[發明專利]基于Spark的數控機床運行狀態監測方法

有效

• 申請號: 201811472641.1
• 申請日: 2018-12-04
• 公開（公告）號: CN111273607B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 于東;劉勁松;畢筱雪;胡毅;于皓宇;韓旭
• 申請（專利權）人: 沈陽高精數控智能技術股份有限公司
• 主分類號: G05B19/406
• 分類號: G05B19/406;G06K9/62
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 王倩

1.一種基于Spark的數控機床運行狀態監測方法，其特征在于，包括以下步驟：

步驟1：采集數控機床的狀態數據信息；

步驟2：然后對狀態數據信息進行歸一化處理得到狀態數據；

步驟3：Kafka接入狀態數據，通過將數據添加Topic字段整合不同類型的狀態數據，同一Topic的數據按照設定的算法被分區到不同的服務器上，流計算系統SparkStreaming進行數據計算；

步驟4：采用Spark的SparkStreaming對狀態數據進行預處理，得到狀態數據樣本；

步驟5：將狀態數據樣本作為輸入，將監測對象劃分為不同的安全狀態作為輸出，建立起多分類預測模型；通過多分類預測模型對待測的監測數據進行預測；

所述將狀態數據樣本作為輸入，將監測對象劃分為不同的安全狀態作為輸出，建立起多分類預測模型包括以下步驟：

通過訓練標注的狀態數據樣本，使用基于密度的聚類算法DBSCAN將數據集中不同時間段內產生的數據聚類到不同簇中，從而發現不同的機床安全運行狀態，并根據聚類結果將監測對象劃分為不同的安全狀態；

針對不同的安全狀態采用SVM分類算法建立多分類預測模型。

2.根據權利要求1所述的基于Spark的數控機床運行狀態監測方法，其特征在于：所述采集通過兩種方式中的一種實現；第一種方式是通過數控機床的開發接口，另一種是通過OPC協議獲取。

3.根據權利要求1所述的基于Spark的數控機床運行狀態監測方法，其特征在于：所述狀態數據信息包括主軸電機溫度、主軸電流、主軸電機負載、主軸回轉誤差、X軸電機溫度、進給速度。

4.根據權利要求1所述的基于Spark的數控機床運行狀態監測方法，其特征在于：所述采用Spark的SparkStreaming對狀態數據進行預處理具體如下：

在Spark的Spark Job中將Kafka中各Topic的數據定義為一個數據流DStream，每個DStream內部都由一組連續的RDD來表示。

5.根據權利要求1所述的基于Spark的數控機床運行狀態監測方法，其特征在于：所述基于密度的聚類算法DBSCAN為：

1)根據基于中心的密度進行核心點、邊界點、噪聲點分類：若點o在以ε為半徑的鄰域內包含點的個數超過給定閾值MinPts，則將點o標記為核心點；不是核心點，但落在某個核心點鄰域的點標記為邊界點；既非核心點也非邊界點的任何點均為噪聲點；

2)刪除所有噪聲點；

3)將距離小于鄰域半徑ε的兩個核心點連接形成新的簇；

4)每個時刻的記錄數據給定一個簇的類別標簽，即對應監測對象的一個安全狀態。

6.根據權利要求1所述的基于Spark的數控機床運行狀態監測方法，其特征在于，其特征在于：所述采用SVM分類算法建立起多分類預測模型為：

針對每個類別標簽所對應的數據，將屬于該類別的點標注為正例，不屬于該類別的點標注為負例，并將標注后的數據通過SVM算法訓練出一個針對于該類別的分類器。

7.根據權利要求6所述的基于Spark的數控機床運行狀態監測方法，其特征在于，其特征在于：所述通過多分類預測模型對待測的監測數據進行預測具體如下：對于新產生的監測數據，分別使用每個安全狀態對應的分類器進行分類，并將所有分類器的分類結果進行整合，當有且僅有一個分類器將此監測數據分為其所對應的狀態時，將該監測數據的安全狀態判斷為該類別；否則，即沒有或多個分類器將其分為其所對應的狀態，則將該監測數據的安全狀態判斷為離群點。