[發(fā)明專(zhuān)利]一種數(shù)控機(jī)床運(yùn)行狀態(tài)健康診斷系統(tǒng)及診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910980485.8
• 申請(qǐng)日: 2019-10-16
• 公開(kāi)（公告）號(hào): CN110554657B
• 公開(kāi)（公告）日: 2023-03-03
• 發(fā)明（設(shè)計(jì)）人: 楊澤青;李月;陳英姝;劉麗冰;張艷蕊;馬玉瓊;馮慧娟;彭凱;楊偉東
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類(lèi)號(hào): G05B19/406
• 分類(lèi)號(hào): G05B19/406
• 代理公司: 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 王瑞

本發(fā)明公開(kāi)了一種數(shù)控機(jī)床運(yùn)行狀態(tài)健康診斷系統(tǒng)及診斷方法。該系統(tǒng)包括邊緣數(shù)據(jù)采集模塊、云平臺(tái)和客戶端；云平臺(tái)分別與邊緣數(shù)據(jù)采集模塊和客戶端連接；所述云平臺(tái)包括預(yù)測(cè)性診斷模塊、信息管理及存儲(chǔ)模塊和應(yīng)用服務(wù)器；所述預(yù)測(cè)性診斷模塊包括實(shí)時(shí)診斷模塊、加工后診斷模塊和綜合診斷模塊。本系統(tǒng)使用具有診斷功能的云平臺(tái)替代上位機(jī)，極大地提升了可擴(kuò)展性，只需在機(jī)床上部署對(duì)應(yīng)的傳感器，連接到云平臺(tái)即可完成診斷與預(yù)測(cè)任務(wù)，通過(guò)云平臺(tái)集中管理機(jī)床實(shí)時(shí)狀態(tài)數(shù)據(jù)，以及基于神經(jīng)網(wǎng)絡(luò)的診斷技術(shù)對(duì)機(jī)床的健康狀況進(jìn)行評(píng)估預(yù)測(cè)。本診斷方法更加精簡(jiǎn)，健康診斷準(zhǔn)確性高。

技術(shù)領(lǐng)域

本發(fā)明涉及智能制造技術(shù)領(lǐng)域，具體是一種數(shù)控機(jī)床運(yùn)行狀態(tài)健康診斷系統(tǒng)及診斷方法。

背景技術(shù)

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的推動(dòng)，各國(guó)對(duì)于智能制造的發(fā)展愈發(fā)重視。新一代智能制造是新一代人工智能技術(shù)與先進(jìn)制造技術(shù)的深度融合，貫穿于產(chǎn)品設(shè)計(jì)、制造、服務(wù)全生命周期的各個(gè)環(huán)節(jié)及相應(yīng)系統(tǒng)的優(yōu)化集成。數(shù)字化車(chē)間作為智能制造的核心單元，涉及信息技術(shù)、自動(dòng)化技術(shù)、機(jī)械制造、物流管理等多個(gè)技術(shù)領(lǐng)域，對(duì)推進(jìn)智能制造高質(zhì)量發(fā)展具有重要意義。

數(shù)控機(jī)床作為“工作母機(jī)”，是制造業(yè)的基石，柔性化、高效能的自動(dòng)化數(shù)控機(jī)床代表了現(xiàn)代機(jī)床控制技術(shù)的發(fā)展方向。在數(shù)控機(jī)床的運(yùn)行過(guò)程中，需要實(shí)時(shí)對(duì)機(jī)床狀態(tài)進(jìn)行診斷，確保其出現(xiàn)故障前可以預(yù)測(cè)到將要出現(xiàn)的故障并立即得到解決，防止影響整個(gè)生產(chǎn)線的運(yùn)行。傳統(tǒng)的方法缺乏對(duì)機(jī)床運(yùn)行狀態(tài)全面、持續(xù)的全生命周期的監(jiān)測(cè)和預(yù)測(cè)。在日常維修中，當(dāng)遇到數(shù)控機(jī)床主軸方面有問(wèn)題，傳統(tǒng)方法只能憑經(jīng)驗(yàn)進(jìn)行逐一排除，往往需要檢查每一個(gè)環(huán)節(jié)，甚至需要對(duì)數(shù)控機(jī)床主軸內(nèi)部結(jié)構(gòu)拆卸來(lái)檢測(cè)和分析，工作量大。同時(shí)通常一副軸承拆卸后是不能重新使用的，需用特定的安裝工藝裝配新的軸承，從時(shí)間和備件上都是極大的浪費(fèi)，維修周期長(zhǎng)，嚴(yán)重影響數(shù)控機(jī)床主軸維修進(jìn)度，增加了維修成本。因此，對(duì)數(shù)控機(jī)床運(yùn)行狀態(tài)進(jìn)行健康診斷具有十分重要的意義。

現(xiàn)階段，健康診斷主要有基于模型的診斷方法、基于統(tǒng)計(jì)的診斷方法和基于深度學(xué)習(xí)理論的診斷方法。基于模型的診斷方法一般利用系統(tǒng)精確的數(shù)學(xué)模型和可觀測(cè)輸入輸出量構(gòu)造殘差信號(hào)來(lái)反映系統(tǒng)健康狀態(tài)與實(shí)際運(yùn)行狀態(tài)之間的不一致，然后基于對(duì)殘差信號(hào)的分析進(jìn)行健康診斷，該方法適用于可以從物理系統(tǒng)中構(gòu)建精確數(shù)學(xué)模型的領(lǐng)域。但是，基于模型的方法在應(yīng)用之前，需要對(duì)系統(tǒng)充分了解，建立較精確的物理和數(shù)學(xué)模型。為了獲得更準(zhǔn)確地診斷結(jié)果，往往需要建立更復(fù)雜的模型，該方法此時(shí)存在一定的局限性。基于統(tǒng)計(jì)的診斷方法需從大量組件樣本中收集系統(tǒng)運(yùn)行過(guò)程數(shù)據(jù)并進(jìn)行統(tǒng)計(jì)分析，形成健康狀態(tài)標(biāo)準(zhǔn)數(shù)據(jù)樣本與異常狀態(tài)數(shù)據(jù)樣本，依此利用多變量之間的相關(guān)性對(duì)系統(tǒng)運(yùn)行過(guò)程健康狀態(tài)進(jìn)行診斷，此方法不需要對(duì)系統(tǒng)的結(jié)構(gòu)和原理有深入的了解，也無(wú)需建立系統(tǒng)精確模型，完全取決于系統(tǒng)運(yùn)行過(guò)程中傳感器的測(cè)量數(shù)據(jù)，算法簡(jiǎn)單易于實(shí)現(xiàn)，但該方法診斷結(jié)果很大程度上依賴(lài)于樣本數(shù)據(jù)及采集數(shù)據(jù)，數(shù)據(jù)的缺失極有可能導(dǎo)致結(jié)果的不準(zhǔn)確。基于深度學(xué)習(xí)的健康診斷方法一般通過(guò)大量樣本以非監(jiān)督學(xué)習(xí)的方式逐層訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)，充分挖掘反映健康狀態(tài)數(shù)據(jù)的特征，并使深度學(xué)習(xí)模型具有提取健康特征的能力，訓(xùn)練完成后，在增加相應(yīng)的分類(lèi)器的基礎(chǔ)上，以監(jiān)督學(xué)習(xí)的方式對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行反向微調(diào)，保障深度學(xué)習(xí)網(wǎng)絡(luò)能更好地實(shí)現(xiàn)健康特征的表達(dá)及健康診斷。基于深度學(xué)習(xí)理論的診斷方法的優(yōu)勢(shì)在于能夠?qū)⒐收咸卣魈崛∨c故障診斷有機(jī)融合，擺脫了傳統(tǒng)淺層故障診斷方法對(duì)大量信號(hào)處理技術(shù)與診斷經(jīng)驗(yàn)的依賴(lài)，但其診斷結(jié)果很大程度上取決于訓(xùn)練樣本，一般與訓(xùn)練樣本的數(shù)量成正相關(guān)關(guān)系。

申請(qǐng)?zhí)?01210346785.9的文獻(xiàn)公開(kāi)了一種數(shù)控機(jī)床主軸狀態(tài)檢測(cè)方法。該方法需將得到的故障特征參數(shù)分別通過(guò)專(zhuān)家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)和支持向量機(jī)進(jìn)行處理，得出三個(gè)故障診斷結(jié)果，再將三個(gè)故障診斷結(jié)果通過(guò)遺傳算法進(jìn)行融合，檢測(cè)相當(dāng)復(fù)雜，診斷結(jié)果容易出現(xiàn)誤差，故障診斷準(zhǔn)確性較低，且無(wú)法實(shí)現(xiàn)機(jī)床主軸故障的預(yù)測(cè)，增大了機(jī)床主軸的維護(hù)成本。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明擬解決的技術(shù)問(wèn)題是，提供一種數(shù)控機(jī)床運(yùn)行狀態(tài)健康診斷系統(tǒng)及診斷方法。