CN110977614A - 一种数控机床健康诊断方法 - Google Patents
一种数控机床健康诊断方法 Download PDFInfo
- Publication number
- CN110977614A CN110977614A CN201911312259.9A CN201911312259A CN110977614A CN 110977614 A CN110977614 A CN 110977614A CN 201911312259 A CN201911312259 A CN 201911312259A CN 110977614 A CN110977614 A CN 110977614A
- Authority
- CN
- China
- Prior art keywords
- numerical control
- control machine
- machine tool
- data
- health degree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000003745 diagnosis Methods 0.000 title claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 238000007418 data mining Methods 0.000 claims abstract description 3
- 238000012360 testing method Methods 0.000 claims abstract description 3
- 238000001228 spectrum Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 18
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 239000013078 crystal Substances 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
-
- 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
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0995—Tool life management
-
- 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
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0971—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring mechanical vibrations of parts of the machine
-
- 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
-
- 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
- B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
- B23Q17/008—Life management for parts of the machine
-
- 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
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0985—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring temperature
-
- 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
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- B23Q2717/00—Arrangements for indicating or measuring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Discrete Mathematics (AREA)
- Operations Research (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Numerical Control (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于自动化设备预测维护领域,涉及一种数控机床健康诊断方法。本发明采用的Zigbee节点完成对振动、温度等参数的检测功能,并上传到zigbee网关。Zigbee网关将检测到的数据传到云服务器进行数字信号处理、数据挖掘与分析处理。云服务器对以上数据进行训练测试后,得到健康度模型。云服务器将健康度模型传送给Zigbee网关。时钟电路可同步系统时间并在记录数据时记录时间。对于数控机床的在线预测性维护而言,提供了最快速最精准的预测性维护信息。预测性维护报警阈值选择恰当,可根据健康度情况改变振动信号采样频率,使健康度较低时系统得到更多的频域数据信息以利于监控与分析。
Description
技术领域
本发明属于自动化设备预测维护领域,涉及一种数控机床健康诊断方法。
背景技术
数控机床的性能和可靠性是至关重要的,它决定了数控机床的使用寿命及工作效率,当前对于数控机床的维修大多采用事故维修和计划性维修的方式进行维护,“事故维修”方式使用设备直到发生故障,然后维修,如遇突发性事故,可能会造成巨大损失。定期维修维护方式是以在设备不运转的静态情况下进行的,存在以下不足之处:不工作情况下的设备状态和运行中差别很明显,影响判断精确度。由于是定期检查和维修,设备状态即使良好时,按计划仍需进行试验和维修,造成人力物力浪费。
目前正在发展以状态监测(通常是在线监测)和故障诊断为基础的状态维修,专家根据状态监测所得到的各测量值及其运算处理结果所提供的信息,采用所掌握的关于设备的知识和经验,进行推理判断,找出设备故障的类型、部位及严重程度,从而提出对设备的维修处理建议。
发明内容
本发明对数控机床布设无线传感器网络,监控运行参数,进行数据采集,并根据历史数据,学习出健康度模型。对数控机床进行在线监测,根据健康度模型并结合目前参数,可以实时给出当前数控机床健康度,并能根据设定的阈值进行预测性维护预警,实现对数控机床的在线预测性维护。
为了解决上述技术问题,本发明的技术方案是:
本发明的系统结构如图1所示。
Zigbee节点完成对振动、温度等参数的检测功能,并上传到zigbee网关。Zigbee网关将检测到的数据传到云服务器进行数字信号处理、数据挖掘与分析处理。云服务器对以上数据进行训练测试后,得到健康度模型。云服务器将健康度模型传送给Zigbee网关。时钟电路可同步系统时间并在记录数据时记录时间。键盘、显示模块用于人机接口以输入与显示信息。
Zigbee网关根据传感器节点(包括振动传感器节点和温度传感器节点)监测得到的振动、温度数据,结合训练得到的模型,可以实时预测给出数控机床健康度并显示给操作人员。管理人员可以通过手机、电脑远程登入服务器查看健康度等信息。系统还可以根据数控机床健康度改变振动节点记录振动数据的采样频率。
振动传感器节点结构如图2所示。
本发明的振动传感器节点是由TI公司的DSP TMS320C6748、TI公司的CC2530、A/D转换器、振动传感器、SD卡存储模块以及通信单元和供电模块等组成,主要实现对机械振动信号的采集存储并将采集的数据通过无线传输的方式发送给Zigbee网关。对数据进行训练时,将数据传输给服务器分析处理,最终由服务器进行FFT变换处理得到相关频段的频谱均值,相关频段的频谱均值作为训练数据的重要特征来训练健康度模型。振动传感器节点的TMS320C6748也能将当前振动数据进行FFT变换处理得到相关频段的频谱均值,传送给zigbee网关进行在线预测给出当前数控机床健康度。
一种数控机床健康诊断方法,步骤如下:
第一步,云服务器将振动传感器节点采集到的振动数据进行FFT变换处理,得到在以下频段:800-1800Hz、1800-2800Hz、2800-3800Hz的频谱均值。
根据频段的频谱均值、温度的相应历史数据情况下,得出相关频段的频谱均值、温度与设备工作状态关系的回归系数。
1.1建立数据向量
x=(x(1),x(2),x(3),x(4))
其中,x(1)为800-1800Hz的频谱平均值,x(2)为2800-3800Hz的频谱平均值,x(3)为2800-3800Hz的频谱平均值,x(4)为设备温度平均值;
1.2建立系数向量w=(w(1),w(2),w(3),w(4))其中,w(1)为800-1800Hz的频谱平均值系数;w(2)为2800-3800Hz的频谱平均值系数;w(3)为2800-3800Hz的频谱平均值系数;w(4)为温度系数;
1.3 xi为第i个训练数据向量,yi为xi的类标记。yi为-1时表示设备故障,为+1时表示设备正常,N为训练数据数目。
求几何间隔最大的分类超平面,问题可以表示为下面的约束最优化问题:
S.t yi(w.xi+b)≥1-ξi
ξi≥0 i=1,2,...N
C为惩罚系数,ξi为松弛变量;
这里设定C=0.35,经反复调参,C为该值时效果最好。
设上述问题的解为w*,b*
通过将原始问题转化为对偶问题,使用KKT条件,求对偶问题的最优解,可得:
其中α*为为拉格朗日乘子向量中对偶问题的解。
第二步,2.1数控机床健康度:
数控机床健康度J为0-1之间的数,值越大越接近于1表示工作状态越健康;值越小越接近于0表示工作状态越不健康,出现故障的可能越大。
通过以下步骤可求出数控机床健康度J:
其中x0为由专家标定的工作正常数控机床数据向量,xc为在线监测得到的当前数控机床数据向量。
L0:标定数控机床的健康度等效距离,Lc:当前数控机床的健康度等效距离。
2.2预测性维护报警阈值的确定
故障可能指数p表示出现故障的可能性大小。
其中,r为预测性维护预警阈值,当p>r时,进行预警操作,提示数控机床需要维护。
r的取值一般设定在0.7-0.9之间。在0.8时效果最好。很好地在避免虚报和避免漏报之间进行了折衷。r的取值也可以由用户根据企业情况自主设置。
振动传感器节点的振动信号AD转换采样频率根据健康度变化而设置为不同的值。采取这种方式可以使健康度较低时系统得到更多的频域数据信息以利于监控与分析。
其中fc:振动信号AD转换采样频率
f0:晶振频率
N:可变分频器的分频比
N0:分频比基准值。
本发明的有益效果:
本发明对数控机床进行在线监测,根据故障模型并结合目前参数,能实时给出健康度信息并可实时显示。对于数控机床的在线预测性维护而言,提供了最快速最精准的预测性维护信息。预测性维护报警阈值选择恰当,很好地在避免虚报和避免漏报之间进行了折衷。可根据健康度情况改变振动信号采样频率,使健康度较低时系统得到更多的频域数据信息以利于监控与分析。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的振动传感器节点电路结构示意图。
具体实施方式
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明。
一种数控机床健康诊断方法,步骤如下:
第一步,云服务器将振动传感器节点采集到的振动数据进行FFT变换处理,得到800-1800Hz、1800-2800Hz、2800-3800Hz的频谱平均值;
所述的振动传感器节点的振动信号AD转换采样频率fc根据健康度变化而设置为不同的值
其中fc:振动信号AD转换采样频率
f0:晶振频率;
N:可变分频器的分频比;
N0:分频比基准值。
根据频段的频谱平均值、温度的相应历史数据情况下,得出相关频段的频谱平均值、温度与设备工作状态关系的回归系数;
1.1建立数据向量
x=(x(1),x(2),x(3),x(4))
其中,x(1)为800-1800Hz的频谱平均值,x(2)为2800-3800Hz的频谱平均值,x(3)为2800-3800Hz的频谱平均值,x(4)为设备温度平均值;
1.2建立系数向量w=(w(1),w(2),w(3),w(4))其中,w(1)为800-1800Hz的频谱平均值系数;w(2)为2800-3800Hz的频谱平均值系数;w(3)为2800-3800Hz的频谱平均值系数;w(4)为温度系数;
1.3 xi为第i个训练数据向量,yi为xi的类标记;yi为-1时表示设备故障,为+1时表示设备正常,N为训练数据数目;
求几何间隔最大的分类超平面,问题表示为下面的约束最优化问题:
S.t yi(w.xi+b)≥1-ξi
ξi≥0 i=1,2,...N
C为惩罚系数,C取0.35,ξi为松弛变量;
设约束最优化问题问题的解为w*,b*;
通过将原始问题转化为对偶问题,使用KKT条件,求对偶问题的最优解,可得:
其中α*为为拉格朗日乘子向量中对偶问题的解;
第二步:
2.1数控机床健康度:
数控机床健康度J为0-1之间的数,值越大越接近于1表示工作状态越健康;值越小越接近于0表示工作状态越不健康,出现故障的可能越大;
通过以下步骤可求出数控机床健康度J:
其中x0为由专家标定的工作正常数控机床数据向量,xc为在线监测得到的当前数控机床数据向量;
L0为标定数控机床的健康度等效距离,Lc为当前数控机床的健康度等效距离;
2.2预测性维护报警阈值的确定
故障可能指数p表示出现故障的可能性大小;
其中,r为预测性维护预警阈值,当p>r时,进行预警操作,提示数控机床需要维护。所述的预测性维护预警阈值r的取值设定在0.7~0.9之间。
Claims (7)
1.一种数控机床健康诊断方法,其特征在于,步骤如下:
第一步,云服务器将振动传感器节点采集到的振动数据进行FFT变换处理,得到800-1800Hz、1800-2800Hz、2800-3800Hz的频谱平均值;
根据频段的频谱平均值、温度的相应历史数据情况下,得出相关频段的频谱平均值、温度与设备工作状态关系的回归系数;
1.1建立数据向量
x=(x(1),x(2),x(3),x(4))
其中,x(1)为800-1800Hz的频谱平均值,x(2)为2800-3800Hz的频谱平均值,x(3)为2800-3800Hz的频谱平均值,x(4)为设备温度平均值;
1.2建立系数向量w=(w(1),w(2),w(3),w(4))其中,w(1)为800-1800Hz的频谱平均值系数;w(2)为2800-3800Hz的频谱平均值系数;w(3)为2800-3800Hz的频谱平均值系数;w(4)为温度系数;
1.3xi为第i个训练数据向量,yi为xi的类标记;yi为-1时表示设备故障,为+1时表示设备正常,N为训练数据数目;
求几何间隔最大的分类超平面,问题表示为下面的约束最优化问题:
S.t yi(w.xi+b)≥1-ξi
ξi≥0 i=1,2,...N
C为惩罚系数,ξi为松弛变量;
设约束最优化问题问题的解为w*,b*;
通过将原始问题转化为对偶问题,使用KKT条件,求对偶问题的最优解,可得:
其中α*为为拉格朗日乘子向量中对偶问题的解;
第二步:
2.1数控机床健康度:
数控机床健康度J为0-1之间的数,值越大越接近于1表示工作状态越健康;值越小越接近于0表示工作状态越不健康,出现故障的可能越大;
通过以下步骤可求出数控机床健康度J:
其中x0为由专家标定的工作正常数控机床数据向量,xc为在线监测得到的当前数控机床数据向量;
L0为标定数控机床的健康度等效距离,Lc为当前数控机床的健康度等效距离;
2.2预测性维护报警阈值的确定
故障可能指数p表示出现故障的可能性大小;
其中,r为预测性维护预警阈值,当p>r时,进行预警操作,提示数控机床需要维护。
3.如权利要求1或2所述的一种数控机床健康诊断方法,其特征在于,所述的预测性维护预警阈值r的取值设定在0.7~0.9之间。
4.如权利要求1或2所述的一种数控机床健康诊断方法,其特征在于,步骤1.3中,惩罚系数C=0.35。
5.如权利要求3所述的一种数控机床健康诊断方法,其特征在于,步骤1.3中,惩罚系数C=0.35。
6.根据权利要求1~5所述的一种数控机床健康诊断方法采用的系统,其特征在于,包括Zigbee网关、云服务器和传感器节点,Zigbee网关将检测到的数据传到云服务器进行数字信号处理、数据挖掘与分析处理;云服务器对以上数据进行训练测试后,得到健康度模型;云服务器将健康度模型传送给Zigbee网关;时钟电路可同步系统时间并在记录数据时记录时间,Zigbee网关根据传感器节点监测得到的振动、温度数据,结合训练得到的模型,实时预测给出数控机床健康度并显示给操作人员。
7.根据权利要求6所述的系统,其特征在于,所述的传感器节点包括振动传感器节点,振动传感器节点是由TI公司的DSP TMS320C6748、TI公司的CC2530、A/D转换器、振动传感器、SD卡存储模块以及通信单元和供电模块组成,实现对机械振动信号的采集存储并将采集的数据通过无线传输的方式发送给Zigbee网关。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312259.9A CN110977614B (zh) | 2019-12-18 | 2019-12-18 | 一种数控机床健康诊断方法 |
PCT/CN2020/136109 WO2021121182A1 (zh) | 2019-12-18 | 2020-12-14 | 一种数控机床健康诊断方法 |
US17/424,091 US11919113B2 (en) | 2019-12-18 | 2020-12-14 | Method for diagnosing health of CNC machine tool |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312259.9A CN110977614B (zh) | 2019-12-18 | 2019-12-18 | 一种数控机床健康诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110977614A true CN110977614A (zh) | 2020-04-10 |
CN110977614B CN110977614B (zh) | 2020-08-04 |
Family
ID=70095725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911312259.9A Active CN110977614B (zh) | 2019-12-18 | 2019-12-18 | 一种数控机床健康诊断方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11919113B2 (zh) |
CN (1) | CN110977614B (zh) |
WO (1) | WO2021121182A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882091A (zh) * | 2020-08-05 | 2020-11-03 | 南京先维信息技术有限公司 | 一种基于设备环境信息的大数据分析方法 |
CN112232531A (zh) * | 2020-09-15 | 2021-01-15 | 中国第一汽车股份有限公司 | 基于装备物联的汽车试验设备预测性维护系统及维护方法 |
CN112612247A (zh) * | 2020-12-05 | 2021-04-06 | 深圳市云海互联技术有限公司 | 一种用计算机仿真分析软件诊断数控机床故障的方法 |
CN112762990A (zh) * | 2020-12-29 | 2021-05-07 | 陕西新泓水艺环境科技有限公司 | 设备健康度的预测方法及预测系统 |
WO2021121182A1 (zh) * | 2019-12-18 | 2021-06-24 | 常州机电职业技术学院 | 一种数控机床健康诊断方法 |
CN114287244A (zh) * | 2021-12-31 | 2022-04-08 | 常州机电职业技术学院 | 一种秸秆打捆机智能控制与健康管理装置 |
CN114298334A (zh) * | 2021-11-29 | 2022-04-08 | 盛景智能科技(嘉兴)有限公司 | 机床主轴预测性维护系统及方法 |
CN117707050A (zh) * | 2023-12-25 | 2024-03-15 | 上海滨捷机电有限公司 | 基于云计算的数控机床实时监控与数据分析系统及方法 |
CN117798744A (zh) * | 2024-02-29 | 2024-04-02 | 茌平县汇通机械制造有限公司 | 一种数控机床运行状态监测方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114057053B (zh) * | 2022-01-18 | 2022-04-26 | 杭州浅水数字技术有限公司 | 用于特种机械的部件疲劳程度监测方法 |
CN115685879B (zh) * | 2023-01-05 | 2023-06-02 | 广东美的制冷设备有限公司 | 机床状态调整方法、装置、设备、机床、介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03221354A (ja) * | 1990-01-23 | 1991-09-30 | Mitsubishi Heavy Ind Ltd | 転がり軸受の異常予知装置 |
CN102520697A (zh) * | 2011-12-16 | 2012-06-27 | 西安建筑科技大学 | 一种远程协同诊断的现场信息预处理方法 |
CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI264663B (en) | 2003-11-07 | 2006-10-21 | Univ Nat Chiao Tung | High-resolution intelligent rotor machine diagnostic system and method |
JP2007090477A (ja) | 2005-09-28 | 2007-04-12 | Toshiba Mach Co Ltd | 電動式射出成形機の修繕予告方法および装置 |
WO2017002762A1 (ja) * | 2015-06-27 | 2017-01-05 | 株式会社山本金属製作所 | リアルタイム状況検知用のセンサ付き回転加工工具 |
FR3069668B1 (fr) * | 2017-07-27 | 2021-02-12 | Safran | Procede et dispositif de recherche d'un defaut susceptible d'affecter un dispositif mecanique tournant de transmission de puissance |
US10739754B2 (en) | 2018-05-11 | 2020-08-11 | Ford Motor Company | Method and system for monitoring machine health to improve machine cycle time impact |
CN110570052B (zh) | 2019-10-22 | 2024-07-02 | 常州机电职业技术学院 | 一种船用离心泵预测性维护方法 |
CN110977614B (zh) | 2019-12-18 | 2020-08-04 | 常州机电职业技术学院 | 一种数控机床健康诊断方法 |
-
2019
- 2019-12-18 CN CN201911312259.9A patent/CN110977614B/zh active Active
-
2020
- 2020-12-14 WO PCT/CN2020/136109 patent/WO2021121182A1/zh active Application Filing
- 2020-12-14 US US17/424,091 patent/US11919113B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03221354A (ja) * | 1990-01-23 | 1991-09-30 | Mitsubishi Heavy Ind Ltd | 転がり軸受の異常予知装置 |
CN102520697A (zh) * | 2011-12-16 | 2012-06-27 | 西安建筑科技大学 | 一种远程协同诊断的现场信息预处理方法 |
CN108803552A (zh) * | 2018-08-31 | 2018-11-13 | 承德建龙特殊钢有限公司 | 一种设备故障的监测系统及监测方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021121182A1 (zh) * | 2019-12-18 | 2021-06-24 | 常州机电职业技术学院 | 一种数控机床健康诊断方法 |
US11919113B2 (en) | 2019-12-18 | 2024-03-05 | Changzhou Electromechanical Vocational And Technical College | Method for diagnosing health of CNC machine tool |
CN111882091A (zh) * | 2020-08-05 | 2020-11-03 | 南京先维信息技术有限公司 | 一种基于设备环境信息的大数据分析方法 |
CN112232531A (zh) * | 2020-09-15 | 2021-01-15 | 中国第一汽车股份有限公司 | 基于装备物联的汽车试验设备预测性维护系统及维护方法 |
CN112612247A (zh) * | 2020-12-05 | 2021-04-06 | 深圳市云海互联技术有限公司 | 一种用计算机仿真分析软件诊断数控机床故障的方法 |
CN112762990A (zh) * | 2020-12-29 | 2021-05-07 | 陕西新泓水艺环境科技有限公司 | 设备健康度的预测方法及预测系统 |
CN114298334A (zh) * | 2021-11-29 | 2022-04-08 | 盛景智能科技(嘉兴)有限公司 | 机床主轴预测性维护系统及方法 |
CN114287244B (zh) * | 2021-12-31 | 2023-10-20 | 常州机电职业技术学院 | 一种秸秆打捆机智能控制与健康管理装置 |
CN114287244A (zh) * | 2021-12-31 | 2022-04-08 | 常州机电职业技术学院 | 一种秸秆打捆机智能控制与健康管理装置 |
CN117707050A (zh) * | 2023-12-25 | 2024-03-15 | 上海滨捷机电有限公司 | 基于云计算的数控机床实时监控与数据分析系统及方法 |
CN117707050B (zh) * | 2023-12-25 | 2024-05-07 | 上海滨捷机电有限公司 | 基于云计算的数控机床实时监控与数据分析系统及方法 |
CN117798744A (zh) * | 2024-02-29 | 2024-04-02 | 茌平县汇通机械制造有限公司 | 一种数控机床运行状态监测方法 |
CN117798744B (zh) * | 2024-02-29 | 2024-05-10 | 茌平县汇通机械制造有限公司 | 一种数控机床运行状态监测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220097193A1 (en) | 2022-03-31 |
CN110977614B (zh) | 2020-08-04 |
WO2021121182A1 (zh) | 2021-06-24 |
US11919113B2 (en) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN115657617A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
CN102141808A (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
CN103701637A (zh) | 一种电力通信传输网运行趋势分析方法 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN116647819A (zh) | 基于传感器网络的仪器能耗监测方法及系统 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
US12039045B2 (en) | Event analysis in an electric power system | |
De Vita et al. | A novel data collection framework for telemetry and anomaly detection in industrial iot systems | |
CN117439687B (zh) | 一种基于hplc和hrf的双模通信方法、系统及装置 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN117014471A (zh) | 一种基于人工智能的工程物联网安全监测系统 | |
CN117556359A (zh) | 配电设备健康状态评估系统及方法 | |
CN117408162A (zh) | 基于数字孪生的电网故障控制方法 | |
CN117041312A (zh) | 基于物联网的企业级信息技术监控系统 | |
CN115879793A (zh) | 一种电能表状态信息化评价系统 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN112526945B (zh) | 具备反馈与闭环控制功能的全流程监控与预警系统 | |
CN112710918A (zh) | 基于边缘计算的无线数据采集方法及系统 | |
KR102573254B1 (ko) | 연합 학습을 이용한 기계설비 고장 예지 분석 시스템 | |
CN214330806U (zh) | 风力发电机系统和风力发电机的故障分析设备 | |
CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 | |
CN117353807B (zh) | 一种基于人工智能的光缆远程监测系统及方法 | |
CN116345688A (zh) | 电力系统故障预测方法及装置 |
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 |