CN106774157A - 一种具有故障诊断与预警功能的数控机床 - Google Patents
一种具有故障诊断与预警功能的数控机床 Download PDFInfo
- Publication number
- CN106774157A CN106774157A CN201611073012.2A CN201611073012A CN106774157A CN 106774157 A CN106774157 A CN 106774157A CN 201611073012 A CN201611073012 A CN 201611073012A CN 106774157 A CN106774157 A CN 106774157A
- Authority
- CN
- China
- Prior art keywords
- module
- machine tool
- control machine
- digit control
- fault diagnosis
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种具有故障诊断与预警功能的数控机床,包括数控机床本体、多源感知模块和工控机;所述数控机床本体包括床身、变速齿轮箱和数控控制器;所述多源感知模块包括传感器阵列、距离传感器和影像传感器,所述传感器阵列安装于床身和变速齿轮箱上;所述距离传感器安装于床身上;所述影像传感器用于测量刀具磨损量;所述工控机包括数据融合模块、故障诊断模块和故障预警模块。本发明解决了现有技术无法对数控机床运行状态进行在线对即时故障诊断的问题,所述故障诊断模块和故障预警模块可以实现数控机床的运行状态趋势分析和对潜在的故障源进行故障预测和预警,降低数控机床故障率,减少由于数控机床发生故障所带来的损失。
Description
技术领域
本发明涉及数控机床故障诊断与预警技术领域,尤其涉及一种具有故障诊断与预警功能的数控机床。
背景技术
智能化技术是先进数控装备的关键,是世界发达国家高端制造领域竞争的战略高地。近年来,国际上以美、德、日等国为代表的工业国家相继推出了旨在促进其高端装备制造业发展的科技计划;中国中长期科技发展计划对“数字化智能化制造技术”也提出了迫切要求,并于2015年发布了“中国制造2025”战略。数控机床是制造业中最基础的加工设备,是集机械、电子、液压等技术于一体的复杂系统,在数控装备使用中量大面广。在使用过程中,任何一个部分出现故障,均会影响机床的正常运行,尤其机械出现故障时,轻则长时间的停机检修、导致整个生产线停产,重则导致机床损毁,造成巨大的经济损失。因此,将故障诊断与预警技术应用于提升数控机床的智能化品质,不仅对提高我国装备制造发展水准、实现由“制造大国”向“制造强国”的转变具有重大意义,同时,也对推进制造业技术升级、提升企业竞争力具有重要的实用价值。
故障预测与预警是数控机床智能化的核心,主要包括三个关键技术:基于数理统计的故障预测技术、智能故障预测技术以及混合故障预测技术等。在国外,高端数控机床基本都配备有智能诊断功能,如德国西门子、日本发那科等主流高档数控机床控制器;在国内,沈阳机床新近推出的5i智能机床也初步具备了智能诊断功能。文献资料调研表明,无论是国外高端数控机床、还是国内智能机床,在系统故障诊断与预警方面的功能相对薄弱,数控机床故障诊断相关的研究也基本只面向一种机床类型或单一零件。现有的诊断系统还普遍存在漏报、误报以及实时性较差的问题。实践中,机床故障诊断通常依赖人工和经验,对机床整体状态的智能故障诊断还处在尝试阶段。随着新的理论与方法的不断出现,急需建立更加有效的智能故障计算模型,从而提高机床故障诊断与预警的准确性。
发明内容
本发明的目的在于通过一种具有故障诊断与预警功能的数控机床,来解决以上背景技术部分提到的问题。
为达此目的,本发明采用以下技术方案:
一种具有故障诊断与预警功能的数控机床,其包括数控机床本体、多源感知模块和工控机;所述数控机床本体包括床身、变速齿轮箱和数控控制器;所述多源感知模块包括传感器阵列、距离传感器和影像传感器,所述传感器阵列安装于床身和变速齿轮箱上;所述距离传感器安装于床身上,用于感知刀架和工件间的距离;所述影像传感器用于测量刀具磨损量;所述工控机包括数据融合模块、故障诊断模块和故障预警模块;所述数据融合模块运行在工控机上,用于将多源感知模块的感知参数进行信息融合,并将信息融合结果传递给故障诊断模块和故障预警模块;所述故障诊断模块运行在工控机上,用于以所述数据融合模块输出的工况信息融合数据作为输入,判断数控机床是否出现故障;所述故障预警模块运行在工控机上,用于以所述数据融合模块输出的工况信息融合数据作为输入,输出对可能故障的预测结果。
特别地,所述传感器阵列用于对机床的切削力、主轴箱温度、主轴振动、变形、加工噪声、刀具磨损及输入/输出功率进行信号采集。
特别地,所述影像传感器包括安装于床身的用于监控加工过程的视频CCD摄像机、安装于床身的用于测量刀具磨损量的影像CCD相机以及照明光源。
特别地,所述数据融合模块包括随机融合算法、智能融合算法以及数据融合策略,其中,所述随机融合算法包括加权均匀法、卡尔玛滤波法、多贝叶斯估计法、D-S证据推理法、产生式规则法、统计决策法;所述智能融合算法包括聚类分析法、遗传算法、神经网络算法、模糊逻辑推理算法;所述数据融合策略是指按信息抽象的层次即数据层、特征层、决策层,对感知数据进行融合,并根据故障诊断模块和故障预警模块的算法需求而定义的用于融合数据筛选的规则。
特别地,所述故障诊断模块具体用于采用支持向量回归SVR模型,以所述数据融合模块输出的工况信息融合数据作为输入,建立输入数据SVR模型,通过将机床实际输出的残差平方和U与SVR计算模型输出的残差平方和阈值K对比来判定机床是否出现故障:若U小于K,则认为机床运行正常,反之,则认为出现故障。
特别地,所述故障预警模块具体用于采用灰色预测模型,以所述数据融合模块输出的工况信息融合数据作为输入,经过特征提取、自适应最优估计融合,以及特征序列灰色生成、灰色故障预测模型训练、故障预测,建立灰色预测模型,并在模型精度符合要求时,输出对可能故障的预测结果。
特别地,所述数据融合模块通过多功能数据采集卡接收来自所述多源感知模块的数据信息。
特别地,所述多源感知模块、数据融合模块、故障诊断模块、故障预警模块同时启动运行。
本发明提出的具有故障诊断与预警功能的数控机床解决了现有技术无法对数控机床运行状态进行在线对即时故障诊断的问题,同时,所述故障诊断模块和故障预警模块可以实现数控机床的运行状态趋势分析和对潜在的故障源进行故障预测和预警,降低数控机床故障率,提升了企业生产运营效率,减少由于数控机床发生故障所带来的损失。
附图说明
图1为本发明实施例提供的具有故障诊断与预警功能的数控机床总体结构示意图;
图2为本发明实施例提供的数据融合模块工作流程示意图;
图3为本发明实施例提供的故障诊断模块工作流程示意图;
图4为本发明实施例提供的故障预警模块工作流程示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容理解的更加透彻全面。除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参照图1所示,图1为本发明实施例提供的具有故障诊断与预警功能的数控机床总体结构示意图。
本实施例中具有故障诊断与预警功能的数控机床具体包括数控机床本体、多源感知模块和工控机9;所述数控机床本体包括床身1、变速齿轮箱3和数控控制器10;所述多源感知模块包括传感器阵列2、距离传感器4和影像传感器5,所述传感器阵列2安装于床身1和变速齿轮箱3上;所述距离传感器4安装于床身1上,用于感知刀架和工件间的距离;所述影像传感器5用于测量刀具磨损量;所述工控机9包括数据融合模块6、故障诊断模块7和故障预警模块8;所述数据融合模块6运行在工控机9上,用于将多源感知模块的感知参数进行信息融合,并将信息融合结果传递给故障诊断模块7和故障预警模块8;所述故障诊断模块7运行在工控机9上,用于以所述数据融合模块6输出的工况信息融合数据作为输入,判断数控机床是否出现故障;所述故障预警模块8运行在工控机9上,用于以所述数据融合模块6输出的工况信息融合数据作为输入,输出对可能故障的预测结果。所述多源感知模块、数据融合模块6、故障诊断模块7、故障预警模块8同时启动运行。
具体的,所述传感器阵列2由安装于床身1和变速齿轮箱3上的多种传感器组成,包含振动、加速度、变形、切削力、噪声、温度等类型的传感器,用于对机床的切削力、主轴箱温度、主轴振动、变形、加工噪声、刀具磨损及输入/输出功率等进行信号采集。所述影像传感器5包括安装于床身1的用于监控加工过程的视频CCD摄像机、安装于床身1的用于测量刀具磨损量的影像CCD相机以及其对应的照明光源。所述数据融合模块6通过多功能数据采集卡接收来自所述多源感知模块的数据信息,且具有多层次、多方法数据信息融合的能力。图1中的视频CCD即指所述视频CCD摄像机,影像CCD即指所述影像CCD相机。
所述数据融合模块6包括随机融合算法、智能融合算法以及数据融合策略,其中,所述随机融合算法包括加权均匀法、卡尔玛滤波法、多贝叶斯估计法、D-S证据推理法、产生式规则法、统计决策法;所述智能融合算法包括聚类分析法、遗传算法、神经网络算法、模糊逻辑推理算法;在实际运行时,根据具体的需求选用最合适的数据融合算法。所述数据融合策略是指按信息抽象的层次即数据层、特征层、决策层,对感知数据进行融合,并根据故障诊断模块7和故障预警模块8的算法需求而定义的用于融合数据筛选的规则。所述数据融合策略根据定义的融合数据筛选规则组织数据,并分别传送给故障诊断模块7和故障预警模块8。
所述故障诊断模块7具体用于采用支持向量回归SVR模型,以所述数据融合模块6输出的工况信息融合数据作为输入,建立输入数据SVR模型,通过将机床实际输出的残差平方和U与SVR计算模型输出的残差平方和阈值K对比来判定机床是否出现故障:若U小于K,则认为机床运行正常,反之,则认为出现故障。通过将机床整体划分成若干重要的子系统,应用所述故障诊断模块7分别对子系统计算Ui值,并比较其与对应Ki的大小,对机床各子系统是否出现故障进行精确判定。
所述故障预警模块8具体用于采用灰色预测模型,以所述数据融合模块6输出的工况信息融合数据作为输入,经过特征提取、自适应最优估计融合,以及特征序列灰色生成、灰色故障预测模型训练、故障预测,建立灰色预测模型,并在模型精度符合要求时,输出对可能故障的预测结果。
工作时,由所述包含传感器阵列2、距离传感器4和影像传感器5的多源感知模块在线实时感知机床运行工况,并将感知信息传递给数据融合模块6;所述数据融合模块6根据感知信息特征自动选用恰当的数据融合算法进行数据融合,并由数据融合策略模块按照规则对融合数据进行筛选后分别传递给故障诊断模块7和故障预警模块8;然后,由所述故障诊断模块7和故障预警模块8分别对机床当前运行状态进行判定,并对故障出现的趋势进行预测。当加工过程中故障出现时,本发明能向机床数控控制器10发出停机指令,并能迅速确定发生故障的子系统(部位),便于及时准确地维修;同时,在机床加工运行过程中,本发明的故障预警模块8能对未来可能出现的机床故障进行预测并预警,以便在方便时及时对机床进行保养,提高数控机床的利用率。
本发明的技术方案解决了现有技术无法对数控机床运行状态进行在线对即时故障诊断的问题,同时,所述故障诊断模块和故障预警模块可以实现数控机床的运行状态趋势分析和对潜在的故障源进行故障预测和预警,降低数控机床故障率,提升了企业生产运营效率,减少由于数控机床发生故障所带来的损失。本发明解决了现有技术无法对机床运行状态进行实时故障诊断和预警的问题,对于减少机床故障、提升利用率有重要的意义和实用价值。本发明解决了现有故障定位不准、故障诊断依赖人工经验的局限,同时,本发明提供一种基于灰色理论的数控机床运行故障预警方法,实现机床运行故障的诊断与预警智能化。本发明从构成智能机床技术核心的感知、信息物理融合技术入手,利用改进的支持向量回归故障诊断算法进行机床故障的准确定位、利用优化的灰度预测理论进行机床运行故障的预判,在技术方法突破和创新,形成具有故障诊断与预警功能的智能光控机床及系统,提高数控机床的运行寿命、降低运行故障率,提升数控机床的智能化品质。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (8)
1.一种具有故障诊断与预警功能的数控机床,其特征在于,包括数控机床本体、多源感知模块和工控机;所述数控机床本体包括床身、变速齿轮箱和数控控制器;所述多源感知模块包括传感器阵列、距离传感器和影像传感器,所述传感器阵列安装于床身和变速齿轮箱上;所述距离传感器安装于床身上,用于感知刀架和工件间的距离;所述影像传感器用于测量刀具磨损量;所述工控机包括数据融合模块、故障诊断模块和故障预警模块;所述数据融合模块运行在工控机上,用于将多源感知模块的感知参数进行信息融合,并将信息融合结果传递给故障诊断模块和故障预警模块;所述故障诊断模块运行在工控机上,用于以所述数据融合模块输出的工况信息融合数据作为输入,判断数控机床是否出现故障;所述故障预警模块运行在工控机上,用于以所述数据融合模块输出的工况信息融合数据作为输入,输出对可能故障的预测结果。
2.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述传感器阵列用于对机床的切削力、主轴箱温度、主轴振动、变形、加工噪声、刀具磨损及输入/输出功率进行信号采集。
3.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述影像传感器包括安装于床身的用于监控加工过程的视频CCD摄像机、安装于床身的用于测量刀具磨损量的影像CCD相机以及照明光源。
4.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述数据融合模块包括随机融合算法、智能融合算法以及数据融合策略,其中,所述随机融合算法包括加权均匀法、卡尔玛滤波法、多贝叶斯估计法、D-S证据推理法、产生式规则法、统计决策法;所述智能融合算法包括聚类分析法、遗传算法、神经网络算法、模糊逻辑推理算法;所述数据融合策略是指按信息抽象的层次即数据层、特征层、决策层,对感知数据进行融合,并根据故障诊断模块和故障预警模块的算法需求而定义的用于融合数据筛选的规则。
5.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述故障诊断模块具体用于采用支持向量回归SVR模型,以数据融合模块输出的工况信息融合数据作为输入,建立输入数据SVR模型,通过将机床实际输出的残差平方和U与SVR计算模型输出的残差平方和阈值K对比来判定机床是否出现故障:若U小于K,则认为机床运行正常,反之,则认为出现故障。
6.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述故障预警模块具体用于采用灰色预测模型,以所述数据融合模块输出的工况信息融合数据作为输入,经过特征提取、自适应最优估计融合,以及特征序列灰色生成、灰色故障预测模型训练、故障预测,建立灰色预测模型,并在模型精度符合要求时,输出对可能故障的预测结果。
7.根据权利要求1所述的具有故障诊断与预警功能的数控机床,其特征在于,所述数据融合模块通过多功能数据采集卡接收来自所述多源感知模块的数据信息。
8.根据权利要求1至7之一所述的具有故障诊断与预警功能的数控机床,其特征在于,所述多源感知模块、数据融合模块、故障诊断模块、故障预警模块同时启动运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611073012.2A CN106774157A (zh) | 2016-11-29 | 2016-11-29 | 一种具有故障诊断与预警功能的数控机床 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611073012.2A CN106774157A (zh) | 2016-11-29 | 2016-11-29 | 一种具有故障诊断与预警功能的数控机床 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106774157A true CN106774157A (zh) | 2017-05-31 |
Family
ID=58904351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611073012.2A Pending CN106774157A (zh) | 2016-11-29 | 2016-11-29 | 一种具有故障诊断与预警功能的数控机床 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106774157A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153403A (zh) * | 2017-07-05 | 2017-09-12 | 皖西学院 | 一种基于互联网的机床故障诊断系统 |
CN107703752A (zh) * | 2017-10-22 | 2018-02-16 | 成都具鑫机械设备有限公司 | 一种基于模糊神经网络的数控机床检测方法 |
CN108051203A (zh) * | 2018-02-09 | 2018-05-18 | 华北理工大学 | 基于Labview的齿轮故障诊断控制系统及其诊断方法 |
CN109240210A (zh) * | 2018-10-16 | 2019-01-18 | 重庆工业职业技术学院 | 一种具有故障诊断与预警功能的数控机床 |
CN109459975A (zh) * | 2018-11-13 | 2019-03-12 | 王鹂辉 | 数控机床智能部件信息协调感知神经元管控系统 |
CN109531272A (zh) * | 2018-11-06 | 2019-03-29 | 北京理工大学 | 一种传感器融合采集切削信号的方法 |
CN111007833A (zh) * | 2019-12-12 | 2020-04-14 | 西安锐驰电器有限公司 | 一种数控机床事故检测系统 |
CN111152069A (zh) * | 2020-01-21 | 2020-05-15 | 徐州工业职业技术学院 | 一种机床加工的刀具寿命监测系统 |
CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
CN114895625A (zh) * | 2022-07-13 | 2022-08-12 | 上海航天壹亘智能科技有限公司 | 基于多传感器信息融合的控制装置、方法及数控机床 |
CN115741218A (zh) * | 2023-01-05 | 2023-03-07 | 单县亚太纸品有限公司 | 基于加工画像分析的机床故障预警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520652A (zh) * | 2009-03-03 | 2009-09-02 | 华中科技大学 | 一种数控装备服役可靠性的评估方法 |
CN102566503A (zh) * | 2012-01-17 | 2012-07-11 | 江苏高精机电装备有限公司 | 一种数控机床远程监控与故障诊断系统 |
CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
CN105081879A (zh) * | 2015-08-27 | 2015-11-25 | 成都飞机工业(集团)有限责任公司 | 一种数控机床主轴的故障诊断与预测的方法 |
-
2016
- 2016-11-29 CN CN201611073012.2A patent/CN106774157A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520652A (zh) * | 2009-03-03 | 2009-09-02 | 华中科技大学 | 一种数控装备服役可靠性的评估方法 |
CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
CN102566503A (zh) * | 2012-01-17 | 2012-07-11 | 江苏高精机电装备有限公司 | 一种数控机床远程监控与故障诊断系统 |
CN105081879A (zh) * | 2015-08-27 | 2015-11-25 | 成都飞机工业(集团)有限责任公司 | 一种数控机床主轴的故障诊断与预测的方法 |
Non-Patent Citations (3)
Title |
---|
付振华: "基于多传感器信息融合的数控加工单元故障诊断系统研究", 《中国优秀硕士学位论文全文》 * |
寇星源等: "基于图像处理的数控车床刀具检测系统的设计", 《产业与科技论坛》 * |
陈湘舜等: "数控机床的故障与预测探析", 《工程技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153403A (zh) * | 2017-07-05 | 2017-09-12 | 皖西学院 | 一种基于互联网的机床故障诊断系统 |
CN107703752A (zh) * | 2017-10-22 | 2018-02-16 | 成都具鑫机械设备有限公司 | 一种基于模糊神经网络的数控机床检测方法 |
CN108051203A (zh) * | 2018-02-09 | 2018-05-18 | 华北理工大学 | 基于Labview的齿轮故障诊断控制系统及其诊断方法 |
CN109240210A (zh) * | 2018-10-16 | 2019-01-18 | 重庆工业职业技术学院 | 一种具有故障诊断与预警功能的数控机床 |
CN109531272B (zh) * | 2018-11-06 | 2019-12-31 | 北京理工大学 | 一种传感器融合采集切削信号的方法 |
CN109531272A (zh) * | 2018-11-06 | 2019-03-29 | 北京理工大学 | 一种传感器融合采集切削信号的方法 |
CN109459975A (zh) * | 2018-11-13 | 2019-03-12 | 王鹂辉 | 数控机床智能部件信息协调感知神经元管控系统 |
CN111007833A (zh) * | 2019-12-12 | 2020-04-14 | 西安锐驰电器有限公司 | 一种数控机床事故检测系统 |
CN111152069A (zh) * | 2020-01-21 | 2020-05-15 | 徐州工业职业技术学院 | 一种机床加工的刀具寿命监测系统 |
CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
WO2021164137A1 (zh) * | 2020-02-21 | 2021-08-26 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
CN114895625A (zh) * | 2022-07-13 | 2022-08-12 | 上海航天壹亘智能科技有限公司 | 基于多传感器信息融合的控制装置、方法及数控机床 |
CN115741218A (zh) * | 2023-01-05 | 2023-03-07 | 单县亚太纸品有限公司 | 基于加工画像分析的机床故障预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774157A (zh) | 一种具有故障诊断与预警功能的数控机床 | |
CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
Ferreiro et al. | Industry 4.0: predictive intelligent maintenance for production equipment | |
CN111178553A (zh) | 一种基于arima和lstm算法的工业设备健康趋势分析方法及系统 | |
Yacout | Fault detection and diagnosis for condition based maintenance using the logical analysis of data | |
Haber et al. | Intelligent process supervision for predicting tool wear in machining processes | |
CN108145516A (zh) | 机床和机械学习装置 | |
Fumagalli et al. | Data-driven CBM tool for risk-informed decision-making in an electric arc furnace | |
JP2017130094A (ja) | セル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システム | |
CN111390648B (zh) | 基于对抗神经网络的车刀磨损判定方法 | |
Hu et al. | Two diagnostic models for PLC controlled flexible manufacturing systems | |
Hu et al. | A systematic approach to integrated fault diagnosis of flexible manufacturing systems | |
Köppen-Seliger et al. | MAGIC: An integrated approach for diagnostic data management and operator support | |
CN113673600B (zh) | 一种工业信号异常预警方法、系统、存储介质及计算设备 | |
Lieber et al. | Sustainable interlinked manufacturing processes through real-time quality prediction | |
Borissova et al. | A concept of intelligent e-maintenance decision making system | |
Kumar et al. | Development of a cyber physical production system framework for smart tool health management | |
Zhi | Remote performance evaluation, life prediction and fault diagnosis of RV reducer for industrial robot | |
Rojek et al. | Methods of computational intelligence in the context of quality assurance in foundry products | |
TWI794907B (zh) | 用於系統管理之故障預測與健康管理系統與相關方法 | |
Reñones et al. | Experimental analysis of change detection algorithms for multitooth machine tool fault detection | |
US20230376024A1 (en) | Device and Method for Identifying Anomalies in an Industrial System for Implementing a Production Process | |
WO2021199383A1 (ja) | 機械学習システム | |
CN117555287B (zh) | 一种基于cae的数控机床加工动态性能监控方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |