CN109396954A - 嵌入式主轴系统异常状态智能检测和信息推送装置 - Google Patents
嵌入式主轴系统异常状态智能检测和信息推送装置 Download PDFInfo
- Publication number
- CN109396954A CN109396954A CN201811482554.4A CN201811482554A CN109396954A CN 109396954 A CN109396954 A CN 109396954A CN 201811482554 A CN201811482554 A CN 201811482554A CN 109396954 A CN109396954 A CN 109396954A
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- information
- embedded controller
- embedded
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种嵌入式主轴系统异常状态智能检测和信息推送装置,包括振动传感器、温度传感器、数控系统、数据采集系统、数据存储系统、嵌入式控制器、数据处理系统以及信息推送系统。本发明通过在电主轴前、后轴承处安装振动、温度传感器并通过数据采集系统对传感器信号进行采集,结合机床内部采集的主轴电流信号,总体由嵌入式控制器进行控制和计算,也可以将数据进行保存,最终将计算出的结果推送到外部设备上,供技术人员查看。本发明能够对主轴异常状态进行实时预警,并能及时通知设备维护人员,减少故障停机时间。
Description
技术领域
本发明涉及机床故障诊断领域,尤其是一种嵌入式主轴系统异常状态检测和信息实时推送装置。
背景技术
现有机床主轴系统状态检测系统通常只单独依靠外部传感器或机床内部继电器采集信号并使用上位机对信号进行进一步处理。
经过检索发现:
公告号为CN102825504A的中国发明专利,公开了“数控机床主轴状态检测方法”,其使用温度传感器、加速度传感器和位移传感器并对这三种传感器采集的信号进行处理来判断主轴状态。但这种方法只利用了外部传感器,作为用来判断主轴状态的信号不够全面,且用来分析信号的上位机为计算机,所占体积较大。
公告号为CN106041642A的中国发明专利,公开了“一种嵌入式人机交互机床信息采集处理装置”,其使用机床信息采集组件、嵌入式信息处理组件和上位机对机床主轴电流,主轴开启/关闭情况等机床内部信号进行采集和分析。这种方法只利用了机床内部信号,作为用来判断主轴状态的信号不够全面,且嵌入式信息处理组件和上位机是分开的,增加了设备。
目前没有发现同本发明类似技术的说明或报道,也尚未收集到国内外类似的资料。
发明内容
为了克服现有技术中判断主轴系统状态信号仅限于外部传感器及处理信号所使用的上位机体积庞大等缺陷,本发明的目的是提供一种综合外部传感器信号、机床内部信号、体积小巧的嵌入式主轴系统异常状态智能检测和信息实时推送装置。该装置外部传感器包括振动传感器和温度传感器;机床内部传感信号包括数控系统内部的主轴电流信号;该装置用于实现信息处理和信息推送。
本发明是通过以下技术方案实现的。
一种嵌入式主轴系统异常状态智能检测和信息推送装置,包括第一振动传感器、第二振动传感器、温度传感器、数控系统、数据采集系统、数据存储系统、嵌入式控制器、数据处理系统以及信息推送系统;其中:
所述第一振动传感器和第二振动传感器分别设置于电主轴的前轴承和后轴承处,采集电主轴的振动信号并发送至数据采集系统;
所述温度传感器设置于电主轴的内部或外部靠近轴承处,采集电主轴的温度信号并发送至数据采集系统;
所述数控系统获得加工过程中的主轴电流信号,并发送至嵌入式控制器,所述嵌入式控制器根据加工工步段提取电流信息;
所述数据采集系统将得到的振动信号和温度信号由模拟信号转换为数字信号,并形成数据发送到嵌入式控制器中;
所述数据存储系统存储由嵌入式控制器发送来的数据,一方面可以通过嵌入式控制器将存储的数据发送到数据处理系统中进行分析,另一方面,将数据处理系统处理得到的结果数据保存以用来历史溯源;
所述嵌入式控制器分别与数控系统、数据采集系统和数据存储系统进行信息交互;
所述数据处理系统通过嵌入式控制器提取数据存储系统中保存的数据,并对数据进行计算和分析后通过信息推送系统进行异常报警并推送至终端。
优选地,所述第一振动传感器采用防水型振动传感器;
所述第一振动传感器和第二振动传感器分别通过信号线与数据采集系统连接。
优选地,所述温度传感器采用具有防水、防油和防尘性能的温度传感器。
优选地,所述数控系统与嵌入式控制器进行信息交互,嵌入式控制器对加工过程中保存电流信号的寄存器进行标记,将加工信号按照加工工步段进行划分,数控系统根据加工工步段对寄存器内的电流信号进行提取,并将获得加工过程中的电流信号传送给嵌入式控制器。
优选地,所述数据存储系统将保存的数据分为实时数据和历史数据,并根据类型将实时数据和历史数据进一步分为手动状态下主轴空载运行时数据和自动状态下主轴空载运行时数据。对于需要实时监控的部分利用实时数据进行分析并得到实时结果,而对于实时性要求不高的部分则可以利用历史数据进行分析,降低计算成本。
优选地,所述嵌入式控制器与数控系统、数据采集系统和数据存储系统进行信息交互,包括如下内容:
-与数控系统进行电流信号的信息交互,判断电主轴的工步状态,控制数控系统进行电流信号采集;
-与数据采集系统进行实时数据交互,数据采集系统采集振动信号和温度信号的实时数据信息传送给嵌入式控制器,实现实时监测的需要;
-与数据存储系统进行历史数据交互,将收集振动信号、温度信号和电流信号的实时数据信息保存到数据存储系统中,以实现历史数据分析、查询、监测的需要。
优选地,所述数据处理系统对数据存储系统中保存的数据进行计算和分析,包括如下内容:
所述数据处理系统分析的数据包括电主轴加速过程的数据和电主轴在稳速过程中的数据;其中:
在加速过程中,振动信号数据采用小波包分析方法,提取每个小波包分量能量与总能量的比值作为特征,当特征值分布与正常情况下的特征值分布不一致时,判断为异常结果;电流信号数据和温度信号数据采用阈值比较的分析方法,提取固定时段的有效值作为特征,当特征值在超过设定阈值的情况下时,为异常结果;
在稳速过程中,振动信号数据、温度信号数据和电流信号数据均采用阈值比较方法,振动信号数据提取固定时段的能量值作为特征,电流信号数据和温度信号数据分别提取固定时段的有效值作为特征,当特征值在超过设定阈值的情况下时,为异常结果;
当其中任意一种方法得到的结果为异常结果时,判断为主轴异常状态,发送异常状态信号至信息推送系统进行异常报警。
优选地,所述异常报警包括如下任意一种或任意多种:
-碰撞报警;
-过热报警;
-振动、载荷和/或温度异常报警;
-主轴轴承磨损报警;
所述终端包括如下任意一种或任意多种:
-设备监控系统;
-云系统;
-移动设备终端;
所述推送形式包括如下任意一种或任意多种:
-无线网络;
-有线以太网。
优选地,所述装置包括自动监测过程和手动监测过程,其中:
在自动监测过程中,基于嵌入式控制器与数控系统的信息交互,嵌入式控制器将加工过程中的电流信号数据细分为工步并记录时间,根据细分的工步和时间段,将加工工步分解,嵌入式控制器通过数据采集系统采集每一个加工工步的具体数据,数据处理系统对具体数据进行计算和分析后判断电主轴的异常状态;
在手动监测过程中,根据数据存储系统保存的历史数据,手动选取所需要的数据段并通过数据处理系统对具体数据进行计算和分析后判断主轴的异常状态。
与现有技术相比,本发明具有如下有益效果:
本发明消除了依据单一传感器测得信号进行状态检测所带来的误判,结合机床内部的信号和外部传感器的信号,采用多传感器融合和异常状态特征提取方法,能更真实反映机床的实际情况,增强了判断的鲁棒性,减小判断误差。本发明采用一种嵌入式状态检测和信息推送装置,实现设备控制和检测、预报警的一体化。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一实施例整体结构示意图。
图中,1为第一振动传感器,2为电主轴,3为数控系统,4为数据采集系统,5为数据存储系统,6为嵌入式控制器,7为数据处理系统,8为信息推送系统,9为第二振动传感器。
具体实施方式
下面对本发明的实施例作详细说明:以下实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
参照图1所示,一种嵌入式主轴系统异常状态智能检测和信息推送装置的一实施例结构示意图,其中包括振动传感器1和9,温度传感器,数控系统3,数据采集系统4,数据存储系统5,嵌入式控制器6,数据处理系统7,信息推送系统8,电主轴2前、后轴承处分别设置了一个振动传感器,温度传感器布置在主轴内部或外部近轴承处,并未在图中画出,第一振动传感器1和第二振动传感器9采集到的电主轴2的振动信号、温度传感器采集到的电主轴2的温度信号通过数据采集系统4,将模拟信号转换为数字信号,数控系统3得到的电主轴2内部电流信号,并将实时数字信号传送到嵌入式控制器6中,搭载在嵌入式控制器上的数据处理系统7可以将数据处理后保存到数据存储系统5中,保存的数据分为实时数据和历史数据,并根据数据类型分为自动监测数据(自动状态下主轴空载运行时数据)和手动监测数据(即手动状态下主轴空载运行时数据)。其中数控系统3和数据采集系统4都由嵌入式控制器6进行控制并通过数据处理系统7进行计算分析,最终将得到的结果通过信息推送系统8推送到终端。
进一步地,布置在电主轴前端的第一振动传感器1应选用防水型传感器,避免由于切削液对传感器造成的损坏,布置在电主轴后端的第二振动传感器9可选用普通振动传感器,两者都通过信号线与数据采集系统4相连。
进一步地,温度传感器布置在主轴内部或外部近轴承处,能防水防油防尘,并通过信号线与数据采集系统4相连。
进一步地,数控系统3根据嵌入式控制器6对加工过程中将保存有关电流信号的寄存器进行标记,将加工信号分为具体的加工工步段,并将寄存器内的数据进行提取,通过数据采集系统4,并将数据传送到嵌入式控制器6中。
进一步地,数据采集系统4能将第一振动传感器1和第二振动传感器9的信号进行实时采集,并将模拟信号转化为数字信号,并能将采集到的信号传送到嵌入式控制器6中进行分析,采集过程由嵌入式控制器6进行控制。
进一步地,数据存储系统5能够保存数控系统3和数据采集系统4的历史数据,并可以按照时间、机床编号等分类存储,存储过程由嵌入式控制器6进行控制,并且嵌入式控制器能查询并提取数据采集系统中的数据进行进一步的分析和处理。
进一步地,嵌入式控制器6体积小巧,能和数控系统3、数据采集系统4、数据存储系统5通讯,并能对数据存储系统内的数据进行查询和分析,将结果发送到信息推送系统8,由终端设备接受并反馈信息。
进一步地,数据处理系统7基于嵌入式控制器6,与数据存储系统5和信息推送系统8相连,负责对采集数据的分析和处理。其中,数据处理系统7分析的数据包括主轴加速过程的传感器数据和主轴在平稳转速过程中的传感器数据。主轴加速过程的传感数据包括振动数据、电流数据和温度数据,其中振动数据采用小波包分析方法,提取每个小波包分量能量与总能量的比值作为特征;电流数据和温度数据主要采用阈值比较的分析方法,提取固定时段的有效值作为特征比较数据。主轴稳速过程的传感数据包括振动数据、电流数据和温度数据,主要采用阈值比较方法,振动数据提取固定时段的能量值作为特征比较数据,电流数据和温度数据提取固定时段的有效值作为特征比较数据。
进一步地,信息推送系统8能接受嵌入式控制器6所计算出的结果数据,并推送到终端设备中。
进一步地,上述实施例提供的装置,具有自动监测功能和手动监测功能,自动监测功能基于数控系统3将加工过程细分为工步段,能根据特定工步段利用上述数据处理系统7采用的方法对主轴状态进行检测和诊断,不需要人为操作;手动监测功能需要人为从数据存储系统5中提取历史数据并利用上述数据处理系统7采用的方法对主轴状态进行检测和诊断。并将结果发送给信息推送系统8。
在上述实施例中,信息传感系统(包括振动传感器、温度传感器和数控系统)获取主轴电流和主轴前、后端轴承处振动信息及温度信息,传感器连接数据采集系统获取振动数据和温度数据,数控系统连接数据采集系统获取主轴内部电流数据,数据采集系统连接数据存储系统并对数据进行存储,嵌入式控制器连接数控系统、数据采集系统、数据存储系统和信息实时推送系统,并与数控系统进行信息交互得到加工工艺段并控制采样时间,从数据采集系统获得实时数据,从数据存储系统获得历史数据,并对数据进行分析处理并将结果传送给信息实时推送系统,信息实时推送系统将诊断结果和故障信息推送出去。
上述的信息传感系统,与数据采集系统相连,包括外部信息传感和内部信息传感。外部信息传感主要由振动传感器和温度传感器构成,内部信息传感主要是数控系统内部的主轴电流信号,代表主轴的负载。振动传感器布置在主轴的前、后端轴承处,其中前端传感器根据工况可采用防水型传感器,也可根据工况要求仅布置后端传感器。温度传感器布置在主轴内部或外部近轴承处。主轴电流信号等内部传感信息通过数控系统采集。最终所有模拟信号通过数据采集系统转化为数字信号。
上述的数控系统,与嵌入式控制器相连,负责获取主轴电流信号,通过与嵌入式控制器进行信息交互得到加工工艺段并控制采样时间。数据采集系统根据采样时间针对性地采集数控系统判断的加工工艺段,为后续实时分析提供依据。
上述的数据采集系统,与信息传感系统和嵌入式控制器相连,负责对数据的采集。数据采集信息为来源于外部信息传感系统,可通过传感器信号放大和模数转换电路来实现。
上述的数据采集系统,所采集的数据也称主轴状态信息,包括手动状态下主轴空载运行时的传感信息数据、自动状态下主轴空载运行时的传感信息数据。传感信息数据可以分为主轴加速阶段的传感信息数据和主轴稳速阶段的传感信息数据。
上述的主轴加速阶段,即主轴从静止状态升速到设定转速的过程,在此过程中转速的快速变换引发频率的快速变化,有利于激发主轴故障隐患。
上述的主轴稳速阶段,即主轴到达设定转速情况下空载运行的情况,此阶段排除加工状态的复杂加工信号,保证诊断结果具有可比较性。
上述的数据存储系统,与数据处理系统、嵌入式控制器相连,负责对异常数据的存储,实现加工设备黑盒子的作用。
上述的嵌入式控制器,与数据采集系统、数据处理系统、数据存储系统和信息实时推送系统相连,负责对数据采集系统的控制、主轴信息的实时处理、异常信息的推送。
上述的数据处理系统,基于嵌入式控制器,与数据存储系统和信息推送系统相连,负责对采集数据的分析和处理。其中,数据处理系统分析的数据包括主轴加速过程的传感器数据和主轴在平稳转速过程中的传感器数据。主轴加速过程的传感数据包括振动数据、电流数据和温度数据。振动数据采用小波包分析方法,提取每个小波包分量能量与总能量的比值作为特征;电流数据和温度数据主要采用阈值比较的分析方法,提取固定时间段的有效值和阈值的比值作为特征。主轴稳速过程的传感数据包括振动数据、电流数据和温度数据,主要采用阈值比较方法,振动数据提取固定时段的能量值作为特征,电流数据和温度数据提取固定时段的有效值作为特征。最终判别异常状态采用多传感器融合的方法。
上述的信息实时推送系统,与嵌入式控制器相连,负责主轴当前监控信息分析结果的推送,内容包括主轴工作中的碰撞报警、过热报警和其他可定义的振动、载荷和温度异常报警。推送对象包括到设备监控系统、云系统和移动设备终端。推送形式包括无线网络、有线以太网等网络传输方式。
上述的小波包分析方法,即在小波变换的基础上,将小波变换中没有细分的高频部分进一步分解,并引入最优基选择。上述实施例利用小波包分析方法,将原始信号进行多层小波包变换,得到多组不同频率段的分解信号。
上述的阈值比较方法,即将正常情况下的结果数据作为基数据,再根据实际情况在基数据的基础上设置浮动域作为正常域,最后将其他来源的结果数据与正常域进行比较的方法,如果结果数据超过正常域的范围,则为异常数据;如果结果数据未超过正常域的范围,则为正常数据。
上述的多传感器融合方法,采用或的方式,即根据不同传感器数据经过上述方法处理后,如果任何一种方法得到异常结果,则对异常进行报警。
下面结合附图和应用实施例进一步详细描述。
如图1所示,一种嵌入式主轴系统异常状态智能检测和信息推送装置,包括数控系统、嵌入式控制器、信息传感系统、数据采集系统、数据存储系统、数据处理系统信息、实时推送系统。
根据电主轴的结构特点,轴承部位更能反映主轴的健康状态。在外部传感系统中,选择将第一振动传感器1安装在电主轴2的前轴承处,将第二振动传感器9安装在电主轴2的后轴承处,安装方法采用磁吸或机械固定方式,不会破坏电主轴本身结构。温度传感器布置在主轴内部或外部近轴承处,并未在图中画出;在内部传感系统中,选择数控系统3获得主轴电流信号作为判断依据。第一振动传感器1和第二振动传感器9通过信号线连接到数据采集系统4,电流信号通过数控系统3与嵌入式控制器6的通信,数据采集系统4将传感器采集到的模拟信号转换为数字信号;数控系统3获得加工过程中的电流信号并由嵌入式控制器6采集。将上述数据采集系统4采集到的振动数据和数控系统3采集到的电流数据通过嵌入式控制器6可以保存到数据存储系统5中。上述的数控系统3,数据采集系统4和数据存储系统5都由嵌入式控制器6进行控制,嵌入式控制器6与数控系统3进行信息交互,判断主轴的工艺状态,控制数据采集系统4进行信号采集;嵌入式控制器6与数据采集系统4进行交互,采集实时数据信息,指采集数据时实时分析,实现实时监测(如自动监测)的需要。嵌入式控制器6与数据采集系统5进行交互,收集历史数据信息,指分析历史采集的数据,实现在机监测,非实时(如手动监测)的需要。基于嵌入式控制器6的数据处理系统7对数据存储系统5的数据进行计算和分析。
试验数据分为主轴加速过程和主轴稳速过程,主轴加速过程的传感数据包括振动数据、电流数据和温度数据。其中振动数据采用小波包分析方法,通过三层小波包分解,得到8组不同频率段的分解信号,提取每个小波包分量能量与总能量的比值作为特征;电流数据和温度数据主要采用阈值比较的分析方法,提取固定时段的有效值作为比较数据。主轴稳速过程的传感数据包括振动数据、电流数据和温度数据,主要采用阈值比较方法,振动数据提取固定时段的能量值作为特征,电流数据和温度数据提取固定时段的有效值作为比较数据。最终判别异常状态采用多传感器融合的方法,采用或的方式,即根据不同传感器数据经过上述方法处理后,如果任何一种方法得到异常结果,则对异常进行报警。最终将得到的结果通过信息推送系统8推送到人机交互界面。
监测过程分为自动监测过程和手动监测过程。在自动监测过程中,需要系统自动判断加工状态,判断加工状态的方法基于嵌入式控制器6与数控系统3的信息交互,根据数控系统3的信息嵌入式控制器6将加工过程中的数据细分为工步并记录时间。在自动监测的过程中,根据细分的工步和时间段,可以准确地将加工工步分解,通过数据采集系统4采集具体数据,并使用上述的分析方法判断主轴的异常状态。在手动监测过程中,根据数据存储系统5保存的历史加工数据包括振动数据、温度数据及电流数据,手动选取所需要的数据段并使用上述的分析方法判断主轴的异常状态。
本发明上述实施例提供的嵌入式主轴系统异常状态智能检测和信息实时推送装置,通过在电主轴前、后轴承处安装振动、温度传感器并通过数据采集系统对传感器信号进行采集,结合机床内部采集的主轴电流信号,总体由嵌入式控制器进行控制和计算,也可以将数据进行保存,最终将计算出的结果推送到外部设备上,供技术人员查看。该装置将能对主轴异常状态进行实时预警,并能及时通知设备维护人员,减少故障停机时间。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (9)
1.一种嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,包括第一振动传感器(1)、第二振动传感器(9)、温度传感器、数控系统(3)、数据采集系统(4)、数据存储系统(5)、嵌入式控制器(6)、数据处理系统(7)以及信息推送系统(8);其中:
所述第一振动传感器(1)和第二振动传感器(9)分别设置于电主轴(2)的前轴承和后轴承处,采集电主轴(2)的振动信号并发送至数据采集系统(4);
所述温度传感器设置于电主轴(2)的内部或外部靠近轴承处,采集电主轴(2)的温度信号并发送至数据采集系统(4);
所述数控系统(3)获得加工过程中的主轴电流信号,并发送至嵌入式控制器(6,所述嵌入式控制器(6)根据划分的加工工步段提取电流信息;
所述数据采集系统(4)将得到的振动信号和温度信号由模拟信号转换为数字信号,并形成数据发送到嵌入式控制器(6)中;
所述数据存储系统(5)存储由嵌入式控制器(6)发送来的数据,并通过嵌入式控制器(6)将存储的数据发送到数据处理系统(7)中进行分析,同时,将数据处理系统(7)处理得到的结果数据保存以用来历史溯源;
所述数据处理系统(7)通过嵌入式控制器(6)提取数据存储系统(5)中保存的数据,并对数据进行计算和分析后通过信息推送系统(8)进行异常报警并推送至终端。
2.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述第一振动传感器(1)采用防水型振动传感器;
所述第一振动传感器(1)和第二振动传感器(9)分别通过信号线与数据采集系统(4)连接。
3.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述温度传感器采用具有防水、防油和防尘性能的温度传感器。
4.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述数控系统(3)与嵌入式控制器(6)进行信息交互,嵌入式控制器(6)对加工过程中保存电流信号的寄存器进行标记,将加工信号按照加工工步段进行划分;数控系统(3)根据加工工步段对寄存器内的电流信号进行提取,并将加工过程中的电流信号传送给嵌入式控制器(6)。
5.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述数据存储系统(5)将保存的数据分为实时数据和历史数据,并根据类型将实时数据和历史数据进一步分为手动状态下主轴空载运行时数据和自动状态下主轴空载运行时数据。
6.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述嵌入式控制器(6)分别与数控系统(3)、数据采集系统(4)和数据存储系统(5)进行信息交互,包括如下内容:
-与数控系统(3)进行电流信号的信息交互,判断电主轴(2)的工步状态,控制数控系统(3)进行电流信号采集;
-与数据采集系统(4)进行实时数据交互,数据采集系统(4)采集振动信号和温度信号的实时数据信息传送给嵌入式控制器(6),实现实时监测的需要;
-与数据存储系统(5)进行历史数据交互,将收集振动信号、温度信号和电流信号的实时数据信息保存到数据存储系统(5)中,以实现历史数据分析、查询、监测的需要。
7.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述数据处理系统(7)对数据存储系统(5)中保存的历史数据进行计算和分析,包括如下内容:
所述数据处理系统(7)分析的数据包括电主轴(2)加速过程的数据和电主轴(2)在稳速过程中的数据;其中:
在加速过程中,振动信号数据采用小波包分析方法,提取每个小波包分量能量与总能量的比值作为特征,当特征值分布与正常情况下的特征值分布不一致时,判断为异常结果;电流信号数据和温度信号数据采用阈值比较的分析方法,提取固定时段的有效值作为特征,当特征值在超过设定阈值的情况下时,为异常结果;
在稳速过程中,振动信号数据、温度信号数据和电流信号数据均采用阈值比较方法,振动信号数据提取固定时段的能量值作为特征,电流信号数据和温度信号数据分别提取固定时段的有效值作为特征,当特征值在超过设定阈值的情况下时,判断为异常结果;
当其中任意一种方法得到的结果为异常结果时,判断为主轴异常状态,发送异常状态信号至信息推送系统(8)进行异常报警。
8.根据权利要求1所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,所述异常报警包括如下任意一种或任意多种:
-碰撞报警;
-过热报警;
-振动、载荷和/或温度异常报警;
-主轴轴承磨损报警;
所述终端包括如下任意一种或任意多种:
-设备监控系统;
-云系统;
-移动设备终端;
所述推送形式包括如下任意一种或任意多种:
-无线网络;
-有线以太网。
9.根据权利要求1至8中任一项所述的嵌入式主轴系统异常状态智能检测和信息推送装置,其特征在于,包括自动监测过程和手动监测过程,其中:
在自动监测过程中,基于嵌入式控制器(6)与数控系统(3)的信息交互,嵌入式控制器(6)将加工过程中的电流信号数据细分为工步并记录时间,根据细分的工步和时间段,将加工工步分解,嵌入式控制器(6)通过数据采集系统(4)采集每一个加工工步的具体数据,数据处理系统(7)对具体数据进行计算和分析后判断电主轴(2)的异常状态;
在手动监测过程中,根据数据存储系统(5)保存的历史数据,手动选取所需要的数据段并通过数据处理系统(7)对具体数据进行计算和分析后判断主轴的异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482554.4A CN109396954B (zh) | 2018-12-05 | 2018-12-05 | 嵌入式主轴系统异常状态智能检测和信息推送装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482554.4A CN109396954B (zh) | 2018-12-05 | 2018-12-05 | 嵌入式主轴系统异常状态智能检测和信息推送装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109396954A true CN109396954A (zh) | 2019-03-01 |
CN109396954B CN109396954B (zh) | 2019-10-29 |
Family
ID=65457341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811482554.4A Active CN109396954B (zh) | 2018-12-05 | 2018-12-05 | 嵌入式主轴系统异常状态智能检测和信息推送装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109396954B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473673A (zh) * | 2019-09-20 | 2019-11-19 | 昆山富辰迪隆智能机电科技有限公司 | 一种智能绞线系统 |
CN111687688A (zh) * | 2019-03-15 | 2020-09-22 | 株式会社理光 | 检测装置、检测方法以及存储介质和计算机装置 |
CN111922784A (zh) * | 2019-05-13 | 2020-11-13 | 株式会社理光 | 状态监控装置和方法以及存储介质和计算机装置 |
CN113751739A (zh) * | 2021-08-03 | 2021-12-07 | 南京工大数控科技有限公司 | 一种数控机床智能防碰撞系统 |
CN114083325A (zh) * | 2021-11-19 | 2022-02-25 | 珠海格力智能装备有限公司 | 一种机床防撞机的方法 |
CN114700510A (zh) * | 2022-03-21 | 2022-07-05 | 沈阳芯嘉科技有限公司 | 一种高速气浮主轴驱动系统及方法 |
WO2023181301A1 (ja) * | 2022-03-24 | 2023-09-28 | ファナック株式会社 | 表示装置およびコンピュータ読み取り可能な記憶媒体 |
CN117170312A (zh) * | 2023-11-03 | 2023-12-05 | 南通钜盛数控机床有限公司 | 一种数控机床主轴健康程度量化评价方法 |
CN117943891A (zh) * | 2024-03-22 | 2024-04-30 | 济南二机床集团有限公司 | 数控机床电主轴轴承故障检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09295249A (ja) * | 1996-04-30 | 1997-11-18 | Komatsu Ltd | 工作機械の工具異常検出装置 |
US5895177A (en) * | 1996-05-20 | 1999-04-20 | Brother Kogyo Kabushiki Kaisha | Machine tool with fault detection |
CN103786071A (zh) * | 2014-02-13 | 2014-05-14 | 李宁 | 基于无线传感器网络的机床工况实时监控系统 |
CN104981323A (zh) * | 2013-03-07 | 2015-10-14 | 三菱重工业株式会社 | 机床的异常诊断装置及异常诊断方法 |
CN205129520U (zh) * | 2015-11-23 | 2016-04-06 | 四川文理学院 | 机床主轴故障智能诊断系统 |
CN106441886A (zh) * | 2016-12-08 | 2017-02-22 | 吉林大学 | 切削力自动控制的主轴可靠性试验装置及试验方法 |
-
2018
- 2018-12-05 CN CN201811482554.4A patent/CN109396954B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09295249A (ja) * | 1996-04-30 | 1997-11-18 | Komatsu Ltd | 工作機械の工具異常検出装置 |
US5895177A (en) * | 1996-05-20 | 1999-04-20 | Brother Kogyo Kabushiki Kaisha | Machine tool with fault detection |
CN104981323A (zh) * | 2013-03-07 | 2015-10-14 | 三菱重工业株式会社 | 机床的异常诊断装置及异常诊断方法 |
CN103786071A (zh) * | 2014-02-13 | 2014-05-14 | 李宁 | 基于无线传感器网络的机床工况实时监控系统 |
CN205129520U (zh) * | 2015-11-23 | 2016-04-06 | 四川文理学院 | 机床主轴故障智能诊断系统 |
CN106441886A (zh) * | 2016-12-08 | 2017-02-22 | 吉林大学 | 切削力自动控制的主轴可靠性试验装置及试验方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111687688A (zh) * | 2019-03-15 | 2020-09-22 | 株式会社理光 | 检测装置、检测方法以及存储介质和计算机装置 |
CN111922784A (zh) * | 2019-05-13 | 2020-11-13 | 株式会社理光 | 状态监控装置和方法以及存储介质和计算机装置 |
CN111922784B (zh) * | 2019-05-13 | 2023-08-22 | 株式会社理光 | 状态监控装置和方法以及存储介质和计算机装置 |
CN110473673A (zh) * | 2019-09-20 | 2019-11-19 | 昆山富辰迪隆智能机电科技有限公司 | 一种智能绞线系统 |
CN113751739B (zh) * | 2021-08-03 | 2023-02-21 | 南京工大数控科技有限公司 | 一种数控机床智能防碰撞系统 |
CN113751739A (zh) * | 2021-08-03 | 2021-12-07 | 南京工大数控科技有限公司 | 一种数控机床智能防碰撞系统 |
CN114083325A (zh) * | 2021-11-19 | 2022-02-25 | 珠海格力智能装备有限公司 | 一种机床防撞机的方法 |
CN114700510A (zh) * | 2022-03-21 | 2022-07-05 | 沈阳芯嘉科技有限公司 | 一种高速气浮主轴驱动系统及方法 |
CN114700510B (zh) * | 2022-03-21 | 2024-02-09 | 沈阳芯嘉科技有限公司 | 一种高速气浮主轴驱动系统及方法 |
WO2023181301A1 (ja) * | 2022-03-24 | 2023-09-28 | ファナック株式会社 | 表示装置およびコンピュータ読み取り可能な記憶媒体 |
CN117170312A (zh) * | 2023-11-03 | 2023-12-05 | 南通钜盛数控机床有限公司 | 一种数控机床主轴健康程度量化评价方法 |
CN117170312B (zh) * | 2023-11-03 | 2024-04-12 | 南通钜盛数控机床有限公司 | 一种数控机床主轴健康程度量化评价方法 |
CN117943891A (zh) * | 2024-03-22 | 2024-04-30 | 济南二机床集团有限公司 | 数控机床电主轴轴承故障检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109396954B (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109396954B (zh) | 嵌入式主轴系统异常状态智能检测和信息推送装置 | |
CN205129520U (zh) | 机床主轴故障智能诊断系统 | |
CN109396953B (zh) | 基于信号融合的机床工作状态智能辨识系统 | |
CN104386449B (zh) | 用于矿用皮带运输机头尾轮在线检测智能保护装置 | |
CN107345857A (zh) | 一种电主轴状态监测与故障诊断系统及其监测诊断方法 | |
CN110362037A (zh) | 一种用于数控机床的综合维护系统平台 | |
CN107526329A (zh) | 基于人工智能设计的机器人管理系统 | |
CN101587005A (zh) | 一种声波测速法sf6气体泄漏监控报警系统 | |
CN110450819B (zh) | 一种基于非接触式数据采集的车载atc设备运维系统 | |
CN103671190A (zh) | 一种智能早期矿用通风机在线故障诊断系统 | |
CN207457811U (zh) | 一种数控机床智能故障诊断装置 | |
CN104760887A (zh) | 港口起重机械运行安全机载预警系统 | |
CN110374164A (zh) | 一种液压挖掘机动力系统故障监测与诊断系统及方法 | |
CN113341879A (zh) | 一种数控机床的数据采集与监控方法及系统 | |
CN109038818A (zh) | 电力设备远程监控系统及方法 | |
CN111565024A (zh) | 一种太阳能电池板故障检测与运行效率预测装置和方法 | |
CN201288780Y (zh) | 液压制动系统安全运行在线监测装置 | |
CN102980761A (zh) | 副井提升机天轮运行状态在线监测装置 | |
CN112781721B (zh) | 一种移动巡检平台的智能噪声采集方法及智能噪声采集装置 | |
CN113050541A (zh) | 一种数控机床能耗与加工状态在线监测系统 | |
CN101153893A (zh) | 电机智能测试系统 | |
CN111722612A (zh) | 一种电力少油监控预测系统 | |
CN110057587A (zh) | 一种核电用泵轴承智能故障诊断方法及系统 | |
CN110411730A (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
CN207036171U (zh) | 刀闸监测装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |