CN116038424B - 基于传感器的星盆加工设备的维护监控方法及维护系统 - Google Patents

Abstract

本发明公开了一种基于传感器的星盆加工设备的维护监控方法及维护系统，该方法包括：获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；获取通过设置在所述星盆加工设备的至少一个工作模块中的红外传感器实时获得的模块维护参数；根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则；根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。可见，本发明能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而实现更加精准的设备异常监控和维护。

Description

基于传感器的星盆加工设备的维护监控方法及维护系统

技术领域

本发明涉及设备维护技术领域，尤其涉及一种基于传感器的星盆加工设备的维护监控方法及维护系统。

背景技术

为了实现更大批量和更高效的星盆生产，市面上开始出现定制化的星盆加工设备，这一类加工设备为了实现星盆加工往往配置了专门的加工流程和加工设施，能够实现复杂化的加工。申请人为了生产其星盆相关产品，如其在先申请的专利号为CN202230556941.9，名称为圆台洗手盆的外观专利对应的产品，或专利号为CN202230592358.3，名称为洗手盆(RLY104)的外观专利对应的产品，研发了星盆加工设备。

但在考虑对该设备的维护方案时，申请人结合其对其在先研发的其他加工设备的维护经验，如其在先申请的专利号为CN202122110049.0，名称为一种人造大理石板材抛光磨盘装置的实用新型专利对应的大理石加工设备，或专利号为CN202120815216.9，名称为一种多轴同步亚克力切板机的实用新型专利对应的亚克力板加工设备，发现现有技术在维护加工设备时，往往是采用人工检查的方式，没有智能化地结合传感器以及数据监控技术，因此其维护效率低，维护效果差，也没有充分结合加工设备的加工特点。可见，现有技术存在缺陷，亟待解决。

发明内容

本发明所要解决的技术问题在于，提供一种基于传感器的星盆加工设备的维护监控方法及维护系统，能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而实现更加精准的设备异常监控和维护。

为了解决上述技术问题，本发明第一方面公开了一种基于传感器的星盆加工设备的维护监控方法，所述方法包括：

获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；所述工作模块为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块；

获取通过设置在所述星盆加工设备的至少一个所述工作模块中的红外传感器实时获得的模块维护参数；

根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；

根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则；

根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。

作为一个可选的实施方式，在本发明第一方面中，所述工作状态包括刨床工作状态、第一夹取工作状态、第二夹取工作状态、平面铣形工作状态、水平铣形工作状态、皮带传送工作状态和停止工作状态中的至少一种；和/或，所述数据监控规则包括刨床维护数据监控规则、第一夹取数据维护监控规则、第二夹取数据维护监控规则、平面铣形数据维护监控规则、水平铣形数据维护监控规则、皮带数据维护监控规则和静止状态数据维护监控规则中的至少一种。

作为一个可选的实施方式，在本发明第一方面中，所述模块维护参数包括刨床模块维护参数、第一夹取传动模块维护参数、第二夹取传动模块维护参数、龙门主轴平面铣形模块维护参数、横向水平铣形模块维护参数和皮带传送模块维护参数中的至少一种；所述刨床模块维护参数包括刨床电源接合处紧固参数、刨床电机缝隙处杂物数量参数、入口台面升降机构处杂物数量参数、刨刀转轴机构处杂物数量参数、刨床废料箱废料高度参数中的至少一种；所述第一夹取传动模块维护参数包括第一传动机组导轨滑块缝隙处杂物数量参数、第一传动机组齿条缝隙处杂物数量参数、第一传动机组同步带缝隙处杂物数量参数、第一仿形定位机构缝隙处杂物数量参数和第一仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述第二夹取传动模块维护参数包括第二传动机组导轨滑块缝隙处杂物数量参数、第二传动机组齿条缝隙处杂物数量参数、第二传动机组同步带缝隙处杂物数量参数、第二仿形定位机构缝隙处杂物数量参数和第二仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述龙门主轴平面铣形模块维护参数包括平面铣形传动机组导轨滑块缝隙处杂物数量参数、平面铣形齿轮/齿条缝隙处杂物数量参数、平面铣形主轴机座缝隙处杂物数量参数中的至少一种；所述横向水平铣形模块维护参数包括水平铣形传动机组导轨滑块缝隙处杂物数量参数、水平铣形传动机组齿条缝隙处杂物数量参数、丝杆传动机构缝隙处杂物数量参数和切铣废料箱废料高度参数中的至少一种；所述皮带传送模块维护参数包括同步带表面杂物数量参数、传动电机组件缝隙杂物数量参数和皮带螺丝松紧传感参数中的至少一种。

作为一个可选的实施方式，在本发明第一方面中，所述根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态，包括：

根据所述设备影像中至少两帧连续的图像，以及影像位移识别算法，确定所述星盆加工设备的至少一个正在运作的工作模块；

根据所述星盆加工设备的至少一个正在运作的工作模块，以及模块运作-工作状态对应规则，确定所述星盆加工设备的工作状态。

作为一个可选的实施方式，在本发明第一方面中，所述根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则，包括：

根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的正在工作模块；

从所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为所述星盆加工设备对应的数据监控规则；所述工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块。

作为一个可选的实施方式，在本发明第一方面中，所述从所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为所述星盆加工设备对应的数据监控规则，包括：

将所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；

将任一所述待预测模块在至少两个历史时间段中的所述模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；所述神经网络预测模型通过包括有该待预测模块的至少两个连续时间段的多个训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到；

从所有所述待预测模块中筛选出所述异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将所述待监控模块以及其对应的所述参数阈值预测输出结果，确定为所述星盆加工设备对应的数据监控规则。

作为一个可选的实施方式，在本发明第一方面中，所述数据监控规则用于限定至少一个所述工作模块对应的至少一种模块维护参数的参数阈值；所述根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态，包括：

根据所述数据监控规则，确定出至少一个待监控模块对应的至少一种模块维护参数的目标参数阈值；

判断所述待监控模块在当前时间段的所述模块维护参数是否满足所述目标参数阈值对应的阈值条件；

若判断结果为是，确定所述星盆加工设备的设备维护状态为正常状态；

若判断结果为否，从所述至少一个待监控模块中确定出至少一个当前时间段的所述模块维护参数不符合所述阈值条件的待维护工作模块，确定所述星盆加工设备的设备维护状态为所述待维护工作模块需要被维护。

作为一个可选的实施方式，在本发明第一方面中，所述方法还包括：

根据所述星盆加工设备的设备维护状态，确定出多个所述待维护工作模块；

获取所述星盆加工设备的在未来的时间段的加工任务计划；

根据所述加工任务计划，计算每一所述待维护工作模块的维护优先级；所述维护优先级与所述待维护工作模块在所述加工任务计划中被调用的时间点先后程度和被调用次数成正比；

根据所述维护优先级从高到低对所述多个待维护工作模块进行排序得到模块序列；

将所述模块序列中的工作模块按照顺序推送给目标维护人员的移动端设备进行维护提醒。

本发明实施例第二方面公开了一种星盆加工设备的维护系统，所述系统包括：

第一获取模块，用于获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；所述工作模块为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块；

第二获取模块，用于获取通过设置在所述星盆加工设备的至少一个所述工作模块中的红外传感器实时获得的模块维护参数；

第一确定模块，用于根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；

第二确定模块，用于根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则；

第三确定模块，用于根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。

作为一个可选的实施方式，在本发明第二方面中，所述工作状态包括刨床工作状态、第一夹取工作状态、第二夹取工作状态、平面铣形工作状态、水平铣形工作状态、皮带传送工作状态和停止工作状态中的至少一种；和/或，所述数据监控规则包括刨床维护数据监控规则、第一夹取数据维护监控规则、第二夹取数据维护监控规则、平面铣形数据维护监控规则、水平铣形数据维护监控规则、皮带数据维护监控规则和静止状态数据维护监控规则中的至少一种。

作为一个可选的实施方式，在本发明第二方面中，所述模块维护参数包括刨床模块维护参数、第一夹取传动模块维护参数、第二夹取传动模块维护参数、龙门主轴平面铣形模块维护参数、横向水平铣形模块维护参数和皮带传送模块维护参数中的至少一种；所述刨床模块维护参数包括刨床电源接合处紧固参数、刨床电机缝隙处杂物数量参数、入口台面升降机构处杂物数量参数、刨刀转轴机构处杂物数量参数、刨床废料箱废料高度参数中的至少一种；所述第一夹取传动模块维护参数包括第一传动机组导轨滑块缝隙处杂物数量参数、第一传动机组齿条缝隙处杂物数量参数、第一传动机组同步带缝隙处杂物数量参数、第一仿形定位机构缝隙处杂物数量参数和第一仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述第二夹取传动模块维护参数包括第二传动机组导轨滑块缝隙处杂物数量参数、第二传动机组齿条缝隙处杂物数量参数、第二传动机组同步带缝隙处杂物数量参数、第二仿形定位机构缝隙处杂物数量参数和第二仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述龙门主轴平面铣形模块维护参数包括平面铣形传动机组导轨滑块缝隙处杂物数量参数、平面铣形齿轮/齿条缝隙处杂物数量参数、平面铣形主轴机座缝隙处杂物数量参数中的至少一种；所述横向水平铣形模块维护参数包括水平铣形传动机组导轨滑块缝隙处杂物数量参数、水平铣形传动机组齿条缝隙处杂物数量参数、丝杆传动机构缝隙处杂物数量参数和切铣废料箱废料高度参数中的至少一种；所述皮带传送模块维护参数包括同步带表面杂物数量参数、传动电机组件缝隙杂物数量参数和皮带螺丝松紧传感参数中的至少一种。

作为一个可选的实施方式，在本发明第二方面中，所述第一确定模块根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态的具体方式，包括：

根据所述设备影像中至少两帧连续的图像，以及影像位移识别算法，确定所述星盆加工设备的至少一个正在运作的工作模块；

根据所述星盆加工设备的至少一个正在运作的工作模块，以及模块运作-工作状态对应规则，确定所述星盆加工设备的工作状态。

作为一个可选的实施方式，在本发明第二方面中，所述第二确定模块根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则的具体方式，包括：

根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的正在工作模块；

从所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为所述星盆加工设备对应的数据监控规则；所述工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块。

作为一个可选的实施方式，在本发明第二方面中，所述第二确定模块从所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为所述星盆加工设备对应的数据监控规则的具体方式，包括：

将所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；

将任一所述待预测模块在至少两个历史时间段中的所述模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；所述神经网络预测模型通过包括有该待预测模块的至少两个连续时间段的多个训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到；

从所有所述待预测模块中筛选出所述异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将所述待监控模块以及其对应的所述参数阈值预测输出结果，确定为所述星盆加工设备对应的数据监控规则。

作为一个可选的实施方式，在本发明第二方面中，所述数据监控规则用于限定至少一个所述工作模块对应的至少一种模块维护参数的参数阈值；所述第三确定模块根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态的具体方式，包括：

根据所述数据监控规则，确定出至少一个待监控模块对应的至少一种模块维护参数的目标参数阈值；

判断所述待监控模块在当前时间段的所述模块维护参数是否满足所述目标参数阈值对应的阈值条件；

若判断结果为是，确定所述星盆加工设备的设备维护状态为正常状态；

若判断结果为否，从所述至少一个待监控模块中确定出至少一个当前时间段的所述模块维护参数不符合所述阈值条件的待维护工作模块，确定所述星盆加工设备的设备维护状态为所述待维护工作模块需要被维护。

作为一个可选的实施方式，在本发明第二方面中，所述装置还包括通知模块，用于执行以下步骤：

根据所述星盆加工设备的设备维护状态，确定出多个所述待维护工作模块；

获取所述星盆加工设备的在未来的时间段的加工任务计划；

根据所述加工任务计划，计算每一所述待维护工作模块的维护优先级；所述维护优先级与所述待维护工作模块在所述加工任务计划中被调用的时间点先后程度和被调用次数成正比；

根据所述维护优先级从高到低对所述多个待维护工作模块进行排序得到模块序列；

将所述模块序列中的工作模块按照顺序推送给目标维护人员的移动端设备进行维护提醒。

本发明第三方面公开了另一种星盆加工设备的维护系统，所述系统包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于传感器的星盆加工设备的维护监控方法中的部分或全部步骤。

本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于传感器的星盆加工设备的维护监控方法中的部分或全部步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，公开了一种基于传感器的星盆加工设备的维护监控方法及维护系统，该方法包括：获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；获取通过设置在所述星盆加工设备的至少一个工作模块中的红外传感器实时获得的模块维护参数；根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则；根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。可见，本发明能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而能够实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例公开的一种基于传感器的星盆加工设备的维护监控方法的流程示意图。

图2是本发明实施例公开的一种星盆加工设备的维护系统的结构示意图。

图3是本发明实施例公开的另一种星盆加工设备的维护系统的结构示意图。

图4是本发明实施例公开的一种星盆加工设备的俯视结构示意图。

图5是本发明实施例公开的一种星盆加工设备的整体架构的简易示意图。

图6是本发明实施例公开的一种红外传感器的缝隙设置示意图。

图7是本发明实施例公开的一种红外传感器的螺丝设置示意图。

图8是本发明实施例公开的一种红外传感器的箱体设置示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明公开了一种基于传感器的星盆加工设备的维护监控方法及维护系统，能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而能够实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种基于传感器的星盆加工设备的维护监控方法的流程示意图。其中，图1所描述的基于传感器的星盆加工设备的维护监控方法可以应用于数据处理系统/数据处理设备/数据处理服务器(其中，该服务器包括本地处理服务器或云处理服务器)中。如图1所示，该基于传感器的星盆加工设备的维护监控方法可以包括以下操作：

101、获取通过视觉传感器实时获取的星盆加工设备的设备影像。

具体的，星盆加工设备包括有多个工作模块，可选的，星盆加工设备的工作模块可以为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块。在一个具体的实施方案中，星盆加工设备的结构图可以参照图4和图5，其包括有设置在上方的视觉传感器，刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块和皮带传送模块。

102、获取通过设置在星盆加工设备的至少一个工作模块中的红外传感器实时获得的模块维护参数。

可选的，模块维护参数包括刨床模块维护参数、第一夹取传动模块维护参数、第二夹取传动模块维护参数、龙门主轴平面铣形模块维护参数、横向水平铣形模块维护参数和皮带传送模块维护参数中的至少一种。

可选的，刨床模块维护参数包括刨床电源接合处紧固参数、刨床电机缝隙处杂物数量参数、入口台面升降机构处杂物数量参数、刨刀转轴机构处杂物数量参数、刨床废料箱废料高度参数中的至少一种。

可选的，第一夹取传动模块维护参数包括第一传动机组导轨滑块缝隙处杂物数量参数、第一传动机组齿条缝隙处杂物数量参数、第一传动机组同步带缝隙处杂物数量参数、第一仿形定位机构缝隙处杂物数量参数和第一仿形定位机夹具缝隙处杂物数量参数中的至少一种。

可选的，第二夹取传动模块维护参数包括第二传动机组导轨滑块缝隙处杂物数量参数、第二传动机组齿条缝隙处杂物数量参数、第二传动机组同步带缝隙处杂物数量参数、第二仿形定位机构缝隙处杂物数量参数和第二仿形定位机夹具缝隙处杂物数量参数中的至少一种。

可选的，龙门主轴平面铣形模块维护参数包括平面铣形传动机组导轨滑块缝隙处杂物数量参数、平面铣形齿轮/齿条缝隙处杂物数量参数、平面铣形主轴机座缝隙处杂物数量参数中的至少一种。

可选的，横向水平铣形模块维护参数包括水平铣形传动机组导轨滑块缝隙处杂物数量参数、水平铣形传动机组齿条缝隙处杂物数量参数、丝杆传动机构缝隙处杂物数量参数和切铣废料箱废料高度参数中的至少一种。

可选的，皮带传送模块维护参数包括同步带表面杂物数量参数、传动电机组件缝隙杂物数量参数和皮带螺丝松紧传感参数中的至少一种。

可选的，红外传感器可以设置在上述模块的不同位置，以获取上述参数，在一个示例中，如图6所示，红外传感器可以设置在上述任一模块的特定缝隙的一侧，以用于检测该缝隙中是否存在杂物以及杂物的数量，从而可以得到上述杂物数量参数。

在另一个示例中，红外传感器可以设置在上述模块的特定部件朝向结合处的一侧，以用于检测该特定部件是否用于与该结合处紧密结合，从而可以得到上述螺丝接合处紧固参数或螺丝松紧传感参数，例如如图7所示，其可以设置在固定螺丝朝向结合处的一侧，可以用于检测该螺丝是否锁紧。

在又一个示例中，红外传感器可以设置在其特定储存空间的一侧，以用于检测该储存空间中的储存物的数量，从而可以得到上述废料高度参数，例如如图8所示，可以将多个红外传感器组成的矩阵设置在废料箱的一侧，呈竖直的长条状，可以用于检测箱中的废料的堆积高度。

具体的，红外传感器得到上述参数的方式，可以参照现有技术利用一个传感器或多个传感器组成的传感器矩阵实现上述参数获取的类似例子的技术细节，在此不再赘述。

103、根据影像识别算法，以及设备影像，确定星盆加工设备的工作状态。

可选的，星盆加工设备的工作状态包括刨床工作状态、第一夹取工作状态、第二夹取工作状态、平面铣形工作状态、水平铣形工作状态、皮带传送工作状态和停止工作状态中的至少一种。

104、根据星盆加工设备的工作状态，确定星盆加工设备对应的数据监控规则。

可选的，数据监控规则包括刨床维护数据监控规则、第一夹取数据维护监控规则、第二夹取数据维护监控规则、平面铣形数据维护监控规则、水平铣形数据维护监控规则、皮带数据维护监控规则和静止状态数据维护监控规则中的至少一种。

具体的，不同的数据监控规则中限制了不同工作模块的不同模块维护参数的阈值规则，其可以由操作人员根据经验来制定，例如刨床维护数据监控规则中限定的刨床模块的废料箱的废料高度一般不得高于12CM，这与废料箱本身的尺寸相关，也可以将其限定为不得高于废料箱总高的50％。

105、根据模块维护参数，以及数据监控规则，确定星盆加工设备的设备维护状态。

具体的，在确定出数据监控规则之后，可以根据相应的模块维护参数是否符合数据监控规则中的条件，来确定星盆加工设备的不同工作模块的情况，从而可以确定出星盆加工设备的设备维护状态。

可见，上述发明实施例能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而能够实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，上述步骤中的，根据影像识别算法，以及设备影像，确定星盆加工设备的工作状态，包括：

根据设备影像中至少两帧连续的图像，以及影像位移识别算法，确定星盆加工设备的至少一个正在运作的工作模块；

根据星盆加工设备的至少一个正在运作的工作模块，以及模块运作-工作状态对应规则，确定星盆加工设备的工作状态。

可选的，可以通过运动目标检测算法来实现影像位移识别算法，例如可以用帧间差法或背景减除法，以根据设备影像中至少两帧连续的图像确定星盆加工设备的至少一个正在运作的工作模块。具体的，帧间差法又叫时间差分法(Temporal Difference)，其可以充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。而背景减除法(Background Subtraction)是利用当前图像与背景图像的差分来检测出运动目标的一种技术。

可选的，模块运作-工作状态对应规则用于限定不同的正在运作的工作模块所对应的工作状态，需要指出的是，可能存在多个正在运作的工作模块协同运作以运行单一一种工作状态的情况，例如刨床工作状态下，可能部分时间中刨床模块和第一夹取传动模块会进行协作，例如第一夹取传动模块正在将物料夹取至刨床模块进行加工，因此正在运作的工作模块可能是刨床模块和第一夹取传动模块，所以正在运作的模块和工作状态并不是单一对应的关系，因此需要操作人员预先对其进行设定以便于后续的数据监控规则的确定。

可见，通过上述可选的实施例，能够根据设备影像中至少两帧连续的图像确定星盆加工设备的正在运作的工作模块，并进一步确定星盆加工设备的工作状态，从而可以准确确定出星盆加工设备的工作状态，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，上述步骤中的，根据星盆加工设备的工作状态，确定星盆加工设备对应的数据监控规则，包括：

根据星盆加工设备的工作状态，确定星盆加工设备对应的正在工作模块；

从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为星盆加工设备对应的数据监控规则。

具体的，工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块。

具体的，上述工作模块流程链是根据星盆加工设备的具体工作流程而制定，一般会由第一夹取传动模块或第二夹取传动模块作为物料加工启动的夹取设备，来启动整个工作流程，并经过刨床、主轴平面铣形加工、横向水平铣形加工后由皮带传送出星盆加工设备，而在不同模块工作后，该模块的特定模块维护参数，也即一些废料或杂物在模块中存在的参数，应当存在相应的限制或条件，以防止模块加工后过度堆积这些废料或杂物而影响后续的工作。

可见，通过上述可选的实施例，能够从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中筛选出至少一个待监控模块以及对应的数据监控规则，从而可以结合星盆加工设备的加工流程特点来准确确定出星盆加工设备的数据监控规则，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，上述步骤中的，从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为星盆加工设备对应的数据监控规则，包括：

将正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；

将任一待预测模块在至少两个历史时间段中的模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；

从所有待预测模块中筛选出异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将待监控模块以及其对应的参数阈值预测输出结果，确定为星盆加工设备对应的数据监控规则。

具体的，神经网络预测模型通过包括有多个该待预测模块的至少两个连续时间段的训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到。可选的，操作人员可以针对特定工作模块，收集其在多个时间段的特定模块维护参数，并根据该工作模块在该时间段的工作成功或运行情况对这些参数进行是否存在异常可能性的标注，以及根据在该模块正常工作的连续两个时间段后的那个时间段中的模块维护参数的值，来标注对应的正常参数阈值，这一正常参数阈值的标注可以根据操作人员的经验判断，也可以通过数据统计来实现，例如可以将特定工作模块在正常工作时的多个时间段的特定模块维护参数拟合成多项式关系模型，并通过该多项式关系模型来根据连续两个时间段的特定模块维护参数预测出正常参数阈值。

可见，通过上述可选的实施例，能够根据待预测模块以及预先训练好的神经网络模型来确定待监控模块以及其对应的参数阈值预测输出结果，从而可以准确确定出星盆加工设备的数据监控规则，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，数据监控规则用于限定至少一个工作模块对应的至少一种模块维护参数的参数阈值；上述步骤中的，根据模块维护参数，以及数据监控规则，确定星盆加工设备的设备维护状态，包括：

根据数据监控规则，确定出至少一个待监控模块对应的至少一种模块维护参数的目标参数阈值；

判断待监控模块在当前时间段的模块维护参数是否满足目标参数阈值对应的阈值条件；

若判断结果为是，确定星盆加工设备的设备维护状态为正常状态；

若判断结果为否，从至少一个待监控模块中确定出至少一个当前时间段的模块维护参数不符合阈值条件的待维护工作模块，确定星盆加工设备的设备维护状态为待维护工作模块需要被维护。

可见，通过上述可选的实施例，能够根据待监控模块在当前时间段的模块维护参数是否满足目标参数阈值对应的阈值条件来确定待维护工作模块，从而可以准确确定出星盆加工设备的待维护工作模块，以便于后续对星盆加工设备进行维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，该方法还包括：

根据星盆加工设备的设备维护状态，确定出多个待维护工作模块；

获取星盆加工设备的在未来的时间段的加工任务计划；

根据加工任务计划，计算每一待维护工作模块的维护优先级；

根据维护优先级从高到低对多个待维护工作模块进行排序得到模块序列；

将模块序列中的工作模块按照顺序推送给目标维护人员的移动端设备进行维护提醒。

具体的，维护优先级与待维护工作模块在加工任务计划中被调用的时间点先后程度和被调用次数成正比，可选的，可以通过预先设定的维护优先级与调用时间点和调用次数的公式模型来确定，例如将每一待维护工作模块的被调用时间点距离特定基准时间点的时间距离与在特定时间长度中被调用次数做乘积，并将乘积结果排序以获得不同待维护工作模块的优先级序列或该模块序列。

可见，通过上述可选的实施例，能够确定待维护工作模块的维护优先级，从而可以准确确定出对目标维护人员的通知策略，以便于目标维护人员可以更合理高效地对星盆加工设备进行维护，提高星盆加工设备的维护效率和维护效果。

实施例二

请参阅图2，图2是本发明实施例公开的一种星盆加工设备的维护系统的结构示意图。其中，图2所描述的星盆加工设备的维护系统可以应用于数据处理系统/数据处理设备/数据处理服务器(其中，该服务器包括本地处理服务器或云处理服务器)中。如图2所示，该星盆加工设备的维护系统可以包括：

第一获取模块201，用于获取通过视觉传感器实时获取的星盆加工设备的设备影像。

具体的，星盆加工设备包括有多个工作模块，可选的，星盆加工设备的工作模块可以为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块。在一个具体的实施方案中，星盆加工设备的结构图可以参照图4和图5，其包括有刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块和皮带传送模块。

第二获取模块202，用于获取通过设置在星盆加工设备的至少一个工作模块中的红外传感器实时获得的模块维护参数。

可选的，模块维护参数包括刨床模块维护参数、第一夹取传动模块维护参数、第二夹取传动模块维护参数、龙门主轴平面铣形模块维护参数、横向水平铣形模块维护参数和皮带传送模块维护参数中的至少一种。

可选的，刨床模块维护参数包括刨床电源接合处紧固参数、刨床电机缝隙处杂物数量参数、入口台面升降机构处杂物数量参数、刨刀转轴机构处杂物数量参数、刨床废料箱废料高度参数中的至少一种。

可选的，第一夹取传动模块维护参数包括第一传动机组导轨滑块缝隙处杂物数量参数、第一传动机组齿条缝隙处杂物数量参数、第一传动机组同步带缝隙处杂物数量参数、第一仿形定位机构缝隙处杂物数量参数和第一仿形定位机夹具缝隙处杂物数量参数中的至少一种。

可选的，第二夹取传动模块维护参数包括第二传动机组导轨滑块缝隙处杂物数量参数、第二传动机组齿条缝隙处杂物数量参数、第二传动机组同步带缝隙处杂物数量参数、第二仿形定位机构缝隙处杂物数量参数和第二仿形定位机夹具缝隙处杂物数量参数中的至少一种。

可选的，龙门主轴平面铣形模块维护参数包括平面铣形传动机组导轨滑块缝隙处杂物数量参数、平面铣形齿轮/齿条缝隙处杂物数量参数、平面铣形主轴机座缝隙处杂物数量参数中的至少一种。

可选的，横向水平铣形模块维护参数包括水平铣形传动机组导轨滑块缝隙处杂物数量参数、水平铣形传动机组齿条缝隙处杂物数量参数、丝杆传动机构缝隙处杂物数量参数和切铣废料箱废料高度参数中的至少一种。

可选的，皮带传送模块维护参数包括同步带表面杂物数量参数、传动电机组件缝隙杂物数量参数和皮带螺丝松紧传感参数中的至少一种。

第一确定模块203，用于根据影像识别算法，以及设备影像，确定星盆加工设备的工作状态。

可选的，星盆加工设备的工作状态包括刨床工作状态、第一夹取工作状态、第二夹取工作状态、平面铣形工作状态、水平铣形工作状态、皮带传送工作状态和停止工作状态中的至少一种。

第二确定模块204，用于根据星盆加工设备的工作状态，确定星盆加工设备对应的数据监控规则。

可选的，数据监控规则包括刨床维护数据监控规则、第一夹取数据维护监控规则、第二夹取数据维护监控规则、平面铣形数据维护监控规则、水平铣形数据维护监控规则、皮带数据维护监控规则和静止状态数据维护监控规则中的至少一种。

第三确定模块205，用于根据模块维护参数，以及数据监控规则，确定星盆加工设备的设备维护状态。

具体的，在确定出数据监控规则之后，可以根据相应的模块维护参数是否符合数据监控规则中的条件，来确定星盆加工设备的不同工作模块的情况，从而可以确定出星盆加工设备的设备维护状态。

可见，上述发明实施例能够基于不同传感器的数据，以及不同的工作状态，对星盆加工设备进行数据监控，从而能够实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，第一确定模块203根据影像识别算法，以及设备影像，确定星盆加工设备的工作状态的具体方式，包括：

根据设备影像中至少两帧连续的图像，以及影像位移识别算法，确定星盆加工设备的至少一个正在运作的工作模块；

根据星盆加工设备的至少一个正在运作的工作模块，以及模块运作-工作状态对应规则，确定星盆加工设备的工作状态。

可选的，可以通过运动目标检测算法来实现影像位移识别算法，例如可以用帧间差法或背景减除法，以根据设备影像中至少两帧连续的图像确定星盆加工设备的至少一个正在运作的工作模块。具体的，帧间差法又叫时间差分法(Temporal Difference)，其可以充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。而背景减除法(Background Subtraction)是利用当前图像与背景图像的差分来检测出运动目标的一种技术。

可选的，模块运作-工作状态对应规则用于限定不同的正在运作的工作模块所对应的工作状态，需要指出的是，可能存在多个正在运作的工作模块协同运作以运行单一一种工作状态的情况，例如刨床工作状态下，可能部分时间中刨床模块和第一夹取传动模块会进行协作，例如第一夹取传动模块正在将物料夹取至刨床模块进行加工，因此正在运作的工作模块可能是刨床模块和第一夹取传动模块，所以正在运作的模块和工作状态并不是单一对应的关系，因此需要操作人员预先对其进行设定以便于后续的数据监控规则的确定。

可见，通过上述可选的实施例，能够根据设备影像中至少两帧连续的图像确定星盆加工设备的正在运作的工作模块，并进一步确定星盆加工设备的工作状态，从而可以准确确定出星盆加工设备的工作状态，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，第二确定模块204根据星盆加工设备的工作状态，确定星盆加工设备对应的数据监控规则的具体方式，包括：

根据星盆加工设备的工作状态，确定星盆加工设备对应的正在工作模块；

从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为星盆加工设备对应的数据监控规则。

具体的，工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块。

具体的，上述工作模块流程链是根据星盆加工设备的具体工作流程而制定，一般会由第一夹取传动模块或第二夹取传动模块作为物料加工启动的夹取设备，来启动整个工作流程，并经过刨床、主轴平面铣形加工、横向水平铣形加工后由皮带传送出星盆加工设备，而在不同模块工作后，该模块的特定模块维护参数，也即一些废料或杂物在模块中存在的参数，应当存在相应的限制或条件，以防止模块加工后过度堆积这些废料或杂物而影响后续的工作。

可见，通过上述可选的实施例，能够从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中筛选出至少一个待监控模块以及对应的数据监控规则，从而可以结合星盆加工设备的加工流程特点来准确确定出星盆加工设备的数据监控规则，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，第二确定模块204从正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块中，筛选出至少一个待监控模块以及对应的数据监控规则，确定为星盆加工设备对应的数据监控规则的具体方式，包括：

将正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；

将任一待预测模块在至少两个历史时间段中的模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；

从所有待预测模块中筛选出异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将待监控模块以及其对应的参数阈值预测输出结果，确定为星盆加工设备对应的数据监控规则。

具体的，神经网络预测模型通过包括有多个该待预测模块的至少两个连续时间段的训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到。可选的，操作人员可以针对特定工作模块，收集其在多个时间段的特定模块维护参数，并根据该工作模块在该时间段的工作成功或运行情况对这些参数进行是否存在异常可能性的标注，以及根据在该模块正常工作的连续两个时间段后的那个时间段中的模块维护参数的值，来标注对应的正常参数阈值，这一正常参数阈值的标注可以根据操作人员的经验判断，也可以通过数据统计来实现，例如可以将特定工作模块在正常工作时的多个时间段的特定模块维护参数拟合成多项式关系模型，并通过该多项式关系模型来根据连续两个时间段的特定模块维护参数预测出正常参数阈值。

可见，通过上述可选的实施例，能够根据待预测模块以及预先训练好的神经网络模型来确定待监控模块以及其对应的参数阈值预测输出结果，从而可以准确确定出星盆加工设备的数据监控规则，以便于后续对星盆加工设备进行数据监控，实现更加精准的设备异常监控和维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，数据监控规则用于限定至少一个工作模块对应的至少一种模块维护参数的参数阈值；第三确定模块205根据模块维护参数，以及数据监控规则，确定星盆加工设备的设备维护状态的具体方式，包括：

根据数据监控规则，确定出至少一个待监控模块对应的至少一种模块维护参数的目标参数阈值；

判断待监控模块在当前时间段的模块维护参数是否满足目标参数阈值对应的阈值条件；

若判断结果为是，确定星盆加工设备的设备维护状态为正常状态；

若判断结果为否，从至少一个待监控模块中确定出至少一个当前时间段的模块维护参数不符合阈值条件的待维护工作模块，确定星盆加工设备的设备维护状态为待维护工作模块需要被维护。

可见，通过上述可选的实施例，能够根据待监控模块在当前时间段的模块维护参数是否满足目标参数阈值对应的阈值条件来确定待维护工作模块，从而可以准确确定出星盆加工设备的待维护工作模块，以便于后续对星盆加工设备进行维护，提高星盆加工设备的维护效率和维护效果。

作为一个可选的实施例，该装置还包括通知模块，用于执行以下步骤：

根据星盆加工设备的设备维护状态，确定出多个待维护工作模块；

获取星盆加工设备的在未来的时间段的加工任务计划；

根据加工任务计划，计算每一待维护工作模块的维护优先级；

根据维护优先级从高到低对多个待维护工作模块进行排序得到模块序列；

将模块序列中的工作模块按照顺序推送给目标维护人员的移动端设备进行维护提醒。

具体的，维护优先级与待维护工作模块在加工任务计划中被调用的时间点先后程度和被调用次数成正比，可选的，可以通过预先设定的维护优先级与调用时间点和调用次数的公式模型来确定，例如将每一待维护工作模块的被调用时间点距离特定基准时间点的时间距离与在特定时间长度中被调用次数做乘积，并将乘积结果排序以获得不同待维护工作模块的优先级序列或该模块序列。

可见，通过上述可选的实施例，能够确定待维护工作模块的维护优先级，从而可以准确确定出对目标维护人员的通知策略，以便于目标维护人员可以更合理高效地对星盆加工设备进行维护，提高星盆加工设备的维护效率和维护效果。

实施例三

请参阅图3，图3是本发明实施例公开的又一种星盆加工设备的维护系统。图3所描述的星盆加工设备的维护系统应用于数据处理系统/数据处理设备/数据处理服务器(其中，该服务器包括本地处理服务器或云处理服务器)中。如图3所示，该星盆加工设备的维护系统可以包括：

存储有可执行程序代码的存储器301；

与存储器301耦合的处理器302；

其中，处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的基于传感器的星盆加工设备的维护监控方法的步骤。

实施例四

本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的基于传感器的星盆加工设备的维护监控方法的步骤。

实施例五

本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的基于传感器的星盆加工设备的维护监控方法的步骤。

上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后应说明的是：本发明实施例公开的一种基于传感器的星盆加工设备的维护监控方法及维护系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (8)

1.一种基于传感器的星盆加工设备的维护监控方法，其特征在于，所述方法包括：

获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；所述工作模块为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块；

获取通过设置在所述星盆加工设备的至少一个所述工作模块中的红外传感器实时获得的模块维护参数；

根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；

根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的正在工作模块；

将所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；所述工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块；

将任一所述待预测模块在至少两个历史时间段中的所述模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；所述神经网络预测模型通过包括有该待预测模块的至少两个连续时间段的多个训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到；

从所有所述待预测模块中筛选出所述异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将所述待监控模块以及其对应的所述参数阈值预测输出结果，确定为所述星盆加工设备对应的数据监控规则；

根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。

2.根据权利要求1所述的基于传感器的星盆加工设备的维护监控方法，其特征在于，所述工作状态包括刨床工作状态、第一夹取工作状态、第二夹取工作状态、平面铣形工作状态、水平铣形工作状态、皮带传送工作状态和停止工作状态中的至少一种；和/或，所述数据监控规则包括刨床维护数据监控规则、第一夹取数据维护监控规则、第二夹取数据维护监控规则、平面铣形数据维护监控规则、水平铣形数据维护监控规则、皮带数据维护监控规则和静止状态数据维护监控规则中的至少一种。

3.根据权利要求2所述的基于传感器的星盆加工设备的维护监控方法，其特征在于，所述模块维护参数包括刨床模块维护参数、第一夹取传动模块维护参数、第二夹取传动模块维护参数、龙门主轴平面铣形模块维护参数、横向水平铣形模块维护参数和皮带传送模块维护参数中的至少一种；所述刨床模块维护参数包括刨床电源接合处紧固参数、刨床电机缝隙处杂物数量参数、入口台面升降机构处杂物数量参数、刨刀转轴机构处杂物数量参数、刨床废料箱废料高度参数中的至少一种；所述第一夹取传动模块维护参数包括第一传动机组导轨滑块缝隙处杂物数量参数、第一传动机组齿条缝隙处杂物数量参数、第一传动机组同步带缝隙处杂物数量参数、第一仿形定位机构缝隙处杂物数量参数和第一仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述第二夹取传动模块维护参数包括第二传动机组导轨滑块缝隙处杂物数量参数、第二传动机组齿条缝隙处杂物数量参数、第二传动机组同步带缝隙处杂物数量参数、第二仿形定位机构缝隙处杂物数量参数和第二仿形定位机夹具缝隙处杂物数量参数中的至少一种；所述龙门主轴平面铣形模块维护参数包括平面铣形传动机组导轨滑块缝隙处杂物数量参数、平面铣形齿轮/齿条缝隙处杂物数量参数、平面铣形主轴机座缝隙处杂物数量参数中的至少一种；所述横向水平铣形模块维护参数包括水平铣形传动机组导轨滑块缝隙处杂物数量参数、水平铣形传动机组齿条缝隙处杂物数量参数、丝杆传动机构缝隙处杂物数量参数和切铣废料箱废料高度参数中的至少一种；所述皮带传送模块维护参数包括同步带表面杂物数量参数、传动电机组件缝隙杂物数量参数和皮带螺丝松紧传感参数中的至少一种。

4.根据权利要求1所述的基于传感器的星盆加工设备的维护监控方法，其特征在于，所述根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态，包括：

根据所述设备影像中至少两帧连续的图像，以及影像位移识别算法，确定所述星盆加工设备的至少一个正在运作的工作模块；

根据所述星盆加工设备的至少一个正在运作的工作模块，以及模块运作-工作状态对应规则，确定所述星盆加工设备的工作状态。

5.根据权利要求1所述的基于传感器的星盆加工设备的维护监控方法，其特征在于，所述数据监控规则用于限定至少一个所述工作模块对应的至少一种模块维护参数的参数阈值；所述根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态，包括：

根据所述数据监控规则，确定出至少一个待监控模块对应的至少一种模块维护参数的目标参数阈值；

判断所述待监控模块在当前时间段的所述模块维护参数是否满足所述目标参数阈值对应的阈值条件；

若判断结果为是，确定所述星盆加工设备的设备维护状态为正常状态；

若判断结果为否，从所述至少一个待监控模块中确定出至少一个当前时间段的所述模块维护参数不符合所述阈值条件的待维护工作模块，确定所述星盆加工设备的设备维护状态为所述待维护工作模块需要被维护。

6.根据权利要求5所述的基于传感器的星盆加工设备的维护监控方法，其特征在于，所述方法还包括：

根据所述星盆加工设备的设备维护状态，确定出多个所述待维护工作模块；

获取所述星盆加工设备的在未来的时间段的加工任务计划；

根据所述加工任务计划，计算每一所述待维护工作模块的维护优先级；所述维护优先级与所述待维护工作模块在所述加工任务计划中被调用的时间点先后程度和被调用次数成正比；

根据所述维护优先级从高到低对所述多个待维护工作模块进行排序得到模块序列；

将所述模块序列中的工作模块按照顺序推送给目标维护人员的移动端设备进行维护提醒。

7.一种星盆加工设备的维护系统，其特征在于，所述系统包括：

第一获取模块，用于获取通过视觉传感器实时获取的星盆加工设备的设备影像；所述星盆加工设备包括有多个工作模块；所述工作模块为刨床模块、第一夹取传动模块、第二夹取传动模块、龙门主轴平面铣形模块、横向水平铣形模块或皮带传送模块；

第二获取模块，用于获取通过设置在所述星盆加工设备的至少一个所述工作模块中的红外传感器实时获得的模块维护参数；

第一确定模块，用于根据影像识别算法，以及所述设备影像，确定所述星盆加工设备的工作状态；

第二确定模块，用于根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则；所述第二确定模块根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的数据监控规则的具体方式，包括：

根据所述星盆加工设备的工作状态，确定所述星盆加工设备对应的正在工作模块；

将所述正在工作模块在预设的工作模块流程链中的位置之前的预设数量个工作模块确定为待预测模块；所述工作模块流程链为第一夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块或第二夹取传动模块-刨床模块-龙门主轴平面铣形模块-横向水平铣形模块-皮带传送模块；

将任一所述待预测模块在至少两个历史时间段中的所述模块维护参数输入至该待预测模块对应的神经网络预测模型中，以得到该待预测模块对应的参数阈值预测输出结果和异常可能性预测结果；所述神经网络预测模型通过包括有该待预测模块的至少两个连续时间段的多个训练模块维护参数和对应标注的正常参数阈值参数和是否存在异常可能性参数的训练数据集训练得到；

从所有所述待预测模块中筛选出所述异常可能性预测结果为可能存在异常的至少一个待预测模块，确定为待监控模块；

将所述待监控模块以及其对应的所述参数阈值预测输出结果，确定为所述星盆加工设备对应的数据监控规则；

第三确定模块，用于根据所述模块维护参数，以及所述数据监控规则，确定所述星盆加工设备的设备维护状态。

8.一种星盆加工设备的维护系统，其特征在于，所述系统包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-6任一项所述的基于传感器的星盆加工设备的维护监控方法。