CN110543142A - 一种数控机床故障诊断与预警系统 - Google Patents
一种数控机床故障诊断与预警系统 Download PDFInfo
- Publication number
- CN110543142A CN110543142A CN201910776360.3A CN201910776360A CN110543142A CN 110543142 A CN110543142 A CN 110543142A CN 201910776360 A CN201910776360 A CN 201910776360A CN 110543142 A CN110543142 A CN 110543142A
- Authority
- CN
- China
- Prior art keywords
- data
- machine tool
- early warning
- module
- real
- 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.)
- Withdrawn
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
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
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
本发明公开了一种数控机床故障诊断与预警系统,包括:网络设计模块,数据采集模块,数据传输模块,故障诊断与预警模块,网页端显示模块;首先由数据采集模块向数据传输模块传输加工过程的实时采集数据;其次通过数据传输模块向故障诊断与预警模块以及网页端显示模块进行数据实时传输;然后通过故障诊断与预警模块,实现采集数据的处理与分析,并向网页端显示模块传输数据分析处理的结果;最后通过网页端显示模块显示预警结果和实时数据采集过程的显示。本发明通过采集机床自身海量的加工过程数据,实现对数控机床运行状态的实时监控与预测,提高对机床进行检修的效率,有效地控制数控机床受损程度,保证正常加工的效率,降低生产成本。
Description
技术领域
本发明涉及数控机床领域,具体涉及与数控机床故障诊断与预警系统。
背景技术
数控机床被称为“工业母机”,在国防军事工业结构件的制造中起着无可替代的作用,其性能和保有量是国家综合实力的重要标志。由于数控机床的机械结构,数控系统和控制部分之间存在复杂的耦合性,并且加工环境恶劣,加工强度高,导致机床的可靠性、稳定性面临巨大挑战,其故障发生率也不断提高。机床故障呈现出多样性的特点,可能是机械故障、电气故障、液压故障、缓变故障等一种或多种情况。
传统加工过程中对机床的故障处理存在明显不足:首先,工程人员将海量的加工过程数据视为数据垃圾而丢弃,造成严重的数字浪费。其次,传统的故障诊断主要是对某一部件的特定故障进行集中分析,但并不能提前预警维修人员,依然没有解决事后维修的弊病。如何利用机床自身的数据建立有效的监控系统和故障预警机制是实现传统制造业“互联网+”改造的必经过程。
当前,维修人员在面对机床可能发生的故障时主要采用两种方式,第一,事后维修。不仅效率极低而且将故障损失置于不可控的风险之中。第二,事先维修。主要采取定期检测和状态监测的方式,但这种方案的维修目的具有盲目性,既不科学也严重影响加工效率。
目前已经公开的数控机床领域的故障诊断与预警系统,基本都是建立在互联网基础上,其数据采集与传输缺乏安全性。再者,其信号采集过程都是以搭建外部传感设备,来实现机床加工过程的数据采集,最后通过设定的阈值来实现机床的故障预警。而针对数控机床运行加工历史数据,没有充分的利用。通过查阅文献和相关维修经验可知,机床在加工过程中产生的实时参数,如:主轴电流、功率、负载,主轴电机温度,跟随误差,切削力等,一定程度上反应了机床的未来状态。因此有必要针对数控机床自身运转数据及数据采集传输的安全性,开发一种故障诊断与预警系统,来更加安全准确的预测机床未来运行状态和故障诊断。
发明内容
本发明的目的旨在克服现有技术的不足,保证数据采集与传输过程的安全性,实现机床实际运转时的加工历史数据的充分利用,以此来预测数控机床下一阶段的运行状态,以此来达到故障的实时预警与诊断的目的。
为解决上述问题,本发明的技术方案是:一种数控机床故障诊断与预警系统,包括:网络设计模块、数据采集模块,数据传输模块,故障诊断与预警模块,网页端显示模块;数据采集模块和数据传输模块连接,并向数据传输模块传输加工过程的实时采集数据;数据传输模块和故障诊断与预警模块以及网页端显示模块连接,并向故障诊断与预警模块以及网页端显示模块进行数据实时传输;故障诊断与预警模块与网页端显示模块连接,并向网页端显示模块传输数据分析处理的结果;网页端显示模块显示预警结果和实时数据采集的显示。
所述数据采集模块对所述数据的采集包括:通过数据采集客户端对所述数控机床加工过程数据的实时采集,并结合不同的版本对数据的传输做相应的处理。
所述数据采集客户端,安装在数控机床控制电脑上,通过OPC协议与第三方集成接口实现数据实时采集,并连接数据传输模块,进行数据实时采集与传输。
所述数据采集客户端至少包括:数据采集服务器,采集卡,宏程序,现场数控机床,OPC协议与第三方集成接口,以实现数据采集过程。
所述数据传输模块,用于实时接收数据采集层发送的机床运行数据,并及时传输到故障诊断、网页端显示模块,以及Oracle数据库存储,实现数据实时共享。
所述数据传输模块至少包括:WCF服务、Web服务以及通信服务器。
所述通信服务器设置在厂区,用于不同数据处理分类与传输。
所述WCF服务、Web服务技术,用于实现局域网通讯,传输数据至故障诊断与预警模块和网络端显示模块,达到数据共享的目的。
所述故障诊断与预警模块,用于接收数据传输模块的实时数据,然后结合历史数据实现对机床的状态预测及故障预警并将结果存储到数据库继而在网页端显示。
所述故障诊断与预警模块至少包括:故障预警客户端、Oracle数据库、数据处理服务器、ISS6.0服务器。
所述故障预警客户端,数据处理服务,ISS6.0服务器,用于对数据传输模块传输的数据后进行分析和处理,实现对机床状态的预测及故障预警。
所述网页端显示模块用于将机床的故障预警结果和采集参数实时显示,实现对机床加工状态的监控。
所述网页端显示模块至少包括,Oracle数据库服务器,PC电脑。
所述PC电脑用于故障预警分析结果和实时采集数据的显示。
所述Oracle数据库服务器用于实时采集数据与分析数据结果的存储。
所述数控机床故障诊断与预警系统,包括数据采集模块,数据传输模块,故障诊断与预警模块,网页端显示模块,均用过局域网进行通讯。
本发明的有益效果是:
1.本发明公布了一种数控机床故障诊断与预警系统,其搭建平台是在局域网的基础上,在数据采集与传输过程中更具安全性。
2.避免了机床加工运转过程中海量加工过程数据被视为垃圾而丢弃,造成严重数字浪费。其基于采集数控机床自身加工过程的海量数据,进行分析处理,以达到监测机床监控状态,预测后阶段运行状况。通过故障诊断与预警等方式,保证机床的稳定运行。
3.通过采集机床加工过程自身产生的数据,如:主轴电流、功率、负载,主轴电机温度,跟随误差,切削力等数据,相对于设置阈值的判断方式,能够更准确,更全面,更有效的反应机床运行的实际情况,降低了其他途径数据采集数据的误差与复杂程度。
4.相对于人工诊断与检修,避免了事后维修的故障问题诊断的盲目性及效率低下的问题,降低了设备故障造成的损失,能够更快更准确的诊断出故障原因,从而提高检修效率,降低生产的成本。
5.相对于事先维修,避免了定期检测与状态监测的繁琐流程,避免了维修与设备养护的盲目性,保证了机床运转过程的故障预警的及时性,提高了加工效率,有效的控制了机床受损程度,保证正常加工的效率。
综上所述,本发明所公开的数控机床故障诊断与预警系统,通过搭建局域网平台,能够保证数据实时采集与传输过程数据安全性与时效性。通过对机床加工过程的海量数据进行对比和分析,保证了数据与分析结果的准确性;通过对数据采集过程、数据分析及结果的实时显示,确保了对机床运行状态的实时监测,提供了一种能够更加安全、准确、有效的预测机床未来运行状态,进行故障诊断与预警的系统,有利于及时发现数控机床健康问题,提高机床检修的效率,有效地控制数控机床受损程度,保证正常加工的效率,降低生产成本。
附图说明
附图1数据机床故障诊断与预警系统整体框架
附图2数据机床故障诊断与预警系统—网络设计模块
附图3数据机床故障诊断与预警系统—数据采集模块
附图4数据机床故障诊断与预警系统—数据传输模块
附图5数据机床故障诊断与预警系统—故障诊断与预警模块
附图6数据机床故障诊断与预警系统—网页端显示模块
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式限制。
如图1所示的是整体数控机床故障诊断与预警系统的架构,主要包括了五个模块,网络设计模块,数据采集模块,数据传输模块,故障诊断与预警模块,网页端显示模块;通过网络设计搭建比互联网更为安全的局域网为平台构建整个系统。首先,将数据采集模块和数据传输模块连接,并由数据采集模块向数据传输模块传输加工过程的实时采集数据。其次,通过数据传输模块向故障诊断与预警模块以及网页端显示模块进行数据实时传输。然后,通过故障诊断与预警模块,实现采集数据的处理与分析,并向网页端显示模块传输数据分析处理的结果。最后,通过网页端显示模块显示预警结果和实时数据采集过程的显示。
如图2所示的是数控机床故障诊断与预警系统的网络设计模块,所属网络设计模块,至少包括了设备层,传输层,处理层和监控层,其设计架构采用了物联网5C架构。基于现场总线,实现设备层的设备的网恋互连;传输层网络建立,采用TCP/IP或EtherCAT等通讯协议,实现对采集数据的传输支持;处理层的网络建立实现了数据的各向分发,对服务层,用户终端和远程监控端提供数据传输支持;监控层网络建立实现了对服务层处理数据和设备层传输数据的接收,实现对车间状态的远程监控。
如图3所示的是数控机床故障诊断与预警系统的数据采集模块,所述数据采集模块,至少包括了数据采集服务器,数据采集客户端,现场数控机床,采集卡,宏程序;所述数据采集客户端,其主要原理是采用OPC(OLE for Process Control)技术进行数控机床状态数据采集,通过OEM(Siemens)、FOCAS(FANUC)、HNC_API(华中数控)等二次开发数据包,实现机床数控系统的发掘,结合Min-max标准化和自回归移动平均模型完成了数据预处理,建立了多维时间序列状态模型及度量模型,采用特征向量、特征趋势距离标示状态模型,并利用差异度进行多维时间序列状态匹配分析;所述数据采集客户端,基于西门子840D、华中-8系列数控机床的软硬件结构,对比了各采集模式的优劣,分别利用OPC规范和第三方接口开发了两种数控系统的单机版、远程版采集软件,并分析了机床NC数据的存储区域和格式,最后在制造现场完成了HMI嵌入和参数验证试验;所述数据采集客户端主要是通过OPC协议与第三方集成接口,以实现数据对数控机床加工历时数据的采集过程;所述OPC协议提供了三个主要的COM对象:OPC Server、OPC Group、OPC Items。OPC Server动态地创建或释放OPCGroup,OPC Group提供包容OPC Items的机制,实现对OPC项的管理,OPC Items代表与OPC服务器到数据源(主轴电流、主轴负载、回转误差等)的连接,包括值、品质、时间戳3个基本属性。SIEMENS 840D由人机界面,数控实时操作系统(NCK),数控单元和可编程逻辑控制器(PLC)组成。OPC数据采集客户端在人机界面上运行,使用组件对象模型(COM)访问OPC服务器,OPC服务器从NCU中的动态数据交换服务NCDDE请求相应的数据。结合多点接口(MPI)的特性,NCDDE服务器与PLC之间可进行数据交换,实现OPC客户端对数控机床数据的采集;所述数据采集模块,基于数据采集服务器,数据采集客户端以及OPC协议与第三方数控集成接口,直接对数控机床加工过程历时数据的实时采集,避免了通过设置外部传感设备采集数控机床运转数据,减少了了通过外部传感设备采集数据和设置阈值来判断机床运行状态与预警带来的误差。
如图4所示的是数控机床故障诊断与预警系统的数据传输模块,所述数据传输模块连接了数据采集模块,故障诊断与预警模块以及网页端显示模块;所述数据采集模块,至少包括:WCF服务、Web服务、通信服务器;所述数据传输模块,其主要原理是基于搭建的安全局域网,通过WCF服务技术、Web服务技术和通信服务器,实现局域网通讯。连接数据采集模块实时接收采集的机床加工过程数据;连接故障诊断与预警模块,实时传输从数据采集模块采集的机床数据,并通过数据处理服务器进行采集数据的分析处理并将结果存储到数据库;连接网页端显示模块,将采集的数据实时发送到网页端显示,并实时显示数控机床的数据运转状态,最终通过数据传输模块来达到数据的实时传输与共享的目的。
如图5所示的是数控机床故障诊断与预警系统,故障诊断与预警模块,所述模块建立了多维时间序列多重匹配思想的机床状态预测模型。基于过程数据特点,提出机床状态模型和度量模型。基于时间窗口的滑动,提出了多维序列多重匹配的建模思想,通过β-耦合度相似指标确定了最大相似集、滑动时长w、预测时长L,利用DBSCAN聚类算法实现了机床状态的精确匹配,最后对采集的参数完成了验证仿真实验,结果证明了建模算法的优越性。研究了加权模糊Petri网(WFPN)的故障预警模型。利用传统的Petri网提出了适用于描述机床故障触发特性的WFPN模型,通过传递矩阵和状态方程建立了故障推理算法。基于类sigmod函数提出了类BP算法和鱼群优化算法,为了解决故障规则难以穷尽的问题提出了规则自学习算法,基于故障知识库建立了机床关键部件的WFPN模型,并完成了故障预警过程。最后通过对模型参数的优化验证,证实了优化算法的有效性。其次,通过建立时间窗口滑动模型,利用时间窗口长度和滑动时长获取数控机床历史状态集合,进一步提出基于窗口滑动的多重匹配技术,利用β-耦合相似度量标准寻找与当前状态矩阵相似度最大的历史状态集合,并根据相似性阈值得到最优滑动时长和预测时长。然后,采用密度空间聚类算法进行状态序列分析,得到了表征机床当前时刻状态的最佳历史状态矩阵,并以此状态的下一时刻作为预测状态。最后,对数控机床主轴四项参数开展了数控机床状态预测实验,通过状态序列相似性分析得到最佳预测时长为24s,滑动单位为2s,并利用状态序列聚类分析完成状态序列匹配。预测结果表明,基于多维时间序列的矩阵形式、向量形式的状态预测方法比传统的AR预测模型的最大误差、平均误差、均方误差和相对误差都低,验证了所提出的状态预测方法的有效性和准确性。
如图6所示的是数控机床故障诊断与预警系统的网页显示端模块,所述网页显示端模块,其主要还是基于搭建的安全局域网是实现的;所述网页端显示模块至少包括了:Oracle数据库服务器,PC电脑;所述PC电脑用于故障预警分析结果和实时采集数据的显示;所述Oracle数据库服务器用于实时采集数据与分析数据结果的存储;所述网页端显示模块,包括了远程监控通信子模块、机床实时数据接收子模块、故障诊断与预警信息接收子模块与远程监控显示子模块;所述远程监控通信子模块,其主要功能是接收来自故障诊断与预警模块和数据传输模块的实时数据,并进行分类发送到机床实时数据接收子模块与故障诊断与预警信息接收子模块;所述机床实时数据接收子模块,其主要功能是接收来自数据传输模块的的机床加工过程数据,以显示机床的实时加工状态;所述故障诊断与预警信息接收子模块,其主要功能是实时接收对机床加工数据分析处理结果以及预警信息;所述远程监控显示子模块,其主要功能是实时显示采集的机床加工数据、故障诊断与预警模块传输的数据分析处理结果和预警信息,实现对数控机床运行状态的实时监控与预测,利于及时了解数控机床健康状况,并产生预警信息作为参考,进而提高对机床进行检修的效率,有效地控制数控机床受损程度,保证正常加工的效率。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种数控机床故障诊断与预警系统,其特征在于,包括:网络设计模块、数据采集模块、数据传输模块、故障诊断与预警模块、网页端显示模块;
所述网络设计模块用于实现对整体系统的网络搭建,实现数据采集模块、数据传输模块、故障诊断与预警模块、网页端显示模块的数据互通,为数据采集,数据分析,数据结果展示提供基础支撑。
所述数据采集模块用于实时检测机床的运行数据,实现机床参数的实时性和多样性的采集,并将实时采集的机床运行数据传输至数据传输模块处,实现数据实时采集与共享;
所述数据传输模块用于实时接收数据采集层发送的机床运行数据,将采集软件的数据发送到网页显示、发送到故障诊断与预警模块进行分析处理,并将结果存储到数据库;同时响应网页端的参数添加,将故障预警的处理结果发送到网页显示;
所述故障诊断与预警模块用于接收从数据传输模块传输的采集软件实时数据,然后结合历史数据实现对机床的状态预测及故障预警并将结果存储到数据库继而在网页端显示;
所述网页端显示模块用于将机床的故障预警结果和采集参数实时显示在办公室的PC电脑,实现对机床加工状态的监控。
2.根据权利要求1所述数控机床故障与预警系统,其特征在于,所述网络设计模块主要功能是对整个系统的网络架构进行设计,以支撑整个系统的通讯网络基础建立,具体包括,设备层,传输层,处理层和监控层,采用现场总线实现对底层设备的连接,采用TCP/IP协议实现局域网内部的其他模块的数据通讯。
3.根据权利要求1所述数控机床故障诊断与预警系统,其特征在于,所述数据采集模块主要功能是基于OPC协议、第三方集成接口实现对西门子840D、华中-8系列数控机床加工过程数据的实时采集,并结合不同的版本对数据的传输做相应的处理。
4.根据权利要求3所述数控机床故障诊断与预警系统,其特征在于,所述数据采集模块包括:数据采集客户端,数据采集服务器,采集卡,宏程序;连接现场数控机床,并通过OPC协议与第三方集成接口实现数据实时采集;连接数据传输模块,实现实时数据传输。
5.根据权利要求1所述数控机床故障诊断与预警系统,其特征在于,所述数据传输模块主要功能是基于WCF服务、Web服务通信技术、ADO.Net数据库访问技术等,将采集客户端传输的数据实时接收,并通过各服务客服器将将采集的实时数据发送到网页显示、发送到预警客户端分析处理并将结果存储到数据库。
6.根据权利要求5所述数控机床故障诊断与预警系统,其特征在于,所述数据传输模块包括通讯服务器;连接数据采集模块,实现数据实时获取;连接故障与预警模块、网页端显示模块,实现数据实时传递与共享。
7.根据权利要求1所述数控机床故障与预警系统,其特征在于,所述故障诊断与预警模块主要功能是接收采集软件的实时数据,以及机床故障实时预警、加权模糊Petri网模型优化、故障规则收集、结果存储、通信链接等功能,并将结果存储到数据库继而在网页端显示。
8.根据权利要求7所述数控机床故障诊断与预警系统,其特征在于,所述故障诊断与预警模块包括:故障预警客户端、Oracle数据库、数据处理服务器、ISS6.0服务器,以实现数据的处理、分析与结果存储。
9.根据权利要求1所述数控机床故障诊断与预警系统,其特征在于,所述网页端显示模块基于后台对Oracle数据库的操作以及IIS服务器和Views界面,将机床的故障预警结果和采集参数实时显示在办公室的PC电脑,实现对机床加工状态的监控。
10.根据权利要求9所述数控机床故障诊断与预警系统,其特征在于,所述网页端显示模块包括:办公室PC电脑,Oracle数据库,所述PC电脑用于故障预警分析和实时采集数据的显示,Oracle数据库用于采集数据与分析数据的存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776360.3A CN110543142A (zh) | 2019-08-22 | 2019-08-22 | 一种数控机床故障诊断与预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776360.3A CN110543142A (zh) | 2019-08-22 | 2019-08-22 | 一种数控机床故障诊断与预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110543142A true CN110543142A (zh) | 2019-12-06 |
Family
ID=68711814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910776360.3A Withdrawn CN110543142A (zh) | 2019-08-22 | 2019-08-22 | 一种数控机床故障诊断与预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543142A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327753A (zh) * | 2020-11-09 | 2021-02-05 | 上海中船三井造船柴油机有限公司 | 基于siemens840d数控系统的局域网远程监控系统 |
CN113009885A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种数控系统安全状态数字化映射系统及方法 |
CN113419487A (zh) * | 2021-07-02 | 2021-09-21 | 南通市紫日机械有限公司 | 一种数控机床故障自动诊断系统 |
CN113538865A (zh) * | 2021-06-18 | 2021-10-22 | 意特利(上海)科技有限公司 | 基于数字孪生的五轴联动机床在线诊断预警系统及方法 |
CN115877221A (zh) * | 2022-12-21 | 2023-03-31 | 广州辰创科技发展有限公司 | 电源健康状态预警平台 |
CN117111589A (zh) * | 2023-10-23 | 2023-11-24 | 中国机械总院集团云南分院有限公司 | 一种基于Petri网的数控机床控制系统故障诊断方法 |
CN117854698A (zh) * | 2024-03-05 | 2024-04-09 | 四川大象医疗科技有限公司 | 核磁类设备的在线预警方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859128A (zh) * | 2010-07-05 | 2010-10-13 | 北京信息科技大学 | 一种基于知识的车铣复合机床故障预测专家系统 |
CN102175460A (zh) * | 2011-01-28 | 2011-09-07 | 中国人民解放军海军工程大学 | 基于模糊Petri网的船用燃气轮机气路故障诊断方法 |
CN102566505A (zh) * | 2012-02-27 | 2012-07-11 | 温州大学 | 一种数控机床的智能故障诊断方法 |
CN103753400A (zh) * | 2014-01-22 | 2014-04-30 | 杭州电子科技大学 | 一种用于数控磨床控制系统的故障预测和自恢复方法 |
CN205057679U (zh) * | 2015-08-18 | 2016-03-02 | 深圳市创世纪机械有限公司 | 一种数控机床预警系统 |
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
-
2019
- 2019-08-22 CN CN201910776360.3A patent/CN110543142A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859128A (zh) * | 2010-07-05 | 2010-10-13 | 北京信息科技大学 | 一种基于知识的车铣复合机床故障预测专家系统 |
CN102175460A (zh) * | 2011-01-28 | 2011-09-07 | 中国人民解放军海军工程大学 | 基于模糊Petri网的船用燃气轮机气路故障诊断方法 |
CN102566505A (zh) * | 2012-02-27 | 2012-07-11 | 温州大学 | 一种数控机床的智能故障诊断方法 |
CN103753400A (zh) * | 2014-01-22 | 2014-04-30 | 杭州电子科技大学 | 一种用于数控磨床控制系统的故障预测和自恢复方法 |
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
CN205057679U (zh) * | 2015-08-18 | 2016-03-02 | 深圳市创世纪机械有限公司 | 一种数控机床预警系统 |
Non-Patent Citations (2)
Title |
---|
WEI WANG: "Open CNC machine tool"s state data acquisition and application based on OPC specification", 《SCIENCEDIRECT》 * |
张心羽: "基于过程数据分析的数控机床状态预测及故障预警研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113009885A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种数控系统安全状态数字化映射系统及方法 |
CN112327753A (zh) * | 2020-11-09 | 2021-02-05 | 上海中船三井造船柴油机有限公司 | 基于siemens840d数控系统的局域网远程监控系统 |
CN113538865A (zh) * | 2021-06-18 | 2021-10-22 | 意特利(上海)科技有限公司 | 基于数字孪生的五轴联动机床在线诊断预警系统及方法 |
CN113419487A (zh) * | 2021-07-02 | 2021-09-21 | 南通市紫日机械有限公司 | 一种数控机床故障自动诊断系统 |
CN115877221A (zh) * | 2022-12-21 | 2023-03-31 | 广州辰创科技发展有限公司 | 电源健康状态预警平台 |
CN115877221B (zh) * | 2022-12-21 | 2023-11-10 | 广州辰创科技发展有限公司 | 电源健康状态预警平台 |
CN117111589A (zh) * | 2023-10-23 | 2023-11-24 | 中国机械总院集团云南分院有限公司 | 一种基于Petri网的数控机床控制系统故障诊断方法 |
CN117111589B (zh) * | 2023-10-23 | 2024-01-02 | 中国机械总院集团云南分院有限公司 | 一种基于Petri网的数控机床控制系统故障诊断方法 |
CN117854698A (zh) * | 2024-03-05 | 2024-04-09 | 四川大象医疗科技有限公司 | 核磁类设备的在线预警方法、装置、电子设备及存储介质 |
CN117854698B (zh) * | 2024-03-05 | 2024-05-10 | 四川大象医疗科技有限公司 | 核磁类设备的在线预警方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543142A (zh) | 一种数控机床故障诊断与预警系统 | |
CN113112086B (zh) | 一种基于边缘计算和标识解析的智能生产系统 | |
CN109358574B (zh) | 一种智能化数据采集、监控与分析系统及方法 | |
CN111142414B (zh) | 基于边云协同的智慧电厂管控系统 | |
CN108873830A (zh) | 一种生产现场数据在线采集分析及故障预测系统 | |
CN110362037A (zh) | 一种用于数控机床的综合维护系统平台 | |
US9369377B2 (en) | System analyzer and method for analyzing an impact of a change in a component of a distributed control system | |
CN109040320B (zh) | 一种纺织生产过程多维信息采集系统及方法 | |
CN112737936A (zh) | 一种用于设备预维护的边缘计算网关 | |
CN113867305A (zh) | 一种用于自动机加生产线的多源数据采集系统 | |
CN108687285A (zh) | 制造业锻压机床群互联网远程状态监测装置及监测方法 | |
CN201418151Y (zh) | 基于无线通信与传感器组网的智能定位和监控装置 | |
CN113572260A (zh) | 一种基于数字孪生技术的分布式能源站智慧运维系统 | |
CN117493498A (zh) | 基于工业互联网的电力数据挖掘与分析系统 | |
CN112650166A (zh) | 基于无线网络的生产线状况大数据系统及其诊断方法 | |
Shan et al. | Key technologies of real-time visualization system for intelligent manufacturing equipment operating state under IIOT environment | |
CN113009885A (zh) | 一种数控系统安全状态数字化映射系统及方法 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理系统 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN115313621A (zh) | 基于灰色理论的智能变电站自动运维系统及其方法 | |
Zhou et al. | Robot remote monitoring and fault diagnosis based on industrial internet of things | |
KR20230032675A (ko) | Cnc 공작기계를 이용한 데이터 수집 시스템 | |
Guilian et al. | Research and Application of Remote Intelligent Operation and Maintenance System for Digital Instrument and Control Equipment in Nuclear Power Plant | |
CN111190398A (zh) | 一种基于大数据的工业设备系统 | |
Wang et al. | Equipment Condition Monitoring System based on Multi-source Heterogeneous Data |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191206 |