CN102323779B - 一种重型数控装备测控传感网 - Google Patents
一种重型数控装备测控传感网 Download PDFInfo
- Publication number
- CN102323779B CN102323779B CN 201110200363 CN201110200363A CN102323779B CN 102323779 B CN102323779 B CN 102323779B CN 201110200363 CN201110200363 CN 201110200363 CN 201110200363 A CN201110200363 A CN 201110200363A CN 102323779 B CN102323779 B CN 102323779B
- Authority
- CN
- China
- Prior art keywords
- signal
- subsystem
- numerical control
- analysis
- control equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种重型数控装备测控传感网,包括:信号获取子系统,用于获取数控装备加工过程的多源信息;信号预处理子系统,用于接收信号获取子系统的信号,并进行预处理;数据采集子系统,用于对预处理后的信号进行采集,包括对多路模拟信号进行模/数转换后采集,以及对多路数字信号进行直接采集;信号分析与处理子系统,用于对数据采集子系统采集的信号进行分析和处理,获得重型数控装备的状态信息,从而识别出装备加工状态的优劣和预测后续运行状态,并反馈到数控系统实现实时控制。本发明的传感网同时具有实时监测和实时控制功能,对多源信息进行信息融合,能够进行实时分析和处理,并把分析处理结果传输给数控系统进行实时控制。
Description
技术领域
本发明涉及数控装备性能监测和控制领域,具体是一种重型数控装备加工过程性能监测和控制的传感网。
背景技术
重型数控装备有两个特点:一是数控装备本身体积大、重量大、价格高;二是加工的零件体积大、重量大,价格高。如飞机起落架的加工,需要在多轴联动车铣复合数控机床上进行,该设备属于一种重型数控装备。飞机起落架具有尺寸大、结构复杂、所用材料硬度高、抗拉强度大、韧性强和毛坯成本高等特点。大型飞机起落架主筒长度超过2.5米(最长可达6米),投影面积超过2m2,加工过程包含钻、镗、扩孔、磨削、轮廓铣、插铣等150道工序,材料去除率甚至达到90%,不易保证加工过程稳定性和加工质量一致性,易产生加工缺陷。
由此可见,提出一种针对重型数控装备的测控传感网是很有必要的。通过建立该传感网,可以有效监测数控装备加工过程中的状态信息,并对提取的信息进行实时分析处理,做到性能劣化特征和故障特征的早期预报,并将分析结果发送到数控系统进行控制,以保证零件的加工质量要求,避免加工缺陷的产生,减少浪费,节约成本,提高效率。
设备的状态监测、故障诊断和实时控制研究具有重要的理论价值和实际意义。目前国内外研究人员在这方面做了许多工作,并开发了相应的监测诊断系统。比较典型的有:美国Bently公司的3300、3500系统和EA3.0系统;西屋电气公司的汽轮发电机组人工智能大型在线诊断系统;ENTEK公司的故障诊断专家系统;日本三菱重工的MHMS系统;中国运载火箭技术研究所、西安交通大学、上海交通大学、哈尔滨工业大学、华中科技大学、东南大学、郑州大学等院校也研制了适合不同对象的在线监测与诊断系统和远程故障监测与诊断系统。
以上系统要么针对某些专门的应用设备、要么针对普通数控机床、要么不具有实时控制功能。现有技术方案中还未见对重型数控装备同时进行实时监测和实时控制的系统。本专利提出一种重型数控装备测控传感网。
发明内容
本发明的目的是针对重型数控装备,通过采集多源信息,并对这些信息进行分析和处理,实现对重型数控装备同时进行实时监测和实时控制,最终达到减少或避免加工缺陷。
本重型数控装备测控传感网采用子系统——模块分级搭建,包括四个子系统:信号获取子系统、信号预处理子系统、数据采集子系统、信号分析与处理子系统。每个子系统又包含若干模块。
其中,所述信号获取子系统用于获取数控装备加工过程的切削力信号、振动信号与温度信号等多源信息。包括多种类型的传感器,每一类型传感器又有较多的数量,这些传感器布置在数控装备的多个位置,传输距离大,形成一种传感网。
所述信号预处理子系统用于对信号获取子系统输出的信号进行消除或抑制噪声,突出有用成分,提高信噪比。包括运用多个滤波器、放大器等预处理装置进行滤波、放大、隔直处理。
所述数据采集子系统用于将信号预处理子系统输出的模拟信号进行模/数转换和信号获取子系统输出的数字信号同步采集。包括多个A/D转换数据采集卡和数字采集模块。
所述信号分析与处理子系统用于对数据采集子系统输出的信号进行分析和处理,是本传感网的核心部分。
所述信号分析与处理子系统包含的功能模块有:数据采集模块、信号分析模块、状态识别模块、性能预测模块、图形显示模块和统计分析模块。本子系统还可以包含数据管理模块、用户管理模块和系统维护模块。
其中所述的数据采集模块借助数据采集卡完成采集功能,在采集卡驱动程序下设定扫描起始通道和通道数,采样频率,采集信号输入范围,触发方式,采样方式,采样长度等。通过采集程序对采集卡实现编程控制,设置数控装备的采样参数;
所述的信号分析模块用于对采集数据进行各种分析,以提取特征信号,为数控装备的状态识别和性能预测提供依据。包括信号的时域分析、频域分析、时频域分析和热动态特性分析;
所述的状态识别模块用于对信号分析模块输出的特征量组成的特征向量与装备状态建立映射关系,和借助图形显示模块的显示图形进行决策分析,以识别数控装备的加工状态(是正常还是故障);
所述的性能预测模块用于对数据采集模块采集的数据和信号分析模块输出的特征集数据形成的历史数据进行分析,预测数控装备未来的运行情况。如设备劣化趋势分析;
所述的图形显示模块用于以图形化的方式显示上述信号分析、状态识别和性能预测的结果;
所述的统计分析模块用于对数据进行统计分析,为进一步研究提供基础,制作统计报表和打印。
本发明的有益效果体现在:重型数控装备在加工过程中会受到来自装备本体、工件、工艺系统和周围环境的影响,从而影响了加工的稳定性和质量一致性,如何对这些状况进行有效监测和实时控制。与现有的技术相比,本发明具有以下显著的优势:
(1)针对重型数控装备和加工工件体积大、重量大和成本高等特点搭建本传感网。具体体现在:监测多项内容(切削力、振动和温度);采用多种类型的传感器(电流传感器、加速度传感器、位移传感器、温度传感器);传感器的数量多(至少40多个)。
(2)本传感网同时具有实时监测和实时控制功能。信号分析与处理子系统功能强大,能够对在线监测的信号进行实时分析和处理,对多源信息进行信息融合,并能把分析处理结果通过专用板卡和光纤传输给数控系统进行实时控制。
(3)本传感网在数控装备的几个部位预设中继接口。由于传感器数量多、传输距离长,传感网的布线较乱,在数控装备的几个部位预设中继接口减少接线麻烦。
附图说明
图1为传感网工作原理图;
图2为信号获取子系统;
图3为信号预处理子系统;
图4为数据采集子系统;
图5为信号分析与处理子系统;
图6为信号分析模块。
具体实施方式
以下结合附图和具体实施例对本发明做进一步的说明。
附图1是本传感网的工作原理图,描述了本传感网与重型数控装备及数控系统之间的信息联系。本传感网系统包含信号获取子系统1、信号预处理子系统2、数据采集子系统3和信号分析与处理子系统4共四部分。信号获取子系统1从重型数控装备6上获取原始信号,输出到信号预处理子系统2进行滤波、隔直和放大等预处理;然后输出到数据采集子系统3进行多通道数据采集和模/数转换,子系统2也可直接传输到子系统3;然后输出到信号分析与处理子系统4进行信号分析与处理;然后输出到数控系统5,数控系统5发出指令反馈到重型数控装备6来修调装备的运行参数,实现闭环控制。
所述信号获取子系统用于获取重型数控装备加工过程的切削力信号、振动信号与温度信号等多源信息,见附图2。包括监测主轴切削力变化的电流传感器11若干个,监测振动的压电式加速度传感器12若干个和涡流位移传感器13若干个,监测装备热变形的数字测温芯片14若干个。本子系统包含多种类型的传感器,每一类型传感器又有较多的数量,合计至少40多个。各传感器布置在数控装备上的不同位置,每一个位置应是对所测信号敏感的部位,形成一种传感网。信号获取子系统1获取的信号传输给信号预处理子系统2。
所述信号预处理子系统用于对采集的信号进行去噪处理,突出有用成分,提高信噪比,见附图3。包括滤波器21用于对电流传感器11输出的信号进行滤波处理;预处理装置22包括滤波器、放大器和CM3502恒流源模块,用于对加速度传感器12输出的信号进行滤波、电荷放大和隔直等预处理;预处理装置23包括滤波器和放大器,用于对位移传感器13输出的信号进行滤波和放大预处理。信号预处理子系统2输出的信号传输给数据采集子系统3。
所述数据采集子系统用于将模拟信号转化为数字信号和数字信号的采集,见附图4。由多种传感器采集的信号由于采样频率不同、采样触发方式不同及采样后的数据传输方式不同等特点,本子系统选用多个采集装置。包括电流传感器A/D转换数据采集卡31,用于对多个电流传感器的信号进行同步采集和转换;加速度传感器A/D转换数据采集卡32,用于对多个加速度传感器的信号进行同步采集和转换;位移传感器A/D转换数据采集卡33,用于对多个位移传感器的信号进行同步采集和转换;KLM-6000数字采集模块34,用于对多个数字测温芯片的信号进行采集。数据采集子系统3输出的信号传输给信号分析与处理子系统4。
所述信号分析与处理子系统是本传感网的核心部分,用于对数据采集子系统输出的数字信号进行分析和处理,包含若干个功能模块。附图5表达了各模块之间的关系。数据采集子系统3输出的信息通过数据采集模块41传送到信号分析模块42并存储到数据管理模块47,分析处理后的结果传送给状态识别模块43、性能预测模块44、图形显示模块45和统计分析模块46进行判断、分析或显示。数据管理模块47是子系统数据平台,用户管理模块48主要是对用户进行登录管理和权限管理,系统维护模块49是进行系统初始化和提供帮助功能,模块47、48、49是信号分析与处理子系统的公共平台和管理模块。
1)其中数据采集模块41借助采集装置完成采集功能,在采集卡驱动程序下设定扫描起始通道和通道数、采样频率、采集信号输入范围、触发方式、采样方式和采样长度等。通过采集程序对采集卡实现编程控制,设置机床的采样参数。输出的数据传输给信号分析模块42;
2)信号分析模块42用于对模块41输出的数据进行各种分析,提取出特征信号,为装备的状态识别和性能预测提供依据,见附图6。具体包括信号的时域分析421、频域分析422、时频域分析423和热动态特性分析424;
时域分析提取的特征量:均值、均方值、有效值、最大值、最小值、峰峰值、峭度,
频域分析有:快速傅里叶变换、幅值谱、相位谱、功率谱、一步自相关函数、均方频率值,
时频域分析有:Wigner谱分析、连续小波谱分析、离散小波谱分析,
热动态特性分析:在程序控温下,数控装备在交变载荷下的动态模量和阻尼与温度关系,温度变化与装备热变形量之间的关系。
信号分析模块42通过上述的时域分析、频域分析、时频域分析和热动态特性分析获得特征信号,输出到模块43、44、45和46中。
3)状态识别模块43对信号分析模块42输出的特征信号所组成的特征向量与装备状态建立映射关系,并借助图形显示模块的显示图形进行决策分析,以识别数控装备的加工状态(是正常还是故障)
4)性能预测模块44用于对数据采集模块采集的数据和信号分析模块42输出的所述特征向量的集合形成的历史数据进行分析,预测数控装备未来的运行情况。如设备劣化趋势分析;
5)图形显示模块45用于以图形化的方式显示上述信号分析、状态识别和性能预测等的结果;
6)统计分析模块46用于对历史数据进行统计分析,为进一步研究提供基础,制作统计报表;
7)数据管理模块47用于对采集数据、分析处理数据及历史数据进行管理。数据分为三部分:实时采集数据、分析处理后数据和历史数据。数据采用数据库管理系统进行管理,实时采集数据以文件形式存储在硬盘上,在数据库中只存储其路径,分析处理后数据和历史数据直接存储在数据库中;
8)用户管理模块48用于对用户进行系统登录管理、使用权限管理等设置;
9)系统维护模块用于对系统进行设置、系统初始化及使用帮助等功能。
信号分析与处理子系统4输出的信息主要有扭矩电流、功率、编码盘位置反馈等,通过专用板卡和光纤传输给数控系统5,可以实现与华中数控、FANUC、SIEMENS等数控系统的无缝连接。数控系统发出指令通过执行机构修调数控装备的运行参数,实现闭环控制,减少或避免加工缺陷,保持加工过程的稳定性和加工质量的一致性。
Claims (4)
1.一种重型数控装备测控传感网,用于对重型数控装备加工过程进行性能监测和实时控制,其特征在于,该测控传感网包括:
信号获取子系统(1),用于获取数控装备加工过程的多源信息,包括切削力信号、振动信号以及温度信号,其包括多个布置在数控装备上的传感器,包括监测主轴切削力变化的电流传感器(11)若干个,监测振动的加速度传感器(12)和位移传感器(13)若干个,和监测数控装备热变形的数字测温芯片(14)若干个;
信号预处理子系统(2),用于接收所述信号获取子系统获取的信号,并进行隔直、滤波和放大预处理,提高信噪比;
数据采集子系统(3),用于对预处理后的信号进行采集,包括对多路模拟信号进行模/数转换和采集,以及对多路数字信号进行直接采集;该数据采集子系统(3)包括:电流传感器A/D转换数据采集卡(31),用于对经信号预处理子系统后的电流传感器(11)的信号进行同步采集和转换;加速度传感器A/D转换数据采集卡(32),用于对经信号预处理子系统后的加速度传感器(12)的信号进行同步采集和转换;位移传感器A/D转换数据采集卡(33),用于对经信号预处理子系统后的位移传感器(13)的信号进行同步采集和转换;KLM-6000数字采集模块(34),用于对经信号预处理子系统后的数字测温芯片(14)的信号进行采集;
信号分析与处理子系统(4),用于对所述数据采集子系统采集的信号进行分析和处理,获得重型数控装备的状态信息,通过对多源信 息进行信息融合,从而识别出装备加工状态的优劣和预测后续运行状态,并能把分析处理结果通过板卡和光纤传输给数控系统,实现实时控制,该信号分析与处理子系统(4)包括数据采集模块(41)、信号分析模块(42)、状态识别模块(43)和性能预测模块(44),其中,所述数据采集模块(41)用于接收数据采集子系统采集的信号,并传送到信号分析模块(42)进行分析处理,提取出特征信号,并将所述特征信号传送给状态识别模块(43)、性能预测模块(44)以进行状态识别和性能预测;
其中,所述信号分析模块(42)分别对所述采集的信号进行时域、频域、时频域和热动态特性分析,获得所述采集的信号的特征信号,该信号分析模块(42)包括时域分析单元(421)、频域分析单元(422)、时频域分析单元(423)和热动态特性分析单元(424),其中,时域分析单元(421)用于提取所述采集的信号的特征量,包括:均值、均方值、有效值、最大值、最小值、峰峰值以及峭度;频域分析单元(422)用于对所述采集的信号进行频域分析,包括:快速傅里叶变换、幅值谱、相位谱、功率谱、一步自相关函数和均方频率值;时频域分析单元(423)用于对所述采集的信号进行时频域分析,具体包括:Wigner谱分析、连续小波谱分析和离散小波谱分析;热动态特性分析单元(424)用于对所述采集的信号进行热动态特性分析,包括:数控装备在交变载荷下的动态模量和阻尼与温度关系,温度与热变形之间的关系;
所述性能预测模块(44)用于对所述数据采集模块(41)采集的 数据和所述信号分析模块输出(42)的获得的特征信号数据所形成的历史数据进行分析,以预测数控装备未来的运行情况。
2.根据权利要求1所述的重型数控装备测控传感网,其特征在于,所述状态识别模块(43)用于对信号分析模块(42)获得的特征信号与数控装备状态建立映射关系,以识别数控装备的加工状态。
3.根据权利要求1或2所述的重型数控装备测控传感网,其特征在于,所述信号分析与处理子系统(4)还包括图形显示模块(45),用于以图形化的方式显示上述信号分析模块(42)、状态识别模块(43)和性能预测模块(44)的输出结果。
4.根据权利要求1或2所述的重型数控装备测控传感网,其特征在于,所述信号预处理子系统(2)包括:
滤波器(21),用于对电流传感器(11)输出的信号进行滤波处理;
加速度预处理装置(22),用于对加速度传感器(12)输出的信号进行滤波、电荷放大和隔直预处理;
位移预处理装置(23),用于对位移传感器(13)输出的信号进行滤波和放大预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110200363 CN102323779B (zh) | 2011-07-18 | 2011-07-18 | 一种重型数控装备测控传感网 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110200363 CN102323779B (zh) | 2011-07-18 | 2011-07-18 | 一种重型数控装备测控传感网 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102323779A CN102323779A (zh) | 2012-01-18 |
CN102323779B true CN102323779B (zh) | 2013-05-22 |
Family
ID=45451532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110200363 Active CN102323779B (zh) | 2011-07-18 | 2011-07-18 | 一种重型数控装备测控传感网 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102323779B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499320A (zh) * | 2013-10-22 | 2014-01-08 | 中铁西北科学研究院有限公司深圳南方分院 | 一种锚固工程质量检测仪及分析方法 |
CN105676782A (zh) * | 2016-03-09 | 2016-06-15 | 镇江智丰自动化科技有限公司 | 一种基于数控装备模态分析的数据采集方法 |
CN108225546A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载多通道振动信号同步采集系统及方法 |
CN109249546A (zh) * | 2017-07-13 | 2019-01-22 | 长春工业大学 | 一种振动旋转切削装置及其在位颤振辨识方法 |
CN109262369B (zh) * | 2018-09-13 | 2020-02-21 | 成都数之联科技有限公司 | 一种刀具状态检测系统及方法 |
CN110045679B (zh) * | 2019-04-17 | 2020-07-07 | 北京天泽智云科技有限公司 | 基于边缘计算的机床多源数据采集与数据质量评估方法 |
CN111596615A (zh) * | 2020-06-09 | 2020-08-28 | 上海交通大学 | 一种数控机床在线监测及控制系统 |
CN116679627A (zh) * | 2023-05-04 | 2023-09-01 | 安徽机电职业技术学院 | 一种用于控制多个电气设备的联动控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794138A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 数控机床动态特性测试分析系统 |
CN102073300B (zh) * | 2010-12-28 | 2013-04-17 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
-
2011
- 2011-07-18 CN CN 201110200363 patent/CN102323779B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102323779A (zh) | 2012-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102323779B (zh) | 一种重型数控装备测控传感网 | |
CN108038553B (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
CN100485342C (zh) | 机械故障的集成支持向量机混合智能诊断方法 | |
CN111947928B (zh) | 一种多源信息融合的轴承故障预测系统及方法 | |
CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
CN203894596U (zh) | 数控机床加工状态多参数在线主动监控系统 | |
CN110355608A (zh) | 基于自注意力机制与深度学习的刀具磨损量预测方法 | |
CN101794138A (zh) | 数控机床动态特性测试分析系统 | |
CN101697072A (zh) | 数控机床故障诊断系统及其方法 | |
CN103823409A (zh) | 数控机床加工状态多参数在线主动监控系统及其实现方法 | |
CN101118437A (zh) | 一种新型的数控机床远程状态监测与故障诊断系统实现方法 | |
CN101870076A (zh) | 一种基于性能退化模型的数控机床导轨副寿命预测方法 | |
TWI419761B (zh) | Tool State Detection Method and Device for Machining Machine | |
CN101936818B (zh) | 非接触式旋转机械故障的诊断系统 | |
CN102033108A (zh) | 金属拉深件的状态判别特征参数提取方法 | |
CN109605128B (zh) | 一种基于功率谱熵差的铣削颤振在线检测方法 | |
CN107866696A (zh) | 管理系统和装置、主轴故障检测方法、计算机可读介质 | |
CN111878322B (zh) | 风力发电机装置 | |
Pan et al. | Boring chatter identification by multi-sensor feature fusion and manifold learning | |
CN114227382A (zh) | 基于新型胶囊网络的刀具破损监测系统及方法 | |
CN212363649U (zh) | 一种实现齿轮箱故障诊断方法的系统 | |
CN208431106U (zh) | 风电机组偏航系统在线监测机构 | |
CN202735778U (zh) | 一种数控机床切削性能及切削能力测试装置 | |
CN114905334A (zh) | 一种智能实时清洁切削监控系统和方法 | |
Zhou et al. | Current-based feed axis condition monitoring and fault diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |