CN116578041B - 一种用于cnc控制器的数据处理方法 - Google Patents
一种用于cnc控制器的数据处理方法 Download PDFInfo
- Publication number
- CN116578041B CN116578041B CN202310656204.XA CN202310656204A CN116578041B CN 116578041 B CN116578041 B CN 116578041B CN 202310656204 A CN202310656204 A CN 202310656204A CN 116578041 B CN116578041 B CN 116578041B
- Authority
- CN
- China
- Prior art keywords
- data
- window
- target
- moving average
- temperature
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000005856 abnormality Effects 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims description 139
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 8
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 52
- 238000003860 storage Methods 0.000 description 35
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4086—Coordinate conversions; Other special calculations
-
- 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
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35356—Data handling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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
本说明书实施例公开了一种用于CNC控制器的数据处理方法,该方法包括:获取温度传感器对电机采集得到的温度数据;将所述温度数据按照采集时间顺序进行排列,得到所述温度数据所对应的时间序列;确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小;计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数;基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度。通过本说明书实施例所提供的方法,可以使得数据分析过程中可以更准确地确定窗口内数据之间的异常影响关系,从而提高数据异常分析的准确性。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种用于CNC控制器的数据处理方法。
背景技术
CNC(Computer Numerical Control)控制器是指计算机数字控制机床的程序控制系统。CNC控制器可以通过将数字指令转换为机械运动来实现对数控机床的控制,其包括程序控制,人机互动以及反馈调节等组成部分。其中,反馈调节用以监测机床组成部分的状态,例如,在CNC控制机床的过程中,通过对电机温度进行监测和分析以反映电机的状态。
对于电机温度的监测过程,主要针对电机温度的异常变化进行识别。现有技术中主要根据局部时间序列上电机温度变化关系的差异来进行异常变化分析,比如,利用移动平均法进行时序数据异常变化分析。但是,目前所使用的算法中没有考虑到不同阶段的温度数据所需要的窗口大小具有一定差异,并且移动窗口中温度数据存在互相影响的关系,因此,会导致异常分析结果出现明显的偏差。
基于此,有必要研究一种更加科学合理的用于CNC控制器的数据处理方法,以提高数据分析结果的准确性和可靠性。
发明内容
本说明书实施例提供一种用于CNC控制器的数据处理方法,该方法包括:获取温度传感器对电机采集得到的温度数据;将所述温度数据按照采集时间顺序进行排列,得到所述温度数据所对应的时间序列;确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小,其中,所述移动平均窗口通过在所述时间序列中以所述目标温度数据为中心对所述目标温度数据所对应的初始窗口逐步进行前后扩展得到;计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,其中,所述第一影响系数基于所述目标窗口数据对应的温度变化值、电流变化值以及所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值确定,所述第二影响系数基于所述目标窗口数据对应的自身异常程度以及所述移动平均窗口所对应的电流变化程度确定;基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度。
在一些实施例中,所述确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小,包括:计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性;在所述第一扩展可能性与所述第二扩展可能性的乘积满足第一预设条件时,执行下一次扩展;在所述第一扩展可能性与所述第二扩展可能性的乘积不满足所述第一预设条件时,结束扩展,得到所述移动平均窗口。
在一些实施例中,所述计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性,包括:基于向前扩展的第一待扩展数据与当前窗口中所有数据的变化关系,得到所述第一扩展可能性;基于向后扩展的第二待扩展数据与当前窗口中所有数据的变化关系,得到所述第二扩展可能性。
在一些实施例中,所述第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系通过如下方式计算得到:确定所述第一待扩展数据/第二待扩展数据对应的变化值,以及所述当前窗口中每一个数据对应的变化值;计算所述第一待扩展数据/第二待扩展数据对应的变化值与所述当前窗口中每一个数据对应的变化值之间的第一差值,以及所述当前窗口中不同数据对应的变化值之间的第二差值;基于所述第一差值和所述第二差值得到所述第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系。
在一些实施例中,所述计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,包括:获取所述目标窗口数据对应的第一扩展可能性或第二扩展可能性;确定所述目标窗口数据对应的温度变化值、电流变化值,以及所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值;基于所述目标窗口数据对应的温度变化值、电流变化值,得到第一参数;基于所述目标窗口数据对应的温度变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值之间的第三差值,以及所述目标窗口数据对应的电流变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的电流变化值之间的第四差值,得到第二参数;根据所述第一参数、所述第二参数以及所述目标窗口数据对应的第一扩展可能性或第二扩展可能性,得到所述第一影响系数。
在一些实施例中,所述计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,还包括:确定所述目标窗口数据对应的自身异常程度;基于所述移动平均窗口中所有数据对应的电流变化值,计算所述移动平均窗口对应的电流变化程度;根据所述自身异常程度和所述电流变化程度,得到所述第二影响系数。
在一些实施例中,所述确定所述目标窗口数据对应的自身异常程度,包括:通过移动平均法计算所述移动平均窗口对应的移动平均值;计算所述目标窗口数据与所述移动平均值之间的第五差值,以及所述移动平均窗口中所有数据与所述移动平均值之间的第六差值的最大值;基于所述第五差值与所述第六差值的最大值的比值,得到所述目标窗口数据对应的自身异常程度。
在一些实施例中,所述基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度,包括:基于所述第一影响系数和所述第二影响系数确定所述移动平均窗口中每一个目标窗口数据对所述目标温度数据的影响权重;计算每一个所述目标窗口数据与所述目标温度数据之间的第七差值;将每一个所述目标窗口数据所对应的所述影响权重和所述第七差值相乘,得到第三参数;计算所述移动平均窗口中所有所述目标窗口数据对应的第三参数的均值,得到所述目标温度数据对应的最终异常程度。
在一些实施例中,所述基于所述第一影响系数和所述第二影响系数确定所述移动平均窗口中每一个目标窗口数据对所述目标温度数据的影响权重,包括:计算所述目标窗口数据所对应的第一影响系数和第二影响系数的第一乘积;对所述第一乘积进行归一化计算,得到所述目标窗口数据对所述目标温度数据的影响权重。
在一些实施例中,所述方法还包括:对所述目标温度数据对应的最终异常程度进行归一化处理,得到所述目标温度数据对应的温度异常指数;在所述温度异常指数满足第二预设条件时,将所述目标温度数据作为正常温度数据,在所述温度异常指数不满足所述第二预设条件时,将所述目标温度数据作为异常温度数据。
本说明书实施例所提供的用于CNC控制器的数据处理方法可能带来的有益效果至少包括:(1)通过对该初始窗口逐步进行前后扩展以确定每一个目标温度数据所对应的移动平均窗口的大小,可以避免窗口中引入变化差异较大的数据,减少窗口整体分布被其他数据影响的可能性,从而提高移动平均窗口的稳定性,即提高后续移动平均窗口异常分析的准确性;(2)通过分析窗口中数据的变化关系,并利用电机温度受电流影响的特性,确定窗口中数据的真实变化关系,可以避免电流变化所引起的正常温度浮动对窗口数据影响关系的判断造成干扰,从而提高窗口数据变化关系对窗口影响的计算结果的准确性;(3)通过确定窗口分析中每一个数据对应的自身异常程度对移动平均窗口分析的影响,可以突出电机温度变化的异常表现,从而更加有效的反映窗口中其他数据本身实际异常对当前窗口计算的影响,即减少窗口内异常数据的互相影响。
附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的用于CNC控制器的数据处理系统的示例性应用场景示意图;
图2是根据本说明书的一些实施例所示的用于CNC控制器的数据处理系统的示例性模块图;
图3是根据本说明书一些实施例所示的用于CNC控制器的数据处理方法的示例性流程图;
图4是根据本说明书一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图;
图5是根据本说明书另一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图;
图6是根据本说明书另一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
下面结合附图对本说明书实施例提供的用于CNC控制器的数据处理方法和系统进行详细说明。
图1是根据本说明书一些实施例所示的用于CNC控制器的数据处理系统的示例性应用场景示意图。
参照图1,在一些实施例中,用于CNC控制器的数据处理系统的应用场景100可以包括数据采集装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。例如,数据采集装置110可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。又例如,存储设备120可以与处理设备130直接连接或通过网络150连接。又例如,终端设备140可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。
数据采集装置110可以用于对机床设备(例如电机)进行数据采集,以实时监控机床设备的工作状态并进行相应的反馈调节。在一些实施例中,数据采集装置110可以包括温度传感器111和电流传感器112,其中,温度传感器111可以用于安装在电机内部或表面,以采集电机的温度数据;电流传感器112可以接入电机的工作电路,用于采集电机的工作电流。在一些实施例中,该数据采集装置110可以按照设定的采集频率进行数据采集(例如,每隔2秒采集一次)。在一些实施例中,数据采集装置110可以具有独立的电源,其可以通过有线或无线(例如蓝牙、WiFi等)的方式将采集的温度数据和/或电流数据发送给应用场景100中的其他部件(例如,存储设备120、处理设备130、终端设备140)。
在一些实施例中,数据采集装置110可以通过网络150将其采集的温度数据和/或电流数据发送至存储设备120、处理设备130、终端设备140等。在一些实施例中,可以通过处理设备130对数据采集装置110所采集的温度数据和/或电流数据进行处理。例如,处理设备130可以基于该温度数据和/或电流数据确定电机的当前温度状态和/或每一个温度数据所对应的异常程度。在一些实施例中,该电机的当前温度状态和/或每一个温度数据所对应的异常程度可以发送至存储设备120进行记录,或者发送至终端设备140以反馈给用户(例如机床管理人员或相关工作人员)。
网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,应用场景100的至少一个组件(例如,数据采集装置110、存储设备120、处理设备130、终端设备140)可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如,处理设备130可以通过网络150从数据采集装置110和/或存储设备120获得针对电机采集的温度数据和/或电流数据。又例如,处理设备130可以通过网络150从终端设备140获得用户操作指令,示例性的操作指令可以包括但不限于调阅温度数据和/或电流数据,读取基于该温度数据和/或电流数据确定的电机的当前温度状态和/或每一个温度数据所对应的异常程度等。
在一些实施例中,网络150可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中,网络150可以包括至少一个网络接入点,应用场景100的至少一个组件可以通过接入点连接到网络150以交换数据和/或信息。
存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中,存储设备120可以存储从数据采集装置110、处理设备130和/或终端设备140获得的数据。例如,存储设备120可以存储数据采集装置110采集的温度数据和/或电流数据;又例如,存储设备120可以存储处理设备130计算得到的电机的当前温度状态和/或每一个温度数据所对应的异常程度。在一些实施例中,存储设备120可以存储处理设备130用来执行或使用来完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备120可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备120可以连接到网络150以与应用场景100中的至少一个其他组件(例如,数据采集装置110、处理设备130、终端设备140)通信。应用场景100中的至少一个组件可以通过网络150访问存储设备120中存储的数据、指令或其他信息。在一些实施例中,存储设备120可以与应用场景100中的一个或以上组件(例如,数据采集装置110、终端设备140)直接连接或通信。在一些实施例中,存储设备120可以是数据采集装置110和/或处理设备130的一部分。
处理设备130可以处理从数据采集装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。在一些实施例中,处理设备130可以从数据采集装置110、存储设备120或终端设备140中任意一个或多个获得温度数据和/或电流数据,通过对该温度数据和/或电流数据进行处理以确定电机的当前温度状态和/或每一个温度数据所对应的异常程度。在一些实施例中,处理设备130可以从存储设备120获取预先存储的计算机指令,并执行该计算机指令以实现本说明书所描述的用于CNC控制器的数据处理方法。在一些实施例中,处理设备130可以指CNC控制器。
在一些实施例中,处理设备130可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备130可以是本地或远程的。例如,处理设备130可以通过网络150从数据采集装置110、存储设备120和/或终端设备140访问信息和/或数据。又例如,处理设备130可以直接连接到数据采集装置110、存储设备120和/或终端设备140以访问信息和/或数据。在一些实施例中,处理设备130可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
终端设备140可以接收、发送和/或显示数据。所述接收的数据可以包括数据采集装置110采集的数据、存储设备120存储的数据、处理设备130处理得到的电机的当前温度状态和/或每一个温度数据所对应的异常程度等。所述发送的数据可以包括用户(例如机床管理人员或相关工作人员)的输入数据和指令等。例如,终端设备140可以将用户输入的操作指令通过网络150发送给数据采集装置110,以控制数据采集装置110进行相应的数据采集。又例如,终端设备140可以将用户输入的数据处理指令通过网络150发送给处理设备130。
在一些实施例中,终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。例如,移动设备141可以包括移动电话、个人数字助理(PDA)、专用移动终端等或其任意组合。在一些实施例中,终端设备140可以包括输入设备(如键盘、触摸屏)、输出设备(如显示器、扬声器)等。在一些实施例中,处理设备130可以是终端设备140的一部分。
应当注意的是,上述有关应用场景100的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对应用场景100进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,数据采集装置110的可以包括更多或更少的功能组件。
图2是根据本说明书一些实施例所示的用于CNC控制器的数据处理系统的模块示意图。在一些实施例中,图2所示的用于CNC控制器的数据处理系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100,例如,可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140,以用于对数据采集装置110所采集的温度数据和/或电流数据进行处理,并基于该温度数据和/或电流数据确定电机的当前温度状态和/或每一个温度数据所对应的异常程度。
参照图2,在一些实施例中,用于CNC控制器的数据处理系统200可以包括获取模块210、时间序列生成模块220、移动平均窗口确定模块230、影响系数计算模块240以及最终异常程度确定模块250。
获取模块210可以用于获取温度传感器对电机采集得到的温度数据。
时间序列生成模块220可以用于将所述温度数据按照采集时间顺序进行排列,得到所述温度数据所对应的时间序列。
移动平均窗口确定模块230可以用于确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小,其中,所述移动平均窗口通过在所述时间序列中以所述目标温度数据为中心对所述目标温度数据所对应的初始窗口逐步进行前后扩展得到。
影响系数计算模块240可以用于计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,其中,所述第一影响系数基于所述目标窗口数据对应的温度变化值、电流变化值以及所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值确定,所述第二影响系数基于所述目标窗口数据对应的自身异常程度以及所述移动平均窗口所对应的电流变化程度确定。
最终异常程度确定模块250可以用于基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度。
关于上述各个模块的更多细节可以参照本说明书的其他位置(例如图3~图6部分及其相关描述),此处不再赘述。
应当理解,图2所示的用于CNC控制器的数据处理系统200及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,上述关于用于CNC控制器的数据处理系统200的描述仅出于说明性目的而提供,并不旨在限制本说明书的范围。可以理解,对于本领域的技术人员来说,可以根据本说明书的描述,在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图2中所述的获取模块210、时间序列生成模块220、移动平均窗口确定模块230、影响系数计算模块240以及最终异常程度确定模块250可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。诸如此类的变形,均在本说明书的保护范围之内。在一些实施例中,前述各个模块可以是处理设备130和/或终端设备140的一部分。
图3是根据本说明书一些实施例所示的用于CNC控制器的数据处理方法的示例性流程图。在一些实施例中,方法300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。在一些实施例中,图3所示的用于CNC控制器的数据处理方法的流程图300中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如,方法300可以以指令的形式存储在存储设备120中,并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述方法300的执行过程。
参照图3,在一些实施例中,用于CNC控制器的数据处理方法的方法300可以包括:
步骤310,获取温度传感器对电机采集得到的温度数据。在一些实施例中,步骤310可以由获取模块210执行。
在一些实施例中,可以通过前述数据采集装置110(例如温度传感器111)对电机等机床设备进行温度采集,然后将采集得到的温度数据存储在存储设备120中,获取模块210可以从存储模块120中获取温度传感器111对电机采集得到的温度数据。
在一些实施例中,获取模块210可以与温度传感器111通信连接,其可以直接从温度传感器111获取温度数据。
步骤320,将所述温度数据按照采集时间顺序进行排列,得到所述温度数据所对应的时间序列。在一些实施例中,步骤320可以由时间序列生成模块220执行。
在一些实施例中,可以通过时间序列生成模块220按照采集时候的先后顺序对获取模块210获取得到的温度数据进行排列,得到该温度数据所对应的时间序列。在一些实施例中,该温度数据可以通过温度传感器111按照预定的采集频率采集得到。示例性地,在一些实施例中,温度传感器111可以每隔2秒执行一次温度数据采集。
需要说明的是,以上关于温度数据的采集频率仅为示例性说明,在一些其他的实施例中,温度传感器111可以根据实际场景设置,换句话说,即在一些实施例中,温度传感器111可以以其他的频率对电机等机床设备进行温度采集。例如,可以每隔3秒、5秒或8秒执行一次温度数据采集。
步骤330,确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小。在一些实施例中,步骤330可以由移动平均窗口确定模块230执行。
在一些实施例中,考虑到在不同阶段该温度数据相对于时序周围数据的变化具有一定的差异性,所以在实际温度数据分析中,统一的窗口大小不足以反映每一个数据与其他数据的变化关系,即所确定的异常程度存在偏差。基于此,本说明书实施例中通过分析每一个温度数据周围数据之间的关系,针对不同的温度数据确定不同的窗口大小,从而使得后续过程中可以更准确地分析窗口内数据之间的异常影响关系。
在一些实施例中,该移动平均窗口可以通过在前述时间序列中以目标温度数据为中心对该目标温度数据所对应的初始窗口逐步进行前后扩展得到。
具体而言,可以针对每一个温度数据首先设置一个初始窗口,然后针对每一个温度数据与周围数据(前后数据)的差异关系,对该初始窗口逐步进行前后扩展,以确定每一个温度数据所对应的移动平均窗口。在一些实施例中,该初始窗口的大小可以根据经验值设定为4,即每一个初始窗口中包含4个温度数据。在一些实施例中,为了使该初始窗口中的数据相对于中间数据对称,可以将该初始窗口的大小设定为奇数,也即每一个初始窗口中包含奇数个温度数据,其中,位于初始窗口中间的数据可以视为该初始窗口对应的目标温度数据。
在对该初始窗口进行前后扩展的过程中,需要根据当前窗口前后相邻的两个温度数据与窗口内数据的分布关系,确定其扩展可能性。具体地,在一些实施例中,移动平均窗口确定模块230可以计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性,然后,在该第一扩展可能性与第二扩展可能性的乘积满足第一预设条件时,执行下一次扩展,否则结束扩展,得到当前目标温度数据所对应的移动平均窗口。其中,第一扩展可能性可以基于向前扩展的第一待扩展数据与当前窗口中所有数据的变化关系得到,第二扩展可能性可以基于向后扩展的第二待扩展数据与当前窗口中所有数据的变化关系得到。需要注意的是,在本说明书中,前述当前窗口可以指初始窗口或经过前一次扩展后所得到的窗口。
可以理解,待扩展的温度数据的变化与当前窗口中的数据变化越一致,其作为窗口对应数据对比依据的可信度越高,即作为窗口扩展的可能性越大。同时,当前窗口中的温度数据变化差异关系与待扩展的温度数据相对于窗口数据变化差异关系越一致,待扩展的温度数据作为窗口扩展的可能性越大。据此,在一些实施例中,该第一扩展可能性/第二扩展可能性的计算方式可以表示如下(参照公式1):
其中,Di表示第i次窗口扩展时,待扩展数据(包括向前扩展的第一待扩展数据和向后扩展的第二待扩展数据)对应的变化值(级当前值与前一个数据的差值);Dv表示当前窗口中第v个数据对应的变化值;|Di-Dv|表示Di相对于窗口内数据的变化差异,其值越小,待扩展数据与窗口内第v个数据变化关系越一致;Dv+s表示窗口内除第v个数据外的第s个数据对应的变化值;|Dv-Dv+s|当前窗口内两个数据之间变化差异;表示Dv相对于窗口内其他数据的变化差异的均值,其值越大,Dv对窗口内数据变化关系的表现程度越小,所以|Di-Dv|所表现的Di与窗口内数据的变化关系越不可信;表示Di与Dv所表现的待扩展数据与窗口内数据的变化关系,其值越大,变化关系越一致;/> 表示待扩展数据与当前窗口中所有数据的变化关系,其值越大,变化关系越一致,即第i次窗口扩展时,待扩展数据作为窗口扩展的可能性越大。
具体而言,在一些实施例中,移动平均窗口确定模块230可以确定前述第一待扩展数据/第二待扩展数据对应的变化值,以及当前窗口中每一个数据对应的变化值,然后计算第一待扩展数据/第二待扩展数据对应的变化值与当前窗口中每一个数据对应的变化值之间的第一差值(|Di-Dv|),以及当前窗口中不同数据对应的变化值之间的第二差值(|Dv-Dv+s|),最后,基于该第一差值和第二差值得到第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系。
进一步地,移动平均窗口确定模块230可以基于第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性。
经过上述计算,可以得到初始窗口第i次扩展对应的第一扩展可能性和第二扩展可能性。在一些实施例中,可以将该初始窗口第i次扩展对应的最终可能性表示为PDi=morm(PCi-×PCi+),其中,PCi-表示第i次扩展对应的第一扩展可能性,PCi+表示第i次扩展对应的第二扩展可能性,norm(*)表示归一化函数。
在一些实施例中,可以在该第一扩展可能性与第二扩展可能性的乘积满足第一预设条件时,执行下一次扩展,否则结束扩展,得到当前目标温度数据所对应的移动平均窗口。示例性地,在一些实施例中,可以在PDi>0.8时继续执行下一次扩展,在PDi≤0.8时,停止扩展,得到当前目标温度数据所对应的移动平均窗口。
利用上述步骤,可以确定每一个目标温度数据所对应的移动平均窗口的大小。可以理解,在本说明书实施例中,通过对该初始窗口逐步进行前后扩展,可以避免窗口中引入变化差异较大的数据,减少窗口整体分布被其他数据影响的可能性,从而提高移动平均窗口的稳定性,即提高后续移动平均窗口异常分析的准确性。
步骤340,计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数。在一些实施例中,步骤340可以由影响系数计算模块240执行。
在确定每一个目标温度数据所对应的移动平均窗口之后,可以计算该移动平均窗口中每一个目标窗口数据对该目标温度数据对应的异常程度的第一影响系数和第二影响系数。其中,第一影响系数基于目标窗口数据对应的温度变化值、电流变化值以及该移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值确定,第二影响系数基于该目标窗口数据对应的自身异常程度以及该移动平均窗口所对应的电流变化程度确定。
图4是根据本说明书一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图。参照图4,在一些实施例中,步骤340可以包括如下子步骤:
子步骤341,获取目标窗口数据对应的第一扩展可能性或第二扩展可能性。
在一些实施例中,当该目标窗口数据位于目标温度数据前方时,影响系数计算模块240可以用于获取其对应的第一扩展可能性,当该目标窗口数据位于目标温度数据后方时,影响系数计算模块240可以用于获取其对应的第二扩展可能性。具体地,当该目标窗口数据为前述初始窗口中的数据时,其对应的第一扩展可能或第二扩展可能性可以为固定值1,当该目标窗口数据为扩展后得到的数据时,其对应的第一扩展可能或第二扩展可能性可以根据前述公式1计算得到。
子步骤342,确定所述目标窗口数据对应的温度变化值、电流变化值,以及移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值。
由于在电机实际工作过程中,电机的温度变化受电流的影响,即电机温度存在正常的变化关系。电机电流对电机温度的影响关系主要表现为:电机电流越大,电机发热越多,电机温度迅速升高;电机电流变化越不稳定,电机发热越多,电机温度升高。此时,在当前窗口内,温度数据的变化差异关系受电机电流的影响越大,其反映的实际异常程度越小。
基于此,在本说明书的一些实施例中,通过确定目标窗口数据对应的温度变化值、电流变化值,以及移动平均窗口中除该目标窗口数据以外的其他数据对应的温度变化值、电流变化值来进一步表征每一个目标窗口数据对目标温度数据的影响。
在本说明书中,前述温度变化值可以指当前温度数据相对于前一个温度数据的差值,类似的,电流变化值可以指当前电流数据相对于前一个电流数据的差值。需要说明的是,在本说明书实施例中,可以在通过温度传感器111对电机进行温度采集的同时,通过电流传感器112采集该电极的工作电流。该电流传感器112与温度传感器111可以具有相同的数据采集频率,即每一个温度数据可以对应于一个在相同时刻采集的电流数据。
子步骤343,基于所述目标窗口数据对应的温度变化值、电流变化值,得到第一参数。
在一些实施例中,该第一参数可以表示为其中,Dt表示移动平均窗口内出目标温度数据以外的第t个数据对应的温度变化值,DAt表示第t个数据对应的电流变化。在一些实施例中,该电流变化值可以指第t个数据对应时刻之前T0时间段内,与t时刻最相邻的一次电流变化,其中T0可以根据经验值设定为6秒。
可以理解,上述第一参数可以表示第t个数据相对于电流变化的变化值,其值越大,表示Dt受电流变化的影响越小,第t个数据本身偏差的可能性越大,所以对目标温度数据的影响越小。
子步骤344,基于所述目标窗口数据对应的温度变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值之间的第三差值,以及所述目标窗口数据对应的电流变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的电流变化值之间的第四差值,得到第二参数。
在一些实施例中,第三差值可以表示为|Dt-Du|,第四差值可以表示为|DAt-DAu|,第二参数可以表示为其中,Du表示当前移动平均窗口内除第t个数据外,其余第u个数据对应的温度变化值;DAu表示所述第u个数据对应的电流变化值;Nj表示第j个目标温度数据所对应的移动平均窗口中的数据个数。
具体而言,第三差值|Dt-Du|表示Dt与所述第u个数据变化值Du的差异,第四差值|DAt-DAu|表示第三差值计算中所选择的两个数据对应电流变化值的差异,其值越大,对应的电机温度变化差异越大,所以表示温度数据变化关于电流变化差异的差异关系,其值越大,第t个数据关于第u个数据变化的关系越不稳定。第二参数表示第t个数据相对于其余Nj-2个温度数据的变化值与电流变化差异的差异关系所反映的第t个数据的变化稳定性,其值越大,表示第t个数据相对于窗口内其他数据变化越稳定,其对于后续计算的影响越大。
子步骤345,根据所述第一参数、所述第二参数以及所述目标窗口数据对应的第一扩展可能性或第二扩展可能性,得到第一影响系数。
在确定前述第一参数、第二参数以及目标窗口数据对应的第一扩展可能性或第二扩展可能性之后,影响系数计算模块240可以计算出该目标窗口数据对目标温度数据的异常程度的第一影响系数。具体地,在一些实施例中,该第一影响系数可以表示如下(参照公式2):
其中,Ft表示目标窗口数据对目标温度数据的异常程度的第一影响系数;PCt表示目标窗口数据对应的第一扩展可能性或第二扩展可能性;norm(*)表示归一化函数。
需要说明的是,利用上述步骤,可以确定出目标温度数据所对应的移动平均窗口中每一个目标窗口数据对目标温度数据的异常程度的第一影响系数,也即移动平均窗口受窗口中其他数据的影响的影响关系。在本说明书实施例中,通过分析窗口中数据的变化关系,并利用电机温度受电流影响的特性,确定窗口中数据的真实变化关系,可以避免电流变化所引起的正常温度浮动对窗口数据影响关系的判断造成干扰,从而提高窗口数据变化关系对窗口影响的计算结果的准确性。
图5是根据本说明书另一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图。参照图5,在一些实施例中,步骤340还可以包括如下子步骤:
子步骤346,确定目标窗口数据对应的自身异常程度。
在一些实施例中,为了确定目标窗口数据对目标温度数据的异常程度的第二影响系数,影响系数计算模块240还可以用于确定目标窗口数据对应的自身异常程度。在一些实施例中,该自身异常程度可以基于移动平均法计算得到。具体而言,影响系数计算模块240可以先通过移动平均法计算移动平均窗口对应的移动平均值,然后计算目标窗口数据与该移动平均值之间的第五差值,以及移动平均窗口中所有数据与该移动平均值之间的第六差值的最大值,最后,基于该第五差值与第六差值的最大值的比值,得到目标窗口数据对应的自身异常程度。
在一些实施例中,该自身差异度可以表示为其中,dt表示第t个目标窗口数据与该移动平均值之间的第五差值,dmax表示移动平均窗口中所有数据与该移动平均值之间的第六差值的最大值。
子步骤347,基于移动平均窗口中所有数据对应的电流变化值,计算所述移动平均窗口对应的电流变化程度。
在一些实施例中,该移动平均窗口对应的电流变化程度可以指该移动平均窗口中所有数据对应的电流变化值的方差、标准差或极差(即最大值和最小值之差)。在本说明书的一些实施例中,可以以该移动平均窗口中所有数据对应的电流变化值的方差作为该移动平均窗口对应的电流变化程度进行计算。
子步骤348,根据所述自身异常程度和所述电流变化程度,得到第二影响系数。
在确定前述目标窗口数据对应的自身异常程度以及移动平均窗口对应的电流变化程度之后,影响系数计算模块240可以基于如下公式(参照公式3)计算得到目标窗口数据对目标温度数据的异常程度的第二影响系数。
其中,FDt为目标窗口数据对目标温度数据的异常程度的第一影响系数;Pt表示移动平均窗口中第t个目标窗口数据所对应的自身异常程度,其值越大,表示第t个目标窗口数据对目标温度数据的影响越小;DIt表示第t个目标窗口数据对应的窗口电流变化程度,也即目标温度数据所对应的移动平均窗口对应的电流变化程度,其值越大,表示该窗口内温度数据本身变化差异较大,所以Pt的异常表现越小,则第t个目标窗口数据对目标温度数据的异常程度的影响越大。
继续参照图3,在步骤340之后,用于CNC控制器的数据处理方法的方法300还包括:
步骤350,基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度。在一些实施例中,步骤350可以由最终异常程度确定模块250执行。
在通过上述步骤确定目标温度数据所对应的移动平均窗口中每一个目标窗口数据对该目标温度数据的异常程度的第一影响系数和第二影响系数之后,最终异常程度确定模块250可以基于此确定该目标温度数据所对应的最终异常程度。
图6是根据本说明书另一些实施例所示的用于CNC控制器的数据处理方法的示例性子步骤流程图。参照图6,在一些实施例中,步骤350可以包括如下子步骤:
子步骤351,基于第一影响系数和第二影响系数确定移动平均窗口中每一个目标窗口数据对目标温度数据的影响权重。
在一些实施例中,目标窗口数据对目标温度数据的影响权重可以表示为:norm(Ft×FDt)。具体而言,即最终异常程度确定模块250可以用于计算目标窗口数据所对应的第一影响系数和第二影响系数的第一乘积(Ft×FDt),然后,对该第一乘积进行归一化计算,得到目标窗口数据对目标温度数据的影响权重。
子步骤352,计算每一个所述目标窗口数据与所述目标温度数据之间的第七差值。
在一些实施例中,该第七差值可以表示为qj-qt,其中,qj表示目标温度数据的大小,qt表示其对应的移动平均窗口中第t个温度数据的大小。
子步骤353,将每一个所述目标窗口数据所对应的所述影响权重和所述第七差值相乘,得到第三参数。
在一些实施例中,该第三参数可以表示为:norm(Ft×FDt)×(qj-qt)。
子步骤354,计算所述移动平均窗口中所有所述目标窗口数据对应的第三参数的均值,得到所述目标温度数据对应的最终异常程度。
在一些实施例中,目标温度数据对应的最终异常程度可以表示如下(参照公式4):
其中,YFj为目标温度数据对应的最终异常程度;Nj为目标温度数据所对应的移动平均窗口中的数据的个数。具体而言,即最终异常程度确定模块250可以计算目标温度数据所对应的移动平均窗口中所有目标窗口数据对应的第三参数的均值,从而得到目标温度数据对应的最终异常程度。
在确定目标温度数据对应的最终异常程度之后,可以进一步对目标温度数据对应的最终异常程度进行归一化处理,得到该目标温度数据对应的温度异常指数,然后,在该温度异常指数满足第二预设条件时,将该目标温度数据作为正常温度数据,反之,则将该目标温度数据作为异常温度数据。
具体地,在一些实施例中,可以采用最大最小值归一化法对前述目标温度数据对应的最终异常程度进行归一化处理,得到归一化的结果YF'j,然后,在YF'j>0.8时,将该目标温度数据确定为异常温度数据,相反,在YF'j≤0.8时,则将该目标温度数据确定为正常温度数据。
进一步地,在确定电机温度数据中的异常温度数据后,可以反映出电机当前运行状态存在异常。此时,可以由CNC控制器或系统及时通过人机交互平台发出预警,提醒相关工作人员及时进行检修处理。
综上所述,本说明书实施例可能带来的有益效果包括但不限于:(1)在本说明书一些实施例所提供的用于CNC控制器的数据处理方法中,通过对该初始窗口逐步进行前后扩展以确定每一个目标温度数据所对应的移动平均窗口的大小,可以避免窗口中引入变化差异较大的数据,减少窗口整体分布被其他数据影响的可能性,从而提高移动平均窗口的稳定性,即提高后续移动平均窗口异常分析的准确性;(2)在本说明书一些实施例所提供的用于CNC控制器的数据处理方法中,通过分析窗口中数据的变化关系,并利用电机温度受电流影响的特性,确定窗口中数据的真实变化关系,可以避免电流变化所引起的正常温度浮动对窗口数据影响关系的判断造成干扰,从而提高窗口数据变化关系对窗口影响的计算结果的准确性;(3)在本说明书一些实施例所提供的用于CNC控制器的数据处理方法中,通过确定窗口分析中每一个数据对应的自身异常程度对移动平均窗口分析的影响,可以突出电机温度变化的异常表现,从而更加有效的反映窗口中其他数据本身实际异常对当前窗口计算的影响,即减少窗口内异常数据的互相影响。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种用于CNC控制器的数据处理方法,其特征在于,包括:
获取温度传感器对电机采集得到的温度数据;
将所述温度数据按照采集时间顺序进行排列,得到所述温度数据所对应的时间序列;
确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小,其中,所述移动平均窗口通过在所述时间序列中以所述目标温度数据为中心对所述目标温度数据所对应的初始窗口逐步进行前后扩展得到;
计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,其中,所述第一影响系数基于所述目标窗口数据对应的温度变化值、电流变化值以及所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值确定,所述第二影响系数基于所述目标窗口数据对应的自身异常程度以及所述移动平均窗口所对应的电流变化程度确定;
基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度。
2.如权利要求1所述的方法,其特征在于,所述确定所述时间序列中每一个目标温度数据所对应的移动平均窗口的大小,包括:
计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性;
在所述第一扩展可能性与所述第二扩展可能性的乘积满足第一预设条件时,执行下一次扩展;
在所述第一扩展可能性与所述第二扩展可能性的乘积不满足所述第一预设条件时,结束扩展,得到所述移动平均窗口。
3.如权利要求2所述的方法,其特征在于,所述计算每一次前后扩展中向前扩展对应的第一扩展可能性以及向后扩展对应的第二扩展可能性,包括:
基于向前扩展的第一待扩展数据与当前窗口中所有数据的变化关系,得到所述第一扩展可能性;
基于向后扩展的第二待扩展数据与当前窗口中所有数据的变化关系,得到所述第二扩展可能性。
4.如权利要求3所述的方法,其特征在于,所述第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系通过如下方式计算得到:
确定所述第一待扩展数据/第二待扩展数据对应的变化值,以及所述当前窗口中每一个数据对应的变化值;
计算所述第一待扩展数据/第二待扩展数据对应的变化值与所述当前窗口中每一个数据对应的变化值之间的第一差值,以及所述当前窗口中不同数据对应的变化值之间的第二差值;
基于所述第一差值和所述第二差值得到所述第一待扩展数据/第二待扩展数据与当前窗口中所有数据的变化关系。
5.如权利要求2所述的方法,其特征在于,所述计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,包括:
获取所述目标窗口数据对应的第一扩展可能性或第二扩展可能性;
确定所述目标窗口数据对应的温度变化值、电流变化值,以及所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值、电流变化值;
基于所述目标窗口数据对应的温度变化值、电流变化值,得到第一参数;
基于所述目标窗口数据对应的温度变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的温度变化值之间的第三差值,以及所述目标窗口数据对应的电流变化值和所述移动平均窗口中除所述目标窗口数据以外的其他数据对应的电流变化值之间的第四差值,得到第二参数;
根据所述第一参数、所述第二参数以及所述目标窗口数据对应的第一扩展可能性或第二扩展可能性,得到所述第一影响系数。
6.如权利要求5所述的方法,其特征在于,所述计算所述移动平均窗口中每一个目标窗口数据对所述目标温度数据对应的异常程度的第一影响系数和第二影响系数,还包括:
确定所述目标窗口数据对应的自身异常程度;
基于所述移动平均窗口中所有数据对应的电流变化值,计算所述移动平均窗口对应的电流变化程度;
根据所述自身异常程度和所述电流变化程度,得到所述第二影响系数。
7.如权利要求6所述的方法,其特征在于,所述确定所述目标窗口数据对应的自身异常程度,包括:
通过移动平均法计算所述移动平均窗口对应的移动平均值;
计算所述目标窗口数据与所述移动平均值之间的第五差值,以及所述移动平均窗口中所有数据与所述移动平均值之间的第六差值的最大值;
基于所述第五差值与所述第六差值的最大值的比值,得到所述目标窗口数据对应的自身异常程度。
8.如权利要求5所述的方法,其特征在于,所述基于所述第一影响系数、第二影响系数以及所述目标窗口数据与所述目标温度数据的差异,确定所述目标温度数据对应的最终异常程度,包括:
基于所述第一影响系数和所述第二影响系数确定所述移动平均窗口中每一个目标窗口数据对所述目标温度数据的影响权重;
计算每一个所述目标窗口数据与所述目标温度数据之间的第七差值;
将每一个所述目标窗口数据所对应的所述影响权重和所述第七差值相乘,得到第三参数;
计算所述移动平均窗口中所有所述目标窗口数据对应的第三参数的均值,得到所述目标温度数据对应的最终异常程度。
9.如权利要求8所述的方法,其特征在于,所述基于所述第一影响系数和所述第二影响系数确定所述移动平均窗口中每一个目标窗口数据对所述目标温度数据的影响权重,包括:
计算所述目标窗口数据所对应的第一影响系数和第二影响系数的第一乘积;
对所述第一乘积进行归一化计算,得到所述目标窗口数据对所述目标温度数据的影响权重。
10.如权利要求1~9中任一项所述的方法,其特征在于,所述方法还包括:
对所述目标温度数据对应的最终异常程度进行归一化处理,得到所述目标温度数据对应的温度异常指数;
在所述温度异常指数满足第二预设条件时,将所述目标温度数据作为正常温度数据,在所述温度异常指数不满足所述第二预设条件时,将所述目标温度数据作为异常温度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310656204.XA CN116578041B (zh) | 2023-06-05 | 2023-06-05 | 一种用于cnc控制器的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310656204.XA CN116578041B (zh) | 2023-06-05 | 2023-06-05 | 一种用于cnc控制器的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116578041A CN116578041A (zh) | 2023-08-11 |
CN116578041B true CN116578041B (zh) | 2023-10-24 |
Family
ID=87539602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310656204.XA Active CN116578041B (zh) | 2023-06-05 | 2023-06-05 | 一种用于cnc控制器的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116578041B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421679A (zh) * | 2006-04-14 | 2009-04-29 | 陶氏环球技术公司 | 过程监控技术及相关行为 |
CN105160181A (zh) * | 2015-09-02 | 2015-12-16 | 华中科技大学 | 一种数控系统指令域序列异常数据检测方法 |
CN108303968A (zh) * | 2017-01-11 | 2018-07-20 | 横河电机株式会社 | 数据处理装置、数据处理方法及存储介质 |
CN108448996A (zh) * | 2018-03-26 | 2018-08-24 | 浙江德欧电气技术有限公司 | 一种高精度可调的伺服电机的控制方法 |
CN109428532A (zh) * | 2017-08-30 | 2019-03-05 | 华中科技大学 | 用于抗扰动控制的交流伺服系统控制参数优化方法 |
WO2019130840A1 (ja) * | 2017-12-28 | 2019-07-04 | 日本電気株式会社 | 信号処理装置、解析システム、信号処理方法および信号処理プログラム |
CN115956013A (zh) * | 2020-08-17 | 2023-04-11 | 发那科株式会社 | 信息处理装置、计算机能执行的方法、计算机可读取的存储介质 |
-
2023
- 2023-06-05 CN CN202310656204.XA patent/CN116578041B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421679A (zh) * | 2006-04-14 | 2009-04-29 | 陶氏环球技术公司 | 过程监控技术及相关行为 |
CN105160181A (zh) * | 2015-09-02 | 2015-12-16 | 华中科技大学 | 一种数控系统指令域序列异常数据检测方法 |
CN108303968A (zh) * | 2017-01-11 | 2018-07-20 | 横河电机株式会社 | 数据处理装置、数据处理方法及存储介质 |
CN109428532A (zh) * | 2017-08-30 | 2019-03-05 | 华中科技大学 | 用于抗扰动控制的交流伺服系统控制参数优化方法 |
WO2019130840A1 (ja) * | 2017-12-28 | 2019-07-04 | 日本電気株式会社 | 信号処理装置、解析システム、信号処理方法および信号処理プログラム |
CN108448996A (zh) * | 2018-03-26 | 2018-08-24 | 浙江德欧电气技术有限公司 | 一种高精度可调的伺服电机的控制方法 |
CN115956013A (zh) * | 2020-08-17 | 2023-04-11 | 发那科株式会社 | 信息处理装置、计算机能执行的方法、计算机可读取的存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116578041A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6817426B2 (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
US11921566B2 (en) | Abnormality detection system, abnormality detection method, abnormality detection program, and method for generating learned model | |
Yang et al. | Remaining useful life prediction of induction motors using nonlinear degradation of health index | |
Mourtzis et al. | Intelligent predictive maintenance and remote monitoring framework for industrial equipment based on mixed reality | |
WO2017112591A1 (en) | Machine fault detection based on a combination of sound capture and on spot feedback | |
CN108228428B (zh) | 用于输出信息的方法和装置 | |
US20210342244A1 (en) | Distributed architecture for fault monitoring | |
JP6985833B2 (ja) | データ処理装置、制御システム、データ処理方法及びプログラム | |
CN109523752A (zh) | 一种设备故障预警方法、装置、电子设备和介质 | |
CN113822440A (zh) | 用于确定机器学习样本的特征重要性的方法及系统 | |
US20190051405A1 (en) | Data generation apparatus, data generation method and storage medium | |
CN115392037A (zh) | 设备故障预测方法、装置、设备及存储介质 | |
CN114127803A (zh) | 用于最优预测模型选择的多方法系统 | |
JP2017502390A (ja) | データに基づく関数モデルを定めるための方法及び装置 | |
CN116756597B (zh) | 基于人工智能的风电机组谐波数据实时监测方法 | |
CN117010601B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN116578041B (zh) | 一种用于cnc控制器的数据处理方法 | |
KR102054500B1 (ko) | 설계 도면 제공 방법 | |
JP5949032B2 (ja) | 前処理方法及び異常診断装置 | |
CN112346893A (zh) | 故障预测方法、装置、终端及存储介质 | |
US20180089637A1 (en) | Framework for industrial asset repair recommendations | |
CN116384921A (zh) | 运维事件的执行方法、装置、存储介质以及电子设备 | |
US20180276322A1 (en) | Failure diagnosis apparatus, monitoring apparatus, failure diagnosis method and recording medium | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
US20200160193A1 (en) | Method for the computer aided creation of digital rules for monitoring the technical system |
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 |