱机预测性维护系统具有现实意义。(1)基于数据驱动技术,设计了一种基于能耗参数的细纱机故障预测模型。针对细纱机故障数据难以捕捉的难题,提出了一种利用能耗参数间接判定故障状态的方法。在此基础上,分析了能耗参数在不同故障下的变化趋势,建立了用电耗能与设备健康状态之间的关系。然后,基于BP神经网络和粒子群算法,建立了PSO-BP混合算法的细纱机故障预测模型。实验结果表明:与BP故障预测方法相比,该方法评价指标MSE降低了3.26×10-4,RMSE降低了8.995×10-3,预测准确率达80%。(2)结合基于能耗参数的细纱机故障预测模型,设计了细纱机预测性维护系统。分析了细纱机工作原理和现有维护模式的不足,研究了细纱机预测性维护的关键技术问题,根据系统数据需求,设计了数据采集方案和数据库模型,针对系统应用需求设计了包括数据、模型、功能、展示的预测性维护系统体系结构。(3)开发了细纱机预测性维护系统。基于B/S架构,采用Axios、Element-UI、Echarts和Spring MVC等技术构建了预测性维护系统前后端,利用Python语言和SQL Server数据库管理软件完成了故障预测模型,在此基础上开发了细纱机预测性维护系统,实现了细纱机的状态监控、故障预测、维护管理和报表统计等功能。在某纺织企业的15万锭分厂实际应用中表明:该系统优化了细纱机维护管理,根据能耗参数提前预判了细纱机的健康状态,实现了预测性维护,减少了维护次数降低了维护成本。
细纱机生产过程智能化检测系统的研究与设计
这是一篇关于细纱机,路由算法,图像处理,云平台的论文, 主要内容为纺织业是我国竞争性和国际依存度较高的行业,也是劳动密集型和具有优势的传统支柱产业之一。但是与一些发达国家相比,中国纺织企业在生产自动化程度、生产效率、生产管理等方面比较落后。为了提高我国在纺织行业的技术水平,我国也陆续开展了对纺织业智能化的研究。本文主要针对的是细纱机生产过程中智能化检测系统的研究与设计,选题具有重大理论意义与实用价值。本文以纺织车间的其中一个工序为研究对象,主要是细纱机生产过程参数的智能化检测,采用无线传感器网络技术,设计并实现了细纱机生产过程参数检测网络化系统。首先是对细纱机生产参数的检测。针对纺纱厂细纱机运转的情况,利用霍尔传感器检测细纱机各轴的运转速率,从而计算出需要的参数。为了集中监测细纱机运行情况,分析生产现场环境、通信距离、节点布置,采用ZigBee建立网络化监测系统,提高速率采集的稳定性与数据传输可靠性。根据生产现场实际情况,改进ZigBee传统路由算法,使其在纺织厂的环境中更加简便高效,降低丢包率。速率采集节点将采集的数据将数据发送给协调器,协调器通过WIFI模块经WIFI网关中继再上传到PC的上位机中。其次是对细纱断头的检测。将采集到的图像信号首先进行中值滤波,有效规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰,再利用灰度直方图将灰度从大到小统计出对应的像素点个数并设置阈值,后将灰度图像转换成二值图像,再将二值图像进行垂直与水平投影,通过垂直与水平投影确定噪声的行和列,并将其滤除。由于标准的霍夫变换算法已无法适用预处理后的图像,也为了进一步排除背景噪声对纱线断头判断的影响,本文提出一种改进霍夫变换算法来检测二值图像中的直线,以快速提取纱线信息。同时还优化了该霍夫变换算法的扫描角度与步长,提高了运算速率,缩短了计算时间,提高了纱线断头的检测效率。最后搭建细纱机生产管理云平台系统。本文所述的云平台系统是基于Spring、Spring MVC、MyBatis框架与MySQL数据库的Web应用,详细显示了细纱机每日运转情况,生产的工艺参数,每日生产产量,员工信息等等。该应用目前已经可以阿里云服务器运行正常,实现远程登录与管理,解决了原本的上位机软件只能在本地监测的不足,现可以随时随地供企业管理者使用并监测细纱机运转情况的需求。
基于能耗参数的细纱机预测性维护系统设计与开发
这是一篇关于细纱机,维护管理系统,故障预测,BP神经网络,粒子群算法的论文, 主要内容为作为纺纱生产过程的关键工序,细纱工序中的细纱机易发生异常和故障,其维护管理是纺织企业运维的重点。目前,细纱机维护以周期性维护为主,由于维护周期难以统一,各企业均根据经验进行设定,导致故障停机和计划停机过长的现象普遍存在。预测性维护可以根据设备健康状态进行提前维护,而能耗参数是判定设备健康状态的重要因素,因此,研究预测性维护的相关技术,设计和开发基于能耗参数的细纱机预测性维护系统具有现实意义。(1)基于数据驱动技术,设计了一种基于能耗参数的细纱机故障预测模型。针对细纱机故障数据难以捕捉的难题,提出了一种利用能耗参数间接判定故障状态的方法。在此基础上,分析了能耗参数在不同故障下的变化趋势,建立了用电耗能与设备健康状态之间的关系。然后,基于BP神经网络和粒子群算法,建立了PSO-BP混合算法的细纱机故障预测模型。实验结果表明:与BP故障预测方法相比,该方法评价指标MSE降低了3.26×10-4,RMSE降低了8.995×10-3,预测准确率达80%。(2)结合基于能耗参数的细纱机故障预测模型,设计了细纱机预测性维护系统。分析了细纱机工作原理和现有维护模式的不足,研究了细纱机预测性维护的关键技术问题,根据系统数据需求,设计了数据采集方案和数据库模型,针对系统应用需求设计了包括数据、模型、功能、展示的预测性维护系统体系结构。(3)开发了细纱机预测性维护系统。基于B/S架构,采用Axios、Element-UI、Echarts和Spring MVC等技术构建了预测性维护系统前后端,利用Python语言和SQL Server数据库管理软件完成了故障预测模型,在此基础上开发了细纱机预测性维护系统,实现了细纱机的状态监控、故障预测、维护管理和报表统计等功能。在某纺织企业的15万锭分厂实际应用中表明:该系统优化了细纱机维护管理,根据能耗参数提前预判了细纱机的健康状态,实现了预测性维护,减少了维护次数降低了维护成本。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://m.bishedaima.com/lunwen/50487.html
