CN110874509B - 一种高端数控装备多维信息融合状态评价方法 - Google Patents

一种高端数控装备多维信息融合状态评价方法 Download PDF

Info

Publication number
CN110874509B
CN110874509B CN201911111030.9A CN201911111030A CN110874509B CN 110874509 B CN110874509 B CN 110874509B CN 201911111030 A CN201911111030 A CN 201911111030A CN 110874509 B CN110874509 B CN 110874509B
Authority
CN
China
Prior art keywords
reliability
evaluation
test piece
numerical control
steps
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
CN201911111030.9A
Other languages
English (en)
Other versions
CN110874509A (zh
Inventor
韩凤霞
王红军
籍永建
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 Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
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 Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201911111030.9A priority Critical patent/CN110874509B/zh
Publication of CN110874509A publication Critical patent/CN110874509A/zh
Application granted granted Critical
Publication of CN110874509B publication Critical patent/CN110874509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种高端数控装备多维信息融合状态评价方法，其步骤：构建基于现场运维数据、运行特征信号及试切标准S试件的多维、多层次的评价模型，计算各评价指标的权重系数；求取设备基于现场运维数据的运行质量的可靠度值；空载运行S试件过程中，采集主轴及进给轴振动信号，及主轴的电流信号，利用信息熵法和峭度法构建基于信号特征的可靠性评价指标；根据S试件的三坐标检测结果，计算标准试件加工精度可靠度；根据基于现场运维数据的可靠度、运行信号的信息熵可靠度和峭度可靠度，标准试件加工精度可靠度，以及根据层次分析法计算的三者之间的权重系数，计算得到多轴数控机床的运行质量可靠性。

Description

一种高端数控装备多维信息融合状态评价方法
技术领域
本发明涉及一种多轴数控机床运行状态评价方法，特别是关于一种高端数控装备多维信息融合状态评价方法。
背景技术
当前对多轴数控机床运行性能的评价一般仅限于某一方面，如传统的基于历史故障数据的平均故障间隔时间(MTBF)、平均故障修复时间(MTTR)和固有可用度(Ai)等，该方法只能掌握一批同类设备共性的平均可靠性，能够反映设备的“先天因素”；复杂的多轴数控机床属于典型的机电液系统、可修系统，其性能不仅取决于设计阶段所赋予的性能，而且与每台设备具体的使用条件、维修质量及故障对系统功能的危害程度(也即“后天因素”)有关，当前普遍采用监测设备的特征信号如电流信号、振动信号以及温度信号来反映设备的运行状态，能够真实的反映设备之间的性能差异；高端数控装备的精度最能直接反映装备的加工精度的保持性能，通过试切标准S形试件能够综合的反映多轴加工中心的加工性能，该方法目前仅用于新机床的出厂前或机床大修后是否满足加工要求的定性检，暂未用于机床状态的定量评价。
目前，针对基于多维信息融合的多轴数控机床运行评价标准还是空白。
发明内容
针对上述问题，本发明的目的是提供一种高端数控装备多维信息融合状态评价方法。其能兼顾历史故障数据对运行质量“先天因素”的影响、运行特征动态反映使用条件及维修保养对运行质量影响的“后天因素”及用标准S试件评判设备运行质量的“通用性”。
为实现上述目的，本发明采取以下技术方案：一种高端数控装备多维信息融合状态评价方法，其包括以下步骤：1)构建基于现场运维数据、运行特征信号及试切标准S试件的多维、多层次的评价模型，计算各评价指标的权重系数；2)依据设备实际的平均故障间隔时间和平均故障修复时间，采用模糊综合评价法，求出设备基于现场运维数据的运行质量的可靠度值；3)空载运行S试件过程中，采集主轴及进给轴振动信号，及主轴的电流信号，利用信息熵法和峭度法构建基于信号特征的可靠性评价指标；4)根据S试件的三坐标检测结果，计算标准试件加工精度可靠度R(cmm)；5)根据基于现场运维数据的可靠度R(v)、运行信号的信息熵可靠度R(e)和峭度可靠度R(K)，标准试件加工精度可靠度R(cmm)，以及根据层次分析法计算的三者之间的权重系数，计算得到多轴数控机床的运行质量可靠性。
进一步，所述步骤1)中，各评价指标的权重系数的计算方法具体步骤为：1.1)构建数控机床性能评价指标体系：多轴数控机床的运行质量评价指标包括三个层次：目标层，目标为“高端数控装备运行质量评价”；准则层，向量{U1、U2、U3}表示准则层的三个因素，其中U1为现场运维数据特征，U2为指定运行过程信号的特征，U3为标准S试件的试切检验；指标层，针对准则层中各因素的具体的评价指标，对于“现场运维数据”的评价方案集为U1＝{U11、U12}，其中U11为平均故障间隔时间，U12为平均故障修复时间；对于“运行过程信号的特征”的评价方案集为U2＝{U21、U22}，其中U21为信息熵方法，U22为峭度方法；对于“标准S试件的试切检验”的评价方案集U3＝{U31}，U31为S试件的三坐标检测；1.2)根据数控机床性能评价指标体系建立层次分析判断矩阵；1.3)求判断矩阵的特征值与特征向量；1.4)对阶数大于2的判断矩阵进行一致性检验。
进一步，所述步骤1.2)中，针对准则层中的元素相对于目标层元素的重要性进行打分构造判断矩阵A1，然后构造出指标层对准则层的判断矩阵A21，A22；判断矩阵具体建立方法为：假设要比较t个因素C1，C2，...Ct对目标O的影响，从而确定这些因素在目标O中所占的比重，每次取两个因素Ci,Cj，用aij表示因素Ci与因素Cj对目标O的影响程度之比，按照判断尺度表中的比例标度来度量aij；
判断尺度表
重要度尺度 含义
1 元素i与元素j相比，同样重要性
3 元素i比元素j稍微重要
5 元素i比元素j明显重要
7 元素i比元素j强烈重要
9 元素i比元素j极端重要
2、4、6、8 表示上述相邻判断的中间值
t个元素被两两比较，全部结果可用成对比较矩阵表示：
A＝[aij]t×t，i,j＝1,2,...t。
进一步，所述步骤1.3)中，对于构造的判断矩阵A1，A21，A22，分别计算满足A1W’1＝λ1maxW’1，A21W’21＝λ21maxW’21，A22W’22＝λ22maxW’22的特征根λ21max，λ22max和特征向量W’1，W21’，W22’，对特征向量W’1，W21’，W22’分别进行归一化处理后得到W1，W21，W22；其中，W1＝(ω1,ω2,ω3)，ω1，ω2，ω2分别为准则层中三个元素“现场运维数据”，“指定运行过程信号的特征提取”，“标准S试件试切”的权重系数；W21＝(ω21,ω22)，ω21，ω22分别为“平均故障间隔时间”和“平均故障修复时间”的权重系数；W22＝(ω23,ω24)，ω23，ω24分别为“信息熵方法”和“峭度方法”的权重系数。
进一步，所述步骤1.3)中，一致性检验方法为：
(1)计算一致性指标CI1：
CI1＝(λ1max-n1)/(n1-1)，
其中，n1为判断矩阵A1的阶数；
(2)计算一致性比例指标CR1：
CR1＝CI1/RI1，
其中，RI1是随机一致性指标，CR1是一致性比例指标，当CR1＜0.1时，认为判断矩阵A1满足一致性，其评价结果可以接受，否则重新赋值修正。
进一步，所述步骤2)中，基于现场运维数据的运行质量的可靠度值的求取步骤为：
2.1)根据数控机床的现场运维数据与机床的性能对应关系，共设4个评价等级，给出评价集V＝{v1,v2,v3,v4}，其中v1＝{差}，v2＝{中}，v3＝{良}，v4＝{优}；
2.2)构建模糊隶属关系矩阵：
三角模糊函数隶属
式中，l≤mid≤u，l和u分别表示模糊集合的下限值和上限值，/>
构建平均故障间隔时间和平均故障修复时间两个评价指标的模糊隶属度R为：
d11,d12,d13,d14为分别隶属于函数μA(x),μB(x),μC(x),μD(x)的隶属度；A：论域[0,800]；B:论域[400,1200]；C:论域[800,1600]；D:论域[1200,+∞]；
d21,d22,d23,d24为分别隶属于函数μE(x),μF(x),μG(x),μH(x)的隶属度；E：论域[0,10]；F:论域[5,15]；G:论域[10,20]；H:论域[15,+∞]；
根据层次分析法计算的两个评价指标的权重系数W21，计算评价向量为：
B1,B2,B3,B4分别为属于性能“差”、“中”、“良”、“优”的系数值，设定“差”、“中”、“良”、“优”各等级对应的权值ζ＝[0.55,0.7,0.85,1],则基于现场运维数据的机床可靠性R(V)＝ζB,R(V)∈[0,1]。
进一步，所述步骤3)中，基于信息熵的可靠度为：通过第n层小波包熵e得到基于信息熵的可靠度R(e)：R(e)＝1-e，基于信息熵的可靠度R(e)∈[0,1]。
进一步，所述步骤3)中，基于峭度的可靠度R(K)为：
其中，K为机床运行振动信号峭度，a为阈值，b为常数，基于峭度的可靠度R(K)∈[0,1]。
进一步，所述步骤4)中，标准试件加工精度可靠度R(cmm)：
式中，Ps为标准规定的测量点数量，Pe为超差点数量，R(cmm)∈[0,1]。
进一步，所述步骤4)中，运行可靠度R(u)为：
R(u)＝ω1R(v)+ω2(ω23R(e)+ω24R(K))+ω3R(cmm)
根据运行可靠度R(u)的数值参照运行质量评价标准表进行评价：
运行质量评价标准
运行可靠度(R(u)) 运行质量状态
0.85-1.00 良好
0.75-0.85 满意
0.60-0.75 不满意
0.60以下 不允许
。
本发明由于采取以上技术方案，其具有以下优点：本发明采用的多维信息融合的方法，能够在设备的固有可靠性维度、使用环境及工况维度、加工精度保持维度对高端数控装备状态进行全方位的评价，能真实、客观的反映状态的性能。
附图说明
图1是本发明的多维信息融合的评价指标层次图；
图2是平均故障间隔时间隶属度函数；
图3是平均故障修复时间隶属度函数；
图4是三角模糊隶属函数。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明涉及一种高端数控装备多维信息融合状态评价方法，该方法是针对多轴数控机床运行状态，多个维度进行深度融合的全方位评价方法，其包括以下步骤：
1)构建基于现场运维数据、运行特征信号及试切标准S试件的多维、多层次的评价模型(如图1所示)，计算各评价指标的权重系数。
1.1)构建数控机床性能评价指标体系
如图1所示，多轴数控机床的运行质量评价指标包括三个层次。
第一层为目标层：为最高层次，即为要解决的问题，此处目标为“高端数控装备运行质量评价”；
第二层为准则层：此层的因素为衡量的准则，用向量{U1、U2、U3}表示准则层的三个因素，其中U1为现场运维数据特征，U2为指定运行过程信号的特征，U3为标准S试件的试切检验；
第三层为指标层，针对准则层中各因素的具体的评价指标，对于“现场运维数据”的评价方案集为U1＝{U11、U12}，其中U11为平均故障间隔时间(MTBF)，U12为平均故障修复时间(MTTR)；对于“运行过程信号的特征”的评价方案集为U2＝{U21、U22}，其中U21为信息熵方法，U22为峭度方法；对于“标准S试件的试切检验”的评价方案集U3＝{U31}，U31为S试件的三坐标检测。
1.2)根据数控机床性能评价指标体系建立层次分析判断矩阵
首先针对准则层中的元素相对于目标层元素的重要性进行打分构造判断矩阵A1，然后构造出指标层对准则层的判断矩阵A21，A22。
假设要比较t个因素C1，C2，...Ct对目标O的影响，从而确定这些因素在目标O中所占的比重，每次取两个因素Ci,Cj，用aij表示因素Ci与因素Cj对目标O的影响程度之比，按照表1中的1到9的比例标度来度量aij；
表1判断尺度表
t个元素被两两比较，全部结果可用成对比较矩阵表示：
A＝[aij]t×t(i,j＝1,2,...t)
以准则层中的三个因素U1、U2、U3，对目标层“高端数控装备运行质量评价”为例，成对比较矩阵如下:
注：a12＝1/3表示：对于目标“高端数控装备运行评价”，U2的重要程度是U1的3倍。构造的判断矩阵A1为：
同理，构造判断矩阵
1.3)求判断矩阵的特征值与特征向量。
对于构造的判断矩阵A1，A21，A22，分别计算满足A21W’21＝λ21maxW’21，A22W’22＝λ22maxW’22的特征根/>λ21max，λ22max和特征向量W’1，W21’，W22’，对特征向量W’1，W21’，W22’分别进行归一化处理后得到W1，W21，W22。
其中，W1＝(ω1,ω2,ω3)，ω1，ω2，ω2分别为准则层中三个元素“现场运维数据”，“指定运行过程信号的特征提取”，“标准S试件试切”的权重系数；W21＝(ω21,ω22)，ω21，ω22分别为“平均故障间隔时间”和“平均故障修复时间”的权重系数；W22＝(ω23,ω24)，ω23，ω24分别为“信息熵方法”和“峭度方法”的权重系数。
1.4)进行一致性检验。
为了确定构造的判断矩阵的合理性及实际逻辑的一致性，要对阶数大于2的判断矩阵进行一致性检验，此处将对A1进行一致性检验。
(1)计算一致性指标CI1
CI1＝(λ1max-n1)/(n1-1)，
其中：n1为判断矩阵A1的阶数(n1＝3)
(2)计算一致性比例指标CR1
CR1＝CI1/RI1，
其中，RI1是随机一致性指标，CR1是一致性比例指标，当CR1＜0.1时，认为判断矩阵A1满足一致性，其评价结果可以接受，否则重新赋值修正。
根据表2查取相应的一致性指标RI1＝0.58
表2
n1(阶数) 1 2 3 4 5 6 7
RI1(一致性指标) 0 0 0.58 0.90 0.12 0.24 0.32
2)求取基于现场运维数据的运行可靠度
依据设备实际的平均故障间隔时间(MTBF)和平均故障修复时间(MTTR)，采用模糊综合评价法，求出设备基于现场运维数据的运行质量的可靠度值。
2.1)数控机床的评价集
根据数控机床的现场运维数据与机床的性能对应关系，共设4个评价等级，给出评价集V＝{v1,v2,v3,v4}，其中v1＝{差}，v2＝{中}，v3＝{良}，v4＝{优}
2.2)构建模糊隶属关系矩阵
平均故障间隔时间的隶属度函数如图2所示，平均故障间隔时间越长，设备的可靠性越高，设备的运行性能越好。平均故障修复时间的隶属度函数如图3所示。平均修复时间越短，设备的可靠性越高，运行可用性相对越高。隶属函数采用常值函数及三角函数组成。
在论域R上的模糊集合其隶属函数μM:R→[0,1]
三角模糊函数隶属μM(x)，其函数图像如图4所示：
式中，l≤mid≤u，l和u分别表示模糊集合的下限值和上限值，/>
构建平均故障间隔时间(MTBF)和平均故障修复时间(MTTR)两个评价指标的模糊隶属度R为：
d11,d12,d13,d14为分别隶属于函数μA(x),μB(x),μC(x),μD(x)(函数图像如图2所示)的隶属度，用实际的MTBF值，根据公式1及图2中函数计算得到。
其中，A：论域[0,800]；B:论域[400,1200]；C:论域[800,1600]；D:论域[1200,+∞]；
d21,d22,d23,d24为分别隶属于函数μE(x),μF(x),μG(x),μH(x)(函数图像如图3所示)的隶属度，用实际的MTTR值，根据公式1及图3中函数计算得到。
其中，E：论域[0,10]；F:论域[5,15]；G:论域[10,20]；H:论域[15,+∞]；
根据层次分析法计算的两个评价指标的权重系数W21，计算评价向量为：
B1,B2,B3,B4分别为属于性能“差”、“中”、“良”、“优”的系数值，设定“差”、“中”、“良”、“优”各等级对应的权值ζ＝[0.55,0.7,0.85,1],则基于现场运维数据的机床可靠度R(V)＝ζB,R(V)∈[0,1]。
3)构建运行质量可靠性指标体系
空载运行S试件过程中，采集主轴及进给轴振动信号(主轴前端轴承处)，及主轴的电流信号，利用信息熵法和峭度法构建基于信号特征的可靠性评价指标。
3.1)基于信息熵的可靠度
对于某一设备，随着状态的劣化，设备的不确定性增加，并产生更为复杂的运行状态信息。信息熵是设备不确定程度的度量，用于评估随机信号的复杂性。信息熵大表明设备处于多种状态，设备性能退化，运行可靠度下降，反之亦然。
采集的主轴电流信号经过小波包分解后的系数为Snk，其中k＝0,1,2,...,2n-1，n为小波分解的层数，由此得出小波包节点系数Snk对应的能量Enk。
将各层子平带的节点系数能量作归一化处理得：
其中，en,k是第k个子频带包含的信息能量在n层小波包上总能量中的概率；由(3)式可以得出，根据shannon信息熵的基本理论，定义信号小波包分解的第n层小波包熵e为：
通过第n层小波包熵e得到基于信息熵的可靠度R(e)：
R(e)＝1-e (5)
基于信息熵的可靠度R(e)∈[0,1]。
3.2)峭度可靠性
多轴数控机床在运行过程中性能的退化，会导致振动信号的峭度值增加，则基于峭度的可靠度R(K)为：
其中，K为机床运行振动信号峭度，a为阈值，b为常数，由机床的性能决定。基于峭度的可靠度R(K)∈[0,1]。
4)获取标准试件加工精度可靠性
根据S试件的三坐标检测结果，计算标准试件加工精度可靠度R(cmm)：
式中，Ps为标准规定的测量点数量，Pe为超差点数量，R(cmm)∈[0,1]。
5)运行可靠度的计算
根据基于现场运维数据的可靠度R(v)、运行信号的信息熵可靠度R(e)和峭度可靠度R(K)，标准试件加工精度可靠度R(cmm)，以及根据层次分析法计算的三者之间的权重系数，计算得到多轴数控机床的运行可靠度R(u)如下：
R(u)＝ω1R(v)+ω2(ω23R(e)+ω24R(K))+ω3R(cmm)； (8)
根据运行可靠度R(u)的数值参照表3进行评价。
表3运行质量评价标准
运行可靠度(R(u)) 运行质量状态
0.85-1.00 良好
0.75-0.85 满意
0.60-0.75 不满意
0.60以下 不允许
实施例：
1)建立判断矩阵
2)计算各级权重向量
W1＝[ω1,ω2,ω3]＝[0.1681,0.4746,0.3573],
W21＝(ω21,ω22)＝(0.7143,0.2857),
W22＝(ω23,ω24)＝(0.5714,0.4286)；
3)计算基于现场运维数据的可靠度
已知：MTBF为1250小时，MTTR为6小时，根据图2和图3计算其模糊隶属度，构建模糊矩阵如下：
R(V)＝ζB＝[0.55 0.70 0.85 1][0 0 0.6822 0.318]＝0.897；
4)根据主轴电流信号计算基于信息熵的可靠度
根据主轴电流信号计算得：
R(e)＝1-e＝0.3631；
5)根据主轴的前端轴承的振动信号，计算基于峭度的可靠度
主轴前端轴承的振动信号，峭度的阈值a＝5,机床性能参数b＝0.2；
计算信号的翘度指标K＝6.0914，根据公式(6)计算峭度可靠性R(K)＝exp(-0.2(6.0914-5))＝0.8040；
6)计算基于标准试件加工精度可靠度
根据S试件的三坐标检测结果，计算加工质量可靠性如下：
7)运行可靠度的计算
根据基于历史故障数据的模糊归一化可靠度R(v)、运行信号的信息熵可靠度R(e)和峭度可靠度R(K)，标准试件加工质量可靠性R(cmm)，以及根据层次分析法计算的三者之间的权重系数，计算五轴数控机床的运行质量可靠性如下：
R(u)＝ω1R(v)+ω2(ω23R(e)+ω24R(K))+ω3R(cmm)
＝0.1681×0.897+0.4746×(0.5714×0.3631+0.4286×0.8040)+0.3573×0.958
＝0.7551
根据表3中的评价标准，该高端数控机床当前的运行状态为良好。
上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (4)

1.一种高端数控装备多维信息融合状态评价方法，其特征在于，包括以下步骤：
1)构建基于现场运维数据、运行特征信号及试切标准S试件的多维、多层次的评价模型，计算各评价指标的权重系数；
2)依据设备实际的平均故障间隔时间和平均故障修复时间，采用模糊综合评价法，求出设备基于现场运维数据的运行质量的可靠度值；
3)空载运行S试件过程中，采集主轴及进给轴振动信号，及主轴的电流信号，利用信息熵法和峭度法构建基于信号特征的可靠性评价指标；
4)根据S试件的三坐标检测结果，计算标准试件加工精度可靠度R(cmm)；
5)根据基于现场运维数据的可靠度R(v)、运行信号的信息熵可靠度R(e)和峭度可靠度R(K)，标准试件加工精度可靠度R(cmm)，以及根据层次分析法计算的三者之间的权重系数，计算得到多轴数控机床的运行质量可靠性；
所述步骤1)中，各评价指标的权重系数的计算方法具体步骤为：
1.1)构建数控机床性能评价指标体系：多轴数控机床的运行质量评价指标包括三个层次：
目标层，目标为“高端数控装备运行质量评价”；
准则层，向量{U1、U2、U3}表示准则层的三个因素，其中U1为现场运维数据特征，U2为指定运行过程信号的特征，U3为标准S试件的试切检验；
指标层，针对准则层中各因素的具体的评价指标，对于“现场运维数据”的评价方案集为U1＝{U11、U12}，其中U11为平均故障间隔时间，U12为平均故障修复时间；对于“运行过程信号的特征”的评价方案集为U2＝{U21、U22}，其中U21为信息熵方法，U22为峭度方法；对于“标准S试件的试切检验”的评价方案集U3＝{U31}，U31为S试件的三坐标检测；
1.2)根据数控机床性能评价指标体系建立层次分析判断矩阵；
1.3)求判断矩阵的特征值与特征向量；
1.4)对阶数大于2的判断矩阵进行一致性检验；
所述步骤1.2)中，针对准则层中的元素相对于目标层元素的重要性进行打分构造判断矩阵A1，然后构造出指标层对准则层的判断矩阵A21，A22；判断矩阵具体建立方法为：
假设要比较t个因素C1，C2，...Ct对目标O的影响，从而确定这些因素在目标O中所占的比重，每次取两个因素Ci,Cj，用aij表示因素Ci与因素Cj对目标O的影响程度之比，按照判断尺度表中的比例标度来度量aij；
判断尺度表
重要度尺度 含义 1 元素i与元素j相比，同样重要性 3 元素i比元素j稍微重要 5 元素i比元素j明显重要 7 元素i比元素j强烈重要 9 元素i比元素j极端重要 2、4、6、8 表示上述相邻判断的中间值
t个元素被两两比较，全部结果可用成对比较矩阵表示：
A＝[aij]t×t，i,j＝1,2,...t；
所述步骤1.3)中，对于构造的判断矩阵A1，A21，A22，分别计算满足A1W1'＝λ1maxW'1，A21W'21＝λ21maxW'21，A22W'22＝λ22maxW'22的特征根λ1max，λ21max，λ22max和特征向量W1'，W21'，W22'，对特征向量W1'，W21'，W22'分别进行归一化处理后得到W1，W21，W22；
其中，W1＝(ω1,ω2,ω3)，ω1，ω2，ω2分别为准则层中三个元素“现场运维数据”，“指定运行过程信号的特征提取”，“标准S试件试切”的权重系数；W21＝(ω21,ω22)，ω21，ω22分别为“平均故障间隔时间”和“平均故障修复时间”的权重系数；W22＝(ω23,ω24)，ω23，ω24分别为“信息熵方法”和“峭度方法”的权重系数；
所述步骤3)中，基于信息熵的可靠度为：
通过第n层小波包熵e得到基于信息熵的可靠度R(e)：
R(e)＝1-e
基于信息熵的可靠度R(e)∈[0,1]；
所述步骤3)中，基于峭度的可靠度R(K)为：
其中，K为机床运行振动信号峭度，a为阈值，b为常数，基于峭度的可靠度R(K)∈[0,1]；
所述步骤4)中，运行可靠度R(u)为：
R(u)＝ω1R(v)+ω2(ω23R(e)+ω24R(K))+ω3R(cmm)
根据运行可靠度R(u)的数值参照运行质量评价标准表进行评价：
运行质量评价标准
2.如权利要求1所述评价方法，其特征在于：所述步骤1.3)中，一致性检验方法为：
(1)计算一致性指标CI1：
CI1＝(λ1max-n1)/(n1-1)，
其中，n1为判断矩阵A1的阶数；
(2)计算一致性比例指标CR1：
CR1＝CI1/RI1，
其中，RI1是随机一致性指标，CR1是一致性比例指标，当CR1＜0.1时，认为判断矩阵A1满足一致性，其评价结果可以接受，否则重新赋值修正。
3.如权利要求1所述评价方法，其特征在于：所述步骤2)中，基于现场运维数据的运行质量的可靠度值的求取步骤为：
2.1)根据数控机床的现场运维数据与机床的性能对应关系，共设4个评价等级，给出评价集V＝{v1,v2,v3,v4}，其中v1＝{差}，v2＝{中}，v3＝{良}，v4＝{优}；
2.2)构建模糊隶属关系矩阵：
三角模糊函数隶属
式中，l≤mid≤u，l和u分别表示模糊集合的下限值和上限值，/>
构建平均故障间隔时间和平均故障修复时间两个评价指标的模糊隶属度R为：
d11,d12,d13,d14为分别隶属于函数μA(x),μB(x),μC(x),μD(x)的隶属度；A：论域[0,800]；B:论域[400,1200]；C:论域[800,1600]；D:论域[1200,+∞]；
d21,d22,d23,d24为分别隶属于函数μE(x),μF(x),μG(x),μH(x)的隶属度；E：论域[0,10]；F:论域[5,15]；G:论域[10,20]；H:论域[15,+∞]；
根据层次分析法计算的两个评价指标的权重系数W21，计算评价向量为：
B1,B2,B3,B4分别为属于性能“差”、“中”、“良”、“优”的系数值，设定“差”、“中”、“良”、“优”各等级对应的权值ζ＝[0.55,0.7,0.85,1],则基于现场运维数据的机床可靠性R(V)＝ζB,R(V)∈[0,1]。
4.如权利要求1所述评价方法，其特征在于：所述步骤4)中，标准试件加工精度可靠度R(cmm)：
式中，Ps为标准规定的测量点数量，Pe为超差点数量，R(cmm)∈[0,1]。
CN201911111030.9A 2019-11-14 2019-11-14 一种高端数控装备多维信息融合状态评价方法 Active CN110874509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911111030.9A CN110874509B (zh) 2019-11-14 2019-11-14 一种高端数控装备多维信息融合状态评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911111030.9A CN110874509B (zh) 2019-11-14 2019-11-14 一种高端数控装备多维信息融合状态评价方法

Publications (2)

Publication Number Publication Date
CN110874509A CN110874509A (zh) 2020-03-10
CN110874509B true CN110874509B (zh) 2023-12-12

Family

ID=69717215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911111030.9A Active CN110874509B (zh) 2019-11-14 2019-11-14 一种高端数控装备多维信息融合状态评价方法

Country Status (1)

Country Link
CN (1) CN110874509B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116213A (zh) * 2020-08-27 2020-12-22 南京理工大学 基于fahp的数控机床直线进给系统可靠性分配方法
CN113435780B (zh) * 2021-07-14 2023-05-12 北京信息科技大学 一种基于神经网络的应急通信感知装备体系效能评估方法
CN115077618A (zh) * 2022-06-27 2022-09-20 扬州市管件厂有限公司 一种核级合金钢弯头的质量检测方法及系统
CN115657533A (zh) * 2022-10-19 2023-01-31 扬力集团股份有限公司 一种压力机边缘控制设备及控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109242316A (zh) * 2018-09-13 2019-01-18 北京航空航天大学 基于模糊层次分析法的液压系统能效评估方法
CN110135708A (zh) * 2019-04-25 2019-08-16 温州大学 基于ahp和信息熵的球阀质量多级模糊综合评价方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109242316A (zh) * 2018-09-13 2019-01-18 北京航空航天大学 基于模糊层次分析法的液压系统能效评估方法
CN110135708A (zh) * 2019-04-25 2019-08-16 温州大学 基于ahp和信息熵的球阀质量多级模糊综合评价方法
CN110400087A (zh) * 2019-07-31 2019-11-01 中国计量大学 基于改进权重和可变模糊集的电梯安全防护系统评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Pengjia Wang 等.Research on reliability comprehensive evaluation method of five-axis CNC machine tools based on AHP and extension theory.The Journal of Engineering.2019,8599-8603. *
刘世豪 等.基于层次分析法的数控机床性能模糊综合评判.山东大学学报（工学版）.2010,第40卷(第1期),68-72. *
孔繁森 等.基于层次分析法的发动机缸体生产线设备可用性的模糊综合评价.吉林大学学报（工学版）.2008,第38卷(第6期),1332-1336. *

Also Published As

Publication number Publication date
CN110874509A (zh) 2020-03-10

Similar Documents

Publication Publication Date Title
CN110874509B (zh) 一种高端数控装备多维信息融合状态评价方法
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN107490964B (zh) 一种基于特征证据离散化的旋转机械故障特征约简方法
EP1960853A1 (en) Evaluating anomaly for one-class classifiers in machine condition monitoring
CN110428191B (zh) 配电网脆弱节点辨识的方法
CN112284440A (zh) 一种传感器数据偏差自适应修正方法
CN113094893A (zh) 晶圆品质虚拟测量方法、装置、计算机设备和存储介质
CN113221332B (zh) 一种基于云模型理论的海岸侵蚀脆弱性评估方法
CN113900845A (zh) 一种基于神经网络的微服务故障诊断的方法和存储介质
CN114169683A (zh) 基于模糊综合评价理论的发电机励磁系统状态评价方法
CN115545514A (zh) 基于健康度评估的配电融合设备差异化运维方法及装置
CN117194995A (zh) 基于数据挖掘的轨道车辆rams数据关联性分析方法
CN113505531B (zh) 基于结合传统诊断与机器学习方法且针对往复机械气门间隙异常故障的诊断模型构建方法
Ou et al. An improved SPRT control chart for monitoring process mean
CN112926698A (zh) 一种大型旋转装备振动预测与装配评价方法
CN111289231B (zh) 基于不完全B-spline数据拟合的转子系统健康监测方法和系统
CN117390767A (zh) 航空机载电子设备可靠性评估方法、装置及系统和介质
CN102262188B (zh) 工件抽样检验的方法
TWI427487B (zh) 工件抽樣檢驗的方法及其電腦程式產品
CN117151469A (zh) 一种储能电站的安全风险评价方法和系统
CN114800036B (zh) 一种设备健康状态评估方法
CN116628976A (zh) 一种水轮机组设备状态变权综合评价方法
CN113487141B (zh) 一种多源信息聚类融合的轴承状态评估方法
CN116305725A (zh) 一种绝缘工器具工频耐压试验周期确定方法及装置
Li Remaining useful life prediction of bearings using fuzzy multimodal extreme learning regression

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