CN112612247A - 一种用计算机仿真分析软件诊断数控机床故障的方法 - Google Patents

一种用计算机仿真分析软件诊断数控机床故障的方法 Download PDF

Info

Publication number
CN112612247A
CN112612247A CN202011406352.9A CN202011406352A CN112612247A CN 112612247 A CN112612247 A CN 112612247A CN 202011406352 A CN202011406352 A CN 202011406352A CN 112612247 A CN112612247 A CN 112612247A
Authority
CN
China
Prior art keywords
value
module
equipment
vibration frequency
normal index
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
Application number
CN202011406352.9A
Other languages
English (en)
Other versions
CN112612247B (zh
Inventor
陈智强
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.)
Ruiya Technology (Shanghai) Co.,Ltd.
Original Assignee
Shenzhen Yunhai Internet 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 Shenzhen Yunhai Internet Technology Co ltd filed Critical Shenzhen Yunhai Internet Technology Co ltd
Priority to CN202011406352.9A priority Critical patent/CN112612247B/zh
Publication of CN112612247A publication Critical patent/CN112612247A/zh
Application granted granted Critical
Publication of CN112612247B publication Critical patent/CN112612247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/406Numerical 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32207Action upon failure value, send warning, caution message to terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种用计算机仿真分析软件诊断数控机床故障的方法,涉及一种故障诊断方法,属于数控机床故障诊断技术领域;设置有模型训练模块,模型训练模块根据设备正常时获取的数据进行模型训练,并将训练的模型发送至数据存储模块进行存储,数据采集模块获取设备工作时的参数信息,将参数信息发送至故障诊断模块,故障诊断模块调取模型进行故障的判断;设定有设备正常指数阈值,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。避免偶然误差的产生。

Description

一种用计算机仿真分析软件诊断数控机床故障的方法
技术领域
本发明涉及一种故障诊断方法,具体为一种用计算机仿真分析软件诊断数控机床故障的方法,属于数控机床故障诊断技术领域。
背景技术
目前,数控机床已广泛应用于航空航天、核电、汽车、高新技术等行业,大大提高了产品的加工精度及生产效率,企业对数控机床的依赖性也愈来意强。据不完全统计,每年由于数控机床故障造成的生产损失达数干亿人民币,机床的可靠性、故障诊断与预测、性能评估和维修保障等问题得到国内外学者的广泛关注。
为了解决上述技术问题,本发明提供如下技术方案。
发明内容
本发明的目的在于提供一种用计算机仿真分析软件诊断数控机床故障的方法。
本发明的目的可以通过以下技术方案实现:
一种用计算机仿真分析软件诊断数控机床故障的方法,故障诊断方法具体包括以下步骤:
步骤一:控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
步骤二:数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;数据处理模块对设备参数信息进行预处理;
步骤三:数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
步骤四:获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
步骤五:故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure BDA0002818605780000021
步骤六:设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
优选的,所述数据采集模块用于采集数控机床的设备参数信息,并将采集的设备参数信息发送至数据处理模块,数据处理模块对设备参数信息进行预处理,预处理过程包括以下:
控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;
数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;
数据处理模块分别将振动频率、电流值、压力值、流量值以及温度值标记为Pti、Iti、Yti、Lti、Wti;i表示周期t内的采集次数,i=1,…,n;
数据处理模块对振动频率进行预处理,将振动频率Pti进行降序排列,选取最大值即振动频率峰值做为采样周期t内的振动频率值,标记为Ptf;
数据处理模块对电流值进行预处理,将电流值Iti进行求和取平均值做为采样周期t内的电流值
Figure BDA0002818605780000031
数据处理模块对压力值进行预处理,将压力值Yti进行降序排列,选取最大值Ytmax以及最小值Ytmin;计算最大值Ytmax以及最小值Ytmin的平均值Yt=(Ytmax+Ytmin)/2做为采样周期t内的压力值Yt;
数据处理模块对流量值进行预处理,将流量值Lti进行求和做为采样周期t内的电流值Lt;
数据处理模块对温度值进行预处理,将温度值Wti进行求和取平均值做为采样周期t内的电流值
Figure BDA0002818605780000032
优选的,数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
Figure BDA0002818605780000033
并将训练模型发送至数据存储模块,其中α、β、γ、ε为预设系数值,且预设系数值由多次代入数值计算得出。
优选的,所述故障诊断模块用于对数控机床进行故障诊断,具体的诊断方式包括以下步骤:
获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;
故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure BDA0002818605780000041
设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
与现有技术相比,本发明的有益效果是:
1、本发明设置有模型训练模块,模型训练模块根据设备正常时获取的数据进行模型训练,并将训练的模型发送至数据存储模块进行存储,数据采集模块获取设备工作时的参数信息,将参数信息发送至故障诊断模块,故障诊断模块调取模型进行故障的判断。
2、本发明设置有数据处理模块,数据处理模块进行数据的预处理。
3、本发明设定有设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。避免偶然误差的产生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种用计算机仿真分析软件诊断数控机床故障的方法,故障诊断方法具体包括以下步骤:
步骤一:控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
步骤二:数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;数据处理模块对设备参数信息进行预处理;
步骤三:数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
步骤四:获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
步骤五:故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure BDA0002818605780000061
步骤六:设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
其中,所述数据采集模块用于采集数控机床的设备参数信息,并将采集的设备参数信息发送至数据处理模块,数据处理模块对设备参数信息进行预处理,预处理过程包括以下:
控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;
数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;
数据处理模块分别将振动频率、电流值、压力值、流量值以及温度值标记为Pti、Iti、Yti、Lti、Wti;i表示周期t内的采集次数,i=1,…,n;
数据处理模块对振动频率进行预处理,将振动频率Pti进行降序排列,选取最大值即振动频率峰值做为采样周期t内的振动频率值,标记为Ptf;
数据处理模块对电流值进行预处理,将电流值Iti进行求和取平均值做为采样周期t内的电流值
Figure BDA0002818605780000071
数据处理模块对压力值进行预处理,将压力值Yti进行降序排列,选取最大值Ytmax以及最小值Ytmin;计算最大值Ytmax以及最小值Ytmin的平均值Yt=(Ytmax+Ytmin)/2做为采样周期t内的压力值Yt;
数据处理模块对流量值进行预处理,将流量值Lti进行求和做为采样周期t内的电流值Lt;
数据处理模块对温度值进行预处理,将温度值Wti进行求和取平均值做为采样周期t内的电流值
Figure BDA0002818605780000072
其中,数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
Figure BDA0002818605780000073
并将训练模型发送至数据存储模块,其中α、β、γ、ε为预设系数值,且预设系数值由多次代入数值计算得出。
其中,所述故障诊断模块用于对数控机床进行故障诊断,具体的诊断方式包括以下步骤:
获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;
故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure BDA0002818605780000074
设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种用计算机仿真分析软件诊断数控机床故障的方法,其特征在于,故障诊断方法具体包括以下步骤:
步骤一:控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
步骤二:数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;数据处理模块对设备参数信息进行预处理;
步骤三:数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
步骤四:获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
步骤五:故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure FDA0002818605770000011
步骤六:设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
2.根据权利要求1所述的一种用计算机仿真分析软件诊断数控机床故障的方法,其特征在于,所述数据采集模块用于采集数控机床的设备参数信息,并将采集的设备参数信息发送至数据处理模块,数据处理模块对设备参数信息进行预处理,预处理过程包括以下:
控制器设定采样周期t,采样间隔T,发送数据采集信号至数据采集模块;
数据采集模块根据控制器的采样周期t、采样间隔T进行设备参数信息;
数据采集模块获取数控机床的振动频率、电流值、压力值、流量值以及温度值,并将数据采集模块采集的振动频率、电流值、压力值、流量值以及温度值发送至数据处理模块;
数据处理模块分别将振动频率、电流值、压力值、流量值以及温度值标记为Pti、Iti、Yti、Lti、Wti;i表示周期t内的采集次数,i=1,…,n;
数据处理模块对振动频率进行预处理,将振动频率Pti进行降序排列,选取最大值即振动频率峰值做为采样周期t内的振动频率值,标记为Ptf;
数据处理模块对电流值进行预处理,将电流值Iti进行求和取平均值做为采样周期t内的电流值
Figure FDA0002818605770000022
数据处理模块对压力值进行预处理,将压力值Yti进行降序排列,选取最大值Ytmax以及最小值Ytmin;计算最大值Ytmax以及最小值Ytmin的平均值Yt=(Ytmax+Ytmin)/2做为采样周期t内的压力值Yt;
数据处理模块对流量值进行预处理,将流量值Lti进行求和做为采样周期t内的电流值Lt;
数据处理模块对温度值进行预处理,将温度值Wti进行求和取平均值做为采样周期t内的电流值
Figure FDA0002818605770000021
3.根据权利要求1所述的一种用计算机仿真分析软件诊断数控机床故障的方法,其特征在于:数据处理模块将处理后的振动频率、电流值、压力值、流量值以及温度值发送至模型训练模块,模型训练模块设定设备正常指数Szc,模型训练模块对设备参数信息进行训练,得到训练模型;
Figure FDA0002818605770000031
并将训练模型发送至数据存储模块,其中α、β、γ、ε为预设系数值,且预设系数值由多次代入数值计算得出。
4.根据权利要求1所述的一种用计算机仿真分析软件诊断数控机床故障的方法,其特征在于:所述故障诊断模块用于对数控机床进行故障诊断,具体的诊断方式包括以下步骤:
获取数据处理模块处理后的振动频率、电流值、压力值、流量值以及温度值;并将振动频率、电流值、压力值、流量值以及温度值发送至故障诊断模块;
故障诊断模块将振动频率、电流值、压力值、流量值以及温度值标记为Ptj、Itj、Ytj、Ltj、Wtj,j表示按照采样间隔T执行的采集次数;j=1,…,m;
故障诊断模块从数据存储模块中获取训练模型,将Ptj、Itj、Ytj、Ltj、Wtj代入训练模型进行设备正常指数Szcj的计算,计算公式为:
Figure FDA0002818605770000032
设定设备正常指数阈值,若连续三次的设备正常指数Szcj均超过设备正常指数阈值,则表示设备正常,若连续三次的设备正常指数Szcj存在一次低于设备正常指数阈值,则发送一级预警信号至故障报警模块;若连续三次的设备正常指数Szcj存在超过两次低于设备正常指数阈值,则发送二级预警信号至故障报警模块。
CN202011406352.9A 2020-12-05 2020-12-05 一种用计算机仿真分析软件诊断数控机床故障的方法 Active CN112612247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011406352.9A CN112612247B (zh) 2020-12-05 2020-12-05 一种用计算机仿真分析软件诊断数控机床故障的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011406352.9A CN112612247B (zh) 2020-12-05 2020-12-05 一种用计算机仿真分析软件诊断数控机床故障的方法

Publications (2)

Publication Number Publication Date
CN112612247A true CN112612247A (zh) 2021-04-06
CN112612247B CN112612247B (zh) 2021-11-26

Family

ID=75229209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011406352.9A Active CN112612247B (zh) 2020-12-05 2020-12-05 一种用计算机仿真分析软件诊断数控机床故障的方法

Country Status (1)

Country Link
CN (1) CN112612247B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118437A (zh) * 2007-09-03 2008-02-06 石毅 一种新型的数控机床远程状态监测与故障诊断系统实现方法
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
CN105676781A (zh) * 2016-03-08 2016-06-15 华侨大学 基于Petri网的数控机床控制系统故障诊断方法
CN109813544A (zh) * 2019-03-26 2019-05-28 武汉众犇慧通科技有限公司 一种基于在线监测的旋转机械早期故障诊断方法及系统
CN110262417A (zh) * 2019-06-10 2019-09-20 中云开源数据技术(上海)有限公司 一种生产设备故障预测诊断方法
CN110977614A (zh) * 2019-12-18 2020-04-10 常州机电职业技术学院 一种数控机床健康诊断方法
CN111060302A (zh) * 2019-12-31 2020-04-24 北京益安智慧科技有限公司 多参数设备状态综合监测诊断装置和诊断方法
CN111164524A (zh) * 2017-09-30 2020-05-15 西门子股份公司 一种数控机床的故障诊断信息库的生成方法和装置
CN111413926A (zh) * 2020-03-31 2020-07-14 成都飞机工业(集团)有限责任公司 一种持续超限的故障预警方法
EP3722083A1 (en) * 2019-04-10 2020-10-14 The Boeing Company Fabrication optimization for composite parts
WO2020224718A1 (de) * 2019-05-09 2020-11-12 Dürr Systems Ag Analyseverfahren und vorrichtungen hierzu

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118437A (zh) * 2007-09-03 2008-02-06 石毅 一种新型的数控机床远程状态监测与故障诊断系统实现方法
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
CN105676781A (zh) * 2016-03-08 2016-06-15 华侨大学 基于Petri网的数控机床控制系统故障诊断方法
CN111164524A (zh) * 2017-09-30 2020-05-15 西门子股份公司 一种数控机床的故障诊断信息库的生成方法和装置
CN109813544A (zh) * 2019-03-26 2019-05-28 武汉众犇慧通科技有限公司 一种基于在线监测的旋转机械早期故障诊断方法及系统
EP3722083A1 (en) * 2019-04-10 2020-10-14 The Boeing Company Fabrication optimization for composite parts
WO2020224718A1 (de) * 2019-05-09 2020-11-12 Dürr Systems Ag Analyseverfahren und vorrichtungen hierzu
CN110262417A (zh) * 2019-06-10 2019-09-20 中云开源数据技术(上海)有限公司 一种生产设备故障预测诊断方法
CN110977614A (zh) * 2019-12-18 2020-04-10 常州机电职业技术学院 一种数控机床健康诊断方法
CN111060302A (zh) * 2019-12-31 2020-04-24 北京益安智慧科技有限公司 多参数设备状态综合监测诊断装置和诊断方法
CN111413926A (zh) * 2020-03-31 2020-07-14 成都飞机工业(集团)有限责任公司 一种持续超限的故障预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHIMIN DU ET AL.: "Fault diagnosis for temperature, flow rate and pressure sensors in VAV systems using wavelet neural network", 《APPLIED ENERGY》 *
陈志强 等: "深度学习在设备故障预测与健康管理中的应用", 《仪器仪表学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN112612247B (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN104808585B (zh) 一种机床健康状态快速检查方法
CN111708798B (zh) 一种风电机组故障诊断与处理方法及系统
CN108629520B (zh) 一种微气象环境下的高压输电线路运行状态评估方法
CN106226621A (zh) 一种基于灰色关联分析的二次设备故障诊断和预警方法
CN112612247B (zh) 一种用计算机仿真分析软件诊断数控机床故障的方法
CN115469176A (zh) 一种基于数据模型的数字孪生电网用风险评估系统
CN116660672B (zh) 基于大数据的电网设备故障诊断方法及系统
CN116360367A (zh) 一种工业设备物联网数据采集方法及系统
CN116993329B (zh) 一种基于数据分析的通讯设备运行维修决策管理系统
CN116028887B (zh) 一种连续性工业生产数据的分析方法
CN117353436B (zh) 一种基于物联网监控的太阳能供电系统
CN116315173A (zh) 基于新能源汽车的电池温度采样系统
CN115929566A (zh) 风电机组变桨减速器在线状态监测与预警系统及方法
CN113419487A (zh) 一种数控机床故障自动诊断系统
CN117233541B (zh) 一种配电网电力线路运行状态测量方法及测量系统
CN113611096A (zh) 一种空压站电能消耗监测预警系统
CN117113104A (zh) 一种应用数据分析技术的智能化管理系统及方法
CN112783138A (zh) 生产线设备加工稳定性智能监控和异常诊断方法及装置
CN209783910U (zh) 一种核电用泵轴承智能故障诊断系统
CN116644291A (zh) 一种基于云边协同的储能电池多风险类型预警方法
CN115208067B (zh) 一种新能源场站惯量响应检测方法、装置和系统
CN116345687A (zh) 电力监控系统用户行为安全预警系统
CN106650154B (zh) 一种基于热力性能指标的核电常规岛设备可靠性监测方法
CN113848347A (zh) 一种风力发电机测风仪健康状态检测方法
CN110412428B (zh) 一种基于时序约束网络的配电网时间表示方法

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
TA01 Transfer of patent application right

Effective date of registration: 20211108

Address after: 200120 Pudong New Area, Shanghai, China (Shanghai) free trade trial area, No. 3, 1 1, Fang Chun road.

Applicant after: Ruiya Technology (Shanghai) Co.,Ltd.

Address before: 518000 2nd floor, building 20, Lishan Industrial Zone, Yanshan Road, Yueliangwan, Nanshan street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Yunhai Internet Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant