CN118081479B - 一种机床运行故障在线监测方法与系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种机床运行故障在线监测方法与系统，包括：获取目标机床振动序列和参考机床振动序列；根据目标机床振动序列，得到振动子序列及其近似常数数值；根据振动子序列及其近似常数数值，得到有效波动评价；根据有效波动评价得到有效波动评价序列；根据有效波动评价，得到降序评价序列和差分评价序列；获取差分评价序列的若干极大值；根据极大值的差异，得到区分评价；根据区分评价，得到无效评价序列；根据无效评价序列，得到待测序列；根据待测序列，得到异常评价；根据异常评价，得到机床运行故障监测结果。本发明通过获得准确可信度的异常评价，提高了机床运行故障在线监测的准确性。

Description

一种机床运行故障在线监测方法与系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种机床运行故障在线监测方法与系统。

背景技术

机床主要用于加工工件，在加工生产过程中，为了提高生产效率，提高机床设备在使用过程中的安全性，需要在机床的运行过程中，对机床进行运行故障在线监测。

目前常使用导数动态时间规整算法对机床的运行过程中的振动数据进行分析，对机床运行故障进行在线监测，但是由于机床运行过程中存在的振动依赖于加工过程的刀具使用、主轴转速、基材品质所体现出的综合加工环境，导致振动数据中存在特征段不连续，在利用特征段进行匹配过程中会导致动态时间规整算法识别出的异常数据不够准确，影响机床运行故障在线监测结果的准确性。

发明内容

本发明提供一种机床运行故障在线监测方法与系统，以解决现有的问题。

本发明的一种机床运行故障在线监测方法与系统采用如下技术方案：

本发明提出了一种机床运行故障在线监测方法，该方法包括以下步骤：

获取目标机床振动序列和参考机床振动序列；所述目标机床振动序列包含若干个振动频率；

根据目标机床振动序列，得到若干振动子序列以及每个振动子序列的近似常数数值，所述振动子序列为目标机床振动序列的子序列；根据振动子序列中振动频率及振动子序列的近似常数数值，得到每个振动子序列的有效波动评价；

根据所有振动子序列的有效波动评价，得到降序评价序列和差分评价序列；获取差分评价序列的若干极大值；根据差分评价序列中极大值的差异，得到差分评价序列中每个极大值的区分评价；

根据差分评价序列中所有极大值的区分评价以及降序评价序列，得到无效评价序列；根据无效评价序列，得到目标机床振动序列的待测序列；获取参考机床振动序列的待测序列；根据目标机床振动序列及参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价；

根据目标机床振动序列的待测序列中每个非零的元素值的异常评价，得到机床运行故障监测结果。

进一步地，所述根据振动子序列中振动频率及振动子序列的近似常数数值，得到每个振动子序列的有效波动评价，包括的具体计算方法如下：式中，/>为第l个振动子序列的有效波动评价；/>为第l个振动子序列中的最大值；/>为第l个振动子序列中的最小值；/>为第l个振动子序列中的振动频率的个数；/>为第l个振动子序列中的第i个振动频率；/>为第l个振动子序列的近似常数数值；/>为第l个振动子序列中的所有振动频率的标准差。

进一步地，所述根据所有振动子序列的有效波动评价，得到降序评价序列和差分评价序列，包括的具体步骤如下：

将所有振动子序列的有效波动评价按照有效波动评价的大小进行降序排列，得到降序评价序列；依次计算降序评价序列中的每一个元素值与相邻后一个元素值的差值绝对值，将所述差值绝对值按获取顺序构成的序列记为差分评价序列。

进一步地，所述根据差分评价序列中极大值的差异，得到差分评价序列中每个极大值的区分评价，包括的具体计算方法如下：式中，/>为差分评价序列中第u个极大值的区分评价；/>为差分评价序列中第u个极大值；/>为差分评价序列中最大的极大值；/>为差分评价序列中最小的极大值；/>为差分评价序列中第u个极大值到差分评价序列中最后一个元素值之间的索引距离。

进一步地，所述根据差分评价序列中所有极大值的区分评价以及降序评价序列，得到无效评价序列，包括的具体步骤如下：

获取差分评价序列中区分评价最大的极大值，记为特征极大值；获取特征极大值在降序评价序列对应的两个元素值，将两个元素值中最大的元素值记为特征降序值；将特征降序值及其左侧的所有元素值构成的序列，记为无效评价序列。

进一步地，所述根据无效评价序列，得到目标机床振动序列的待测序列，包括的具体步骤如下：

将所有振动子序列的有效波动评价构成的时序序列记为有效波动评价序列；

将无效评价序列中的每个元素值在有效波动评价序列中对应位置的有效波动评价置0，得到目标机床振动序列的待测序列。

进一步地，所述根据目标机床振动序列及参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价，包括的具体步骤如下：

根据目标机床振动序列的待测序列与参考机床振动序列的待测序列，利用导数动态时间规整算法进行匹配，得到目标机床振动序列的待测序列中每个元素值的匹配距离，以及目标机床振动序列的待测序列的最短匹配距离；

根据目标机床振动序列的待测序列中每个元素值的匹配距离、目标机床振动序列的待测序列的最短匹配距离以及目标机床振动序列的待测序列中所有非零的元素值，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价。

进一步地，所述根据目标机床振动序列的待测序列中每个元素值的匹配距离、目标机床振动序列的待测序列的最短匹配距离以及目标机床振动序列的待测序列中所有非零的元素值，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价，包括的具体步骤如下：式中，/>为目标机床振动序列的待测序列中第v个非零的元素值的异常评价；/>为目标机床振动序列的待测序列中每个非零的元素值的匹配距离；/>为目标机床振动序列的待测序列的最短匹配距离；/>为目标机床振动序列的待测序列中第v个非零的元素值；/>为目标机床振动序列的待测序列中所有非零的元素值的平均值；/>为softsign函数。

进一步地，所述根据目标机床振动序列的待测序列中每个非零的元素值的异常评价，得到机床运行故障监测结果，包括的具体步骤如下：

根据预设的异常阈值，当目标机床振动序列的待测序列中存在异常评价大于或等于/>的非零的元素值时，判断为机床运行出现故障；当目标机床振动序列的待测序列中不存在异常评价大于或等于/>的非零的元素值时，判断为机床运行正常。

本发明还提出了一种机床运行故障在线监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述的一种机床运行故障在线监测方法的步骤。

本发明的技术方案的有益效果是：本发明根据振动子序列及振动子序列的近似常数数值，得到每个振动子序列的有效波动评价，在保留了振动子序列的数据波动情况的同时，避免了整段目标机床振动序列均参与计算所导致的计算负载增高的问题；根据差分评价序列中的极大值的差异，得到差分评价序列中每个极大值的区分评价，更加准确的区分加工过程的振动数据与机床调整过程的振动数据，提高了机床运行故障监测的准确性；根据目标机床振动序列的待测序列和参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价，更加准确的判断了振动子序列中数据的异常，进一步提高了机床运行故障监测结果的准确性。至此本发明通过准确可信的异常评价判断机床运行状态，使得机床运行故障监测结果更加准确。

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为本发明一种机床运行故障在线监测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种机床运行故障在线监测方法与系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种机床运行故障在线监测方法与系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种机床运行故障在线监测方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取目标机床振动序列和参考机床振动序列。

本实施例的主要目的是通过对机床在运行过程中的振动数据进行分析，实现对机床运行故障的在线监测，故需要对机床运行过程中的振动数据进行采集。

具体的，在机床的主体结构上布置振动传感器，在机床开始加工单个工件时，利用振动传感器以为采集频率，对每个时刻的振动频率进行采集，直到单个工件加工结束时，停止采集；将单个工件加工过程中的所有时刻采集的振动频率构成一个机床振动序列；/>为预设的采样频率，/>，本实施例以此为例进行叙述；获取最近的两次加工的机床振动序列，将最近的一次加工的机床振动序列记为目标机床振动序列，另一次加工的机床振动序列记为参考机床振动序列。

步骤S002：根据目标机床振动序列，得到若干振动子序列以及每个振动子序列的近似常数数值；根据振动子序列中振动频率及振动子序列的近似常数数值，得到每个振动子序列的有效波动评价。

需要说明的是，由于机床加工中通常是大批量加工同一规格的工件，而机床通过周期性地执行预设的程序，对同一规格的工件进行重复的生产。因此在加工同一个工件的过程中，可能会出现震动信号特征重复的情况，但机床在加工的过程中可能会出现刀具磨损需要更换以及其他的一些可能会暂停机床加工的过程，由于机床在不断的重复执行同一个加工指令，因此机床的振动监测信号中会在相似的时间段进行加工以及停止，所以在机床加工过程中，根据振动信号提取有效的振动特征段，避免长时区内存在的冗余空闲数据参与异常检测从而导致机床的异常震动信号识别的不准确。因此对目标机床振动序列进行分析，由于机床在不进行切削工件时的振动水平很低，机床进行有效加工的过程所产生的振动情况更加明显，故对目标机床振动序列进行分段，判断每一段是否为有效加工过程所产生的数据，从而去除无效振动数据。

具体的，对于目标机床振动序列，利用自适应分段常数近似算法，得到若干振动子序列以及每个振动子序列的近似常数数值；自适应分段常数近似算法为公知技术，具体方法在此不做介绍；在目标机床振动序列中，第l个振动子序列的有效波动评价的计算方式为：式中，/>为第l个振动子序列的有效波动评价；/>为第l个振动子序列中的最大值；/>为第l个振动子序列中的最小值；/>为第l个振动子序列中的振动频率的个数；/>为第l个振动子序列中的第i个振动频率；/>为第l个振动子序列的近似常数数值；/>为第l个振动子序列中的所有振动频率的标准差。

所需说明的是，表示第l个振动子序列内最明显的振动频率的波动程度和第l个振动子序列内振动频率的个数的比值，其值越大，说明第l个振动子序列内的振动频率的波动程度更加显著，第l个振动子序列更不可能为机床间歇过程中非加工时段间，由于并未产生刀具与工件的摩擦形成的显著振动信号段，第l个振动子序列的有效波动评价越大；/>为第l个振动子序列相较于第l个振动子序列的近似常数数值的偏离程度，其绝对值越大，说明第l个振动子序列中振动频率的偏离程度越明显，第l个振动子序列对应的时刻段内机床内部各组件由于摩擦从而形成的振动产生的频率更高且更不相似，机床的振动信号更加接近真实有效运行过程中的信号特征，而非是机床进行修整时所体现的微弱的振动情况，第l个振动子序列的有效波动评价越大。

根据上述方法，得到每个振动子序列的有效波动评价；将所有振动子序列的有效波动评价构成的时序序列记为有效波动评价序列。

步骤S003：根据所有振动子序列的有效波动评价，得到降序评价序列和差分评价序列；获取差分评价序列的若干极大值；根据差分评价序列中极大值的差异，得到差分评价序列中每个极大值的区分评价。

需要说明的是，机床的振动主要来源于机床主轴搭载刀具对工件进行切削过程中，机床中的旋转件在高速旋转的过程中，由于不平衡从而产生的受迫振动以及刀具与工件之间进行摩擦所产生的自激振动，而当机床执行相同的加工程序的过程中，由于加工过程中对于一些特殊的加工位置要求情况，机床会停止加工，对刀具或者工件加持位置进行调整后继续进行加工，在对每个振动子序列的有效波动评价进行计算时，由于不进行切削时振动情况极低，因此振动子序列相较于振动子序列的近似常数数值的偏离程度可能接近于0，且机床进行加工过程中的数据段相较机床调整过程的数据段的偏离情况更加地明显，所以通过振动子序列之间的有效波动特征的差异来区分加工过程的振动数据与机床调整过程的振动数据。

具体的，将所有振动子序列的有效波动评价按照有效波动评价的大小进行降序排列，得到降序评价序列；依次计算降序评价序列中的每一个元素值与相邻后一个元素值的差值绝对值，将该差值绝对值按获取顺序构成的序列记为差分评价序列。

需要说明的是，在差分评价序列中的部分极大值可能为加工过程数据段与机床调整过程数据段之间的差异位置，同时为了避免加工过程的异常振动信号数据段也形成了较大的偏差情况，导致直接通过获取最大的差分位置的方法，可能无法准确采集得到加工过程数据段与机床调整过程数据段之间的间隔位置，故获取差分评价序列的若干极大值，计算每个极大值的区分评价。

具体的，根据差分评价序列利用自动多尺度峰值查找算法，得到差分评价序列的若干极大值；自动多尺度峰值查找算法为公知技术，具体方法在此不做介绍。差分评价序列中第u个极大值的区分评价的计算方式为：式中，/>为差分评价序列中第u个极大值的区分评价；/>为差分评价序列中第u个极大值；/>为差分评价序列中最大的极大值；/>为差分评价序列中最小的极大值；/>为差分评价序列中第u个极大值到差分评价序列中最后一个元素值之间的索引距离。

所需说明的是，为差分评价序列中第u个极大值的显著性，其值越大，差分评价序列中第u个极大值更加可能位于加工过程数据段与机床调整过程数据段的交替时刻位置，即以差分评价序列中第u个极大值的位置进行拆分之后，得到的两个子序列分别代表加工过程的评价子序列与机床调整过程的评价子序列的可能性更高。

根据上述方法，得到差分评价序列中每个极大值的区分评价。

步骤S004：根据差分评价序列中所有极大值的区分评价以及降序评价序列，得到无效评价序列；根据无效评价序列，得到目标机床振动序列的待测序列；获取参考机床振动序列的待测序列；根据目标机床振动序列及参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价。

具体的，获取差分评价序列中区分评价最大的极大值，记为特征极大值；获取特征极大值在降序评价序列对应的两个元素值，将两个元素值中最大的元素值记为特征降序值；将特征降序值及其左侧的所有元素值构成的序列，记为无效评价序列；将无效评价序列中的每个元素值在有效波动评价序列中对应位置的有效波动评价置0，得到目标机床振动序列的待测序列。

进一步地，根据目标机床振动序列的待测序列的获取方法，得到参考机床振动序列的待测序列；根据目标机床振动序列的待测序列与参考机床振动序列的待测序列，利用导数动态时间规整算法进行匹配，得到目标机床振动序列的待测序列中每个元素值的匹配距离，以及目标机床振动序列的待测序列的最短匹配距离；导数动态时间规整算法为公知技术，具体方法在此不做介绍；目标机床振动序列的待测序列中第v个非零的元素值的异常评价的计算方法为：式中，/>为目标机床振动序列的待测序列中第v个非零的元素值的异常评价；/>为目标机床振动序列的待测序列中每个非零的元素值的匹配距离；/>为目标机床振动序列的待测序列的最短匹配距离；/>为目标机床振动序列的待测序列中第v个非零的元素值；/>为目标机床振动序列的待测序列中所有非零的元素值的平均值；1为避免分母为0；/>为softsign函数；用于将输出值映射到/>内。

所需说明的是，表示目标机床振动序列的待测序列中第v个非零的元素值的异常评价与目标机床振动序列的待测序列的最短匹配距离的差异程度，其值越大，目标机床振动序列的待测序列中第v个非零的元素值越异常；/>表示目标机床振动序列的待测序列中第v个非零的元素值与目标机床振动序列的待测序列中所有非零的元素值的整体差异程度，其值越小，目标机床振动序列的待测序列中第v个非零的元素值越异常。

步骤S005：根据目标机床振动序列的待测序列中每个非零的元素值的异常评价，得到机床运行故障监测结果。

具体的，根据预设的异常阈值，当目标机床振动序列的待测序列中存在异常评价大于或等于/>的非零的元素值时，判断为机床运行出现故障；当目标机床振动序列的待测序列中不存在异常评价大于或等于/>的非零的元素值时，判断为机床运行正常；预设的异常阈值/>，本实施例以此为例进行叙述。

至此，本实施例完成。

本发明还提供了一种机床运行故障在线监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述的一种机床运行故障在线监测方法的步骤。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种机床运行故障在线监测方法，其特征在于，该方法包括以下步骤：

获取目标机床振动序列和参考机床振动序列；所述目标机床振动序列包含若干个振动频率；

根据目标机床振动序列中的振动频率的差异，对目标机床振动序列进行分段，得到若干振动子序列，并获取每个振动子序列的有效波动评价；所述振动子序列为目标机床振动序列的子序列；

所述根据目标机床振动序列中的振动频率的差异，对目标机床振动序列进行分段，得到若干振动子序列，并获取每个振动子序列的有效波动评价，包括的具体计算方法如下：

利用自适应分段算法对目标机床振动序列进行分段，得到若干振动子序列以及每个振动子序列的近似常数数值；第个振动子序列的有效波动评价的计算方式为：式中，/>为第/>个振动子序列的有效波动评价；/>为第/>个振动子序列中的最大值；/>为第/>个振动子序列中的最小值；/>为第/>个振动子序列中的振动频率的个数；/>为第/>个振动子序列中的第i个振动频率；/>为第/>个振动子序列的近似常数数值；/>为第/>个振动子序列中的所有振动频率的标准差；

根据有效波动评价对振动子序列进行排序，得到降序评价序列，获得所述降序评价序列的差分评价序列；根据差分评价序列中极大值之间的差异，得到差分评价序列中每个极大值的区分评价；

所述根据差分评价序列中极大值之间的差异，得到差分评价序列中每个极大值的区分评价，包括的具体计算方法如下：式中，/>为差分评价序列中第u个极大值的区分评价；/>为差分评价序列中第u个极大值；/>为差分评价序列中最大的极大值；为差分评价序列中最小的极大值；/>为差分评价序列中第u个极大值到差分评价序列中最后一个元素值之间的索引距离；

根据差分评价序列中所有极大值的区分评价对降序评价序列进行分割，得到无效评价序列；根据无效评价序列，得到目标机床振动序列的待测序列；获取参考机床振动序列的待测序列；根据目标机床振动序列及参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中的异常评价；

根据目标机床振动序列的待测序列中的元素值的异常评价，得到机床运行故障监测结果。

2.根据权利要求1所述一种机床运行故障在线监测方法，其特征在于，所述根据有效波动评价对振动子序列进行排序，得到降序评价序列，获得所述降序评价序列的差分评价序列，包括的具体步骤如下：

将所有振动子序列的有效波动评价按照有效波动评价的大小进行降序排列，得到降序评价序列；依次计算降序评价序列中的每一个元素值与相邻后一个元素值的差值绝对值，将所述差值绝对值按获取顺序构成的序列记为差分评价序列。

3.根据权利要求1所述一种机床运行故障在线监测方法，其特征在于，所述根据差分评价序列中所有极大值的区分评价对降序评价序列进行分割，得到无效评价序列，包括的具体步骤如下：

获取差分评价序列中区分评价最大的极大值，记为特征极大值；获取特征极大值在降序评价序列对应的两个元素值，将两个元素值中最大的元素值记为特征降序值；将特征降序值及其左侧的所有元素值构成的序列，记为无效评价序列。

4.根据权利要求1所述一种机床运行故障在线监测方法，其特征在于，所述根据无效评价序列，得到目标机床振动序列的待测序列，包括的具体步骤如下：

将所有振动子序列的有效波动评价构成的时序序列记为有效波动评价序列；

将无效评价序列中的每个元素值在有效波动评价序列中对应位置的有效波动评价置0，得到目标机床振动序列的待测序列。

5.根据权利要求4所述一种机床运行故障在线监测方法，其特征在于，所述根据目标机床振动序列及参考机床振动序列的待测序列，得到目标机床振动序列的待测序列中的异常评价，包括的具体步骤如下：

根据目标机床振动序列的待测序列与参考机床振动序列的待测序列，利用导数动态时间规整算法进行匹配，得到目标机床振动序列的待测序列中每个元素值的匹配距离，以及目标机床振动序列的待测序列的最短匹配距离；

根据目标机床振动序列的待测序列中每个元素值的匹配距离、目标机床振动序列的待测序列的最短匹配距离以及目标机床振动序列的待测序列中所有非零的元素值，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价。

6.根据权利要求5所述一种机床运行故障在线监测方法，其特征在于，所述根据目标机床振动序列的待测序列中每个元素值的匹配距离、目标机床振动序列的待测序列的最短匹配距离以及目标机床振动序列的待测序列中所有非零的元素值，得到目标机床振动序列的待测序列中每个非零的元素值的异常评价，包括的具体步骤如下：式中，/>为目标机床振动序列的待测序列中第v个非零的元素值的异常评价；/>为目标机床振动序列的待测序列中每个非零的元素值的匹配距离；/>为目标机床振动序列的待测序列的最短匹配距离；/>为目标机床振动序列的待测序列中第v个非零的元素值；/>为目标机床振动序列的待测序列中所有非零的元素值的平均值；/>为softsign函数。

7.根据权利要求1所述一种机床运行故障在线监测方法，其特征在于，所述根据目标机床振动序列的待测序列中的元素值的异常评价，得到机床运行故障监测结果，包括的具体步骤如下：

根据预设的异常阈值，当目标机床振动序列的待测序列中存在异常评价大于或等于/>的非零的元素值时，判断为机床运行出现故障；当目标机床振动序列的待测序列中不存在异常评价大于或等于/>的非零的元素值时，判断为机床运行正常。

8.一种机床运行故障在线监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种机床运行故障在线监测方法的步骤。