Resumen

Teniendo en cuenta la complejidad y la criticidad del equipo apilador, con el fin de resolver el problema de que la precisión de parada del apilador se reduce o incluso deja de funcionar debido a la abrasión del carril de rodadura, este artículo propone un método de detección cooperativo basado en la red neuronal de acoplamiento de pulsos (PCNN) y la teoría de la transformada wavelet para detectar los puntos anormales del carril de rodadura del apilador en el entorno industrial mediante el análisis de las señales de variación. En primer lugar, teniendo en cuenta el hecho de que los datos se mezclan con ruidos debido al entorno en el lugar y la posibilidad de que el equipo de adquisición de datos se averíe, se construye un método de reducción de ruido para los datos de la señal de vibración de la apiladora basado en PCNN. A continuación, se introduce la teoría básica de la transformada wavelet y se discuten las reglas para juzgar los puntos de anomalía en las pistas de rodadura de las apiladoras basándose en la transformada wavelet. Además, se lleva a cabo un método de detección cooperativa basado en la PCNN y la teoría de la transformada wavelet a partir de la característica de distribución espacio-temporal de la vibración de las órbitas de las apiladoras en el entorno industrial. A continuación, se verifica la racionalidad del algoritmo propuesto mediante simulación con datos proporcionados por el Centro de Medición de la Red Estatal de China. Este trabajo construye un modelo de detección de puntos anómalos de las apiladoras en un entorno industrial. La simulación experimental y la simulación de ejemplo muestran que el método de detección cooperativa basado en la PCNN y la teoría de la transformada wavelet puede detectar y localizar eficazmente los puntos anómalos de las vías de circulación de los apiladores. La expansibilidad en aplicaciones de ingeniería es prometedora. Por último, se discuten algunas conclusiones.

• Materias:Control del proceso Regulación automática Diagnóstico de fallos Instrumentación automática Optimización de procesos
• Subjects: Automatic regulation Fault diagnosis Automatic instrumentation Process optimization
• Palabras claves:método de detección cooperativa, teoría de la transformada wavelet, entorno industrial, pcnn, apiladora, puntos anómalos, transformada wavelet, red neuronal de acoplamiento de impulsos, centro de medición de la red estatal, detección de puntos anómalos
• Keywords:cooperative detection method, wavelet transform theory, industrial environment, pcnn, stacker, anomaly points, wavelet transform, pulse coupling neural network, state grid measuring center, abnormal point detection