CN109115271B - 一种数控机床远程监测系统 - Google Patents

Abstract

本发明提供一种数控机床远程监测系统，包括：机床信息采集终端，设置在所述数控机床的主要部位上，用于采集所述主要部位的状态数据并发送到远程监测中心，其中所述主要部位包括：如主轴、进给轴及轴承，主轴箱，电机，液压传动部件，传动箱；远程监测中心，用于对采集到的所述状态数据进行监测和状态分析，形成正常状态数据和异常状态数据并进行显示。本发明将数控机床的状态实时反映给工作人员，以便工作人员对数控机床的日常监测及故障预警，有助于提高数控机床的稳定性、可靠性及安全性。

Description

一种数控机床远程监测系统

技术领域

本发明涉及远程监测技术领域，特别是一种数控机床远程监测系统。

背景技术

数控机床的正常运行与良好的维护保养是其可靠性的重要保障，对数控机床进行全方面的监控是表征其真实运行状况的有效手段。目前，数控机床的检修监测通常都是由工作人员定期对数控机床进行全方位监测，并不能第一时间发现数控机床可能潜在的异常信息；同时，现有技术中，也出现了一些对数控机床进行实时监测的系统与装置，但由于这些装置并不完善，使得工作人员对数控机床工作参数的实时监测操作十分困难，从而不能为数控机床提供有效的故障诊断和维护保养依据。

发明内容

针对上述问题，本发明旨在提供一种数控机床远程监测系统。

本发明的目的采用以下技术方案来实现：

一种数控机床远程监测系统，包括：

机床信息采集终端，设置在所述数控机床的主要部位上，用于采集所述主要部位的状态数据并发送到远程监测中心，其中，所述主要部位包括：如主轴、进给轴及轴承，主轴箱，电机，液压传动部件，传动箱；

远程监测中心，用于对采集到的所述状态数据进行监测和状态分析，形成正常状态数据和异常状态数据并进行显示。

在一种实施方式中，所述机床信息采集终端包括：

振动传感器，用于采集振动信号，并将采集的振动信号发送到所述远程监测中心；

压力传感器，用于采集压力信号，并将采集的压力信号发送到所述远程监测中心；

温度传感器，用于采集温度信号，并将采集的温度信号发送到所述远程监测中心；

电压与电流传感器，用于采集电流、电压信号，并将采集的电流、电压信号发送到所述远程监测中心；

湿度传感器，用于采集湿度信号，并将采集的湿度信号发送到所述远程监测中心。

在一种实施方式中，所述远程监测中心包括：

状态分析模块，用于对获取的信号进行状态分析处理，分析获取的信号的数据信息，判断该数据信息是否存在状态异常；将属于正常状态下的数据信息记为正常状态数据，将属于异常状态下的数据信息记为异常状态数据。

在一种实施方式中，所述远程监测中心还包括：

显示模块，用于显示所述正常状态数据和异常状态数据，当出现异常状态数据时，显示模块同时发出警报消息。

在一种实施方式中，所述状态分析模块具体包括：

温度分析单元：用于对温度传感器获取的温度信号进行分析，判断该温度信号中是否存在异常状态；

其中，所述温度分析单元，具体包括：

对所述温度信号进行加窗处理，其中采用的数据窗的宽度为K，即数据窗内的温度序列由K个采集的温度数据组成，分别为[Tem_T-K+1，...，Tem_T-1，Tem_T]，其中Tem_T表示当前时刻的温度数据；

对数据窗内的温度序列进行监测，获取温度序列的变化趋势，其中采用的温度变化趋势函数为：

式中，λ表示数据窗内温度数列的变化趋势；

根据数据窗内的温度序列对温度进行预测，其中采用的温度预测函数为：

式中，Tem′表示预测的温度；λ表示数据窗内温度数列的变化趋势，Tem_T表示当前时刻的温度数据；

当数据窗内的温度数据[Tem_T-K+1，...，Tem_T-1，Tem_T]或预测的温度Tem′大于设定的温度阈值W，或温度变化趋势λ大于设定的阈值P时，将获取的温度数据记为异常状态数据。

本发明的有益效果为：本发明系统通过在数控机床上的主要部位上设置信息采集终端，获取数控机床中不同部位的状态数据并传输到远程监测中心，远程监测中心对获取的状态数据进行状态分析，判断该状态数据是否存在异常，并对异常状态数据进行显示，将数控机床的状态实时反映给工作人员，以便工作人员对数控机床的日常监测及故障预警，有助于提高数控机床的稳定性、可靠性及安全性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的框架结构图；

图2为本发明机床信息采集终端的框架结构图；

图3为本远程监测中心的框架结构图。

附图标记：

机床信息采集终端1、远程监测中心2、振动传感器11、压力传感器12、温度传感器13、电压与电流传感器14、湿度传感器15、状态分析模块21、显示模块22、温度分析单元211、振动分析单元212

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1，其示出一种数控机床远程监测系统，包括：

机床信息采集终端1，设置在所述数控机床的主要部位上，用于采集所述主要部位的状态数据并发送到远程监测中心2；

远程监测中心2，用于对采集到的所述状态数据进行监测和状态分析，形成正常状态数据和异常状态数据并进行显示。

其中，所述主要部位包括：如主轴、进给轴及轴承，主轴箱，电机，液压传动部件，传动箱等。

本发明上述实施方式，通过在数控机床上的主要部位上设置信息采集终端，获取数控机床中不同部位的状态数据并传输到远程监测中心2，远程监测中心2对获取的状态数据进行状态分析，判断该状态数据是否存在异常，并对异常状态数据进行显示，将数控机床的状态实时反映给工作人员，以便工作人员对数控机床的日常监测及故障预警，有助于提高数控机床的稳定性、可靠性及安全性。

其中，所述状态数据包括振动信号，压力信号，温度信号，湿度信号，电流、电压信号等；

在一种实施方式中，参见图2，所述机床信息采集终端1包括：

振动传感器11，用于采集振动信号，并将采集的振动信号发送到所述远程监测中心2；

压力传感器12，用于采集压力信号，并将采集的压力信号发送到所述远程监测中心2；

温度传感器13，用于采集温度信号，并将采集的温度信号发送到所述远程监测中心2；

电压与电流传感器14，用于采集电流、电压信号，并将采集的电流、电压信号发送到所述远程监测中心2；

湿度传感器15，用于采集湿度信号，并将采集的湿度信号发送到所述远程监测中心2。

本发明上述实施方式，通过在数控机床中设置不同类型的传感器，分别获取数控机床的振动、压力、温度、湿度、电流及电压状态数据，实现对数控机床的多维度、全方位监测，能够更准确地反映数控机床的运行状态。

在一种实施方式中，参见图，3，所述远程监测中心2包括：

状态分析模块21，用于对获取的信号进行状态分析处理，分析获取的信号的数据信息，判断该数据信息是否存在状态异常；将属于正常状态下的数据信息记为正常状态数据，将属于异常状态下的数据信息记为异常状态数据。

本发明上述实施方式，通过状态分析模块21分别对获取的振动信号、压力信号、温度信号、湿度信号、电流及电压信号进行状态分析，从获取的上述信号中获取数据信息，并判断其是否存在异常状态，对正常状态下的数据和异常状态下的数据进行分类记录，有助于突出反映数控机床的运行状态。

在一种实施方式中，所述远程监测中心2还包括：

显示模块22，用于显示所述正常状态数据和异常状态数据，当出现异常状态数据时，显示模块22同时发出警报消息。

本发明上述实施方式，通过显示模块22对正常或异常状态下的数据进行显示，有助于工作人员对数控机床的全部状态数据进行监测；同时，当存在异常状态数据时发出警报消息，能够第一时间通知工作人员，有助于工作人员进行及时的处理及故障预警。

在一种实施方式中，所述状态分析模块21具体包括：

温度分析单元211：用于对温度传感器13获取的温度信号进行分析，判断该温度信号中是否存在异常状态。

其中，所述温度分析单元211，具体包括：

对所述温度信号进行加窗处理，其中采用的数据窗的宽度为K，即数据窗内的温度序列由K个采集的温度数据组成，分别为[Tem_T-K+1，...，Tem_T-1，Tem_T]，其中Tem_T表示当前时刻的温度数据；

对数据窗内的温度序列进行监测，获取温度序列的变化趋势，其中采用的温度变化趋势函数为：

式中，λ表示数据窗内温度数列的变化趋势；

根据数据窗内的温度序列对温度进行预测，其中采用的温度预测函数为：

式中，Tem′表示预测的温度；λ表示数据窗内温度数列的变化趋势，Tem_T表示当前时刻的温度数据；

当数据窗内的温度数据[Tem_T-K+1，...，Tem_T-1，Tem_T]或预测的温度Tem′大于设定的温度阈值W，或温度变化趋势λ大于设定的阈值P时，将获取的温度数据记为异常状态数据。

实际操作中，当数控机床中某部位的温度急剧上升或者温度过高时，则表明该部位发生了故障；本发明上述实施方式，采用上述的方法对获取的温度信号进行处理，能够在监控当前时刻温度的同时，准确获取温度的变化趋势及预测下一时刻的温度，能够提前对数控机床的温度状态进行预警，第一时间发现异常趋势及信息，提高了数控机床的安全性及稳定性。

在一种实施方式中，所述状态分析模块21还包括：

振动分析单元212，用于对振动传感器11获取的振动信号进行分析，判断该振动信号中是否存在异常状态。

其中，所述振动分析单元212具体包括：

对采集到的振动信号进行加时间窗处理；

对最新时间窗内的振动信号进行快速傅里叶变换(FFT)，将时域上的振动信号转化成频域上的连续频率，并对其进行小波分解，获取该振动信号的小波包分解树，其中采用的小波包分解树获取函数为：

式中，e(S，u)表示小波包分解树第S层中第u个子频带能量，L表示时间窗内原振动信号的系数序列长度，x_i(S，u)表示小波包分解树第S层中第u个子频带对应的系数序列中第i个系数；

采集由小波包分解树中第S层中2^S个子频带能量特征组成的特征向量Y作为该时间窗口内振动信号的能量特征向量Y，即Y＝{e(S，u)}；

识别时间窗内振动信号的状态类型，其中采用的状态识别函数为：

式中，Z表示状态判断因子，y_j表示特征向量Y中的第j个子频带能量特征，g(v)表示预设的第v个样本能量特征向量中的第j个子频带能量特征；

和

表示能量特征的数学期望；V表示预设的不同类型的能量特征向量样本的总数，J表示特征向量中子频带能量特征的总数，ω₁和ω₂表示权重因子；

如果Z小于设定的判定阈值B，则取该状态判断因子Z对应的样本v的所属异常或正常状态类型记为采集的振动信号的异常状态数据或正常状态数据；

在一种实施方式中，所述状态分析模块21还包括数据库。

在一种场景中，所述预设的能量特征向量由振动传感器11预先采集数控机床中各种异常或正常状态下的振动信号，由振动分析单元212对采集的振动信号进行能量特征向量提取，并将提取结果按照不同状态类型分类储存到数据库中；工作时，振动分析单元212对采集的振动信号进行分析，提取该振动信号的能量特征向量，并与数据库中预存的不同状态类型下的能量特征向量进行匹配，获取振动信号所属的状态类型。

本发明上述实施方式，采用上述的方式对获取的振动信号进行分析处理，首先采用FFT将振动信号从时域转化到频域进行表示，然后对频域表示的振动信号进行小波分解并表示成小波包分解树的形式，获取小波包分解树中某一层的子频带能量特征作为该振动信号的特征向量，并且采用自定义识别函数对获取的能量特征向量进行识别，准确地识别出该能量特征向量所属的类型从而判断振动信号的状态类型，进而获取数控机床的工作状态，当发现异常时第一时间做出反应，提高了数控机床的安全性和稳定性。

在一种实施方式中，所述振动分析单元212中，采集由小波包分解树中第S层中2^S个子频带能量特征组成的特征向量Y作为该时间窗口内振动信号的能量特征向量Y，即Y＝{e(S，u)}；

其中，具体选择小波包分解树中的层数由下列函数获取：

式中，S表示组成特征向量Y时所选取的小波包分解树中的层数，f_s表示信号采样频率，f_v表示故障特征频率，f_z表示数控机床中被检测机构正常工作频率；

表示向下取整符号。

本发明上述实施方式，在对振动信号进行分析处理，获取其能量特征向量时，采用上述的方式来确定具体采用小波包分解树中的第S层的2^S个子频带能量特征作为能量特征向量，能够提高了能量特征向量的适应性，平衡了复杂度与识别性能，在保证识别精准度的前提下降低了系统运算的复杂度；同时提高了模块对振动信号分析的自适应能力，提高了系统的智能化水平。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种数控机床远程监测系统，其特征在于，包括：

机床信息采集终端，设置在所述数控机床的主要部位上，用于采集所述主要部位的状态数据并发送到远程监测中心，其中，所述主要部位包括：主轴、进给轴及轴承，主轴箱，电机，液压传动部件，传动箱；

远程监测中心，用于对采集到的所述状态数据进行监测和状态分析，形成正常状态数据和异常状态数据并进行显示；

其中，所述机床信息采集终端包括：

振动传感器，用于采集振动信号，并将采集的振动信号发送到所述远程监测中心；

压力传感器，用于采集压力信号，并将采集的压力信号发送到所述远程监测中心；

温度传感器，用于采集温度信号，并将采集的温度信号发送到所述远程监测中心；

电压与电流传感器，用于采集电流、电压信号，并将采集的电流、电压信号发送到所述远程监测中心；

湿度传感器，用于采集湿度信号，并将采集的湿度信号发送到所述远程监测中心；

所述远程监测中心包括：

状态分析模块，用于对获取的信号进行状态分析处理，分析获取的信号的数据信息，判断该数据信息是否存在状态异常；将属于正常状态下的数据信息记为正常状态数据，将属于异常状态下的数据信息记为异常状态数据；

其中，所述状态分析模块包括：

振动分析单元，用于对振动传感器获取的振动信号进行分析，判断该振动信号中是否存在异常状态；

其中，所述振动分析单元具体包括：

对采集到的振动信号进行加时间窗处理；

对最新时间窗内的振动信号进行快速傅里叶变换，将时域上的振动信号转化成频域上的连续频率，并对其进行小波分解，获取该振动信号的小波包分解树，其中采用的小波包分解树获取函数为：

式中，e(S,u)表示小波包分解树第S层中第u个子频带能量，L表示时间窗内原振动信号的系数序列长度，x_i(S,u)表示小波包分解树第S层中第u个子频带对应的系数序列中第i个系数；

其中，具体选择小波包分解树中的层数由下列函数获取：

式中，S表示组成特征向量Y时所选取的小波包分解树中的层数，f_s表示信号采样频率，f_v表示故障特征频率，f_z表示数控机床中被检测机构正常工作频率；

表示向下取整符号；

采集由小波包分解树中第S层中2^S个子频带能量特征组成的特征向量Y作为时间窗内振动信号的能量特征向量Y，即Y＝{e(S,u)}；

识别时间窗内振动信号的状态类型，其中采用的状态识别函数为：

式中，Z表示状态判断因子，y_j表示特征向量Y中的第j个子频带能量特征，g(v)_j表示预设的第v个样本能量特征向量中的第j个子频带能量特征；

和

表示能量特征的数学期望；V表示预设的不同类型的能量特征向量样本的总数，J表示特征向量中子频带能量特征的总数，ω₁和ω₂表示权重因子；

如果Z小于设定的判定阈值B，则取该状态判断因子Z对应的样本v的所属的状态类型记为采集的振动信号的状态类型，当样本v所述的状态类型为异常时，记采集的振动信号为异常状态数据；当样本v所述的状态类型为正常时，记采集的振动信号为正常状态数据。

2.根据权利要求1所述的一种数控机床远程监测系统，其特征在于，所述远程监测中心还包括：

显示模块，用于显示所述正常状态数据和异常状态数据，当出现异常状态数据时，显示模块同时发出警报消息。

3.根据权利要求2所述的一种数控机床远程监测系统，其特征在于，所述状态分析模块具体包括：

温度分析单元：用于对温度传感器获取的温度信号进行分析，判断该温度信号中是否存在异常状态；

其中，所述温度分析单元，具体包括：

对所述温度信号进行加窗处理，其中采用的数据窗的宽度为K，即数据窗内的温度序列由K个采集的温度数据组成，分别为[Tem_T-K+1,…,Tem_T-1,Tem_T]，其中Tem_T表示当前时刻的温度数据；

对数据窗内的温度序列进行监测，获取温度序列的变化趋势，其中采用的温度变化趋势函数为：

式中，λ表示数据窗内温度数列的变化趋势；

根据数据窗内的温度序列对温度进行预测，其中采用的温度预测函数为：

式中，Tem′表示预测的温度；λ表示数据窗内温度数列的变化趋势，Tem_T表示当前时刻的温度数据；

当数据窗内的温度数据[Tem_T-K+1,…,Tem_T-1,Tem_T]或预测的温度Tem′大于设定的温度阈值W，或数据窗内温度数列的变化趋势λ大于设定的阈值P时，将获取的温度数据记为异常状态数据。

Images