CN115345256A - 应用于智能制造的工业产品测试系统 - Google Patents

Abstract

本发明涉及一种应用于智能制造的工业产品测试系统，其包括试车数据挖掘平台、参数采集设备和目标机器产品。试车数据挖掘平台包括区域划分模块、数据分析模块和温度预测模块。试车数据挖掘平台利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型，并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型，然后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

Description

应用于智能制造的工业产品测试系统

技术领域

本发明涉及智能制造和大数据领域，尤其涉及一种应用于智能制造的工业产品测试系统。

背景技术

随着信息化和工业化的深度融合，信息技术渗透大了工业企业产业链的各个环节。工业大数据是在工业领域信息化应用中所产生的数据，呈现出大体量、多源性、连续采样、价值密度低、动态性强等特点。通过实时感知、采集、监控生产过程中产生的大量数据，运用大数据技术对工业生产中拥有的海量数据进行挖掘分析得到有价值的分析结果才得以实现智能制造。因此，多源数据的融合是实现互联网与工业融合创新的必要条件，而要实现对多种来源、多种类型海量数据的分析处理，以及复杂的数据关联关系挖掘，都需要由大数据的支撑。

在机器产品出厂前、大修理或质量检查时，为了确保机器产品的质量，在关注机器产品精度的同时还应就机器产品的加工性能和生产能力进行试验，包括对机、电、液、气等各部分及整机进行综合性能及单项性能的检验。作为机器产品性能试验的重要项目之一，机器产品的轴承温升测验反映了轴承系统的质量以及机器产品的装配质量，现有技术中针对轴承内各个零件或部位的温度较难测定，而现有的人工测定方法不能实时且连续的测定轴承内任意点的温度。

发明内容

针对现有技术之不足，本发明提供了一种应用于智能制造的工业产品测试系统，包括：试车数据挖掘平台、参数采集设备和目标机器产品，试车数据挖掘平台与参数采集设备之间具有通信连接，试车数据挖掘平台包括区域划分模块、数据分析模块和温度预测模块；

区域划分模块对装配于目标机器产品中的待测轴承部件进行区域划分以得到待测轴承部件的多个易测轴承区域和多个非易测轴承区域，获取待测轴承部件的非易测轴承区域在一个试车周期内产生的若干温度数据，并根据每个温度数据的采集时间点将试车周期均匀分割为若干试车子周期，其中，所述待测轴承部件包括滑动轴承部件和滚动轴承部件；

数据分析模块通过目标机器产品内设的参数采集设备采集得到目标机器产品在对应试车子周期内的实际载荷量、待测轴承部件的转速和润滑油流量，基于目标机器产品在对应试车子周期内产生的动作工况数据识别目标机器产品激活的动作联动程序数量，从待测轴承部件的所有非易测轴承区域内任取一个非易测轴承区域作为目标轴承区域，依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据；

温度预测模块利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型，并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型，然后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

优选地，所述易测轴承区域为待测轴承部件上能够直接通过温度传感器测量的区域，所述非易测轴承区域为待测轴承部件上不能通过温度传感器测量且需要人工测量的区域；

动作工况数据用于表征目标机器产品在试车过程中执行的各种运转动作，目标轴承区域的温度特征序列由目标轴承区域在对应试车子周期内产生的若干温度数据分析所得。

优选地，所述依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据包括：

依据每个易测轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到每个易测轴承区域的区域接触状态，依据目标轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到目标轴承区域的区域接触状态，将每个易测轴承区域的区域接触状态与目标轴承区域的区域接触状态进行比较得到每个易测轴承区域与目标轴承区域之间的状态相似度；

依据每个易测轴承区域的若干温度数据之间的数据差值构成每个易测轴承区域的温度变化曲线，依据目标轴承区域的若干温度数据之间的数据差值构成目标轴承区域的温度变化曲线，将每个易测轴承区域的温度变化曲线与目标轴承区域的温度变化曲线进行比较以得到每个易测轴承区域与目标轴承区域之间的曲线相似度；

将状态相似度大于预设状态相似度阈值，或曲线相似度大于预设曲线相似度阈值的易测轴承区域作为目标轴承区域的关联易测轴承区域，聚合目标轴承区域的每个相邻易测轴承区域对应的温度数据和每个关联易测轴承区域对应的温度数据以得到目标轴承区域的关联温度分布数据。

优选地，所述利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型包括：

依据对应试车子周期的每个时间点下目标机器产品激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和待测轴承部件的转速生成第一多维试车特征序列；

依据对应试车子周期的每个时间点下目标轴承区域的关联温度分布数据生成第二多维试车特征序列；

利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型。

优选地，利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型包括：

基于目标轴承区域的温度特征序列生成相应的温度特征矩阵，对第一多维试车特征序列和第二多维试车特征序列进行拼接以生成相应的试车特征矩阵，基于所述温度特征矩阵中任一归一化后的列特征向量生成所述试车特征矩阵的第一融合特征向量；

依据所述第一融合特征向量和所述试车特征矩阵对应的协方差矩阵确定所述试车特征矩阵对应的第一融合相关系数矩阵，依据所述第一融合特征向量、所述温度特征矩阵对应的协方差矩阵和所述温度特征矩阵中的各个矩阵元素生成所述温度特征矩阵对应的第二融合特征向量和第二融合相关系数矩阵；

重复上述步骤得到若干第一融合特征向量和若干第二融合特征向量，将归一化后的第一融合特征向量与第二融合特征向量之间的乘积作为试车特征矩阵与温度特征矩阵之间的影响系数，根据试车特征矩阵对应的所有第一融合特征向量和所有第一融合相关系数矩阵、温度特征矩阵对应的所有第二融合特征向量和所有第二融合相关系数矩阵以及试车特征矩阵与温度特征矩阵之间的影响系数矩阵对试车特征矩阵与温度特征矩阵进行关系建模以得到目标轴承区域的温度预测模型。

优选地，所述基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型包括：

从数据存储设备中获取目标机器产品在对应试车子周期内的试车环境数据以及目标机器产品的目标轴承区域在对应试车子周期内的关联温度分布数据，利用所述关联温度分布数据和所述试车环境数据生成目标轴承区域的嵌入关联温度特征，其中，所述试车环境数据包括对目标机器产品的试车环境采集所得到的环境温度、压力和环境湿度；

基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图，依据目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图生成目标轴承区域的关联温度分布图，并提取关联温度分布图的全局温度传递特征；

对嵌入关联温度特征和关联温度分布图的全局温度传递特征进行拼接融合得到目标轴承区域的多维关联温度特征，将目标轴承区域的多维关联温度特征作为训练数据输入至关联温度预测模型中进行训练直至测试输出的预测关联温度分布数据与实际关联温度分布数据之间的误差最小化，其中，所述关联温度预测模型包括输入层、第一卷积层、第二卷积层、第二池化层、全连接层和输出层。

优选地，提取关联温度分布图的全局温度传递特征包括：

提取关联温度分布图的各个图层中每个顶点之间的传递特征以得到各个图层的图传递特征，并基于第一温度关联图对应的第一温度邻接矩阵、第二温度关联图对应的第二温度邻接矩阵和第三温度关联图对应的第三温度邻接矩阵对关联温度分布图的各个图层进行特征聚合以得到关联温度分布图的聚合图特征，其中，所述传递特征用于传递并更新对应图层中各个顶点之间的温度变化量；

根据所述聚合图特征对关联温度分布图的各个图层对应的图传递特征进行结合以得到所述关联温度分布图的全局温度传递特征。

优选地，根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据包括：

基于目标机器产品在预测试车子周期的上一试车子周期内的实际载荷量、激活的动作联动程序数量、待测轴承部件的润滑油流量和转速分析得到目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速，并根据目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量和待测轴承部件的润滑油流量以及转速生成第一预测试车特征序列；

获取预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据，将预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据输入至目标轴承区域的关联温度预测模型中预测得到目标轴承区域在预测试车子周期内的关联温度分布数据，依据目标轴承区域在预测试车子周期内的关联温度分布数据生成第二预测试车特征序列；

将所述第一预测试车特征序列和所述第二预测试车特征序列输入至温度预测模型中预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

优选地，所述参数采集设备包括：力传感器、速度传感器、流量传感器、位置传感器和压力传感器。

优选地，基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图包括：

以每个与目标轴承区域之间的状态相似度大于预设状态相似度阈值的易测轴承区域为顶点，并以每个顶点之间的状态相似度为边权重构建第一温度关联图；

以每个与目标轴承区域之间的曲线相似度大于预设曲线相似度阈值的易测轴承区域为顶点，并以每个顶点之间的曲线相似度为边权重构建第二温度关联图；

基于目标轴承区域的各个相邻易测轴承区域的区域面积确定目标轴承区域的各个相邻易测轴承区域的区域中心点，以各个相邻易测轴承区域为顶点，以各个顶点之间的归一化区域中心点距离为边权重生成第三温度关联图。

本发明提供的应用于智能制造的工业产品测试系统，可以利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立非易测轴承区域的关联温度预测模型和温度预测模型，以通过非易测轴承区域的关联温度预测模型和温度预测模型及时且连续的生成非易测轴承区域在试车过程中的温度数据。此外，提升了试车过程的智能化水平。

附图说明

图1为一示例性实施例提供的应用于智能制造的工业产品测试系统的结构框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

参见图1，在一个实施例中，本发明的应用于智能制造的工业产品测试系统包括试车数据挖掘平台、参数采集设备和目标机器产品。试车数据挖掘平台与参数采集设备之间具有通信连接。参数采集设备包括力传感器、速度传感器、流量传感器、位置传感器、压力传感器和温度传感器。

试车数据挖掘平台包括区域划分模块、数据分析模块和温度预测模块。

区域划分模块用于对装配于目标机器产品中的待测轴承部件进行区域划分以得到待测轴承部件的多个易测轴承区域和多个非易测轴承区域。获取待测轴承部件的非易测轴承区域在一个试车周期内产生的若干温度数据。并根据每个温度数据的采集时间点将试车周期均匀分割为若干试车子周期，其中，所述待测轴承部件包括滑动轴承部件和滚动轴承部件。

数据分析模块用于通过目标机器产品内设的参数采集设备采集得到目标机器产品在对应试车子周期内的实际载荷量、待测轴承部件的转速和润滑油流量。基于目标机器产品在对应试车子周期内产生的动作工况数据识别目标机器产品激活的动作联动程序数量。从待测轴承部件的所有非易测轴承区域内任取一个非易测轴承区域作为目标轴承区域。依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据。

温度预测模块用于根据目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型。并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型。最后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

这样，利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立非易测轴承区域的关联温度预测模型和温度预测模型，以通过非易测轴承区域的关联温度预测模型和温度预测模型及时且连续的生成非易测轴承区域在试车过程中的温度数据。相较于人工测定的非易测轴承区域的温度数据，具有更好的及时性和可靠性。

下面对本发明的工作方法进行具体说明。在一个实施例中，本发明的应用于智能制造的工业产品测试系统的工作过程具体包括以下步骤：

S1、区域划分模块对装配于目标机器产品中的待测轴承部件进行区域划分以得到待测轴承部件的多个易测轴承区域和多个非易测轴承区域。获取待测轴承部件的非易测轴承区域在一个试车周期内产生的若干温度数据。并根据每个温度数据的采集时间点将试车周期均匀分割为若干试车子周期。其中，所述待测轴承部件包括滑动轴承部件和滚动轴承部件。

在实际实施过程中，易测轴承区域为待测轴承部件上能够直接通过温度传感器测量的区域。非易测轴承区域为待测轴承部件上不能通过温度传感器测量且需要人工测量的区域。

S2、数据分析模块通过目标机器产品内设的参数采集设备采集得到目标机器产品在对应试车子周期内的实际载荷量、待测轴承部件的转速和润滑油流量。基于目标机器产品在对应试车子周期内产生的动作工况数据识别目标机器产品激活的动作联动程序数量。从待测轴承部件的所有非易测轴承区域内任取一个非易测轴承区域作为目标轴承区域。依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据。

参数采集设备包括：力传感器、速度传感器、流量传感器、位置传感器和压力传感器。动作工况数据用于表征目标机器产品在试车过程中执行的各种运转动作，其包括清洗动作、切削动作、打磨动作等加工动作。

在本实施例中，步骤“依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据”包括：依据每个易测轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到每个易测轴承区域的区域接触状态。依据目标轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到目标轴承区域的区域接触状态。将每个易测轴承区域的区域接触状态与目标轴承区域的区域接触状态进行比较得到每个易测轴承区域与目标轴承区域之间的状态相似度。

依据每个易测轴承区域的若干温度数据之间的数据差值构成每个易测轴承区域的温度变化曲线。依据目标轴承区域的若干温度数据之间的数据差值构成目标轴承区域的温度变化曲线。将每个易测轴承区域的温度变化曲线与目标轴承区域的温度变化曲线进行比较以得到每个易测轴承区域与目标轴承区域之间的曲线相似度。

将状态相似度大于预设状态相似度阈值，或曲线相似度大于预设曲线相似度阈值的易测轴承区域作为目标轴承区域的关联易测轴承区域。聚合目标轴承区域的每个相邻易测轴承区域对应的温度数据和每个关联易测轴承区域对应的温度数据以得到目标轴承区域的关联温度分布数据。

在实际实施过程中，预设状态相似度阈值由目标轴承区域的所有相邻易测轴承区域对应的状态相似度均值确定。目标轴承区域的相邻易测轴承区域对应的状态相似度即为目标轴承区域的相邻易测轴承区域与目标轴承区域之间的状态相似度。预设曲线相似度阈值由目标轴承区域的所有相邻易测轴承区域对应的曲线相似度均值确定。目标轴承区域的相邻易测轴承区域对应的曲线相似度即为目标轴承区域的相邻易测轴承区域与目标轴承区域之间的曲线相似度。

S3、温度预测模块利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型。并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型。然后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。其中，目标轴承区域的温度特征序列由目标轴承区域在对应试车子周期内产生的若干温度数据分析所得。

在本实施例中，步骤“利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型”包括：

依据对应试车子周期的每个时间点下目标机器产品激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和待测轴承部件的转速生成第一多维试车特征序列。依据对应试车子周期的每个时间点下目标轴承区域的关联温度分布数据生成第二多维试车特征序列。利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型。

进一步，关于上述步骤“利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型”的进一步说明可以如下：

基于目标轴承区域的温度特征序列生成相应的温度特征矩阵。对第一多维试车特征序列和第二多维试车特征序列进行拼接以生成相应的试车特征矩阵。基于所述温度特征矩阵中任一归一化后的列特征向量生成所述试车特征矩阵的第一融合特征向量。

依据所述第一融合特征向量和所述试车特征矩阵对应的协方差矩阵确定所述试车特征矩阵对应的第一融合相关系数矩阵。依据所述第一融合特征向量、所述温度特征矩阵对应的协方差矩阵和所述温度特征矩阵中的各个矩阵元素生成所述温度特征矩阵对应的第二融合特征向量和第二融合相关系数矩阵。

重复上述步骤得到若干第一融合特征向量和若干第二融合特征向量。将归一化后的第一融合特征向量与第二融合特征向量之间的乘积作为试车特征矩阵与温度特征矩阵之间的影响系数。根据试车特征矩阵对应的所有第一融合特征向量和所有第一融合相关系数矩阵、温度特征矩阵对应的所有第二融合特征向量和所有第二融合相关系数矩阵以及试车特征矩阵与温度特征矩阵之间的影响系数矩阵对试车特征矩阵与温度特征矩阵进行关系建模以得到目标轴承区域的温度预测模型。其中，影响系数矩阵由试车特征矩阵与温度特征矩阵之间的所有影响系数构成。

在实际实施过程中，步骤“基于所述温度特征矩阵中任一归一化后的列特征向量生成所述试车特征矩阵的第一融合特征向量”包括：

基于温度特征矩阵中任一归一化后的列特征向量和试车特征矩阵生成相应的权值矩阵，将所述权值矩阵与温度特征矩阵中归一化后的列特征向量相乘得到试车特征矩阵的第一融合特征向量。

步骤“依据所述第一融合特征向量、所述温度特征矩阵对应的协方差矩阵和所述温度特征矩阵中的各个矩阵元素生成所述温度特征矩阵对应的第二融合特征向量和第二融合相关系数矩阵”包括：

将温度特征矩阵中的各个矩阵元素和第一融合特征向量与温度特征矩阵的协方差矩阵之间的比值相乘得到温度特征矩阵的第二融合相关系数矩阵，利用所述第二融合相关系数矩阵和温度特征矩阵生成第二融合特征向量。

在实际实施过程中，对试车特征矩阵与温度特征矩阵进行关系建模包括：利用试车特征矩阵与温度特征矩阵之间的影响系数矩阵、试车特征矩阵对应的所有第一融合特征向量和温度特征矩阵对应的所有第二融合特征向量建立第一模型关系。利用试车特征矩阵和试车特征矩阵对应的所有第一融合相关系数矩阵建立第二模型关系。利用温度特征矩阵和温度特征矩阵对应的所有第二融合相关系数矩阵建立第三模型关系。对第一模型关系、第二模型关系和第三模型关系进行自回归组合以得到目标轴承区域的温度预测模型。

在本实施例中，步骤“基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型”包括：

从数据存储设备中获取目标机器产品在对应试车子周期内的试车环境数据以及目标机器产品的目标轴承区域在对应试车子周期内的关联温度分布数据。利用所述关联温度分布数据和所述试车环境数据生成目标轴承区域的嵌入关联温度特征。其中，所述试车环境数据包括对目标机器产品的试车环境采集所得到的环境温度、压力和环境湿度。

基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图。依据目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图生成目标轴承区域的关联温度分布图。并提取关联温度分布图的全局温度传递特征。

对嵌入关联温度特征和关联温度分布图的全局温度传递特征进行拼接融合得到目标轴承区域的多维关联温度特征。将目标轴承区域的多维关联温度特征作为训练数据输入至关联温度预测模型中进行训练直至测试输出的预测关联温度分布数据与实际关联温度分布数据之间的误差最小化。其中，所述关联温度预测模型包括输入层、第一卷积层、第二卷积层、第二池化层、全连接层和输出层。

在上述内容的基础上，步骤“提取关联温度分布图的全局温度传递特征”包括：

提取关联温度分布图的各个图层中每个顶点之间的传递特征以得到各个图层的图传递特征。并基于第一温度关联图对应的第一温度邻接矩阵、第二温度关联图对应的第二温度邻接矩阵和第三温度关联图对应的第三温度邻接矩阵对关联温度分布图的各个图层进行特征聚合以得到关联温度分布图的聚合图特征。其中，所述传递特征用于传递并更新对应图层中各个顶点之间的温度变化量。第一温度邻接矩阵中的各个矩阵元素用于表征第一温度关联图中各个顶点之间的边权重。第二温度邻接矩阵中的各个矩阵元素用于表征第二温度关联图中各个顶点之间的边权重。第三温度邻接矩阵中的各个矩阵元素用于表征第三温度关联图中各个顶点之间的边权重。

根据所述聚合图特征对关联温度分布图的各个图层对应的图传递特征进行结合以得到所述关联温度分布图的全局温度传递特征。

步骤“基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图”包括：

以每个与目标轴承区域之间的状态相似度大于预设状态相似度阈值的易测轴承区域为顶点，并以每个顶点之间的状态相似度为边权重构建第一温度关联图。以每个与目标轴承区域之间的曲线相似度大于预设曲线相似度阈值的易测轴承区域为顶点，并以每个顶点之间的曲线相似度为边权重构建第二温度关联图。基于目标轴承区域的各个相邻易测轴承区域的区域面积确定目标轴承区域的各个相邻易测轴承区域的区域中心点，以各个相邻易测轴承区域为顶点，以各个顶点之间的归一化区域中心点距离为边权重生成第三温度关联图。

在实际实施过程中，步骤“利用所述关联温度分布数据和所述试车环境数据生成目标轴承区域的嵌入关联温度特征”包括：

提取试车环境数据中的时间字段和区域字段，将所述时间字段和区域字段与目标轴承区域的关联温度分布数据的时间字段和区域字段进行匹配。在确定所述关联温度分布数据的时间字段与所述试车环境数据的时间字段相匹配、且所述关联温度分布数据的区域字段与所述试车环境数据的区域字段相匹配时，将所述关联温度分布数据与所述试车环境数据进行融合得到目标轴承区域的嵌入关联温度特征。

在本实施例中，步骤“根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据”包括：基于目标机器产品在预测试车子周期的上一试车子周期内的实际载荷量、激活的动作联动程序数量、待测轴承部件的润滑油流量和转速分析得到目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速。并根据目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量和待测轴承部件的润滑油流量以及转速生成第一预测试车特征序列。

获取预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据。将预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据输入至目标轴承区域的关联温度预测模型中预测得到目标轴承区域在预测试车子周期内的关联温度分布数据。依据目标轴承区域在预测试车子周期内的关联温度分布数据生成第二预测试车特征序列。

将所述第一预测试车特征序列和所述第二预测试车特征序列输入至温度预测模型中预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

在实际实施过程中，步骤“基于目标机器产品在预测试车子周期的上一试车子周期内的实际载荷量、激活的动作联动程序数量、待测轴承部件的润滑油流量和转速分析得到目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速”包括：

根据目标机器产品在预测试车子周期的上一试车子周期内每个激活的动作联动程序的执行时长和目标机器产品的设备加工周期确定目标机器产品在预测试车子周期内激活的动作联动程序数量。由于目标机器产品的实际载荷量在设备加工周期的一个较短的工序内不会产生明显变化，因此可将预测试车子周期的上一试车子周期内目标机器产品的实际载荷量作为预测试车子周期的实际载荷量。最后基于目标机器产品在预测试车子周期内激活的动作联动程序数量和实际载荷量确定预测试车子周期内待测轴承部件的润滑油流量和转速。其中，目标机器产品的设备加工周期由目标机器产品在一个试车过程中需要执行的每个加工工序的执行顺序和执行时长分析所得。目标机器产品的加工工序包括清洗工序、切削工序、打磨工序等，清洗工序包括若干按顺序执行的清洗动作，切削工序包括若干按顺序执行的切削动作，打磨工序包括若干按顺序执行的打磨动作。

以上实施方式中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。

另外，虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。另外，本文讨论的特定模块执行动作包括该特定模块本身执行动作，或者替换地该特定模块调用或以其他方式访问执行该动作的另一个组件或模块（或结合该特定模块一起执行动作）。因此，执行动作的特定模块可以包括执行动作的特定模块本身和/或执行动作的该特定模块调用或以其他方式访问的另一模块。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种应用于智能制造的工业产品测试系统，其特征在于，包括试车数据挖掘平台、参数采集设备和目标机器产品，试车数据挖掘平台与参数采集设备之间具有通信连接，试车数据挖掘平台包括区域划分模块、数据分析模块和温度预测模块；

区域划分模块对装配于目标机器产品中的待测轴承部件进行区域划分以得到待测轴承部件的多个易测轴承区域和多个非易测轴承区域，获取待测轴承部件的非易测轴承区域在一个试车周期内产生的若干温度数据，并根据每个温度数据的采集时间点将试车周期均匀分割为若干试车子周期，其中，所述待测轴承部件包括滑动轴承部件和滚动轴承部件；

数据分析模块通过目标机器产品内设的参数采集设备采集得到目标机器产品在对应试车子周期内的实际载荷量、待测轴承部件的转速和润滑油流量，基于目标机器产品在对应试车子周期内产生的动作工况数据识别目标机器产品激活的动作联动程序数量，从待测轴承部件的所有非易测轴承区域内任取一个非易测轴承区域作为目标轴承区域，依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据；

温度预测模块利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型，并基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型，然后根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

2.根据权利要求1所述的系统，其特征在于，所述易测轴承区域为待测轴承部件上能直接通过温度传感器测量的区域，所述非易测轴承区域为待测轴承部件上不能通过温度传感器直接测量并且需要人工测量的区域；

动作工况数据用于表征目标机器产品在试车过程中执行的各种运转动作，目标轴承区域的温度特征序列由目标轴承区域在对应试车子周期内产生的若干温度数据分析所得。

3.根据权利要求2所述的系统，其特征在于，依据目标机器产品内设的温度传感器采集得到的目标机器产品的各个易测轴承区域在对应试车子周期内的温度数据生成目标轴承区域的关联温度分布数据包括：

依据每个易测轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到每个易测轴承区域的区域接触状态，依据目标轴承区域与目标机器产品内部各个装配部件之间的接触面积分析得到目标轴承区域的区域接触状态，将每个易测轴承区域的区域接触状态与目标轴承区域的区域接触状态进行比较得到每个易测轴承区域与目标轴承区域之间的状态相似度；

依据每个易测轴承区域的若干温度数据之间的数据差值构成每个易测轴承区域的温度变化曲线，依据目标轴承区域的若干温度数据之间的数据差值构成目标轴承区域的温度变化曲线，将每个易测轴承区域的温度变化曲线与目标轴承区域的温度变化曲线进行比较以得到每个易测轴承区域与目标轴承区域之间的曲线相似度；

将状态相似度大于预设状态相似度阈值，或曲线相似度大于预设曲线相似度阈值的易测轴承区域作为目标轴承区域的关联易测轴承区域，聚合目标轴承区域的每个相邻易测轴承区域对应的温度数据和每个关联易测轴承区域对应的温度数据以得到目标轴承区域的关联温度分布数据。

4.根据权利要求3所述的系统，其特征在于，所述利用目标机器产品在对应试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的转速和润滑油流量以及目标轴承区域的关联温度分布数据和温度特征序列建立目标轴承区域的温度预测模型包括：

依据对应试车子周期的每个时间点下目标机器产品激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和待测轴承部件的转速生成第一多维试车特征序列；

依据对应试车子周期的每个时间点下目标轴承区域的关联温度分布数据生成第二多维试车特征序列；

利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型。

5.根据权利要求4所述的系统，其特征在于，利用所述第一多维试车特征序列、所述第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型包括：

S10、基于目标轴承区域的温度特征序列生成相应的温度特征矩阵，对第一多维试车特征序列和第二多维试车特征序列进行拼接以生成相应的试车特征矩阵，基于所述温度特征矩阵中任一归一化后的列特征向量生成所述试车特征矩阵的第一融合特征向量；

S20、依据所述第一融合特征向量和所述试车特征矩阵对应的协方差矩阵确定所述试车特征矩阵对应的第一融合相关系数矩阵，依据所述第一融合特征向量、所述温度特征矩阵对应的协方差矩阵和所述温度特征矩阵中的各个矩阵元素生成所述温度特征矩阵对应的第二融合特征向量和第二融合相关系数矩阵；

S30、重复S10和S20以得到若干第一融合特征向量和若干第二融合特征向量，将归一化后的第一融合特征向量与第二融合特征向量之间的乘积作为试车特征矩阵与温度特征矩阵之间的影响系数，根据试车特征矩阵对应的所有第一融合特征向量和所有第一融合相关系数矩阵、温度特征矩阵对应的所有第二融合特征向量和所有第二融合相关系数矩阵以及试车特征矩阵与温度特征矩阵之间的影响系数矩阵对试车特征矩阵与温度特征矩阵进行关系建模以得到目标轴承区域的温度预测模型。

6.根据权利要求5所述的系统，其特征在于，所述基于目标轴承区域在对应试车子周期内的关联温度分布数据建立目标轴承区域的关联温度预测模型包括：

从数据存储设备中获取目标机器产品在对应试车子周期内的试车环境数据以及目标机器产品的目标轴承区域在对应试车子周期内的关联温度分布数据，利用所述关联温度分布数据和所述试车环境数据生成目标轴承区域的嵌入关联温度特征，其中，所述试车环境数据包括对目标机器产品的试车环境采集所得到的环境温度、压力和环境湿度；

基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图，依据目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图生成目标轴承区域的关联温度分布图，并提取关联温度分布图的全局温度传递特征；

对嵌入关联温度特征和关联温度分布图的全局温度传递特征进行拼接融合得到目标轴承区域的多维关联温度特征，将目标轴承区域的多维关联温度特征作为训练数据输入至关联温度预测模型中进行训练直至测试输出的预测关联温度分布数据与实际关联温度分布数据之间的误差最小化，其中，所述关联温度预测模型包括输入层、第一卷积层、第二卷积层、第二池化层、全连接层和输出层。

7.根据权利要求6所述的系统，其特征在于，提取关联温度分布图的全局温度传递特征包括：

提取关联温度分布图的各个图层中每个顶点之间的传递特征以得到各个图层的图传递特征，并基于第一温度关联图对应的第一温度邻接矩阵、第二温度关联图对应的第二温度邻接矩阵和第三温度关联图对应的第三温度邻接矩阵对关联温度分布图的各个图层进行特征聚合以得到关联温度分布图的聚合图特征，其中，所述传递特征用于传递并更新对应图层中各个顶点之间的温度变化量；

根据所述聚合图特征对关联温度分布图的各个图层对应的图传递特征进行结合以得到所述关联温度分布图的全局温度传递特征。

8.根据权利要求7所述的系统，其特征在于，根据所述关联温度预测模型和所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据包括：

基于目标机器产品在预测试车子周期的上一试车子周期内的实际载荷量、激活的动作联动程序数量、待测轴承部件的润滑油流量和转速分析得到目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速，并根据目标机器产品在预测试车子周期内激活的动作联动程序数量、实际载荷量和待测轴承部件的润滑油流量以及转速生成第一预测试车特征序列；

获取预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据，将预测试车子周期的上一试车子周期内目标轴承区域的关联温度分布数据输入至目标轴承区域的关联温度预测模型中预测得到目标轴承区域在预测试车子周期内的关联温度分布数据，依据目标轴承区域在预测试车子周期内的关联温度分布数据生成第二预测试车特征序列；

将所述第一预测试车特征序列和所述第二预测试车特征序列输入至温度预测模型中预测得到对应非易测轴承区域在预测试车子周期内的温度数据。

9.根据权利要求1至8之一所述的系统，其特征在于，所述参数采集设备包括：力传感器、速度传感器、流量传感器、位置传感器和压力传感器。

10.根据权利要求6或9之一所述的系统，其特征在于，基于目标轴承区域的相邻易测轴承区域和关联易测轴承区域生成目标轴承区域的第一温度关联图、第二温度关联图和第三温度关联图包括：

以每个与目标轴承区域之间的状态相似度大于预设状态相似度阈值的易测轴承区域为顶点，并以每个顶点之间的状态相似度为边权重构建第一温度关联图；

以每个与目标轴承区域之间的曲线相似度大于预设曲线相似度阈值的易测轴承区域为顶点，并以每个顶点之间的曲线相似度为边权重构建第二温度关联图；

基于目标轴承区域的各个相邻易测轴承区域的区域面积确定目标轴承区域的各个相邻易测轴承区域的区域中心点，以各个相邻易测轴承区域为顶点，以各个顶点之间的归一化区域中心点距离为边权重生成第三温度关联图。

Images