虹科产线实时数采检测方案——高速采集助力智能化升级
01
产线数采检测相关技术背景
1.1
典型场景
对于产线数采检测,让我们从典型的工厂场景开始介绍。
每个工位都有上位机监控下方的PLC控制器。指令、执行单元和作用对象的状态通过内置传感器进行采集和测量,反馈给PLC实现闭环控制。
工业4.0和智能制造升级关注设备联网和数据上云,但数据上云只是手段,依赖已有数据。如果原始数据不准确或不存在,上云无法解决工艺细节问题。

▲ 图1: 产线数采检测的典型场景
因此,我们需要重视原始数据,寻求升级改进的可能性。为了获取更精确的数据,一项重要方法是增加高速高精度的数采检测系统。可取的策略是:增加新的数据采集方式。
针对此场景,我们将直接引入一套高速高精度的数采检测系统。该系统的采样率从接近M级别到G级别不等,根据实际工艺频率确定。该系统包含数采和检测两个部分,通过ADC进行数据采集和运算判断,结果可本地存储或上传至云端。上位机可根据结果调整生产计划和参数。
1.2
适用工艺&应用行业
接下来我们将介绍数采检测系统在高速脉冲工艺中的应用。

▲ 图2: 产线数采检测的适用工艺
在高速工艺中,如电焊、水刀切割、冲击波清洗等,实际工作频率远高于PLC的循环周期。因此,在控制高速过程时,PLC需借助高速模块实现脉冲控制,而闭环反馈依靠低速的平均统计信息。我们对高速脉冲工艺进行了简单分类:毫秒级脉冲(如电焊、水刀切割、冲击波清洗)和纳秒至微秒级脉冲(如激光切割、电火花加工)。
同时,产线数采检测具有广泛的行业应用基础,它能够在汽车制造、电子制造、金属加工、塑料加工、医疗器械制造、机械制造中发挥重要的作用。
1.3
数采检测系统的作用
数采检测系统主要在以下四方面发挥作用。
一、诊断和监控,确保稳定性。作为外部标准参考,校验内部闭环控制的质量,评估控制程序稳定性以及设备实际老化和故障状况。
二、异常检测与分析,深入故障成因。将详细工况和缺陷品的出现结合起来,通过和正常工况进行对比,找到造成故障的异常参数
三、质量控制,及早发现异常。通过前期积累的经验,快速判断异常产品的出现。及时调整生产计划,并且终止不良品的继续加工。
四、反馈控制,提升良品率。预警异常趋势,实时反馈至控制端进行调参,或对刚刚出现的不良现象进行及时补救,降本增效。
02 虹科解决方案
2.1
硬件设计
首先,让我们来看看硬件方面。
作为实时数采检测方案,我们采用板卡形式的数采模块。该板卡使用PCIe接口,可以同时插入多张卡进行采集。单张采集卡拥有8个通道,最高可实现80M采样率,16位分辨率。如果我们将对通道密度的要求降低,单张卡只使用4个通道,那么在16位分辨率下,可以实现250M采样率;14位可以实现400M;8位可以实现1.25G。在量程方面,可通过编程调节范围从正负200mV到10V。

▲ 图3: 虹科方案的硬件设计
我们的方案需要使用插卡机箱。由于采用PCIe接口,我们选择通用的x86工控机,无需购买专用机箱和控制器。只要工控机的PCIe插槽足够,可以插入多张卡。在性能选择方面,我们可以利用Intel的i7、i9以及AMD的线程撕裂者等CPU。内存方面,通过使用4条内存槽的主板,最高可达64G。硬盘容量限制较低,可以多放几个固态硬盘。我们基于普通Windows平台,无需额外补丁,与其他软件的兼容性更好。用户可以方便地在该平台上运行其他程序或编写自己的程序,对采集数据和判断结果进行额外处理和转发。

▲ 图4: 虹科方案的硬件设计
更值得关注的是,我们的硬件方案提供个性化的定制服务。以下是配件方面可选的方案。

▲ 图5: 配件方面的定制化服务
同时,传感器也可以根据客户需求进行协商选型。

▲ 图6: 传感器方面的定制化服务
2.2
软件设计
在软件方面,我们有读取、运算、数据展示以及存储转发四大突出功能。
读取方面,无需设置触发,利用高速的PCIe总线,连续地从数采卡中获取实时读数,吞吐量USB3.0的两倍以上。
运算方面,无需设置触发,利用高速的PCIe总线,连续地从数采卡中获取实时读数,吞吐量USB3.0的两倍以上。
数据展示方面,无需设置触发,利用高速的PCIe总线,连续地从数采卡中获取实时读数,吞吐量USB3.0的两倍以上。
存储与转发方面,无需设置触发,利用高速的PCIe总线,连续地从数采卡中获取实时读数,吞吐量USB3.0的两倍以上。
下图是对软件设计细节中运算速度、计算算法、存储转发的介绍。

▲ 图7: 虹科方案的设计细节
综上,相比于传统数采设备,我们的数采系统具备更多的优势。以示波器为例,我们的产品优势在于:

大容量存储 | 高性能通用CPU|易于扩展通道
实时处理数据|可编写额外的处理程序
此外,相比于USB外接的虚拟示波器,我们的产品优势在于:

更快的传输速度降低延迟 | 连续采集无死区
实现更复杂的触发方式|一体集成减少拉线
03 产品应用案例
基于上述的介绍,我们将在这部分为大家提供产品的实际应用案例,分别是空气压缩机、三相电机、超声应用三个案例。
3.1空气压缩机
针对空气压缩机的案例,我们常见于产线上。

▲ 图8: 空气压缩机实验场景原理图
为了实现气动控制,我们需要一个空气压缩机作为气源。空气压缩机的控制器基于平均值进行负反馈控制,但对于小波动无法准确控制。因此,我们可以添加传感器进行诊断和检测。在实验场景中,通过数采卡、供电、变送器和传感器构成了数采检测系统的硬件部分。通过压力和加速度传感器的频域分析,我们可以推断压缩机的转速和工作状况。使用麦克风进行声音波形分析,可以确定阀门状态变化的时间点。综合多种传感器的信息,进行相互验证和共同锁定问题的思路是可取的。

▲ 图9: 信号采集结果

▲ 图10: 数据分析结果
在实际应用中,根据实际情况选择合适的传感器,利用数采卡上的多余通道对相邻工位的情况进行测量,可以降低升级成本。
3.2 三相电机
现在我们来看一下三相电机的例子。
工业中,大部分小型电机采用PWM驱动。PWM信号是由专门的芯片产生,主控制器通过编码器反馈位置信息并调节控制参数。然而,控制器并不了解电机的详细情况,只需确保运行位置无误即可。若想了解电机细节,可以采集三相PWM电压和电流。其中,电流传感器用于电流采集。

▲ 图11: PWM驱动参与的工业流程
通过分析结果,我们可以进行一些判断,如检查电压相位分布是否正确,判断控制器老化和效率降低,以便维护或更换。通过频率分析,我们还可以推测电机转速和传动系统是否存在打滑问题。异常增大的电流信号可能表示电机在某位置遇到较大阻力,指导轨道维修和故障排查。若生产中出现这种情况,可能意味着产品尺寸超出限制或存在潜在缺陷。

▲ 图12: 采集效果
3.3 超声应用
工业和其他行业中广泛使用超声技术。超声测量通常采用高带宽的仪器级麦克风和高速数采卡。根据奈奎斯特采样定理,数采卡的采样率至少需要是被测超声频率的两倍。为了准确测量,我们通常选择采样率是被测频率的5到10倍甚至更高的数采卡。

▲ 表1: 不同应用的频率范围、单工/双工、动态范围信息比较
通过FFT分析,我们可以观察到原始信号右侧的浮动是由低频杂散噪声引起的。通过电脑的强大计算能力,我们可以进行低延迟的软滤波处理,去除这些杂散噪声。另外,我们还可以根据触发点将多次超声脉冲信号对齐并取平均,以比较每个信号与平均信号之间的差异,从而检测异常脉冲。

▲ 图13: 测试结果
相关文章:
虹科产线实时数采检测方案——高速采集助力智能化升级
01 产线数采检测相关技术背景 1.1 典型场景 对于产线数采检测,让我们从典型的工厂场景开始介绍。 每个工位都有上位机监控下方的PLC控制器。指令、执行单元和作用对象的状态通过内置传感器进行采集和测量,反馈给PLC实现闭环控制。 工业4.0和智能制…...
用迅为RK3568开发板使用OpenCV处理图像颜色通道提取ROI
本小节代码在配套资料“iTOP-3568 开发板\03_【iTOP-RK3568 开发板】指南教程 \04_OpenCV 开发配套资料\07”目录下,如下图所示: 在计算机的色彩图像中存有三个通道,即 BGR 通道,根据三个颜色通道的亮度值来显示出不同的颜色&…...
低压配电室电力安全解决方案
低压电气安全监控运维系统是力安科技基于物联网核心技术自主开发的高可靠性安全监测系统。其工作原理是利用物联网、云计算、大数据、数字传感技术及RFID无线射频识别技术来获取低压配电回路电压、电流、温度、有功、无功、功率因数等全电量的采集及配电线路的漏电、温度的实时…...
【Windows 常用工具系列 11 -- 笔记本F5亮度调节关闭】
文章目录 笔记本 F 按键功能恢复 笔记本 F 按键功能恢复 使用笔记本在进行网页浏览时,本想使用F5刷新下网页,结果出现了亮度调节,如下图所示: 所以就在网上查询是否有解决这个问题的帖子,结果还真找到了:…...
Python小知识 - 【Python】如何使用Pytorch构建机器学习模型
【Python】如何使用Pytorch构建机器学习模型 机器学习是人工智能的一个分支,它的任务是在已有的数据集上学习,最终得到一个能够解决新问题的模型。Pytorch是一个开源的机器学习框架,它可以让我们用更少的代码构建模型,并且可以让模…...
使用Akka的Actor模拟Spark的Master和Worker工作机制
使用Akka的Actor模拟Spark的Master和Worker工作机制 Spark的Master和Worker协调工作原理 在 Apache Spark 中,Master 和 Worker 之间通过心跳机制进行通信和保持活动状态。下面是 Master 和 Worker 之间心跳机制的工作流程: Worker 启动后,…...
文心一言api接入如何在你的项目里使用文心一言
文心一言api接入在项目里接入文心一言 一、百度文心一言API二、使用步骤1、接口2、请求参数3、请求参数示例4、接口 返回示例 三、 如何获取appKey和uid1、申请appKey:2、获取appKey和uid 四、重要说明 一、百度文心一言API 基于百度文心一言语言大模型的智能文本对话AI机器人…...
Python匿名函数lambda(R与Python第五篇)
目录 一、为什么要引入“lambda函数”? 二、匿名函数的两种用法 参考: 本文来源:《Python全案例学习与实践》(2019年9月出版,电子工业出版社) Python允许使用一种无名的函数,称其为匿名函数…...
【2023校园招聘】 钉钉AI应用开发平台开始校招拉~
【岗位职责】 负责钉钉AI Paas 产品化研发落地,包含但不限于: 1. 用户意图理解、任务规划、服务推荐等算法的设计和开发 2. 基于大模型落地各种落地应用,缩短大模型与真实应用场景的距离 3. 负责算法的工程化落地,包括算法的代…...
Linux系统gdb调试常用命令
GDB(GNU调试器)是一款常用的调试工具,用于调试C、C等编程语言的程序。以下是一些常用的GDB命令: 1. 启动程序: - gdb <executable>:启动GDB调试器,并加载可执行文件。 2. 设置断点&a…...
Sumo中Traci.trafficlight详解(上)
Sumo中Traci.trafficlight详解(上) 记录慢慢学习traci的每一天,希望也能帮到你 文章目录 Sumo中Traci.trafficlight详解(上)Traci.trafficlight信号灯参数讲解1.getAllProgramLogics(self,tlsID)2.getBlockingVehicle…...
手写Mybatis:第13章-通过注解配置执行SQL语句
文章目录 一、目标:注解配置执行SQL二、设计:注解配置执行SQL三、实现:注解配置执行SQL3.1 工程结构3.2 注解配置执行SQL类图3.3 脚本语言驱动器3.3.1 脚本语言驱动器接口3.3.2 XML语言驱动器 3.4 注解配置构建器3.4.1 定义增删改查注解3.4.2…...
spring security - 快速整合 springboot
1.引入依赖<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spr…...
NPM 常用命令(二)
目录 1、npm bugs 1.1 配置 browser registry 2、npm cache 2.1 概要 2.2 详情 2.3 关于缓存设计的说明 2.4 配置 cache 3、 npm ci 3.1 描述 3.2 配置 install-strategy legacy-bundling global-style omit strict-peer-deps foreground-scripts ignore-s…...
ctfhub ssrf(3关)
文章目录 内网访问伪协议读取文件扫描端口 内网访问 根据该题目,是让我们访问127.0.0.1/falg.php,访问给出的链接后用bp抓包,修改URL,发送后得到flag: 伪协议读取文件 这题的让我们用伪协议,而网站的目录…...
跨源资源共享(CORS)Access-Control-Allow-Origin
1、浏览器的同源安全策略 没错,就是这家伙干的,浏览器只允许请求当前域的资源,而对其他域的资源表示不信任。那怎么才算跨域呢? 请求协议http,https的不同域domain的不同端口port的不同 好好好,大概就是这么回事啦&…...
【嵌入式软件开发 】学习笔记
本文主要记录 【嵌入式软件开发】 学习笔记,参考相关大佬的文章 1.RTOS 内功修炼笔记 RTOS内功修炼记(一)—— 任务到底应该怎么写? RTOS内功修炼记(二)—— 优先级抢占式调度到底是怎么回事?…...
CentOS 7上安装Python 3.11.5,支持Django
CentOS 7上安装Python 3.11.5,支持Django 今天安装django,报了“Django - deterministicTrue requires SQLite 3.8.3 or higher upon running python manage.py runserver”。查了一番资料,记录下来。 参考链接: 参考链接: Django的web项目…...
COMPFEST 15H「组合数学+容斥」
Problem - H - Codeforces 题意: 定义一个集合S为T的孩子是,对于S中的每一个元素x,在T中都能找到x1。 给定n,k,每一个集合中的元素x必须满足 1 < x < k 1<x<k 1<x<k且 c n t [ x ] < 1 cnt[x…...
react快速开始(三)-create-react-app脚手架项目启动;使用VScode调试react
文章目录 react快速开始(三)-create-react-app脚手架项目启动;使用VScode调试react一、create-react-app脚手架项目启动1. react-scripts2. 关于better-npm-runbetter-npm-run安装 二、使用VScode调试react1. 浏览器插件React Developer Tools2. 【重点】用 VSCode …...
Python爬虫实战:研究MechanicalSoup库相关技术
一、MechanicalSoup 库概述 1.1 库简介 MechanicalSoup 是一个 Python 库,专为自动化交互网站而设计。它结合了 requests 的 HTTP 请求能力和 BeautifulSoup 的 HTML 解析能力,提供了直观的 API,让我们可以像人类用户一样浏览网页、填写表单和提交请求。 1.2 主要功能特点…...
eNSP-Cloud(实现本地电脑与eNSP内设备之间通信)
说明: 想象一下,你正在用eNSP搭建一个虚拟的网络世界,里面有虚拟的路由器、交换机、电脑(PC)等等。这些设备都在你的电脑里面“运行”,它们之间可以互相通信,就像一个封闭的小王国。 但是&#…...
进程地址空间(比特课总结)
一、进程地址空间 1. 环境变量 1 )⽤户级环境变量与系统级环境变量 全局属性:环境变量具有全局属性,会被⼦进程继承。例如当bash启动⼦进程时,环 境变量会⾃动传递给⼦进程。 本地变量限制:本地变量只在当前进程(ba…...
linux 错误码总结
1,错误码的概念与作用 在Linux系统中,错误码是系统调用或库函数在执行失败时返回的特定数值,用于指示具体的错误类型。这些错误码通过全局变量errno来存储和传递,errno由操作系统维护,保存最近一次发生的错误信息。值得注意的是,errno的值在每次系统调用或函数调用失败时…...
c#开发AI模型对话
AI模型 前面已经介绍了一般AI模型本地部署,直接调用现成的模型数据。这里主要讲述讲接口集成到我们自己的程序中使用方式。 微软提供了ML.NET来开发和使用AI模型,但是目前国内可能使用不多,至少实践例子很少看见。开发训练模型就不介绍了&am…...
如何在网页里填写 PDF 表格?
有时候,你可能希望用户能在你的网站上填写 PDF 表单。然而,这件事并不简单,因为 PDF 并不是一种原生的网页格式。虽然浏览器可以显示 PDF 文件,但原生并不支持编辑或填写它们。更糟的是,如果你想收集表单数据ÿ…...
技术栈RabbitMq的介绍和使用
目录 1. 什么是消息队列?2. 消息队列的优点3. RabbitMQ 消息队列概述4. RabbitMQ 安装5. Exchange 四种类型5.1 direct 精准匹配5.2 fanout 广播5.3 topic 正则匹配 6. RabbitMQ 队列模式6.1 简单队列模式6.2 工作队列模式6.3 发布/订阅模式6.4 路由模式6.5 主题模式…...
OD 算法题 B卷【正整数到Excel编号之间的转换】
文章目录 正整数到Excel编号之间的转换 正整数到Excel编号之间的转换 excel的列编号是这样的:a b c … z aa ab ac… az ba bb bc…yz za zb zc …zz aaa aab aac…; 分别代表以下的编号1 2 3 … 26 27 28 29… 52 53 54 55… 676 677 678 679 … 702 703 704 705;…...
Java 与 MySQL 性能优化:MySQL 慢 SQL 诊断与分析方法详解
文章目录 一、开启慢查询日志,定位耗时SQL1.1 查看慢查询日志是否开启1.2 临时开启慢查询日志1.3 永久开启慢查询日志1.4 分析慢查询日志 二、使用EXPLAIN分析SQL执行计划2.1 EXPLAIN的基本使用2.2 EXPLAIN分析案例2.3 根据EXPLAIN结果优化SQL 三、使用SHOW PROFILE…...
统计学(第8版)——统计抽样学习笔记(考试用)
一、统计抽样的核心内容与问题 研究内容 从总体中科学抽取样本的方法利用样本数据推断总体特征(均值、比率、总量)控制抽样误差与非抽样误差 解决的核心问题 在成本约束下,用少量样本准确推断总体特征量化估计结果的可靠性(置…...
