一种拉丝机的监测预警方法及系统与流程

1.本发明涉及人工智能领域，尤其涉及一种拉丝机的监测预警方法及系统。


背景技术：

2.拉丝机是在生产钢丝绳的过程中对钢丝进行拉拔处理，使不同直径的钢丝拉拔成为符合实际需求的、一定直径的细钢丝的机械设备，也叫拔丝机。实际生产过程中拉丝机运转速度快，在对拉丝机的拉丝质量，即拉拔得到的细钢丝质量进行检测时，通常定时截取对应时段拉拔的钢丝绳进行人工检测，存在检测效率低，且检测得到的拉丝质量结果与实时拉丝情况相比，延迟大，进而无法对拉丝机的实时拉丝作业状态等进行准确及时的评估，也就是说，在拉丝机运转异常时无法及时发现并校正，从而影响拉丝质量，并进一步影响拉丝作业效益。研究利用计算机技术对拉丝机的实时拉拔各类金属产品的情况进行智能监测，从而自动识别拉丝异常并及时针对性预警，对于提高拉丝机拉丝质量监管效率、提高拉丝产品质量等均具有重要意义。
3.然而，现有技术通过定时截取拉丝并试验检测得到拉丝机的拉丝质量，存在检测效率低、延迟长，无法快速对实时拉丝质量进行准确评价，同时无法及时发现拉丝异常并针对性预警、调整，最终影响拉丝作业效益的技术问题。


技术实现要素：

4.本发明的目的是提供一种拉丝机的监测预警方法及系统，用以解决现有技术通过定时截取拉丝并试验检测得到拉丝机的拉丝质量，存在检测效率低、延迟长，无法快速对实时拉丝质量进行准确评价，同时无法及时发现拉丝异常并针对性预警、调整，最终影响拉丝作业效益的技术问题。
5.鉴于上述问题，本发明提供了一种拉丝机的监测预警方法及系统。
6.第一方面，本发明提供了一种拉丝机的监测预警方法，所述方法通过一种拉丝机的监测预警系统实现，其中，所述方法包括：通过接收预警识别请求，当所述智能监测预警系统接收所述预警识别请求后，启动预警识别初始化程序；获得拉丝前输入信息，其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息，根据所述拉丝前输入信息完成所述智能监测预警系统的初始化；当所述智能监测预警系统初始化完成后，控制所述图像采集装置和所述激光测径模块进行拉丝后产品的信息采集，得到采集数据，其中，所述采集数据包括图像采集数据和尺寸采集数据；通过所述智能监测预警系统对所述图像采集数据和所述尺寸采集数据进行数据格式调整，根据调整结果进行图像异常特征检测和尺寸异常数据检测，得到图像异常数据和尺寸异常数据；判断所述图像异常数据和所述尺寸异常数据是否在所述预警阈值信息范围内，当不在时，则对所述图像异常数据和所述尺寸异常数据进行关联分析，确定关联关系；根据所述图像异常数据和所述尺寸异常数据的异常值，结合所述关联关系基于所述预警模块进行预警。
7.第二方面，本发明还提供了一种拉丝机的监测预警系统，用于执行如第一方面所
述的一种拉丝机的监测预警方法，其中，所述系统包括：请求接收处理模块，用于接收预警识别请求，当智能监测预警系统接收所述预警识别请求后，启动预警识别初始化程序；拉丝数据采集模块，用于获得拉丝前输入信息，其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息，根据所述拉丝前输入信息完成所述智能监测预警系统的初始化；拉丝产品监测模块，用于当所述智能监测预警系统初始化完成后，控制图像采集装置和激光测径模块进行拉丝后产品的信息采集，得到采集数据，其中，所述采集数据包括图像采集数据和尺寸采集数据；监测数据处理模块，用于通过所述智能监测预警系统对所述图像采集数据和所述尺寸采集数据进行数据格式调整，根据调整结果进行图像异常特征检测和尺寸异常数据检测，得到图像异常数据和尺寸异常数据；异常识别处理模块，用于判断所述图像异常数据和所述尺寸异常数据是否在所述预警阈值信息范围内，当不在时，则对所述图像异常数据和所述尺寸异常数据进行关联分析，确定关联关系；异常智能预警模块，用于根据所述图像异常数据和所述尺寸异常数据的异常值，结合所述关联关系基于预警模块进行预警。
8.本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：1.通过预警识别请求启动智能监测预警系统，并将拉丝需求、拉丝标准等相关数据输入智能监测预警系统，进而通过与智能监测预警系统通信连接的图像采集装置对拉丝产品进行图像采集，同时通过激光测径模块对拉丝产品进行尺寸、横截面形状和直径等的数据采集，进一步智能识别实时采集信息中的异常数据，包括图像异常和尺寸异常数据，并对两异常数据进行关联度分析，进而确定两异常的关联关系，最后针对性预警异常。通过基于图像采集装置和激光测径模块对拉丝产品的实时信息采集，进而筛选异常数据并分析异常关联性，达到了快速对拉丝机的异常作业进行准确预警，从而智能管理的技术效果。
9.2.通过动态异常评价特征为系统基于实时监测数据自动识别判断拉丝机异常提供判断指标和特征，提高了系统异常判断结果准确性，同时提高了判断和预警速度。此外，过渡速度时间区间的计算应用为后续计算特征监测宽容度参数提供了基础，并提高了异常图像特征监测准确性、符合实际性。
10.3.通过图像和尺寸异常之间的关联关系，考虑两异常指标耦合作用对拉丝机异常作业的影响，从而为后续基于异常数据预警提供更加可靠、实用的数据基础，达到了提高预警可靠性的技术效果。
11.4.通过为振动监测模块实时监测传输拉丝机生产过程中相关检测点位置振动数据，进而基于实时振动数据对系统异常监测结果进行修正，达到了提高系统异常监测和预警准确性、可靠性的技术效果。
12.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
13.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获
得其他的附图。
14.图1为本发明一种拉丝机的监测预警方法的流程示意图；图2为本发明一种拉丝机的监测预警方法中通过动态异常评价特征进行调整结果的图像异常特征检测的流程示意图；图3为本发明一种拉丝机的监测预警方法中通过特征检测宽容度参数对筛选图像集合的特征异常检测的流程示意图；图4为本发明一种拉丝机的监测预警方法中根据关联度参数确定关联关系的流程示意图；图5为本发明一种拉丝机的监测预警方法中通过振动影响宽容度系数进行异常检测结果的修正的流程示意图；图6为本发明示一种拉丝机的监测预警系统的结构示意图；附图标记说明：请求接收处理模块100，拉丝数据采集模块200，拉丝产品监测模块300，监测数据处理模块400，异常识别处理模块500，异常智能预警模块600。
具体实施方式
15.本发明通过提供一种拉丝机的监测预警方法及系统，解决了现有技术通过定时截取拉丝并试验检测得到拉丝机的拉丝质量，存在检测效率低、延迟长，无法快速对实时拉丝质量进行准确评价，同时无法及时发现拉丝异常并针对性预警、调整，最终影响拉丝作业效益的技术问题。通过基于图像采集装置和激光测径模块对拉丝产品的实时信息采集，进而筛选异常数据并分析异常关联性，达到了快速对拉丝机的异常作业进行准确预警，从而智能管理的技术效果。
16.本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
17.下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
18.本发明提供了一种拉丝机的监测预警方法，所述方法应用于一种拉丝机的监测预警系统，其中，所述方法包括：通过接收预警识别请求，当所述智能监测预警系统接收所述预警识别请求后，启动预警识别初始化程序；获得拉丝前输入信息，其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息，根据所述拉丝前输入信息完成所述智能监测预警系统的初始化；当所述智能监测预警系统初始化完成后，控制所述图像采集装置和所述激光测径模块进行拉丝后产品的信息采集，得到采集数据，其中，所述采集数据包括图像采集数据和尺寸采集数据；通过所述智能监测预警系统对所述图像采集数据和所述尺寸采集数据进行数据格式调整，根据调整结果进行图像异常特征检测和尺寸异常数据检测，得到图像异常数据和尺寸异常数据；判断所述图像异常数据和所述尺寸异常数据是否在所述预警阈值信息范围内，当不在时，则对所述图像异常数据和所述尺寸
异常数据进行关联分析，确定关联关系；根据所述图像异常数据和所述尺寸异常数据的异常值，结合所述关联关系基于所述预警模块进行预警。
19.在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
20.实施例一请参阅附图1，本发明提供了一种拉丝机的监测预警方法，其中，所述方法应用于一种拉丝机的监测预警系统，所述方法具体包括如下步骤：步骤s100：接收预警识别请求，当所述智能监测预警系统接收所述预警识别请求后，启动预警识别初始化程序；具体而言，所述一种拉丝机的监测预警方法应用于一种拉丝机的监测预警系统，可以通过与所述智能监测预警系统通信连接的智能设备对拉丝机的实时拉丝数据进行监测，进而筛选异常数据并进行预警。首先系统接收到由作业中的拉丝机发出的预警识别请求，然后系统基于接收到的所述预警识别请求进行预警识别初始化程序的启动。达到了为后续基于所述智能监测预警系统对拉丝机智能监测并自动分析预警提供系统基础的技术效果。
21.步骤s200：获得拉丝前输入信息，其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息，根据所述拉丝前输入信息完成所述智能监测预警系统的初始化；具体而言，所述拉丝前输入信息是指利用拉丝机进行金属产品拉拔时，相关的拉拔需求、拉丝产品的规格等的基本信息，由于所述智能监测预警系统为针对性的个性化预警系统，因此在利用所述智能监测预警系统对拉丝机作业进行智能监测预警前，先将此次拉丝机拉丝作业的相关产品规格要求信息、拉拔参数、合格要求等作为输入信息，事先存储至所述智能监测预警系统中。其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息。所述拉丝直径是指利用拉丝机拉拔得到的金属产品丝横截面的直径。所述拉丝公差是指拉丝机在实际拉拔生产时允许的、不会对最终金属产品使用产生重大影响的允许变动量，由相关技术人员等基于拉丝生产要求等综合分析确定。所述拉丝表面约束条件包括拉丝机拉拔得到的金属产品表面相关参数的要求和约束，包括表面光滑度、光泽度等。所述预警阈值信息是指拉丝机在拉丝生产过程中，为保证拉丝金属产品的参数符合相关要求，对应各工艺参数等应当保持的阈值范围，举例如拉丝机电机速度、拉丝得到的金属产品的尺寸等。将这些信息输入所述智能监测预警系统之后，系统开始初始化启动。
22.通过拉丝前输入信息的输入，完成了所述智能监测预警系统的初始化，达到了为后续对拉丝机进行智能监测、识别判断、预警等提供系统软件基础的技术效果。
23.步骤s300：当所述智能监测预警系统初始化完成后，控制所述图像采集装置和所述激光测径模块进行拉丝后产品的信息采集，得到采集数据，其中，所述采集数据包括图像采集数据和尺寸采集数据；具体而言，所述智能监测预警系统与图像采集装置、激光测径模块通信连接，在完成所述智能监测预警系统的初始化启动后，系统控制与其通信连接的所述图像采集装置对拉丝机的拉丝产品进行图像信息采集，得到所述图像采集数据。其中，所述图像采集数据是
具备时间属性的图像信息。此外，系统同时控制所述激光测径模块对拉丝机的拉丝产品进行拉丝产品横截面直径、拉丝产品尺寸等的数据采集，得到所述尺寸采集数据。同样的，所述尺寸采集数据也是具备时间属性的尺寸数据。通过系统控制智能设备对拉丝机实时拉丝生产中，拉丝产品的图像和尺寸进行采集，得到对应图像采集数据和尺寸采集数据，达到了为后续系统识别判断异常拉丝情况提供实时、可靠的数据基础，进而提高预警有效性的技术效果。
24.步骤s400：通过所述智能监测预警系统对所述图像采集数据和所述尺寸采集数据进行数据格式调整，根据调整结果进行图像异常特征检测和尺寸异常数据检测，得到图像异常数据和尺寸异常数据；具体而言，在所述图像采集装置和所述激光测径模块分别采集得到所述图像采集数据和尺寸采集数据后，由于两智能设备通信连接于所述智能监测预警系统，因此系统实时得到两智能设备传输过来的实时采集数据信息。然后，所述智能监测预警系统对两数据分别进行格式调整，使所述图像采集数据和所述尺寸采集数据调整为具体直观的拉丝情况数据。进一步，所述智能监测预警系统对调整后的数据进行异常检测，分别得到图像数据的异常特征和尺寸数据的异常数据，即所述图像异常数据和尺寸异常数据。
25.通过智能监测预警系统对两智能设备实时监测数据的格式调整，数据分析识别，最终得到图像和尺寸出现异常的数据，实现了确定拉丝机异常工作时间、异常工作导致的拉丝异常具体数据等目标，达到了为后续智能化针对性预警提供数据基础，进而提高预警可靠性和预警系统实用性的技术效果。
26.步骤s500：判断所述图像异常数据和所述尺寸异常数据是否在所述预警阈值信息范围内，当不在时，则对所述图像异常数据和所述尺寸异常数据进行关联分析，确定关联关系；具体而言，根据拉丝前输入信息，确定此次拉丝机执行拉丝作业的预警阈值信息。进一步，依次判断所述图像异常数据、所述尺寸异常数据是否在所述预警阈值信息范围内。当判断结果显示所述图像异常数据和所述尺寸异常数据不在所述预警阈值信息范围内时，利用所述智能监测预警系统对其关联性进行分析，举例如利用数据分析软件处理得到所述图像异常数据和所述尺寸异常数据的关联性，最后确定两者之间的关联关系。举例如某监测得到拉丝产品表面存在较深划痕，该划痕由于深度较深，影响了拉丝产品的外观形状，同时影响了拉丝产品横截面形状，进而对拉丝产品直径产生较大影响。此外，当判断结果显示所述图像异常数据和所述尺寸异常数据在所述预警阈值信息范围内时，证明当前拉丝机的拉丝工作状态正常，各方参数及生产得到的金属产品均在相关标准和要求范围内，也就是说，图像和尺寸数据的动态变化可控，不会对拉丝产品的最终实际使用等产生影响，即不发出预警提醒。
27.通过智能分析图像采集数据和尺寸采集数据之间的关联性特征，确定两者之间是否相互作用和影响，并分析确定两者的关联关系，达到了为后续针对两实时监测到的数据进行针对性预警提供更加准确、可靠的预警基础的技术效果。
28.步骤s600：根据所述图像异常数据和所述尺寸异常数据的异常值，结合所述关联关系基于所述预警模块进行预警。
29.具体而言，根据所述智能监测预警模型自动分析判断得到图像和尺寸异常数据，
进而分析两异常数据之间的关联关系，最后定位图像和尺寸的异常值、关联关系，通过与所述智能监测预警系统通信连接的所述预警模块进行预警。通过基于图像采集装置和激光测径模块对拉丝产品的实时信息采集，进而筛选异常数据并分析异常关联性，达到了快速对拉丝机的异常作业进行准确预警，从而智能管理的技术效果。
30.进一步的，如附图2所示，本发明步骤s400还包括：步骤s410：通过所述智能监测预警系统采集拉丝机的实时运行参数，其中，所述实时运行参数包括带有时间标识的拉丝速度参数；步骤s420：对所述拉丝速度参数进行基于时间序列的变化评价，判断所述拉丝速度参数是否在同一速度区间内；步骤s430：当所述拉丝速度参数在同一速度区间内时，匹配当前速度区间的速度标定值；步骤s440：根据所述拉丝表面约束条件和所述速度标定值进行动态识别特征集合构建，得到动态异常评价特征；步骤s450：通过所述动态异常评价特征进行所述调整结果的图像异常特征检测。
31.进一步的，如附图3所示，本发明步骤s420还包括：步骤s421：当所述拉丝速度参数不在同一速度区间内时，通过所述拉丝速度参数确定过渡速度时间区间；步骤s422：基于所述过渡速度时间区间对已经调整格式的所述图像采集数据图像筛选，得到筛选图像集合；步骤s423：通过所述拉丝速度参数匹配第一等级速度区间和第二等级速度区间；步骤s424：通过所述第一等级速度区间和所述第二等级速度区间得到速度标定差值；步骤s425：根据所述速度标定差值和所述过渡速度时间区间计算单位时间速度变化值，根据计算结果匹配特征检测宽容度参数；步骤s426：通过所述特征检测宽容度参数对所述筛选图像集合的特征异常检测。
32.具体而言，通过所述智能监测预警系统实时采集拉丝机作业时的实时运行参数，举例如拉丝机电机运行速度、拉丝速度、拉丝压力、拉丝机润滑系统相关参数等。其中，所述实时运行参数包括的拉丝速度是指带有时间标识的拉丝速度参数，也就是说，所述智能监测预警系统实时采集监测到的拉丝机速度为不同监测时间下的对应速度。进一步的，根据所述拉丝速度参数和各拉丝速度参数对应的时间数据，整理得到拉丝机拉丝速度与时间的变化情况。
33.进一步的，判断所述拉丝速度参数是否在同一速度区间内，即分析拉丝速度是否在一个速度范围内变化。当所述拉丝速度参数在同一速度区间内时，匹配当前速度区间的速度标定值，并根据所述拉丝表面约束条件和所述速度标定值，构建拉丝机的动态识别特征集合，对应的，得到动态异常评价特征。其中，所述动态异常评价特征用于对所述调整结果的图像异常特征进行检测。当所述拉丝速度参数不在同一速度区间内时，根据所述拉丝速度参数中的时间属性特征，确定两拉丝速度的过渡时间区间，并基于所述过渡速度时间区间对已经调整了格式的所述图像采集数据图像进行筛选，得到筛选图像集合。其中，所述过渡时间区间是指所述智能监测预警系统在采集到拉丝机的拉丝速度时的时间、和实际采
集到的拉丝速度实际对应的时间之间的时间差区间。举例如利用图像采集设备等进行图像采集时，实际采集得到的图像和图像实际对应的时间是有差异的，即，两者之间存在延迟，也就是说，摄像头的快门速度不同，对应拍一张照片的时间不同，即原特征*时间*速度=拍照特征的大小。然后通过所述拉丝速度参数对应的过渡速度时间区间，匹配第一等级速度区间和第二等级速度区间，并通过所述第一等级速度区间和所述第二等级速度区间得到速度标定差值。最后根据所述速度标定差值和所述过渡速度时间区间计算得到单位时间的速度变化值，根据所述速度变化值确定拉丝机图像特征检测宽容度参数，用于对筛选图像集合进行图像特征异常检测。
34.通过分析构建动态异常评价特征，达到了为系统基于实时监测数据自动识别判断拉丝机异常提供判断指标和特征，从而提高判断结果准确性，同时提高判断速度预警速度的技术效果。通过分析拉丝速度参数对应的时间属性，进而确定图像采集装置在监测拉丝机的拉丝速度时，存在的过渡速度时间区间，达到了为后续计算特征监测宽容度参数提供基础，并提高了异常图像特征监测准确性、可靠性的技术效果。
35.进一步的本发明步骤s450还包括：步骤s451：对进行格式调整后的所述图像采集数据进行目标区域选定，剔除非目标区域，得到包含目标区域的图像集合；步骤s452：通过所述动态异常评价特征进行所述图像集合的遍历，根据遍历结果得到异常面积评价值和异常种类匹配值；步骤s453：根据所述异常面积评价值和异常种类匹配值完成所述图像异常特征检测。
36.具体而言，在通过动态异常评价特征对图像异常数据和尺寸异常数据进行异常特征检测前，先确定要检测预警的拉丝机作业的具体区域和位置，即确定目标区域，然后将图像采集数据中，属于所述目标区域的采集数据保留，不属于所述目标区域的采集数据剔除，从而得到仅包含由目标区域的图像集合。进一步，通过所述动态异常评价特征对保留后的所述图像集合进行遍历，进而遍历得到异常面积评价值和异常种类匹配值，并根据所述异常面积评价值和异常种类匹配值完成所述图像异常特征检测。通过图像数据降维达到了提高图像异常特征检测效率的技术效果，同时实现了针对性的拉丝特定区域检测的预警目标。
37.进一步的，如附图4所示，本发明步骤s500还包括：步骤s510：构建顺序关联约束条件，其中，所述顺序关联约束条件为尺寸异常在速度异常之前的约束条件；步骤s520：构建关联影响区间，通过所述顺序关联约束条件和所述关联影响区间对所述图像异常数据和所述尺寸异常数据进行关联约束，判断是否存在关联数据；步骤s530：当存在关联数据时，分析得到关联数据的时间差值，根据所述时间差值匹配关联度参数；步骤s540：根据所述关联度参数确定所述关联关系。
38.具体而言，在对所述图像异常数据和所述尺寸异常数据进行关联分析，确定对应关联关系前，首先综合实际情况和需求建立尺寸异常在速度异常之前的约束条件，也就是尺寸异常优先于速度异常的预警，即所述顺序关联约束条件。然后综合分析确定图像异常
和尺寸异常的影响区间阈值，即所述关联影响区间，同时结合所述顺序关联约束条件分析两者之间的关联情况，得到对应数据，并分析两者是否存在关联关系。进一步，当判断显示图像异常和尺寸异常存在关联关系时，计算关联数据的时间差，并根据所述时间差值确定对应关联度参数，从而得到所述关联关系。
39.通过分析图像异常和尺寸异常之间的关联情况，在两者存在关联关系时结合时间差确定准确可靠的关联关系，为后续基于异常数据预警提供更加可靠、实用的数据基础，从而达到提高预警可靠性的效果，而在图像异常和尺寸异常两者没有关联关系时，则孤立分析两异常特征，而不考虑两异常特征的耦合作用。
40.进一步的，如附图5所示，本发明步骤s700还包括：步骤s710：通过所述振动监测模块进行检测点位置的振动数据采集，得到振动评价数据集合；步骤s720：通过所述振动评价数据集合进行振动影响分析，生成振动影响因子；步骤s730：通过所述振动影响因子确定带有时间标识的振动影响宽容度系数；步骤s740：通过振动影响宽容度系数进行异常检测结果的修正。
41.进一步的，本发明步骤s710还包括：步骤s711：判断所述振动评价数据集合是否存在满足预设阈值的振动值数据；步骤s712：当所述振动评价数据集合存在满足所述预设阈值的振动值数据时，生成振动异常预警信息；步骤s713：通过所述振动异常预警信息基于所述预警模块进行预警。
42.具体而言，为进一步提高所述智能检测预警系统的预警可靠性和精准性，将一振动监测模块与所述智能检测预警系统进行通信连接。其中，所述振动检测模块用于对拉丝机执行拉丝作业时多个位置的振动情况进行监测。
43.首先基于拉丝机实际拉丝作业情况，分析确定监测振动的位置，举例如拉丝机电机、拉丝机模孔等，即确定所述检测点位置。然后将智能监测振动情况的设备安装在各个检测点位置，并利用所述振动监测模块对各个智能设备的检测数据进行实时传输，即，传输所述振动评价数据集合。进一步的，当所述智能监测预警系统接收到所述振动评价数据集合后，分析确定影响各个部位振动的影响因素，记作振动影响因子。最后根据振动影响因子确定振动影响宽容度系数，并根据所述振动影响宽容度系数对系统异常检测结果进行修正。其中，所述振动影响宽容度系数具备时间标识属性。此外，在系统接收到所述振动评价数据集合时，首先判断所述振动评价数据集合是否存在满足预设阈值的振动值数据，并在所述振动评价数据集合满足所述预设阈值的振动值数据时进行振动异常预警，其中，所述振动异常预警同样基于所述预警模块进行。
44.通过为智能监测预警系统通信连接一振动监测模块，实现了实时接收拉丝机生产过程中相关检测点位置振动数据的目标，进而基于实时振动数据对系统异常监测结果进行修正，达到了提高系统异常监测和预警准确性、可靠性的技术效果。
45.综上所述，本发明所提供的一种拉丝机的监测预警方法具有如下技术效果：1.通过预警识别请求启动智能监测预警系统，并将拉丝需求、拉丝标准等相关数据输入智能监测预警系统，进而通过与智能监测预警系统通信连接的图像采集装置对拉丝产品进行图像采集，同时通过激光测径模块对拉丝产品进行尺寸、横截面形状和直径等的
数据采集，进一步智能识别实时采集信息中的异常数据，包括图像异常和尺寸异常数据，并对两异常数据进行关联度分析，进而确定两异常的关联关系，最后针对性预警异常。通过基于图像采集装置和激光测径模块对拉丝产品的实时信息采集，进而筛选异常数据并分析异常关联性，达到了快速对拉丝机的异常作业进行准确预警，从而智能管理的技术效果。
46.2.通过动态异常评价特征为系统基于实时监测数据自动识别判断拉丝机异常提供判断指标和特征，提高了系统异常判断结果准确性，同时提高了判断和预警速度。此外，过渡速度时间区间的计算应用为后续计算特征监测宽容度参数提供了基础，并提高了异常图像特征监测准确性、符合实际性。
47.3.通过图像和尺寸异常之间的关联关系，考虑两异常指标耦合作用对拉丝机异常作业的影响，从而为后续基于异常数据预警提供更加可靠、实用的数据基础，达到了提高预警可靠性的技术效果。
48.4.通过为振动监测模块实时监测传输拉丝机生产过程中相关检测点位置振动数据，进而基于实时振动数据对系统异常监测结果进行修正，达到了提高系统异常监测和预警准确性、可靠性的技术效果。
49.实施例二基于与前述实施例中一种拉丝机的监测预警方法，同样发明构思，本发明还提供了一种拉丝机的监测预警系统，请参阅附图6，所述系统包括：请求接收处理模块100，用于接收预警识别请求，当智能监测预警系统接收所述预警识别请求后，启动预警识别初始化程序；拉丝数据采集模块200，用于获得拉丝前输入信息，其中，所述拉丝前输入信息包括拉丝直径、拉丝公差、拉丝表面约束条件、预警阈值信息，根据所述拉丝前输入信息完成所述智能监测预警系统的初始化；拉丝产品监测模块300，用于当所述智能监测预警系统初始化完成后，控制图像采集装置和激光测径模块进行拉丝后产品的信息采集，得到采集数据，其中，所述采集数据包括图像采集数据和尺寸采集数据；监测数据处理模块400，用于通过所述智能监测预警系统对所述图像采集数据和所述尺寸采集数据进行数据格式调整，根据调整结果进行图像异常特征检测和尺寸异常数据检测，得到图像异常数据和尺寸异常数据；异常识别处理模块500，用于判断所述图像异常数据和所述尺寸异常数据是否在所述预警阈值信息范围内，当不在时，则对所述图像异常数据和所述尺寸异常数据进行关联分析，确定关联关系；异常智能预警模块600，用于根据所述图像异常数据和所述尺寸异常数据的异常值，结合所述关联关系基于预警模块进行预警。
50.具体而言，所述智能监测预警系统包括请求接收处理模块100、拉丝数据采集模块200、拉丝产品监测模块300、监测数据处理模块400、异常识别处理模块500、异常智能预警模块600。其中，所述请求接收处理模块100用于接收拉丝机发出的预警识别请求，并将请求发送给智能监测预警系统。所述拉丝数据采集模块200用于对拉丝机实时拉拔作业相关数据，包括图像、拉丝产品尺寸等的采集，并为后续拉丝产品监测模块300提供可靠、及时的拉丝加工数据。所述拉丝产品监测模块300智能监测得到图像采集数据和尺寸采集数据，由监
测数据处理模块400处理得到对应异常数据。最后异常识别处理模块500分析两个异常数据之间的关联关系，由异常智能预警模块600进行智能预警。
51.通过各个模块的协同配合，达到了对拉丝机拉丝作业的智能监测、预警的技术效果，提高了拉丝机作业质检效率，保证了拉丝产品质量可靠，最终提高企业整体良品率和整体竞争力。
52.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种拉丝机的监测预警方法和具体实例同样适用于本实施例的一种拉丝机的监测预警系统，通过前述对一种拉丝机的监测预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种拉丝机的监测预警系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。