摘要：随着工业化进程的加快,冲压机已经广泛应用于工业制造中。对冲压机进行振动故障检测,有利于保障工业制造生产的质量和效率。本次研究冲压机的振动故障检测时,在BP神经网络算法的基础上进行冲压机振动故障智能检测系统的设计。通过研究冲压机的典型振动故障在时域、频域上的特点,以及BP神经网络算法模型,设计了冲压机振动故障智能检测系统,包括冲压机振动故障检测的BP神经网络设计和系统软件设计。在此基础上,以存在故障的冲压机为例,对其进行了故障检测和分析,得到相应测试点的时域变化以及功率谱变化。研究结果表明,冲压机存在两个故障频率,分别为23.81和20.5 Hz,并且该冲压机存在较为严重的磨损。此次研究验证了基于BP神经网络的冲压机振动故障智能检测系统的有效性和合理性,希望能为冲压机振动故障检测的研究提供一定的参考和借鉴。

摘要：一汽-大众佛山工厂冲压车间使用的是世界领先的德国Schuler制造的伺服冲压生产线,最高节拍17次/分钟。整线采用6序压机分布,拉延工序是2100吨伺服压机,用4台电机驱动;后续5台是1200吨伺服压机,用2台电机驱动。整线采用一个驱动控制柜协同控制,6台压力机共计14台驱动电机+2台蓄能电机,电机是Oswald的低速大扭矩电机,驱动器是西门子的S120水冷型驱动器,带回馈电网功能,整线驱动的特点是集成化与模块化设计。本文通过西门子TRACE功能实现伺服压机驱动故障的快速分析与诊断,实现伺服传动机构故障的快速排除。