CN115079639B - 凸轮分割器的加工机床运行异常报警方法 - Google Patents

凸轮分割器的加工机床运行异常报警方法 Download PDF

Info

Publication number
CN115079639B
CN115079639B CN202210821531.1A CN202210821531A CN115079639B CN 115079639 B CN115079639 B CN 115079639B CN 202210821531 A CN202210821531 A CN 202210821531A CN 115079639 B CN115079639 B CN 115079639B
Authority
CN
China
Prior art keywords
machine tool
processing machine
data
state
controller
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
CN202210821531.1A
Other languages
English (en)
Other versions
CN115079639A (zh
Inventor
沈敏
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.)
Shenzhen Xiehe Transmission Equipment Co ltd
Original Assignee
Shenzhen Xiehe Transmission Equipment 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 Xiehe Transmission Equipment Co ltd filed Critical Shenzhen Xiehe Transmission Equipment Co ltd
Priority to CN202210821531.1A priority Critical patent/CN115079639B/zh
Publication of CN115079639A publication Critical patent/CN115079639A/zh
Application granted granted Critical
Publication of CN115079639B publication Critical patent/CN115079639B/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
    • G05B19/406—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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34457—Emit alarm signal

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)

Abstract

本发明公开一种凸轮分割器的加工机床运行异常报警方法，涉及数据异常报警领域，通过加工机床采集模块获取机床运行状态信息和凸轮分割器加工参数，对不同的数据信息进行分类，机床运行数据种类包括机床加工定位数据、补偿数据、主轴转速、伺服数据、加工零件进给速度和NetCat代码，传感器在采集过程中通过无线网络架构实现数据信息的传递和交互；通过内置检测电路比较所定义的异常预警数据信息和检测到的加工机床数据信息，其中内置检测电路包含气体检测模块和温度监测模块；实时检测当前加工机床的工作气体和工作台温度，通过粒子滤波状态估计算法实现凸轮分割器运行状态故障诊断。本发明能够提高加工机床运行异常报警能力。

Description

凸轮分割器的加工机床运行异常报警方法
技术领域
本发明涉及数据异常报警领域，且更确切地涉及一种凸轮分割器的加工机床运行异常报警方法。
背景技术
凸轮分割器，在工程上又称凸轮分度器、间歇分割器。它是一种高精度的回转装置，在当前自动化的要求下，凸轮分度器显得尤为重要。机床加工指靠机床保证刀具与卡具的相对运动关系，同时用刀具（或者其他工具）加工安装在卡具上工件的过程。但是这一过程并不一定是切削加工 也可能是压力加工。比如在车床上进行滚花或者旋压。凸轮分割器的加工机床在机械加工领域中发挥着至关重要的作用，但凸轮分割器的加工机床运行过程中，往往会出现异常问题，长时间运转就会出现一些故障,导致设备不能正常运行，凸轮分割器的最大扭矩,极易造成分割器出力转塔的滚针的断裂，凸轮分割器在运行过程中,由于长时间运行、物理惯性、负载或安装误差,会出现一些严重的故障。如果不及时处理和维护,可能会报废分割器。比如出现异常振动、发现异响、凸轮静态区域有反向冲击、在相应的间歇时间内没有刻度输出，或者某个位置有不稳定的刻度输出或者根本没有刻度输出等多种异常数据信息输出。
由于凸轮分割器的加工机床运行异常类型较多，如何实现多种类型凸轮分割器的加工机床运行分析是目前亟待解决的问题。常规技术故障诊断通常是一种故障应用一种监测设备，监测力度小，范围小，无法实现多种数据信息的监控和智能化分析，诊断效率低下。
发明内容
针对上述技术的不足，本发明公开一种凸轮分割器的加工机床运行异常报警方法，能够提高加工机床运行异常报警能力。
为了实现上述技术效果，本发明采用以下技术方案：
一种凸轮分割器的加工机床运行异常报警方法，其中包括：
（S1）通过加工机床采集模块获取机床运行状态信息和凸轮分割器加工参数，并且根据数控系统不同型号的凸轮分割器选择不同厂家通讯方式，进而获取凸轮分割器图纸数据；加工机床采集模块包括机床各个关键部件的传感器或者检测电路；
（S2）对不同的数据信息进行分类，机床运行数据种类包括机床加工定位数据、补偿数据、主轴转速、伺服数据、加工零件进给速度和NetCat代码，传感器在采集过程中通过无线网络架构实现数据信息的传递和交互；
（S3）定义异常预警数据类型，通过内置检测电路比较所定义的异常预警数据信息和检测到的加工机床数据信息，其中内置检测电路包含气体检测模块和温度监测模块；
（S4）异常预警诊断，通过粒子滤波状态估计算法实现凸轮分割器运行状态故障诊断，将诊断结果与异常状态下的阈值进行对比，加工机床的内置检测电路将会发出信号给加工机床控制器；加工机床控制器将信号发送至智能语音报警装置中，音报警装置通过将电信号转化声信号，通过语音播报的方式发出告警，工作人员收到信息后，实现对凸轮分割器的加工机床安全维护工作。
作为本发明进一步的技术方案，加工机床采集模块为OPC标准数据采集、PLC数据采集和宏指令数据采集。
作为本发明进一步的技术方案，内置检测电路包括加工机床控制器，所述加工机床控制器包括STM8L151K4T6单片机控制模块和与所述STM8L151K4T6单片机控制模块连接的LM235信号放大器，所述LM235信号放大器的3引脚和4引脚分别接收来自温度传感器与气体传感器的电信号。
作为本发明进一步的技术方案，内置检测电路工作的方法为：
当检测到易燃、危险气体时输出为低电平，气体传感器勘察多种不同类型的气体，当勘察得到空气中弥漫的有害气体的浓度达到标准值以上时，气体传感器的内阻R s 值下降，进而导致电路中输出的接地电压增大，用公式可表示为：
Figure 375069DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 69355DEST_PATH_IMAGE002
表示回路电压，
Figure 658599DEST_PATH_IMAGE003
表示输出电压，
Figure 143064DEST_PATH_IMAGE004
表示负载电阻；当保护开关断 开时，气体传感器与温度传感器停止工作，气体传感器与温度传感器实时信号无法通过 OUT2输出，而通过M转接点输出至OUT1，提高了故障报警装置接收完整检测信号的能力。
作为本发明进一步的技术方案，智能语音异常报警装置包括机床加工控制器和所述机床加工控制器连接的时钟电路、信号编码电路、机床加工控制器、存储器、信号转化接口、语音发声器、显示控制器、指示灯及按键、蜂鸣器和电机驱动。
作为本发明进一步的技术方案，智能语音异常报警装置工作的方法：
加工机床控制器通过总线连接时钟电路，最大时钟频率为72MHz；存储器包含外置存储卡与内置读写卡，内存为768MB与624MB；通过激光加工机床编程，在指示灯中设置一个红外报警阈值，输入的气体与温度检测信号数值达不到报警阈值时，加工机床控制器输出高电平，测量数值超过预设的报警阈值时，加工机床控制器输出低电平，加工机床控制器在收到低电平信号后，通过电机驱动报警模块，输出报警信号；光电器件耦合电路中R6与R7为限流电阻，C4为滤波电容，气体与温度混合检测信息输入至机床加工控制器后，通过信号转化接口将数据信息转化为数字信号，通过控制总线传递给语音发生器。
作为本发明进一步的技术方案，智能语音异常报警装置的控制核心为VP-1600语音处理器芯片。
作为本发明进一步的技术方案，粒子滤波状态估计算法实现加工机床运行故障诊断的工作方法为：
设置加工机床运行状态，设定t-1时刻的加工机床运行状态概率密度函数为P(xt-1|yt-1)，其中xt-1为故障状态数据函数，yt-1表示加工机床运行状态中数据信息，评估粒子函数记作为：
Figure 538273DEST_PATH_IMAGE005
（2）
公式（2）中，
Figure 24749DEST_PATH_IMAGE006
表示t-1时刻第i个粒子的取值，
Figure 112791DEST_PATH_IMAGE007
表示t-1时刻第i个粒子的 权重，采样N个取值为
Figure 317507DEST_PATH_IMAGE008
、权重为
Figure 188511DEST_PATH_IMAGE009
的粒子，通过公式（1）预测加工机床运行状态故障 概率密度
Figure 857390DEST_PATH_IMAGE010
的新故障数据信息粒子；
在获取到最新观测值
Figure 552551DEST_PATH_IMAGE011
后，确定粒子的权重，权重公式为：
Figure 41302DEST_PATH_IMAGE013
（3）
公式（3）中，
Figure 981576DEST_PATH_IMAGE015
表示似然函数；
经过重采样后的粒子权重为1/N，当前加工机床运行状态故障变量的估计函数表示为：
Figure 442644DEST_PATH_IMAGE017
（4）
公式（4）中，
Figure 606909DEST_PATH_IMAGE018
表示t时刻下加工机床运行状态故障粒子的取值，经过粒子滤 波，实现了加工机床运行状态信息的粒子滤波状态估计，利用状态变量的估计值和实际值 得出预警数据信息，加工机床运行状态故障预警变量残差函数为：
Figure 786218DEST_PATH_IMAGE019
（5）
公式（5）中，
Figure 766068DEST_PATH_IMAGE020
表示加工机床运行状态故障信息状态变量的实际测量值，
Figure 143960DEST_PATH_IMAGE021
表 示加工机床运行状态故障粒子滤波估计值，将多状态变量残差作为故障预警指标，故障预 警指标表示为：
Figure 682389DEST_PATH_IMAGE022
（6）
公式（6）中，
Figure 145731DEST_PATH_IMAGE023
表示加工机床运行状态故障状态量残差，m表示预警种类。
作为本发明进一步的技术方案，粒子滤波状态估计算法的自适应阈值置信度函数记作为：
Figure 427808DEST_PATH_IMAGE024
（7）
公式（7）中，
Figure 863469DEST_PATH_IMAGE025
表示置信度水平，
Figure 369536DEST_PATH_IMAGE026
表示置信度，
Figure 21972DEST_PATH_IMAGE027
表示相关系数，
Figure 904478DEST_PATH_IMAGE028
表示自适应 阈值置信度函数的取值区间，
Figure 194645DEST_PATH_IMAGE029
表示凸轮分割器的加工机床运行过程中自适应阈值置信度 函数的平均取值。
本发明有益的积极效果在于：
区别于常规技术，通过加工机床采集模块获取机床运行状态信息和凸轮分割器加工参数，并且根据数控系统不同型号的凸轮分割器选择不同厂家通讯方式，进而获取凸轮分割器图纸数据；加工机床采集模块包括机床各个关键部件的传感器或者检测电路；对不同的数据信息进行分类，机床运行数据种类包括机床加工定位数据、补偿数据、主轴转速、伺服数据、加工零件进给速度和NetCat代码，传感器在采集过程中通过无线网络架构实现数据信息的传递和交互；提高加工机床内置检测电路对各路监测数据的实时性与同步性；通过定义异常预警数据类型，通过内置检测电路比较所定义的异常预警数据信息和检测到的加工机床数据信息，其中内置检测电路包含气体检测模块和温度监测模块；实时检测当前加工机床的工作气体和工作台温度，通过粒子滤波状态估计算法实现凸轮分割器运行状态故障诊断。
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性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明流程示意图；
图2为本发明中一种实施例示意图；
图3为本发明中内置检测电路示意图；
图4为本发明中智能语音异常报警装置结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1-图3所示，一种凸轮分割器的加工机床运行异常报警方法，包括：
（S1）通过加工机床采集模块获取机床运行状态信息和凸轮分割器加工参数，并且根据数控系统不同型号的凸轮分割器选择不同厂家通讯方式，进而获取凸轮分割器图纸数据；加工机床采集模块包括机床各个关键部件的传感器或者检测电路；
（S2）对不同的数据信息进行分类，机床运行数据种类包括机床加工定位数据、补偿数据、主轴转速、伺服数据、加工零件进给速度和NetCat代码，传感器在采集过程中通过无线网络架构实现数据信息的传递和交互；提高加工机床内置检测电路对各路监测数据的实时性与同步性；
（S3）定义异常预警数据类型，通过内置检测电路比较所定义的异常预警数据信息和检测到的加工机床数据信息，其中内置检测电路包含气体检测模块和温度监测模块，实时检测当前加工机床的工作气体和工作台温度；
（S4）异常预警诊断，通过粒子滤波状态估计算法实现凸轮分割器运行状态故障诊断，将诊断结果与异常状态下的阈值进行对比，加工机床的内置检测电路将会发出信号给加工机床控制器；加工机床控制器将信号发送至智能语音报警装置中，音报警装置通过将电信号转化声信号，通过语音播报的方式发出告警，工作人员收到信息后，实现对凸轮分割器的加工机床安全维护工作。
在上述实施例中，工作气体为金属蒸汽。
在步骤（S1）中，加工机床采集模块为OPC标准数据采集、PLC数据采集和宏指令数据采集。
在上述实施例中，主要包括面向过程控制的对象链接与嵌入（Object Linkingand Embedding for Process Control，OPC）标准传感器、可编程逻辑控制器（Programmable Logic Controller，PLC）和宏指令程序传感器，通过这些传感器获取加工机床运行数据。
在步骤（S2），内置检测电路包括加工机床控制器，所述加工机床控制器包括STM8L151K4T6单片机控制模块和与所述STM8L151K4T6单片机控制模块连接的LM235信号放大器，所述LM235信号放大器的3引脚和4引脚分别接收来自温度传感器与气体传感器的电信号。
在具体实施例中，这种型号芯片的控制器具有低功耗待机功能，维持其最小系统工作时待机电流仅1~2微安，降低了待机功耗并简化了气体与温度混合检测电路；加工机床控制器的引脚数目为32，拥有24个高速输入输出端口；加工机床控制器外接保护开关，保护开关用于在凸轮分割器的加工机床发生漏电故障时、发生有致命危险的人身触电时及时断开电路；混合检测电路中LM235为信号放大器，3和4引脚分别接收来自温度传感器与气体传感器的电信号，通过保护电阻R2和开关K闭合传输到加工机床控制器中；温度传感器MQ-1负责接收来自信道IN1的加工机床温度信号，温度传感器内阻仅为3Ω，具有较理想的导热能力，其导热系数为1.5W/m·K；气体传感器MQ-2负责接收来自信道IN2的加工机床气体浓度信号。
在具体实施例中，当检测到易燃、危险气体时输出为低电平，气体传感器勘察多种不同类型的气体，当勘察得到空气中弥漫的有害气体的浓度达到标准值以上时，气体传感器的内阻R s 值下降，进而导致电路中输出的接地电压增大，用公式可表示为：
Figure 809297DEST_PATH_IMAGE030
（1）
公式（1）中，
Figure 184914DEST_PATH_IMAGE031
表示回路电压，
Figure 871111DEST_PATH_IMAGE032
表示输出电压，
Figure 517249DEST_PATH_IMAGE033
表示负载电阻；当保护开关断 开时，气体传感器与温度传感器停止工作，气体传感器与温度传感器实时信号无法通过 OUT2输出，而通过M转接点输出至OUT1，提高了故障报警装置接收完整检测信号的能力。
在具体实施例中，智能语音异常报警装置包括机床加工控制器和所述机床加工控制器连接的时钟电路、信号编码电路、机床加工控制器、存储器、信号转化接口、语音发声器、显示控制器、指示灯及按键、蜂鸣器和电机驱动。
在具体实施例中，智能语音异常报警装置工作的方法：
加工机床控制器通过总线连接时钟电路，最大时钟频率为72MHz；存储器包含外置存储卡与内置读写卡，内存为768MB与624MB；通过激光加工机床编程，在指示灯中设置一个红外报警阈值，输入的气体与温度检测信号数值达不到报警阈值时，加工机床控制器输出高电平，测量数值超过预设的报警阈值时，加工机床控制器输出低电平，加工机床控制器在收到低电平信号后，通过电机驱动报警模块，输出报警信号；为了提高电路的抗干扰性，光电器件耦合电路中R6与R7为限流电阻，C4为滤波电容，用来滤除线路上的高频干扰，从而保证了信号的正确性；气体与温度混合检测信息输入至机床加工控制器后，通过信号转化接口将数据信息转化为数字信号，通过控制总线传递给语音发生器。
在具体实施例中，语音发生器采用了VP-1600语音处理器芯片。
在具体实施例中，VP-1600语音处理器芯片具有处理长时间的语音功能，通过VP-1600语音处理器将数字信号放大，并向语音发生器发送语音信号，VP-1600接收到信号后反馈显示控制器中，显示控制器采用语言程序可以将信号转化为语言文字，工作人员可以看到文字告警信息，同时通过控制总线传递给蜂鸣器并播放出报警声音。
其中粒子滤波状态估计算法实现加工机床运行故障诊断的工作方法为：
设置加工机床运行状态，设定t-1时刻的加工机床运行状态概率密度函数为P(xt-1|yt-1)，其中xt-1为故障状态数据函数，yt-1表示加工机床运行状态中数据信息，评估粒子函数记作为：
Figure 630699DEST_PATH_IMAGE034
（2）
公式（2）中，
Figure 493612DEST_PATH_IMAGE035
表示t-1时刻第i个粒子的取值，
Figure 655603DEST_PATH_IMAGE036
表示t-1时刻第i个粒子的 权重，采样N个取值为
Figure 982680DEST_PATH_IMAGE037
、权重为
Figure 204713DEST_PATH_IMAGE009
的粒子，通过公式（1）预测加工机床运行状态故障 概率密度
Figure 351661DEST_PATH_IMAGE039
的新故障数据信息粒子；
在上述实施例中，将加工机床运行状态中的数据信息比作粒子，在获取到最新观 测值
Figure 815878DEST_PATH_IMAGE040
后，确定粒子的权重，权重公式为：
Figure 935144DEST_PATH_IMAGE042
（3）
公式（3）中，
Figure 390396DEST_PATH_IMAGE043
表示似然函数，重采样阶段根据粒子的权重大小对粒子 重新采样，保留权重较大的粒子，去除权重小的粒子，降低粒子的退化问题；
经过重采样后的粒子权重为1/N，当前加工机床运行状态故障变量的估计函数表示为：
Figure 227902DEST_PATH_IMAGE044
（4）
公式（4）中，
Figure 794013DEST_PATH_IMAGE045
表示t时刻下加工机床运行状态故障粒子的取值，经过粒子滤波， 实现了加工机床运行状态信息的粒子滤波状态估计，利用状态变量的估计值和实际值得出 预警数据信息，加工机床运行状态故障预警变量残差函数为：
Figure 767785DEST_PATH_IMAGE046
（5）
公式（5）中，
Figure 844805DEST_PATH_IMAGE047
表示加工机床运行状态故障信息状态变量的实际测量值，
Figure 966345DEST_PATH_IMAGE048
表 示加工机床运行状态故障粒子滤波估计值，将多状态变量残差作为故障预警指标，故障预 警指标表示为：
Figure 273829DEST_PATH_IMAGE049
（6）
公式（6）中，
Figure 430004DEST_PATH_IMAGE023
表示加工机床运行状态故障状态量残差，m表示预警种类。
在凸轮分割器的加工机床正常运行时，某些凸轮分割器的加工机床状态变量会受到机械诊断和或者负载变化的影响，振动信号的幅值会受到凸轮分割器的加工机床启动振动的影响，故而状态变量残差可能不为0，为最大限度第降低误差和噪声干扰，该申请中引入了自适应阈值方法来进行凸轮分割器的加工机床故障的检测。
当故障出现在tA时刻，如果使用恒定阈值的方法的话，会在tB时刻发出报警信号，出现误报警现象，而使用自适应阈值方法就可以有效的避免其它干扰因素影响变量残差的变化，从而使凸轮分割器的加工机床故障报警功能更加准确。
在上述实施例中，粒子滤波状态估计算法的自适应阈值置信度函数记作为：
Figure 164742DEST_PATH_IMAGE050
（7）
公式（7）中，
Figure 711261DEST_PATH_IMAGE051
表示置信度水平，
Figure 619174DEST_PATH_IMAGE052
表示置信度，
Figure 66074DEST_PATH_IMAGE027
表示相关系数，
Figure 971713DEST_PATH_IMAGE028
表示自适应 阈值置信度函数的取值区间，
Figure 67845DEST_PATH_IMAGE053
表示凸轮分割器的加工机床运行过程中自适应阈值置信度 函数的平均取值。
利用加工机床运行状态信息正常运行时的状态变量数据，采用粒子滤波状态估计算法，能够经过优化的参数和初始条件建立状态估计器，通过比较当前实际测量值和状态变量估计值，计算出变量残差取得状态预警指标，结合自适应阈值实现了对加工机床运行状态信息故障的检测，凸轮分割器的加工机床状态的某一变量残差超过自适应阈值时，表示凸轮分割器的加工机床出现故障模型发出报警。
在具体实施例中，所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。与卡尔曼滤波（KalmanFilter）相比较，粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlomethods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。
粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (8)

1.一种凸轮分割器的加工机床运行异常报警方法，其特征在于：包括：
（S1）通过加工机床采集模块获取机床运行状态信息和凸轮分割器加工参数，并且根据数控系统不同型号的凸轮分割器选择不同厂家通讯方式，进而获取凸轮分割器图纸数据；加工机床采集模块包括机床各个关键部件的传感器或者检测电路；
（S2）对不同的数据信息进行分类，机床运行数据种类包括机床加工定位数据、补偿数据、主轴转速、伺服数据、加工零件进给速度和NetCat代码，传感器在采集过程中通过无线网络架构实现数据信息的传递和交互；
（S3）定义异常预警数据类型，通过内置检测电路比较所定义的异常预警数据信息和检测到的加工机床数据信息，其中内置检测电路包含气体检测模块和温度监测模块；
（S4）异常预警诊断，通过粒子滤波状态估计算法实现加工加床运行状态故障诊断，将诊断结果与异常状态下的阈值进行对比，加工机床的内置检测电路将会发出信号给加工机床控制器；加工机床控制器将信号发送至智能语音报警装置中，音报警装置通过将电信号转化声信号，通过语音播报的方式发出告警，工作人员收到信息后，实现对凸轮分割器的加工机床安全维护工作；
其中粒子滤波状态估计算法实现加工机床运行故障诊断的工作方法为：
设置加工机床运行状态，设定t-1时刻的加工机床运行状态概率密度函数为P(xt-1|yt-1)，其中xt-1为故障状态数据函数，yt-1表示加工机床运行状态中数据信息，评估粒子函数记作为：
Figure 718533DEST_PATH_IMAGE001
（1）
式（1）中，
Figure 651985DEST_PATH_IMAGE002
表示t-1时刻第i个粒子的取值，
Figure 759618DEST_PATH_IMAGE003
表示t-1时刻第i个粒子的权重， 采样N个取值为
Figure 200833DEST_PATH_IMAGE004
、权重为
Figure 343101DEST_PATH_IMAGE005
的粒子，通过公式（1）预测加工机床运行状态故障概率 密度
Figure 713034DEST_PATH_IMAGE006
的新故障数据信息粒子；
在获取到最新观测值
Figure 839121DEST_PATH_IMAGE007
后，确定粒子的权重，权重公式为：
Figure 567517DEST_PATH_IMAGE008
（2）
式（2）中，
Figure 767554DEST_PATH_IMAGE009
表示似然函数；
经过重采样后的粒子权重为1/N，当前加工机床运行状态故障变量的估计函数表示为：
Figure 370705DEST_PATH_IMAGE010
（3）
式（3）中，
Figure 390613DEST_PATH_IMAGE011
表示t时刻下加工机床运行状态故障粒子的取值，经过粒子滤波，实现了 加工机床运行状态信息的粒子滤波状态估计，利用状态变量的估计值和实际值得出预警数 据信息，加工机床运行状态故障预警变量残差函数为：
Figure 455521DEST_PATH_IMAGE012
（4）
式（4）中，
Figure 24912DEST_PATH_IMAGE013
表示加工机床运行状态故障信息状态变量的实际测量值，
Figure 985915DEST_PATH_IMAGE014
表示加工 机床运行状态故障粒子滤波估计值，将多状态变量残差作为故障预警指标，故障预警指标 表示为：
Figure 306169DEST_PATH_IMAGE015
（5）
式（5）中，
Figure 112451DEST_PATH_IMAGE016
表示加工机床运行状态故障状态量残差，m表示预警种类。
2.根据权利要求1所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：加工机床采集模块为OPC标准数据采集、PLC数据采集和宏指令数据采集。
3.根据权利要求1所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：内置检测电路包括加工机床控制器，所述加工机床控制器包括STM8L151K4T6单片机控制模块和与所述STM8L151K4T6单片机控制模块连接的LM235信号放大器，所述LM235信号放大器的3引脚和4引脚分别接收来自温度传感器与气体传感器的电信号。
4.根据权利要求3所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：内置检测电路工作的方法为:
当检测到易燃、危险气体时输出为低电平，气体传感器勘察多种不同类型的气体，当勘察得到空气中弥漫的有害气体的浓度达到标准值以上时，气体传感器的内阻R s 值下降，进而导致电路中输出的接地电压增大，用公式可表示为：
Figure 21501DEST_PATH_IMAGE017
（6）
式（6）中，
Figure 467919DEST_PATH_IMAGE018
表示回路电压，
Figure 462420DEST_PATH_IMAGE019
表示输出电压，
Figure 72393DEST_PATH_IMAGE020
表示负载电阻；当保护开关断开时，气 体传感器与温度传感器停止工作，气体传感器与温度传感器实时信号无法通过OUT2输出， 而通过M转接点输出至OUT1，提高了故障报警装置接收完整检测信号的能力。
5.根据权利要求1所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：智能语音异常报警装置包括机床加工控制器和所述机床加工控制器连接的时钟电路、信号编码电路、机床加工控制器、存储器、信号转化接口、语音发声器、显示控制器、指示灯及按键、蜂鸣器和电机驱动。
6.根据权利要求5所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：智能语音异常报警装置工作的方法：
加工机床控制器通过总线连接时钟电路，最大时钟频率为72MHz；存储器包含外置存储卡与内置读写卡，内存为768MB与624MB；通过激光加工机床编程，在指示灯中设置一个红外报警阈值，输入的气体与温度检测信号数值达不到报警阈值时，加工机床控制器输出高电平，测量数值超过预设的报警阈值时，加工机床控制器输出低电平，加工机床控制器在收到低电平信号后，通过电机驱动报警模块，输出报警信号；光电器件耦合电路中R6与R7为限流电阻，C4为滤波电容，气体与温度混合检测信息输入至机床加工控制器后，通过信号转化接口将数据信息转化为数字信号，通过控制总线传递给语音发生器。
7.根据权利要求6所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：智能语音异常报警装置的控制核心为VP-1600语音处理器芯片。
8.根据权利要求1所述的一种凸轮分割器的加工机床运行异常报警方法，其特征在于：粒子滤波状态估计算法的自适应阈值置信度函数记作为：
Figure 648999DEST_PATH_IMAGE021
（7）
式（7）中，
Figure 217383DEST_PATH_IMAGE022
表示置信度水平，
Figure 948448DEST_PATH_IMAGE023
表示置信度，
Figure 158849DEST_PATH_IMAGE024
表示相关系数，
Figure 58803DEST_PATH_IMAGE025
表示自适应阈值置 信度函数的取值区间，
Figure 329248DEST_PATH_IMAGE026
表示凸轮分割器的加工机床运行过程中自适应阈值置信度函数的 平均取值。
CN202210821531.1A 2022-07-13 2022-07-13 凸轮分割器的加工机床运行异常报警方法 Active CN115079639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210821531.1A CN115079639B (zh) 2022-07-13 2022-07-13 凸轮分割器的加工机床运行异常报警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210821531.1A CN115079639B (zh) 2022-07-13 2022-07-13 凸轮分割器的加工机床运行异常报警方法

Publications (2)

Publication Number Publication Date
CN115079639A CN115079639A (zh) 2022-09-20
CN115079639B true CN115079639B (zh) 2022-11-18

Family

ID=83260005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210821531.1A Active CN115079639B (zh) 2022-07-13 2022-07-13 凸轮分割器的加工机床运行异常报警方法

Country Status (1)

Country Link
CN (1) CN115079639B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116384564A (zh) * 2023-03-23 2023-07-04 南通艾特软件有限公司 基于大数据的三维激光切割机设备数据分析系统及方法
CN116237817B (zh) * 2023-05-06 2023-07-14 济南章力机械有限公司 基于物联网的五轴联动数控机床智能监测系统
CN116643536B (zh) * 2023-07-27 2023-10-27 中科航迈数控软件(深圳)有限公司 设备工作状态的监测方法、装置、电子设备及介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201109030Y (zh) * 2007-09-13 2008-09-03 北京精雕科技有限公司 可倾式数控回转工作台
WO2012088707A1 (zh) * 2010-12-31 2012-07-05 中国科学院自动化研究所 用于设备故障检测的智能检测系统及检测方法
CN103900425B (zh) * 2014-04-18 2015-04-15 东冠科技(上海)有限公司 一种使用凸轮分度器的枪弹炮弹视觉检测设备
CN105652795B (zh) * 2016-01-22 2021-08-17 长春工业大学 一种基于残差观测器的3ptt-2r串并联数控机床伺服系统故障预测装置及方法
CN107844063A (zh) * 2016-09-18 2018-03-27 新昌县新诚工业产品设计有限公司 一种凸轮分割器定位作业区间隙控制模块
CN206084379U (zh) * 2016-09-27 2017-04-12 东莞星河精密技术股份有限公司 一种自动钻孔攻牙设备
CN206536207U (zh) * 2017-02-08 2017-10-03 深圳市天合兴五金塑胶有限公司 全自动多轴旋转多轴钻孔攻牙机

Also Published As

Publication number Publication date
CN115079639A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN115079639B (zh) 凸轮分割器的加工机床运行异常报警方法
CN101799487B (zh) 一种检测电源电压波动的方法和设备
CN104930660B (zh) 空气状态监测方法和监测装置
CN104750027B (zh) 一种基于机床主轴功率信号的刀具破损预警系统
CN104808585B (zh) 一种机床健康状态快速检查方法
CN103728429A (zh) 水质在线监测方法及监测系统
CN106571689B (zh) 一种多数据源比较技术诊断变电站遥测故障在线监测系统
CN110626900A (zh) 设备运行异常判断方法
US11644812B2 (en) Machine tool management method, machine tool management system and medium
CN114326594A (zh) 一种基于机床数据的机床性能测评的系统及其测评方法
Purwanto et al. Microcontroller-based RFID, GSM and GPS for motorcycle security system
CN116664113A (zh) 一种面向电力计量标准化作业的智能安全监管系统
Zhou et al. Integrated condition monitoring and fault diagnosis for modern manufacturing systems
CN111611097B (zh) 故障检测方法、装置、设备及存储介质
CN111230159B (zh) 一种多传感器融合的车刀状态监测方法及系统
CN114326676A (zh) 一种入侵检测方法、装置、存储介质及电子设备
CN114519382A (zh) 一种核动力装置关键运行参数提取与异常监测方法
CN113612229A (zh) 一种多节点故障测试的电力自愈方法
CN117595493A (zh) 一种发电厂电气设备安全监测系统
CN117420792A (zh) 用于复合型加工机床的中控系统
CN116796261A (zh) 一种基于人工智能的封闭开关设备机械特性预测方法
CN105809257A (zh) 一种基于电力通信网络的触发式状态检修方法
CN114665987B (zh) 一种基于人工智能的天线健康管理系统
CN107807325B (zh) 基于多状态理论的铁路轨道电路可靠性分析系统及其方法
CN106788710B (zh) 一种基于自适应更新基准值的光纤瞬断特征信息提取系统

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