CN110045679B - 基于边缘计算的机床多源数据采集与数据质量评估方法 - Google Patents

基于边缘计算的机床多源数据采集与数据质量评估方法 Download PDF

Info

Publication number
CN110045679B
CN110045679B CN201910309696.9A CN201910309696A CN110045679B CN 110045679 B CN110045679 B CN 110045679B CN 201910309696 A CN201910309696 A CN 201910309696A CN 110045679 B CN110045679 B CN 110045679B
Authority
CN
China
Prior art keywords
data
frequency
machine tool
low
edge
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
Application number
CN201910309696.9A
Other languages
English (en)
Other versions
CN110045679A (zh
Inventor
梁飞
刘可
李文韬
陈芳
晋文静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Cyberinsight Technology Co ltd
Original Assignee
Beijing Cyberinsight Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Cyberinsight Technology Co ltd filed Critical Beijing Cyberinsight Technology Co ltd
Priority to CN201910309696.9A priority Critical patent/CN110045679B/zh
Publication of CN110045679A publication Critical patent/CN110045679A/zh
Application granted granted Critical
Publication of CN110045679B publication Critical patent/CN110045679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B19/401—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 control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • 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
    • 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
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data

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)
  • Automatic Control Of Machine Tools (AREA)

Abstract

本申请涉及一种基于边缘计算的机床多源数据采集与数据质量评估方法，包括数据采集、数据拼接、数据对齐、数据质量判断和边缘算法调用。其中，利用加速度传感器以高频采样率采集主轴的振动信号，通过机床控制器通信协议以低频采样率采集机床控制器信号；高频数据和低频数据分别完成拼接；根据高频数据的时间戳信息在缓存中寻找对应的低频信息，基于对齐后的低频数据和高频数据做交叉判断，以在数据源头判断机床以及传感器信号是否出现异常；调用边缘算法对数据进行特征提取得到边缘特征值。本申请能有效减少采集设备的数量，可以在数据采集阶段对机床状态进行判断，减小产线内网络带宽的负荷以及后台服务器的运算负荷。

Description

基于边缘计算的机床多源数据采集与数据质量评估方法
技术领域
本申请涉及一种基于边缘计算的机床多源数据采集与数据质量评估方法，适用于机床健康状态预警的技术领域。
背景技术
数控机床(CNC机床)刀具和主轴等部件的健康状态直接影响加工件最终的产品质量，所以需要采集机床多种来源的信息并对机床健康状态做出实时评估。但是对于传统的机床健康状态监测来说，原始数据来源分立并且需要多个采集设备或系统协同完成；而且因为数据之间的相关性，多源原始数据只有全部传送到服务器之后才能进行数据质量的检查和机床健康状态的分析评估，不能保证很高的实时性。
中国申请号CN201620067671.4的专利可实时采集机床的状态、运行参数、产量等数据，采集周期可支持到毫秒级，并且使用一台服务器可支持管控多台机床，通过实现对车间层设备的联网，为上层ERP/MES系统提供实时的基础数据。但是该方法只是利用了机床控制器的状态数据，该数据只包含机床本身的运行状态信息，并不能有效预测机床主轴和刀具的健康状态。
中国申请号CN201520741964.1的专利通过数据采集单元实时采集机床的各项参数，并通过Zigbee通信模块发送给监控服务平台，最后在监控服务平台上显示及监控，当参数数据出现异常时进行处理。但是该方法只是采集了机床外加的传感器数据，并没有将机床控制器的数据融入进来，所以无法应对实际加工中复杂多变的加工情况。
中国申请号CN201811068407.2的专利提出了一种数控机床刀具检测的数据采集系统，能够利用机床加工过程中的相关信号，实现数控机床刀具的实时在线检测；将检测信号与刀具失效以及刀具寿命之间的关系进行建模，提高检测效率。该方法同样没有融入机床控制器数据，难以应对复杂工况条件。另外，因为需要将原始数据全部传送到后台，当机床台数较多时，大量的原始数据会呈线性递增，对网络带宽和服务器的运算负荷都有很大的挑战。
由于机床控制器通信通常涉及复杂的通信协议，而传感器信号采集的技术相对独立，同时机床控制器通信存在延迟和不确定性，因此在之前的应用中并未出现将两者融合使用的情况。如果只使用机床控制器信号或者传感器信号，会出现只能进行机床本身运行状态的监测，或者难以适应复杂多变的加工工况的情况，难以做到交叉的信号数据质量评估，无法在数据源头借助边缘设备的计算能力完成数据的清洗、数据质量的判断以及特征提取。
发明内容
本申请的目的是提出一种基于边缘计算的机床多源数据采集与数据质量评估方法，通过一台设备整合多种有效数据源，并能通过融合后的数据对数据质量和机床状态进行判断，减小数据传输量并能够提高预测的实时性。
本申请涉及一种基于边缘计算的机床多源数据采集与数据质量评估方法，包括以下步骤：
(1)数据采集
在机床的主轴外壳上安装加速度传感器，将边缘设备与机床连接，同时将边缘设备中的数据采集模块连接到传感器的输出端，采集主轴的振动信号，通过机床控制器通信协议采集机床控制器信号；在边缘数据采集模块中以高频采样率采集振动数据，同时以低频采样率采集机床控制器数据；
(2)数据拼接
以同样的数据格式采集高频数据和低频数据，每一路高频或者低频数据作为数据项中的一个数据列，建立数据缓冲区，分别拼接高频数据和低频数据，然后将高频数据和低频数据项送入数据对齐模块；优选地，还可以将拼接好的高频数据和低频数据项进行合并，通过一个数据接口送入数据对齐模块；
(3)数据对齐
对齐时需要用到高频数据和低频数据的时间戳信息，根据高频数据的时间戳信息在缓存中寻找对应的低频信息，并将以上对齐后的高频数据和低频数据送入后续的数据质量判断步骤；
(4)数据质量判断
基于对齐后的低频数据和高频数据做交叉判断，以在数据源头判断机床的工作是否正常以及传感器信号是否出现异常；
(5)边缘算法调用
经过数据对齐和数据质量检查后，调用边缘设备中的边缘算法对数据进行特征提取得到边缘特征值。
优选地，所述加速度传感器是三轴加速度传感器，x轴和y轴分别对应机床伺服轴的x方向和y方向，z轴对应机床主轴的轴向。
优选地，在边缘数据采集模块中以高频采样率采集振动数据时，记录高频数据的起始时间信息并且各相邻高频数据之间是等间隔的；在以低频采样率采集机床控制器数据时，记录每笔低频数据的时间戳信息。
其中，所述边缘设备与所述机床可以连接到同一局域网；所述机床控制器信号可以包括主轴转速、刀具进给量、主轴负载和当前刀号中的至少一个。
优选地，利用边缘设备的计算单元即时检查机床数据是否存在空值或者稀疏；对高频振动数据进行判断，检查传感器信号是否存在漂移或者偏置；通过对高频振动信号做FFT频谱分析，分析工频50Hz处及其谐波的能量，以判断在传感器信号中有无工频的干扰。如果检查到高频数据和/或低频数据的信号存在异常，则该数据不再进入边缘算法调用模块，而是将该数据上传到上层服务器，通知操作人员对数据进行检查。所述边缘特征值可以继续上传至后端算法平台和/或数据后台，供进一步分析和使用。
本申请所能实现的有益技术效果包括：通过多源数据混合采集，可以有效减少采集设备的数量，从而降低产线部署中的成本；通过对多种数据源的拼接和对齐，可以在数据采集阶段对机床状态进行初步的判断；对融合后的数据进行交叉判断，可以直接判断数据质量是否符合要求；充分利用边缘采集设备的计算能力，减小产线内网络带宽的负荷以及后台服务器的运算负荷。
附图说明
图1显示了根据本申请的基于边缘计算的机床多源数据采集与数据质量评估方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
如图1所示，其中显示了根据本申请的基于边缘计算的机床多源数据采集与数据质量评估方法的流程示意图，具体包括以下步骤：
(1)数据采集
在机床的主轴外壳上安装三轴加速度传感器，x轴和y轴分别对应机床伺服轴的x方向和y方向，z轴对应机床主轴的轴向。通过三轴加速度传感器的振动采集模块采集主轴三个方向的振动数据，将边缘设备与机床连接到同一局域网，同时将边缘设备中的数据采集模块连接到传感器的输出线缆上，采集主轴的三个方向的振动信号。通过机床控制器通信协议采集机床控制器信号，主要包括主轴转速，刀具进给量，主轴负载，当前刀号等信息，其中主轴转速，刀具进给量，主轴负载等信息对应不同的加工状态，当前刀号对应于不同的待监测刀具。
在边缘数据采集模块中以高频采样率采集振动数据(以下称为高频数据)，例如可以是每秒20-30kSa/s的采样率(优选可以是25.6kSa/s)，记录该笔高频数据的起始时间信息；同时以低频采样率采集机床控制器数据(以下称为低频数据)，例如可以是以每秒10Sa/s的采样率，并记录每笔低频数据的时间戳信息。需要说明的是，本申请中的高频数据和低频数据仅为两者相比对而言，并无特殊的数值范围限定，只是为了表示两种数据相对频率的高低。通常，高频振动信号用于分析机械件的频率，机械件本身的特征频率在kHz量级，所以必须用更高的采样率才能分析出特征频率。而控制器数据的频率一般较低，一方面这部分信息表示状态变化，而状态变化相对较慢，可能在百毫秒量级，所以采集频率不需太高；另一方面，机床或者其他类似的加工设备的通信频率有限，做不到太高的采样率。因此，两者需要分别以高频和低频的采样率进行。
(2)数据拼接
采集高频数据和低频数据时，需要以同样的数据格式进行保存，每一路高频或者低频数据作为数据项中的一个数据列。数据融合时首先建立长度为10s的数据缓冲区，分别进行高频数据和低频数据的拼接。数据缓冲区大小的设置，一方面要保证有足够的缓冲区大小可以为后续的数据对齐提供缓冲空间，另一方面也要保证不会占用边缘数据采集硬件过多的内存空间。拼接高频数据时，因为高频数据点是由采集卡采集，是严格等间隔的，所以只需记录第一笔数据的起始时间信息即可。进行低频数据拼接时，仍需要保留每笔数据的时间戳信息。这是因为低频数据是协议通信获取数据，数据因受网络的延迟或抖动，以及机床性能的影响，数据间是非间隔的，所以需要保留每笔数据的时间戳。高频数据和低频数据分别拼接完成后送入数据对齐模块。优选地，还可以将高频数据和低频数据项进行合并，然后通过一个数据接口送入数据对齐模块。
(3)数据对齐
通过机床控制器通信协议采集机床控制器信号，因为通信存在延迟和抖动，导致主轴振动数据和机床控制器数据可能存在偏移，所以即使是在同一时刻采集的高频振动和低频控制器数据也并不是在加工过程中同时发生的。上述延迟可能达到秒量级，鉴于以上情况需要将高频数据和低频数据在时间上对齐后才可以将数据传送到后续的处理环节。对齐时需要用到高频数据和低频数据的时间戳信息，每次从步骤2的共计20s的数据中，取出1s高频数据，然后根据高频数据的时间戳信息在缓存中寻找对应的低频信息，并将以上高频数据和低频数据重新打包后送入后续的数据质量判断步骤。
(4)数据质量判断
数据质量的判断同时依赖于低频数据和高频数据，通过对数据的交叉判断，可以在数据源头判断机床的工作是否正常以及传感器信号是否出现异常等。
在数据采集中，高频振动数据可能因为传感器故障而出现异常。常见的故障有绝缘问题导致的信号漂移或者偏置，屏蔽问题导致的工频干扰等。传感器信号的异常将直接导致无效的数据分析和机床主轴刀具状态监测。机床控制器数据也可能出现缺失或者有效数据的采集频率达不到设计要求的情况，而边缘算法需要同时结合高频数据和低频数据才能得到正确的特征值，机床控制器数据的缺失将导致边缘算法无法继续进行。
利用边缘设备的计算单元，可以即时检查机床数据是否存在空值或者稀疏的情况；同时可以对高频振动数据进行判断，检查传感器信号是否存在漂移或者偏置。对于高频数据，漂移体现在数据值整体偏离基线，而且在频谱上会看到明显的低频能量；偏置一般是直接求偏离基线的平均值，即是偏置值。通过对高频振动信号做FFT频谱分析，分析工频50Hz处及其谐波的能量，可以判断在传感器信号中有无工频的干扰。低频机床数据的检查比较简单，每获取一秒的低频数据，直接判断数据是否存在缺失，以及数据的总条目数是否在合理的范围内即可。如果检查到高频数据和低频数据的信号存在异常，则该数据不再进入边缘算法调用模块，同时将数据上传到上层服务器，通知操作人员对数据进行检查。
(5)边缘算法调用
经过数据对齐和数据质量检查后，即可调用边缘设备中的边缘算法对数据进行特征提取。在边缘设备中部署边缘算法，可以对数据进行降维，从而减小数据传输所需要的网络带宽；同时通过利用边缘设备的计算能力，能够有效分担系统的算力需求，从而大大降低后台服务器的运算负荷。调用边缘算法得到边缘特征值，该特征值可以继续上传至后端AI算法平台以及工业app数据后台，供进一步分析和使用。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.基于边缘计算的机床多源数据采集与数据质量评估方法，其特征在于，包括以下步骤：
(1)数据采集
在机床的主轴外壳上安装加速度传感器，将边缘设备与机床连接，同时将边缘设备中的数据采集模块连接到传感器的输出端，采集主轴的振动信号，通过机床控制器通信协议采集机床控制器信号；在边缘数据采集模块中以高频采样率采集振动数据作为高频数据，同时以低频采样率采集机床控制器数据作为低频数据；
(2)数据拼接
以同样的数据格式采集高频数据和低频数据，每一路高频或者低频数据作为数据项中的一个数据列，建立数据缓冲区，分别拼接高频数据和低频数据，将拼接后的高频数据和低频数据送入数据对齐模块；
(3)数据对齐
对齐时需要用到高频数据和低频数据的时间戳信息，根据高频数据的时间戳信息在缓存中寻找对应的低频信息，并将以上对齐后的高频数据和低频数据送入后续的数据质量判断步骤；
(4)数据质量判断
基于对齐后的低频数据和高频数据做交叉判断，以在数据源头判断机床的工作是否正常以及传感器信号是否出现异常；
(5)边缘算法调用
经过数据对齐和数据质量判断后，调用边缘设备中的边缘算法对数据进行特征提取得到边缘特征值。
2.根据权利要求1所述的机床多源数据采集与数据质量评估方法，其特征在于，所述加速度传感器是三轴加速度传感器，x轴和y轴分别对应机床伺服轴的x方向和y方向，z轴对应机床主轴的轴向。
3.根据权利要求1或2所述的机床多源数据采集与数据质量评估方法，其特征在于，在边缘数据采集模块中以高频采样率采集振动数据时，记录高频数据的起始时间信息并且各相邻高频数据之间是等间隔的；在以低频采样率采集机床控制器数据时，记录每笔低频数据的时间戳信息。
4.根据权利要求1或2所述的机床多源数据采集与数据质量评估方法，其特征在于，所述边缘设备与所述机床连接到同一局域网。
5.根据权利要求1或2所述的机床多源数据采集与数据质量评估方法，其特征在于，所述机床控制器信号包括主轴转速、刀具进给量、主轴负载和当前刀号中的至少一个。
6.根据权利要求1或2所述的机床多源数据采集与数据质量评估方法，其特征在于，利用边缘设备的计算单元即时检查机床数据是否存在空值或者稀疏；对高频振动数据进行判断，检查传感器信号是否存在漂移或者偏置；通过对高频振动信号做FFT频谱分析，分析工频50Hz处及其谐波的能量，以判断在传感器信号中有无工频的干扰。
7.根据权利要求6所述的机床多源数据采集与数据质量评估方法，其特征在于，如果检查到高频数据和/或低频数据的信号存在异常，则该数据不再进入边缘算法调用模块，而是将该数据上传到上层服务器，通知操作人员对数据进行检查。
8.根据权利要求1或2或7所述的机床多源数据采集与数据质量评估方法，其特征在于，所述边缘特征值继续上传至后端算法平台和/或数据后台，供进一步分析和使用。
9.根据权利要求1或2或7所述的机床多源数据采集与数据质量评估方法，其特征在于，将拼接好的高频数据和低频数据项进行合并，通过一个数据接口送入数据对齐模块。
CN201910309696.9A 2019-04-17 2019-04-17 基于边缘计算的机床多源数据采集与数据质量评估方法 Active CN110045679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309696.9A CN110045679B (zh) 2019-04-17 2019-04-17 基于边缘计算的机床多源数据采集与数据质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309696.9A CN110045679B (zh) 2019-04-17 2019-04-17 基于边缘计算的机床多源数据采集与数据质量评估方法

Publications (2)

Publication Number Publication Date
CN110045679A CN110045679A (zh) 2019-07-23
CN110045679B true CN110045679B (zh) 2020-07-07

Family

ID=67277613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309696.9A Active CN110045679B (zh) 2019-04-17 2019-04-17 基于边缘计算的机床多源数据采集与数据质量评估方法

Country Status (1)

Country Link
CN (1) CN110045679B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110388964A (zh) * 2019-08-16 2019-10-29 深圳江行联加智能科技有限公司 一种隧道电缆数据采集的方法、装置和系统
CN110394688B (zh) * 2019-09-02 2021-02-12 太原科技大学 基于边缘计算的机床状态监测方法
CN110647106B (zh) * 2019-09-18 2020-09-04 北京天泽智云科技有限公司 刀具性能监测及评价方法和系统
CN110687871A (zh) * 2019-10-17 2020-01-14 深圳市鹏云汇科技有限公司 一种高效的智能刀具wms系统
CN110806723A (zh) * 2019-10-23 2020-02-18 成都飞机工业（集团）有限责任公司 一种数控机床状态评估新方法
CN112611883A (zh) * 2020-12-04 2021-04-06 北京融智世纪节能技术服务有限公司 一种转速信号同步测量方法
CN114754860B (zh) * 2022-04-13 2024-05-14 哈工大机器人（合肥）国际创新研究院 一种无线振动监测方法、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101212880B1 (ko) * 2010-12-31 2012-12-14 김종욱 공작기계의 진동 모니터링 시스템
CN102323779B (zh) * 2011-07-18 2013-05-22 华中科技大学 一种重型数控装备测控传感网
CN108031870A (zh) * 2017-12-04 2018-05-15 上海理工大学 一种数控机床主轴加载性能测试装置及测试评价方法
CN108196514A (zh) * 2018-03-29 2018-06-22 武汉理工大学 一种数控机床运行状态远程监控方法
CN109396953B (zh) * 2018-12-05 2020-03-31 上海交通大学 基于信号融合的机床工作状态智能辨识系统

Also Published As

Publication number Publication date
CN110045679A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110045679B (zh) 基于边缘计算的机床多源数据采集与数据质量评估方法
CN110347116B (zh) 一种基于运行数据流的机床状态监测系统与监测方法
CN103699111B (zh) 分布式监控系统的故障检测方法和装置
CN108620950B (zh) 一种车削刀具加工状态监测方法及系统
CN108536094A (zh) 机床性能检测系统、方法及数控机床
CN105629920B (zh) 加工监控系统及方法
JP2019098515A (ja) 刃具状態検査システム及び方法
CN109242104A (zh) 一种利用数据分析实时发现设备故障异常的系统
TWM575368U (zh) 智能化工具機雲端運算系統
CN102830694A (zh) 自动化故障巡检系统及客户监控端
CN113341879A (zh) 一种数控机床的数据采集与监控方法及系统
CN112153150B (zh) 一种适用于工业互联网的工业现场监测方法
CN109816191A (zh) 多工作站系统的质量预测方法及其系统
CN112801313A (zh) 基于大数据技术综采工作面故障判定方法
CN112859740B (zh) 一种数控机床数据采集装置
CN106706000B (zh) 经纬仪智能网络监测方法及系统
CN114789468A (zh) 一种自动故障检测及修复系统、方法、设备及终端
CN117724403A (zh) 一种基于数字孪生技术的数控机床
CN105807716A (zh) 再制造机床健康监测系统
KR101651104B1 (ko) 진동 및 소음의 격차 패턴을 이용한 머신 정보 수집시스템
CN112859725B (zh) 一种厂房设备状态特征信号监测系统
CN110825065A (zh) 一种实时检测工业互联网控制系统运行状态的方法及系统
CN108121303A (zh) 一种应用于制造设备统计分析过程的日志记录方法
CN105391584A (zh) 一种在分布式环境中使用的异常预警系统
CN118143740B (zh) 一种数控机床的主轴检测方法及检测系统

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