一種數(shù)控機床的適應性故障監(jiān)測方法及系統(tǒng)與流程
1.本發(fā)明涉及數(shù)控機床加工控制技術領域，尤其涉及一種數(shù)控機床的適應性故障監(jiān)測方法及系統(tǒng)。
背景技術：
2.數(shù)控機床作為工業(yè)母機，是制造業(yè)核心基礎裝備。高端多軸數(shù)控機床多用于精密制造和儀器加工，其運行故障不僅會造成產(chǎn)品質量問題，增加企業(yè)成本，還可能導致技術瓶頸。
3.在現(xiàn)有技術中，對于數(shù)控機床的故障數(shù)據(jù)的分析一方面是數(shù)據(jù)的采集不及時，另一方面是數(shù)據(jù)的分析不及時，導致最終的故障分析結果并不準確。
4.因此，現(xiàn)有技術還有待改進和提高。
技術實現(xiàn)要素：
5.本發(fā)明要解決的技術問題在于，針對現(xiàn)有技術的上述缺陷，提供一種數(shù)控機床的適應性故障監(jiān)測方法及系統(tǒng)，旨在解決現(xiàn)有技術故的障分析結果并不準確的問題。
6.為了解決上述技術問題，本發(fā)明所采用的技術方案如下：第一方面，本發(fā)明提供一種數(shù)控機床的適應性故障監(jiān)測方法，其中，所述方法包括：基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率；若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。
7.在一種實現(xiàn)方式中，所述基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，之前包括：預先在所述數(shù)控機床的刀具安裝位置、刀具操作位置設置振動傳感器或者受力傳感器；預先在所述數(shù)控機床上設置溫濕度傳感器。
8.在一種實現(xiàn)方式中，所述基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，包括：基于所述振動傳感器采集所述機床啟停數(shù)據(jù)；基于所述受力傳感器采集所述刀具加工數(shù)據(jù)，所述刀具加工數(shù)據(jù)反映的是刀具在所述數(shù)控機床上的使用數(shù)據(jù)；基于所述溫濕度傳感器實采集所述環(huán)境溫濕度數(shù)據(jù)。
9.在一種實現(xiàn)方式中，所述通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，包括：對所述傳感數(shù)據(jù)進行相關性篩選，確定所述傳感數(shù)據(jù)中與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)，其中，所述相關性反映的是所述傳感數(shù)據(jù)與所述故障原因之間的關聯(lián)性；通過所述輕量計算模型對所述篩選后的傳感數(shù)據(jù)進行平滑與降噪處理，得到所述機床運行數(shù)據(jù)。
10.在一種實現(xiàn)方式中，所述通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，還包括：獲取所述傳感數(shù)據(jù)中的通用參數(shù)，所述通用參數(shù)是所述數(shù)控機床在進行加工過程中固定的參數(shù)；從所述傳感數(shù)據(jù)中獲取除所述通用參數(shù)后所剩下的特性參數(shù)，將所述特性參數(shù)發(fā)送至云端，所述特性參數(shù)為實時采集到所述刀具加工數(shù)據(jù)。
11.在一種實現(xiàn)方式中，所述故障預測模型的訓練方式包括：獲取不同類型的數(shù)控機床所對應的歷史刀具加工數(shù)據(jù)、歷史環(huán)境溫濕度數(shù)據(jù)機、歷史機床啟停數(shù)據(jù)、歷史刀具磨損數(shù)據(jù)以及歷史故障數(shù)據(jù)；將所述歷史刀具加工數(shù)據(jù)、所述歷史環(huán)境溫濕度數(shù)據(jù)機、縮水歷史機床啟停數(shù)據(jù)作為自變量，將所述歷史刀具磨損數(shù)據(jù)與所述歷史故障數(shù)據(jù)作為因變量，在云端訓練通用重量級長短時記憶模型，得到所述故障預測模型。
12.在一種實現(xiàn)方式中，所述方法包括：獲取所述數(shù)控機床的使用場景，根據(jù)所述使用場景對計算資源進行分配；若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量少于預設值時，則將計算資源向所述云端傾斜；若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量多于預設值時，則將計算資源向所述邊緣端傾斜。
13.第二方面，本發(fā)明實施例還提供一種數(shù)控機床的適應性故障監(jiān)測裝置，其中，所述裝置包括：數(shù)據(jù)獲取模塊，用于基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；數(shù)據(jù)分析模塊，用于基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率；機床控制模塊，用于若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。
14.第三方面，本發(fā)明實施例還提供一種數(shù)控機床，數(shù)控機床包括存儲器、處理器及存儲在存儲器中并可在處理器上運行的數(shù)控機床的適應性故障監(jiān)測程序，處理器執(zhí)行數(shù)控機床的適應性故障監(jiān)測程序時，實現(xiàn)如上述方案中任一項的數(shù)控機床的適應性故障監(jiān)測方法的步驟。
15.第四方面，本發(fā)明實施例還提供一種計算機可讀存儲介質，計算機可讀存儲介質上存儲有數(shù)控機床的適應性故障監(jiān)測程序，數(shù)控機床的適應性故障監(jiān)測程序被處理器執(zhí)行時，實現(xiàn)如上述方案中任一項的數(shù)控機床的適應性故障監(jiān)測方法的步驟。
16.有益效果：與現(xiàn)有技術相比，本發(fā)明提供了一種數(shù)控機床的適應性故障監(jiān)測方法，本發(fā)明首先基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)。然后，基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。最后，若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。由于本發(fā)明是在邊緣端首先進行了數(shù)據(jù)預處理，這樣在將數(shù)據(jù)發(fā)送給云端時，可以減少數(shù)據(jù)傳輸負荷，提高了數(shù)據(jù)質量。此外，本發(fā)明可實現(xiàn)對數(shù)控機床的故障進行實時且準確的預測。
附圖說明
17.圖1為本發(fā)明實施例提供的數(shù)控機床的適應性故障監(jiān)測方法的具體實施方式的流程圖。
18.圖2為本發(fā)明實施例提供的數(shù)控機床的適應性故障監(jiān)測系統(tǒng)的原理框圖。
19.圖3為本發(fā)明實施例提供的數(shù)控機床的原理框圖。
具體實施方式
20.為使本發(fā)明的目的、技術方案及效果更加清楚、明確，以下參照附圖并舉實施例對本發(fā)明進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
21.本實施例提供一種數(shù)控機床的適應性故障監(jiān)測方法，具體實施時，本實施例首先基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)。然后，基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。最后，若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。本實施例可實現(xiàn)對數(shù)控機床的故障進行實時且準確的預測，并且本實施例基于邊緣端與云端進行協(xié)作，不但緩解了云端的計算量，而且也減少了傳輸負荷，提高了數(shù)據(jù)質量。
22.示例性方法本實施例的數(shù)控機床的適應性故障監(jiān)測方法可應用于終端設備中，所述終端設備可為數(shù)控機床中主控裝置，該主控裝置可實現(xiàn)本實施例的方法的所有步驟，因此，本實施例的數(shù)控機床的適應性故障監(jiān)測方法可應用于數(shù)控機床中。具體地，如圖1中所示，本實施例的方法包括如下步驟：步驟s100、基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)
包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)。
23.在本實施例中，邊緣端為數(shù)控機床這一端，因為本實施例中所采集到所有的傳感數(shù)據(jù)都是基于數(shù)控機床采集到的，因此，邊緣端為數(shù)據(jù)的源頭端。為此，本實施例在邊緣端設置一狀態(tài)感知模型，基于該狀態(tài)感知模型來感應數(shù)控機床的運行數(shù)據(jù)的變化，從而判斷出數(shù)控機床的運行狀態(tài)。在本實施例中，當狀態(tài)感知模型采集到數(shù)控機床的傳感數(shù)據(jù)后，首先會基于邊緣端中設置的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，該數(shù)據(jù)預處理的目的對一些無用的數(shù)據(jù)進行清洗，得到機床運行數(shù)據(jù)，該機床運行數(shù)據(jù)中沒有多余的數(shù)據(jù)，都是對故障預測起到作用的數(shù)據(jù)，因此基于所述機床運行數(shù)據(jù)可以提高故障預測的準確性。
24.具體地，本實施例預先在所述數(shù)控機床的刀具安裝位置、刀具操作位置設置振動傳感器或者受力傳感器，以及預先在所述數(shù)控機床上設置溫濕度傳感器。該振動傳感器可以感應到數(shù)控機床的振動，當數(shù)控機床振動，則說明此時的數(shù)控機床啟動了，因此本實施例可基于所述振動傳感器采集所述機床啟停數(shù)據(jù)。當?shù)毒咴趯ぜM行加工時，刀具本身會受到數(shù)控機床提供的力進行加工，且刀具還會受到工件反向提供的應用，因此本實施例通過設置受力傳感器可采集到該刀具所受到的應力，進而經(jīng)過應力分析來確定出刀具的刀具加工數(shù)據(jù)，本實施例中的刀具加工數(shù)據(jù)反映的是刀具在所述數(shù)控機床上的使用數(shù)據(jù)。此時，環(huán)境溫濕度對數(shù)控機床的運行狀態(tài)也會產(chǎn)生一定的影響，因此，本實施例可基于所述溫濕度傳感器實采集所述環(huán)境溫濕度數(shù)據(jù)，以便根據(jù)環(huán)境溫濕度數(shù)據(jù)來對數(shù)控機床的故障進行分析。此外，本實施例還可以在數(shù)控機床的加工過程中獲取工件的材料性能等參數(shù)，這些數(shù)據(jù)也可以作為所述傳感數(shù)據(jù)，以便獲取不同維度的傳感數(shù)據(jù)，提高故障分析的準確性。
25.在一種實現(xiàn)方式中，本實施例在得到傳感數(shù)據(jù)后，還對該傳感數(shù)據(jù)進行數(shù)據(jù)預處理，具體包括如下步驟：步驟s101、對所述傳感數(shù)據(jù)進行相關性篩選，確定所述傳感數(shù)據(jù)中與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)，其中，所述相關性反映的是所述傳感數(shù)據(jù)與所述故障原因之間的關聯(lián)性；步驟s102、通過所述輕量計算模型對所述篩選后的傳感數(shù)據(jù)進行平滑與降噪處理，得到所述機床運行數(shù)據(jù)。
26.在本實施例中，本實施例在得到傳感數(shù)據(jù)后，對這些傳感數(shù)據(jù)進行篩選，篩選的目的是除去一些無用的數(shù)據(jù)、異常的數(shù)據(jù)或者與數(shù)控機床的故障無關的數(shù)據(jù)。在本實施例中，邊緣端會對傳感數(shù)據(jù)進行相關性篩選，所述相關性篩選是將與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)篩選出來。由于本實施例中的傳感數(shù)據(jù)中包括了多維度的數(shù)據(jù)，這些數(shù)據(jù)雖然均是在數(shù)控機床的加工過程中采集到的，但是有些傳感數(shù)據(jù)與數(shù)控機床的故障之間存在的聯(lián)系不大。因此，本實施例需要首先對傳感數(shù)據(jù)進行相關性篩選，從中確定出與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)。
27.當然，在具體應用時，本實施例可首先將傳感數(shù)據(jù)與數(shù)控機床的故障原因之間的相關性作出一個預判，預判的依據(jù)是基于歷史故障數(shù)據(jù)中得到。由于歷史故障數(shù)據(jù)是數(shù)控機床在歷史加工過程中的歷史運行數(shù)據(jù)分析出來的，因此從該歷史故障數(shù)據(jù)中可以確定出在歷史運行數(shù)據(jù)中，哪些數(shù)據(jù)是導致是歷史故障數(shù)據(jù)的關鍵，這些數(shù)據(jù)就可以作為參考數(shù)據(jù)。然后，本實施例在得到傳感數(shù)據(jù)后，就可以將參加數(shù)據(jù)與傳感數(shù)據(jù)進行匹配，從傳感數(shù)
據(jù)中篩選出與參考數(shù)據(jù)相同的數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)。此外，本實施例還可以對傳感數(shù)據(jù)中的每一個數(shù)據(jù)都進行相關性排序，與數(shù)控機床的故障原因的相關性大的數(shù)據(jù)排在前，與數(shù)控機床的故障原因的相關性小的數(shù)據(jù)排在后，這樣就可以得到該傳感數(shù)據(jù)的相關性順序，然后本實施例基于一個預設的相關性基準值來對相關性順序進行篩選，將大于或者等于相關性基準值的傳感數(shù)據(jù)篩選出來，得到篩選后的傳感數(shù)據(jù)。
28.在得到篩選后的傳感數(shù)據(jù)后的，本實施例對這些篩選后的傳感數(shù)據(jù)進行平滑與降噪處理，該平滑與降噪處理是為了提高數(shù)據(jù)質量，以便根據(jù)本實施例的機床數(shù)據(jù)確定出最為準確的故障數(shù)據(jù)。在進行平滑與降噪處理后，本實施例就可以得到機床運行數(shù)據(jù)。接著，本實施例將機床運行數(shù)據(jù)發(fā)送至云端，以便根據(jù)云端來對機床運行數(shù)據(jù)信息處理。
29.在另一種實現(xiàn)方式中，本實施例在對傳感數(shù)據(jù)進行分析時，還可以獲取所述傳感數(shù)據(jù)中的通用參數(shù)，所述通用參數(shù)是所述數(shù)控機床在進行加工過程中固定的參數(shù)，因此所述通用參數(shù)對數(shù)控機床的故障影響較小，本實施例可從所述傳感數(shù)據(jù)中獲取除所述通用參數(shù)后所剩下的特性參數(shù)，將所述特性參數(shù)發(fā)送至云端，以便云端對特性參數(shù)進行分析，以便于監(jiān)測出數(shù)控機床的故障。在一種實現(xiàn)方式中，本實施例中的所述特性參數(shù)為實時采集到所述刀具加工數(shù)據(jù)，該刀具加工數(shù)據(jù)可體現(xiàn)出刀具在整個使用過程中的狀況，因此在后續(xù)的步驟中可基于該刀具加工數(shù)據(jù)確定出刀具磨損量，刀具磨損也為數(shù)控機床的一種故障形式。
30.此外，在另一種實現(xiàn)方式中，本實施例的邊緣端還可以向云端發(fā)送重量級計算請求，請求云端利用重量級計算模型對機床運行數(shù)據(jù)進行參數(shù)調優(yōu)，以便調優(yōu)后的參數(shù)可以更好地用于對邊緣端的輕量級計算模型進行訓練。本實施例中的云端的重量級計算模型和邊緣端的輕量級計算模型的組合即為“聯(lián)邦學習”。
31.步驟s200、基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。
32.當云端接收到所述機床運行數(shù)據(jù)后，可基于預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，并自動輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。本實施例在構建故障預測模型時，首先獲取不同類型的數(shù)控機床所對應的歷史刀具加工數(shù)據(jù)、歷史環(huán)境溫濕度數(shù)據(jù)機、歷史機床啟停數(shù)據(jù)、歷史刀具磨損數(shù)據(jù)以及歷史故障數(shù)據(jù)。本實施例可統(tǒng)計歷史刀具磨損數(shù)據(jù)以及歷史故障數(shù)據(jù)的次數(shù)，從而確定歷史故障概率數(shù)據(jù)。然后將所述歷史刀具加工數(shù)據(jù)、所述歷史環(huán)境溫濕度數(shù)據(jù)機、縮水歷史機床啟停數(shù)據(jù)作為自變量，將所述歷史刀具磨損數(shù)據(jù)與所述歷史故障數(shù)據(jù)作為因變量（因變量也可為歷史故障概率數(shù)據(jù)），在云端訓練通用重量級長短時記憶模型，得到所述故障預測模型。訓練得到的故障預測模型可即可對機床運行數(shù)據(jù)進行分析，自動輸出故障概率數(shù)據(jù)。
33.步驟s300、若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。
34.當預測出故障概率數(shù)據(jù)后，本實施例將該故障概率數(shù)據(jù)與預設閾值進行比較，如果故障概率數(shù)據(jù)超過預設閾值，則說明此時數(shù)控機床正處于危險運行，因此本實施例輸出報警信息，并中止所述數(shù)控機床的運行工作。
35.在另一種實現(xiàn)方式中，本實施例還可以獲取所述數(shù)控機床的使用場景，根據(jù)所述
使用場景對計算資源進行分配。而若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量少于預設值時，則將計算資源向所述云端傾斜。而若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量多于預設值時，則將計算資源向所述邊緣端傾斜。具體地，本實施例可研究數(shù)控機床的故障監(jiān)控系統(tǒng)的目標和約束（目標一般可設計為提高故障預測的準確率，約束可基于數(shù)控機床加工與刀具等使用場景，包含監(jiān)控數(shù)據(jù)傳輸時延、邊緣端的傳感器計算開銷、數(shù)據(jù)質量（可由數(shù)據(jù)丟包率反映）、物聯(lián)網(wǎng)絡整體吞吐量等），實現(xiàn)根據(jù)當前工廠內（可能包含多個機床）多機床使用情況的云端-邊緣端協(xié)同控制。比如，如目前工廠內只有少量數(shù)控機床運行需要進行監(jiān)控，則整體計算資源剩余較多，可分配更多計算資源到邊緣端，即在邊緣端的傳感器請求時允許對其更多的參數(shù)進行采集與調優(yōu)；反之，如果當前處于高密度生產(chǎn)階段，則進一步壓縮邊緣端的計算資源，保證邊緣端進行基本的輕量級計算，加快數(shù)據(jù)傳輸，由云端完成故障的預測工作，實現(xiàn)工廠級計算資源的“削峰填谷”。
36.綜上，本實施例首先基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)。然后，基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。最后，若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。由于本實施例是在邊緣端首先進行了數(shù)據(jù)預處理，這樣在將數(shù)據(jù)發(fā)送給云端時，可以減少數(shù)據(jù)傳輸負荷，提高了數(shù)據(jù)質量。此外，本發(fā)明可實現(xiàn)對數(shù)控機床的故障進行實時且準確的預測。
37.與傳統(tǒng)工業(yè)物聯(lián)網(wǎng)和深度學習結合，用以預測工業(yè)設備故障相比，本實施例深度結合數(shù)控機床特場景，分析云端-邊緣端協(xié)同進行刀具磨損或故障預測的約束和目標，實現(xiàn)數(shù)控機床刀具磨損與故障實時監(jiān)控的云端重量級計算模型和邊緣端輕量級計算模型的協(xié)同，可更好地保障故障與磨損預測有效性。
38.示例性裝置基于上述實施例，本發(fā)明還提供一種數(shù)控機床的適應性故障監(jiān)測裝置，如圖2中所示，所述裝置包括：數(shù)據(jù)獲取模塊10、數(shù)據(jù)分析模塊20以及機床控制模塊30。所述數(shù)據(jù)獲取模塊10，用于基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)。所述數(shù)據(jù)分析模塊20，用于基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率。所述機床控制模塊30，用于若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。
39.在一種實現(xiàn)方式中，所述數(shù)據(jù)獲取模塊10，包括：第一傳感器設置單元，用于預先在所述數(shù)控機床的刀具安裝位置、刀具操作位置設置振動傳感器或者受力傳感器；第二傳感器設置單元，用于預先在所述數(shù)控機床上設置溫濕度傳感器。
40.在一種實現(xiàn)方式中，所述數(shù)據(jù)獲取模塊10，包括：機床啟停數(shù)據(jù)獲取單元，用于基于所述振動傳感器采集所述機床啟停數(shù)據(jù)；刀具加工數(shù)據(jù)獲取單元，用于基于所述受力傳感器采集所述刀具加工數(shù)據(jù)，所述
刀具加工數(shù)據(jù)反映的是刀具在所述數(shù)控機床上的使用數(shù)據(jù)；環(huán)境溫濕度數(shù)據(jù)獲取單元，用于基于所述溫濕度傳感器實采集所述環(huán)境溫濕度數(shù)據(jù)。
41.在一種實現(xiàn)方式中，所述數(shù)據(jù)獲取模塊10，包括：數(shù)據(jù)篩選單元，用于對所述傳感數(shù)據(jù)進行相關性篩選，確定所述傳感數(shù)據(jù)中與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)，其中，所述相關性反映的是所述傳感數(shù)據(jù)與所述故障原因之間的關聯(lián)性；降噪處理單元，用于通過所述輕量計算模型對所述篩選后的傳感數(shù)據(jù)進行平滑與降噪處理，得到所述機床運行數(shù)據(jù)。
42.在一種實現(xiàn)方式中，所述數(shù)據(jù)獲取模塊10，還包括：通用數(shù)據(jù)確定單元，用于獲取所述傳感數(shù)據(jù)中的通用參數(shù)，所述通用參數(shù)是所述數(shù)控機床在進行加工過程中固定的參數(shù)；特性參數(shù)確定單元，用于從所述傳感數(shù)據(jù)中獲取除所述通用參數(shù)后所剩下的特性參數(shù)，將所述特性參數(shù)發(fā)送至云端，所述特性參數(shù)為實時采集到所述刀具加工數(shù)據(jù)。
43.在一種實現(xiàn)方式中，所述故障預測模型的訓練方式包括：獲取不同類型的數(shù)控機床所對應的歷史刀具加工數(shù)據(jù)、歷史環(huán)境溫濕度數(shù)據(jù)機、歷史機床啟停數(shù)據(jù)、歷史刀具磨損數(shù)據(jù)以及歷史故障數(shù)據(jù)；將所述歷史刀具加工數(shù)據(jù)、所述歷史環(huán)境溫濕度數(shù)據(jù)機、縮水歷史機床啟停數(shù)據(jù)作為自變量，將所述歷史刀具磨損數(shù)據(jù)與所述歷史故障數(shù)據(jù)作為因變量，在云端訓練通用重量級長短時記憶模型，得到所述故障預測模型。
44.在一種實現(xiàn)方式中，所述裝置包括：使用場景獲取模塊，用于獲取所述數(shù)控機床的使用場景，根據(jù)所述使用場景對計算資源進行分配；第一計算資源分配模塊，用于若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量少于預設值時，則將計算資源向所述云端傾斜；第二計算資源分配模塊，用于若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量多于預設值時，則將計算資源向所述邊緣端傾斜。
45.本實施例的數(shù)控機床的適應性故障監(jiān)測系統(tǒng)中各個模塊的工作原理與上述方法實施例中各個步驟的原理相同，此處不再贅述。
46.基于上述實施例，本發(fā)明還提供了一種數(shù)控機床，該數(shù)控機床中包括有主控裝置，所述主控裝置可為智能電腦等終端平臺，所述數(shù)控機床的原理框圖可以如圖3所示。數(shù)控機床可以包括一個或多個處理器100（圖3中僅示出一個），存儲器101以及存儲在存儲器101中并可在一個或多個處理器100上運行的計算機程序102，例如， 數(shù)控機床的適應性故障監(jiān)測的程序。一個或多個處理器100執(zhí)行計算機程序102時可以實現(xiàn)數(shù)控機床的適應性故障監(jiān)測的方法實施例中的各個步驟。或者，一個或多個處理器100執(zhí)行計算機程序102時可以實現(xiàn)數(shù)控機床的適應性故障監(jiān)測的裝置實施例中各模塊/單元的功能，此處不作限制。
47.在一個實施例中，所稱處理器100可以是中央處理單元(central processing unit，cpu)，還可以是其他通用處理器、數(shù)字信號處理器 (digital signal processor，dsp)、專用集成電路 (application specific integrated circuit，asic)、現(xiàn)成可編程門
陣列 (field-programmable gate array，fpga) 或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件等。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。
48.在一個實施例中，存儲器101可以是電子設備的內部存儲單元，例如電子設備的硬盤或內存。存儲器101也可以是電子設備的外部存儲設備，例如電子設備上配備的插接式硬盤，智能存儲卡（smart media card，smc），安全數(shù)字（secure digital，sd）卡，閃存卡（flash card）等。進一步地，存儲器101還可以既包括電子設備的內部存儲單元也包括外部存儲設備。存儲器101用于存儲計算機程序以及數(shù)控機床所需的其他程序和數(shù)據(jù)。存儲器101還可以用于暫時地存儲已經(jīng)輸出或者將要輸出的數(shù)據(jù)。
49.本領域技術人員可以理解，圖3中示出的原理框圖，僅僅是與本發(fā)明方案相關的部分結構的框圖，并不構成對本發(fā)明方案所應用于其上的數(shù)控機床的限定，具體的數(shù)控機床以包括比圖中所示更多或更少的部件，或者組合某些部件，或者具有不同的部件布置。
50.本領域普通技術人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關的硬件來完成，的計算機程序可存儲于一非易失性計算機可讀取存儲介質中，該計算機程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，本發(fā)明所提供的各實施例中所使用的對存儲器、存儲、運營數(shù)據(jù)庫或其它介質的任何引用，均可包括非易失性和/或易失性存儲器。非易失性存儲器可包括只讀存儲器（rom）、可編程rom（prom）、電可編程rom（eprom）、電可擦除可編程rom（eeprom）或閃存。易失性存儲器可包括隨機存取存儲器（ram）或者外部高速緩沖存儲器。作為說明而非局限，ram以多種形式可得，諸如靜態(tài)ram（sram）、動態(tài)ram（dram）、同步dram（sdram）、雙運營數(shù)據(jù)率sdram（ddrsdram）、增強型sdram（esdram）、同步鏈路（synchlink） dram（sldram）、存儲器總線（rambus）直接ram（rdram）、直接存儲器總線動態(tài)ram（drdram）、以及存儲器總線動態(tài)ram（rdram）等。
51.綜上，本發(fā)明公開了一種數(shù)控機床的自適應故障監(jiān)測方法及系統(tǒng)，方法包括：基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；基于云端預設的故障預測模型對機床運行數(shù)據(jù)進行分析，自動根據(jù)機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，故障概率數(shù)據(jù)用于反映數(shù)控機床出現(xiàn)故障的概率；若故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止數(shù)控機床的運行工作。本發(fā)明可實現(xiàn)對數(shù)控機床的故障進行實時且準確的預測，并且本發(fā)明基于邊緣端與云端進行協(xié)作，不但緩解了云端的計算量，而且也減少了傳輸負荷，提高了數(shù)據(jù)質量。
52.最后應說明的是：以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。
技術特征：
1.一種數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述方法包括：基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率；若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。2.根據(jù)權利要求1所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，之前包括：預先在所述數(shù)控機床的刀具安裝位置、刀具操作位置設置振動傳感器或者受力傳感器；預先在所述數(shù)控機床上設置溫濕度傳感器。3.根據(jù)權利要求2所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，包括：基于所述振動傳感器采集所述機床啟停數(shù)據(jù)；基于所述受力傳感器采集所述刀具加工數(shù)據(jù)，所述刀具加工數(shù)據(jù)反映的是刀具在所述數(shù)控機床上的使用數(shù)據(jù)；基于所述溫濕度傳感器實采集所述環(huán)境溫濕度數(shù)據(jù)。4.根據(jù)權利要求3所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，包括：對所述傳感數(shù)據(jù)進行相關性篩選，確定所述傳感數(shù)據(jù)中與數(shù)控機床的故障原因相關的傳感數(shù)據(jù)，得到篩選后的傳感數(shù)據(jù)，其中，所述相關性反映的是所述傳感數(shù)據(jù)與所述故障原因之間的關聯(lián)性；通過所述輕量計算模型對所述篩選后的傳感數(shù)據(jù)進行平滑與降噪處理，得到所述機床運行數(shù)據(jù)。5.根據(jù)權利要求4所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，還包括：獲取所述傳感數(shù)據(jù)中的通用參數(shù)，所述通用參數(shù)是所述數(shù)控機床在進行加工過程中固定的參數(shù)；從所述傳感數(shù)據(jù)中獲取除所述通用參數(shù)后所剩下的特性參數(shù)，將所述特性參數(shù)發(fā)送至云端，所述特性參數(shù)為實時采集到所述刀具加工數(shù)據(jù)。6.根據(jù)權利要求1所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述故障預測模型的訓練方式包括：獲取不同類型的數(shù)控機床所對應的歷史刀具加工數(shù)據(jù)、歷史環(huán)境溫濕度數(shù)據(jù)機、歷史機床啟停數(shù)據(jù)、歷史刀具磨損數(shù)據(jù)以及歷史故障數(shù)據(jù)；將所述歷史刀具加工數(shù)據(jù)、所述歷史環(huán)境溫濕度數(shù)據(jù)機、縮水歷史機床啟停數(shù)據(jù)作為自變量，將所述歷史刀具磨損數(shù)據(jù)與所述歷史故障數(shù)據(jù)作為因變量，在云端訓練通用重量級長短時記憶模型，得到所述故障預測模型。
7.根據(jù)權利要求1所述的數(shù)控機床的適應性故障監(jiān)測方法，其特征在于，所述方法包括：獲取所述數(shù)控機床的使用場景，根據(jù)所述使用場景對計算資源進行分配；若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量少于預設值時，則將計算資源向所述云端傾斜；若邊緣端待監(jiān)測的數(shù)據(jù)機床的數(shù)量多于預設值時，則將計算資源向所述邊緣端傾斜。8.一種數(shù)控機床的適應性故障監(jiān)測裝置，其特征在于，所述裝置包括：數(shù)據(jù)獲取模塊，用于基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對所述傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，所述傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；數(shù)據(jù)分析模塊，用于基于云端預設的故障預測模型對所述機床運行數(shù)據(jù)進行分析，自動根據(jù)所述機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，所述故障概率數(shù)據(jù)用于反映所述數(shù)控機床出現(xiàn)故障的概率；機床控制模塊，用于若所述故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止所述數(shù)控機床的運行工作。9.一種數(shù)控機床，其特征在于，所述數(shù)控機床包括存儲器、處理器及存儲在存儲器中并可在處理器上運行的數(shù)控機床的適應性故障監(jiān)測程序，所述處理器執(zhí)行所述數(shù)控機床的適應性故障監(jiān)測程序時，實現(xiàn)如權利要求1-7任一項所述的數(shù)控機床的適應性故障監(jiān)測方法的步驟。10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有數(shù)控機床的適應性故障監(jiān)測程序，所述數(shù)控機床的適應性故障監(jiān)測程序被處理器執(zhí)行時，實現(xiàn)如權利要求1-7任一項所述的數(shù)控機床的適應性故障監(jiān)測方法的步驟。
技術總結
本發(fā)明公開了一種數(shù)控機床的自適應故障監(jiān)測方法及系統(tǒng)，方法包括：基于邊緣端的狀態(tài)感知模型采集數(shù)控機床的傳感數(shù)據(jù)，并通過邊緣端的輕量計算模型對傳感數(shù)據(jù)進行數(shù)據(jù)預處理，得到機床運行數(shù)據(jù)，其中，傳感數(shù)據(jù)包括機床啟停數(shù)據(jù)、環(huán)境溫濕度數(shù)據(jù)以及刀具加工數(shù)據(jù)；基于云端預設的故障預測模型對機床運行數(shù)據(jù)進行分析，自動根據(jù)機床運行數(shù)據(jù)輸出故障概率數(shù)據(jù)，故障概率數(shù)據(jù)用于反映數(shù)控機床出現(xiàn)故障的概率；若故障概率數(shù)據(jù)超過預設閾值，則輸出報警信息，并中止數(shù)控機床的運行工作。本發(fā)明可實現(xiàn)對數(shù)控機床的故障進行實時且準確的預測，并且本發(fā)明基于邊緣端與云端進行協(xié)作，不但緩解了云端的計算量，而且也減少了傳輸負荷，提高了數(shù)據(jù)質量。高了數(shù)據(jù)質量。高了數(shù)據(jù)質量。
