【摘 要】
:
随着现代生产向自动化、连续化、智能化和高效化发展,相应的生产设备需安全可靠且连续运转,其中设备润滑是影响生产设备安全可靠及连续运转的关键因素之一。设备的传统润滑方式是由人工定时巡检与加注润滑剂完成,不能满足现代生产的“四化”发展要求。随着计算机技术的发展,设备润滑也朝着自动化方向发展。目前设备的自动润滑有集中式和分布式两种形式,集中式自动润滑适合于润滑点位置相对集中且润滑要求相近的设备润滑场合,该
论文部分内容阅读
随着现代生产向自动化、连续化、智能化和高效化发展,相应的生产设备需安全可靠且连续运转,其中设备润滑是影响生产设备安全可靠及连续运转的关键因素之一。设备的传统润滑方式是由人工定时巡检与加注润滑剂完成,不能满足现代生产的“四化”发展要求。随着计算机技术的发展,设备润滑也朝着自动化方向发展。目前设备的自动润滑有集中式和分布式两种形式,集中式自动润滑适合于润滑点位置相对集中且润滑要求相近的设备润滑场合,该润滑形式的技术较成熟;分布式自动润滑是针对生产线设备及其润滑点分散、各润滑点润滑机制及周期等区别较大的设备润滑场合。目前分布式润滑装备、状态监控及其智能化已成为研究热点,但技术仍不够成熟。本文以钨矿破碎生产线设备的分布式自动润滑系统为对象,研究基于物联网的钨矿破碎设备自动润滑器及其监控技术与系统,主要的研究工作及结论如下。第一,分析了钨矿破碎生产线设备的润滑工艺及其功能需求,归纳总结出了该产线设备的润滑类别、润滑状态监控及管理功能,设计了基于物联网的钨矿破碎生产线设备的分布式自动润滑监控系统架构及总体方案。第二,本文针对钨矿破碎生产线上的机械设备,分析各设备润滑点的具体润滑需求,包括润滑油脂种类、润滑周期以及油脂用量,同时提出了根据润滑点温度,基于模糊控制原理进行润滑周期修正的策略,以获得更合适的润滑周期。第三,开发了新型的具有智能终端特点的自动润滑器,该自动润滑器在基本的定时定量加注润滑油脂外,添加了电量、余脂量以及润滑点温度采集的功能,并能够通过GPRS模块进行无线通信,实现状态信息的上传与控制命令的接收。润滑器的机械结构分为了可分离的上下两部分,上端弹簧连接挡板挤压着润滑脂袋,下端使用控制器驱动电机旋转,经减速齿轮结构、蜗轮蜗杆、连杆运动传递,最终转化为柱塞泵柱塞的往复运动,实现润滑器的吸脂注脂操作。在软件上,对各个功能模块的作用、选型与软件实现流程做出说明,基于Keil开发环境与stm32固件库完成软件编写。第四,开发了润滑状态监控管理系统,完成了界面设计,其中包括系统登录、用户密码修改、网络端口、润滑器状态监控以及润滑器信息设置窗口。基于winsock建立服务器接收多个润滑器的网络连接,集成access数据库做数据保存。最终实现润滑器ID、部署位置、使用油脂类型的登记,润滑器剩余脂量、剩余电量、润滑点温度、最近工作时间的监控,以及润滑器润滑周期、单次润滑用量的设置。
其他文献
近年来,人工智能已成为了人们生活密不可分的一部分。随着科技的不断发展与进步,计算性能的不断提高,深度学习的发展更是迅速,而生成对抗网络作为深度学习的重要组成部分,在计算机视觉领域取得了众多成就。同时,在物质生活得到满足的当今社会,越来越多的人对动漫领域产生浓厚的兴趣,而生成对抗网络在动漫领域的应用也得到了更多人的关注,如人物图像的动漫风格迁移以及动漫头像的生成等。但是在动漫头像生成方面,仍然存在两
杨梅是浙江省重要的农果经济作物,稳居果树产值第一。然而由于杨梅树大多种植在山地丘陵地区且种植分散,致使果树种植与管理耗费大量的人力物力,因此采取自动化的方法提取杨梅树株数,实现大规模、分散果园的高效管理。但是使用卫星遥感图像提取果树往往面临方法流程繁琐、人力成本高、耗时长等问题。随着计算机软硬件的发展,基于深度神经网络的目标识别方法逐渐应用于农业、交通、医疗等行业。本文提出应用深度神经网络YOLO
目标检测是计算机视觉领域的重要研究方向之一,广泛应用于工业生产中。在检测任务中,对于一张输入图片,检测算法通过学习来区分图片的前景和背景,然后从背景中分离出感兴趣的目标物体,进而判断物体所在的具体位置和所属类别。然而由于小物体面积小分辨率低,使得对于小目标的检测精度不能达到理想的效果。针对小目标检测的问题,本文基于SSD(Single Shot Multi Box Detector)模型做出改进,
随着计算能力的提升,计算机视觉相关技术发展迅速。图像合成技术作为重要其中一个重要分支,同样发展迅速。本文深入研究了图像合成相关技术,介绍传统模型和基于深度学习的图像合成模型实现原理,并总结归纳各自的优势和不足。同时以复杂场景图像生成为主要研究对象,介绍了基于不同条件的图像合成方法实现,以及它们在各自领域的应用和已经取得的成果,并重点介绍了它们在实现包含多个前景对象的复杂场景图像生成任务上的优势和不
语义分割是图像理解的关键部分,是一项基础的计算机视觉任务,其广泛应用于自动驾驶、医疗图像分析、智能监控等领域。现有的语义分割方法大多数都是全监督语义分割方法,全监督语义分割方法需要大量的像素级标注来训练语义分割网络,然而获得大量具有像素级标注的图像集需要很大的时间和人力成本。为了降低人力和时间昂贵的成本,研究者们提出弱监督语义分割方法。弱监督语义分割方法仅仅只需要图像类别等弱标签去训练分割网络,所
室内火灾复杂多变,在应对完全未知的复杂室内环境时,传统人工势场法因为自身缺陷很难成功完成路径规划的任务。近年来,深度学习和强化学习在不断的向前发展,用深度强化学习的方法来实现智能体路径规划任务一直是前沿热点研究。传统的人工势场法应用到复杂的、未知的环境时,会因为目标不可达或局部极值点等原因导致寻路失败。而深度强化学习是通过让智能体在不断“犯错”的过程中,学习到相关躲避障碍物以及寻找目标点的策略,最
在智能化时代背景下,随着智能化的发展,机械手搭载视觉系统就相当于让机械手拥有了“眼睛”,促进工业制造更加智能化、柔性化。工业现场经常需要完成对无序堆叠零件定位的工作,由于单目视觉不能较好的解决这个问题,因此需要依靠人工或者振动机构将无序堆叠零件平整放置,然后利用单目视觉进行后续操作,影响了生产效率,增加了制造成本。为提高企业的生产效率,促进自动化的进一步发展,本论文针对无序堆叠问题开展了基于双目视
互联网高速发展,使得出现了一大批新型产业,其中电商是收获最大的产业。电商通过整合和分析数据,提供个性化的推荐服务给消费者,其新颖、便捷等特点吸引了大量的消费者。然而实体零售企业由于自身设备、数据标准不统一或其他原因,无法实现企业间的数据共享,无法优化自身服务,导致无法留住消费者。因此,为了改变实体零售企业存在的困境,需要一个安全共享数据平台。然而传统的大数据交易平台是第三方平台,其存在着成本高、收
随着汽车工业和物联网技术的飞速发展,车载应用与服务日渐丰富给计算资源有限的车辆造成了很大的困扰。针对车联网“低延时、高带宽、高可靠性”的严格要求,将移动边缘计算(Mobile Edge Computing,MEC)技术引入是一个很好的解决方案,MEC将云计算服务下沉至无线网络边缘侧,在车载终端附近能够提供计算服务,从而弥补了云服务器远程传输过程带来的延迟干扰,更容易满足用户服务质量。目前,学术界和
目前,无线传感器网络(Wireless Sensor Networks,WSN)已成为第四次工业革命的技术制高点,是由大量的传感器节点等通过自有方式构成的一种无线通信系统。这种网络可以利用传感器节点来监测处于各种地理区域中的相关物理或环境信息,将对人类的生产生活方式带来巨大变革。然而,其运行分布恶劣动态性强的广域环境,存在各类突出问题,如断续链接、网络效率低下等,使得WSN的应用环境及相关条件受到