CN117092964A - 一种用于建材加工的数控机床故障预警系统及方法 - Google Patents
一种用于建材加工的数控机床故障预警系统及方法 Download PDFInfo
- Publication number
- CN117092964A CN117092964A CN202311095538.0A CN202311095538A CN117092964A CN 117092964 A CN117092964 A CN 117092964A CN 202311095538 A CN202311095538 A CN 202311095538A CN 117092964 A CN117092964 A CN 117092964A
- Authority
- CN
- China
- Prior art keywords
- fault
- numerical control
- machine tool
- control machine
- state
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000004566 building material Substances 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 66
- 238000012502 risk assessment Methods 0.000 claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 97
- 238000012423 maintenance Methods 0.000 claims description 93
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009960 carding Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 claims description 4
- 238000003913 materials processing Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000009467 reduction 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
- G05B19/406—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
- G05B19/4065—Monitoring tool breakage, life or condition
-
- 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
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
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
本发明涉及数控设备管理技术领域，具体为一种用于建材加工的数控机床故障预警系统及方法，包括计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；基于在所有第一特征记录中所呈现的状态特征分布情况，结合所述确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
Description
技术领域
本发明涉及数控设备管理技术领域，具体为一种用于建材加工的数控机床故障预警系统及方法。
背景技术
数控机床是数字控制机床(Computer numerical control machine tools)的简称，是一种装有程序控制系统的自动化机床。该控制系统能够逻辑地处理具有控制编码或其他符号指令规定的程序，并将其译码，用代码化的数字表示，通过信息载体输入数控装置。经运算处理由数控装置发出各种控制信号，控制机床的动作，按图纸要求的形状和尺寸，自动地将零件加工出来。随着当今控制理论与自动化技术的高速发展,尤其是微电子技术和计算机技术的日新月异,使得数控技术也在同步飞速发展,数控系统结构形式上的多样化、复杂化、高智能化,使数控机床的故障诊断与排除更需专业的技术和知识。
数控机床的确定性故障是指控制系统主机中的硬件损坏或只要满足一定的条件,数控机床必然会发生的故障，这一类故障现象在数控机床上最为常见,但由于它具有一定的规律,因此也给维修带来了方便确定性故障具有不可恢复性,故障一旦发生,如不对其进行维修处理,机床不会自动恢复正常，但只要找出发生故障的根本原因,维修完成后机床立即可以恢复正常，正确的使用与精心维护是杜绝或避免故障发生的重要措施。
数控机床的随机性故障是指数控机床在工作过程中偶然发生的故障此类故障的发生原因较隐蔽,很难找出其规律性,故常称之为“软故障”，一般而言,通常，此类故障通常与机械结构的松动和错位，数控系统中某些组件的工作特性的漂移以及机床电气组件的可靠性下降有关，随机性故障有可恢复性,故障发生后,通过重新开机等措施,机床通常可恢复正常,但在运行过程中,又可能发生同样的故障。
发明内容
本发明的目的在于提供一种用于建材加工的数控机床故障预警系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种用于建材加工的数控机床故障预警方法，方法包括：
步骤S100：对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
步骤S200：当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
步骤S300：基于在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
步骤S400：基于在所有第一特征记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
步骤S500：实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
进一步的，步骤S100包括：对数控机床安装若干传感器，每当检测到数控机床开始工作，对数控机床各运行参数项上对应的运行数据进行采集；分别对各运行参数项预设运行范围，当某运行参数项上所呈现的运行数据在T时刻不处于相应的预设运行范围内，判断某运行参数项为在T时刻的异常参数项；将汇集数控机床在任意时刻下的所有异常参数项得到的异常参数项集合，作为数控机床在任意时刻下的状态特征。
进一步的，步骤S300包括：
步骤S301：提取在每一历史故障维修申请记录中，当管理终端向运维终端发起故障维修申请时所对应的状态特征；从所有第二特征记录的状态特征中提取确定性故障的目标状态范围P1＝{A1、A2、...、An}；其中A1、A2、...、An分别表示在所有第二目标状态特征中存在的第1、2、...、n种异常参数项集合；
步骤S302：提取确定性故障的特征状态范围W1＝A1∩A2∩...∩An，分别在每一历史故障维修申请记录中，捕捉当管理终端向运维终端发起故障维修申请时所对应的时间戳T，当位于时间戳T之前的任意时刻状态特征所对应的异常参数项集合Q，满足且Q与W1之间的相似度大于第一相似度阈值，将异常参数项集合Q设为目标集合；相当于是捕捉当数控机床存在异常参数项，且由该异常参数项在对应某时刻下构成的状态特征与确定性故障出现时的特征状态范围相似度很高的情况，而上述情况因为未促使数控工程师将数控机床判定为确定性故障，因此可知上述状态特征往往是对应随机性故障出现时对应的数据表征信息；从所有目标集合中提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}；其中B1、B2、...、Bm分别表示在所有目标集合中存在的第1、2、...、m种异常参数项集合；
步骤S303：分别对数控机床各运行参数项在确定性故障的目标状态范围P1内出现的总次数k1进行累计，计算各运行参数项对应的第一置信值α1＝k1/n；分别对数控机床各运行参数项在随机性故障的状态特征范围P2内出现的总次数k2进行累计，计算各运行参数项对应的第二置信值α2＝k2/m；获得各运行参数项对应的综合置信值β＝α1-α2。
进一步的，步骤S400包括：
步骤S401：设置第二相似度阈值，分别对任意第一特征记录F中状态特征对应的异常参数项集合b，汇集在确定性故障的目标状态范围P1内，与异常参数项集合b之间满足相似度大于第二相似度阈值的所有异常参数项集合，得到对应任意第一特征记录F的影响信息集合R(b)；即对在将存在异常参数项的状态特征，做出由随机性故障判定为确定性故障的故障定性错误的过程中所可能依据的所有状态特征进行调取的过程；计算对应任意第一特征记录F的第一特征状态范围X＝b∩r(b)1∩r(b)2∩...∩r(b)g；其中，r(b)1、r(b)2、...、r(b)g分别表示影响信息集合R(b)内第1、2、...、g个状态特征所对应的异常参数项集合；在上述提取得到的第一特征状态范围内包含的所有运行参数项在出现故障定性失误时出现，意味着在实际确定性故障判断中存在置信波动，即在该运行参数项上出现了运行数据异常时，意味着被错判为发生了确定性故障的概率较大，需要将上述运行参数项在出现运行数据异常时，于确定性故障判断中的置信值进行降低调整；
步骤S402：提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}，获取随机性故障的特征状态范围W2＝B1∩B2∩...∩Bm；将影响信息集合R(b)内第j个异常参数项集合r(b)j与异常参数项集合b之间进行信息偏差比对，计算得到对应任意第一特征记录F的第j个第二特征状态范围Y＝P2∩[b-b∩r(b)i]；在上述提取得到的偏差信息集合内包含的所有运行参数项在出现故障定性失误时出现，意味着在实际确定性故障判断中存在置信波动，即在该运行参数项上出现了运行数据异常时，意味着实际发生的是随机性故障的概率较大，需要将上述运行参数项在出现运行数据异常时，于确定性故障判断中的置信值进行降低调整；
步骤S403：汇集根据所有第一特征记录的状态特征提取得到的所有第一特征状态范围，得到集合W1，汇集根据所有第一特征记录的状态特征提取得到的所有第二特征状态范围，得到集合W2；计算任意运行参数项的置信波动系数β＝d1/D1+d2/D2；其中，d1表示在集合W1中存在包含任意运行参数项的第一特征状态范围个数；D1表示集合W1包含第一特征状态范围总个数；d2表示在集合W2中存在包含任意运行参数项的第二特征状态范围个数；D2表示集合W2包含第二特征状态范围总个数。
进一步的，步骤S500包括：
步骤S501：捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，分别提取在状态特征中包含的各异常参数项在确定性故障判断中的综合置信值，对各异常参数项的综合置信值进行累加，得到当前监测反馈结论对应的置信度；
步骤S502：分别提取在状态特征中包含的各异常参数项在确定性故障判断中的置信波动系数，对各异常参数项的置信波动系数进行累加，得到当前监测反馈结论馈对应的置信风险值；
步骤S503：若当前监测反馈结论的置信度小于置信度阈值或者置信风险值大于风险阈值，反馈数控工程师端口，重新进行数控机床的故障定性判断。
为更好的实现上述方法还提出了一种数控机床故障预警系统，系统包括：数控机床故障管理模块、故障维修申请管理模块、置信值计算模块、置信波动系数评估模块、故障预警监测管理模块；
数控机床故障管理模块，用于对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
故障维修申请管理模块，用于当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
置信值计算模块，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
置信波动系数评估模块，用于基于在所有第一特征记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
故障预警监测管理模块，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
进一步的，置信值计算模块包括状态特征范围梳理单元、置信值计算单元；
状态特征范围梳理单元，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围；
置信值计算单元，用于计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值。
进一步的，故障预警监测管理模块包括评估管理单元、预警监测管理单元；
评估管理单元，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估；
预警监测管理单元，用于根据置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
与现有技术相比，本发明所达到的有益效果是：本发明以数控机床的历史故障维修申请记录为基础展开数控机床的故障数据分析，对数控机床的随机性故障和确定性故障进行划分，捕捉数控工程将数控机床发生随机性故障误判为确定性故障的所有故障维修申请记录，实现对数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值进行计算，提高数控工程师对数控机床发生确定性故障的诊断效率，减少误判率，避免原本只需要通过一些重新开机等简单措施，就能使数控机床解除随机性故障恢复正常运作的现象，但因故障定性误差导致不必要的维修资源的浪费。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种用于建材加工的数控机床故障预警方法的流程示意图；
图2是本发明一种用于建材加工的数控机床故障预警系统的结构示意图。
具体实施方式
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做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。
请参阅图1-图2，本发明提供技术方案：一种用于建材加工的数控机床故障预警方法，方法包括：
步骤S100：对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
其中，步骤S100包括：对数控机床安装若干传感器，每当检测到数控机床开始工作，对数控机床各运行参数项上对应的运行数据进行采集；分别对各运行参数项预设运行范围，当某运行参数项上所呈现的运行数据在T时刻不处于相应的预设运行范围内，判断某运行参数项为在T时刻的异常参数项；将汇集数控机床在任意时刻下的所有异常参数项得到的异常参数项集合，作为数控机床在任意时刻下的状态特征；
例如说，可对数控机床选取的能体现数控机床运行状态的运行参数项包括主轴回转精度、传动噪声、进给速度、摆角范围、行程、移动精度等；
步骤S200：当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
步骤S300：基于在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
其中，步骤S300包括：
步骤S301：提取在每一历史故障维修申请记录中，当管理终端向运维终端发起故障维修申请时所对应的状态特征；从所有第二特征记录的状态特征中提取确定性故障的目标状态范围P1＝{A1、A2、...、An}；其中A1、A2、...、An分别表示在所有第二目标状态特征中存在的第1、2、...、n种异常参数项集合；
步骤S302：提取确定性故障的特征状态范围W1＝A1∩A2∩...∩An，分别在每一历史故障维修申请记录中，捕捉当管理终端向运维终端发起故障维修申请时所对应的时间戳T，当位于时间戳T之前的任意时刻状态特征所对应的异常参数项集合Q，满足且Q与W1之间的相似度大于第一相似度阈值，将异常参数项集合Q设为目标集合；从所有目标集合中提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}；其中B1、B2、...、Bm分别表示在所有目标集合中存在的第1、2、...、m种异常参数项集合；
步骤S303：分别对数控机床各运行参数项在确定性故障的目标状态范围P1内出现的总次数k1进行累计，计算各运行参数项对应的第一置信值α1＝k1/n；分别对数控机床各运行参数项在随机性故障的状态特征范围P2内出现的总次数k2进行累计，计算各运行参数项对应的第二置信值α2＝k2/m；获得各运行参数项对应的综合置信值β＝α1-α2；
例如说，目标状态范围P1包括{异常参数项集合1、异常参数项集合2、异常参数项集合3、异常参数项集合4、异常参数项集合5}，因此可知目标状态范围P1内包含有5个异常参数项集合，n＝5；
其中，在异常参数项集合1、异常参数项集合3、异常参数项集合5中包含有某运行参数项S，因此可知某运行参数项S的k1＝3；
综上，某运行参数项S对应的第一置信值α1＝3/5；
步骤S400：基于在所有第一特征记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
其中，步骤S400包括：
步骤S401：设置第二相似度阈值，分别对任意第一特征记录F中状态特征对应的异常参数项集合b，汇集在确定性故障的目标状态范围P1内，与异常参数项集合b之间满足相似度大于第二相似度阈值的所有异常参数项集合，得到对应任意第一特征记录F的影响信息集合R(b)；计算对应任意第一特征记录F的第一特征状态范围X＝b∩r(b)1∩r(b)2∩...∩r(b)g；其中，r(b)1、r(b)2、...、r(b)g分别表示影响信息集合R(b)内第1、2、...、g个状态特征所对应的异常参数项集合；
步骤S402：提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}，获取随机性故障的特征状态范围W2＝B1∩B2∩...∩Bm；将影响信息集合R(b)内第j个异常参数项集合r(b)j与异常参数项集合b之间进行信息偏差比对，计算得到对应任意第一特征记录F的第j个第二特征状态范围Y＝P2∩[b-b∩r(b)i]；
步骤S403：汇集根据所有第一特征记录的状态特征提取得到的所有第一特征状态范围，得到集合W1，汇集根据所有第一特征记录的状态特征提取得到的所有第二特征状态范围，得到集合W2；计算任意运行参数项的置信波动系数β＝d1/D1+d2/D2；其中，d1表示在集合W1中存在包含任意运行参数项的第一特征状态范围个数；D1表示集合W1包含第一特征状态范围总个数；d2表示在集合W2中存在包含任意运行参数项的第二特征状态范围个数；D2表示集合W2包含第二特征状态范围总个数；
步骤S500：实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端；
其中，步骤S500包括：
步骤S501：捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，分别提取在状态特征中包含的各异常参数项在确定性故障判断中的综合置信值，对各异常参数项的综合置信值进行累加，得到当前监测反馈结论对应的置信度；
步骤S502：分别提取在状态特征中包含的各异常参数项在确定性故障判断中的置信波动系数，对各异常参数项的置信波动系数进行累加，得到当前监测反馈结论馈对应的置信风险值；
步骤S503：若当前监测反馈结论的置信度小于置信度阈值或者置信风险值大于风险阈值，反馈数控工程师端口，重新进行数控机床的故障定性判断。
为更好的实现上述方法还提出了一种数控机床故障预警系统，系统包括：数控机床故障管理模块、故障维修申请管理模块、置信值计算模块、置信波动系数评估模块、故障预警监测管理模块；
数控机床故障管理模块，用于对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
故障维修申请管理模块，用于当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
置信值计算模块，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
其中，置信值计算模块包括状态特征范围梳理单元、置信值计算单元；
状态特征范围梳理单元，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围；
置信值计算单元，用于计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
置信波动系数评估模块，用于基于在所有第一特征记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
故障预警监测管理模块，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端；
其中，故障预警监测管理模块包括评估管理单元、预警监测管理单元；
评估管理单元，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估；
预警监测管理单元，用于根据置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，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)
1.一种用于建材加工的数控机床故障预警方法，其特征在于，所述方法包括：
步骤S100：对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据所述状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
步骤S200：当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对所述某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
步骤S300：基于在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
步骤S400：基于在所有第一特征记录中所呈现的状态特征分布情况，结合所述确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
步骤S500：实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
2.根据权利要求1所述的一种用于建材加工的数控机床故障预警方法，其特征在于，所述步骤S100包括：对数控机床安装若干传感器，每当检测到数控机床开始工作，对数控机床各运行参数项上对应的运行数据进行采集；分别对各运行参数项预设运行范围，当某运行参数项上所呈现的运行数据在T时刻不处于相应的预设运行范围内，判断所述某运行参数项为在所述T时刻的异常参数项；将汇集数控机床在任意时刻下的所有异常参数项得到的异常参数项集合，作为数控机床在所述任意时刻下的状态特征。
3.根据权利要求1所述的一种用于建材加工的数控机床故障预警方法，其特征在于，所述步骤S300包括：
步骤S301：提取在每一历史故障维修申请记录中，当管理终端向运维终端发起故障维修申请时所对应的状态特征；从所有第二特征记录的状态特征中提取确定性故障的目标状态范围P1＝{A1、A2、...、An}；其中A1、A2、...、An分别表示在所有第二目标状态特征中存在的第1、2、...、n种异常参数项集合；
步骤S302：提取确定性故障的特征状态范围W1＝A1∩A2∩...∩An，分别在每一历史故障维修申请记录中，捕捉当管理终端向运维终端发起故障维修申请时所对应的时间戳T，当位于时间戳T之前的任意时刻状态特征所对应的异常参数项集合Q，满足且Q与W1之间的相似度大于第一相似度阈值，将所述异常参数项集合Q设为目标集合；从所有目标集合中提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}；其中B1、B2、...、Bm分别表示在所有目标集合中存在的第1、2、...、m种异常参数项集合；
步骤S303：分别对数控机床各运行参数项在确定性故障的目标状态范围P1内出现的总次数k1进行累计，计算各运行参数项对应的第一置信值α1＝k1/n；分别对数控机床各运行参数项在随机性故障的状态特征范围P2内出现的总次数k2进行累计，计算各运行参数项对应的第二置信值α2＝k2/m；获得各运行参数项对应的综合置信值β＝α1-α2。
4.根据权利要求3所述的一种用于建材加工的数控机床故障预警方法，其特征在于，所述步骤S400包括：
步骤S401：设置第二相似度阈值，分别对任意第一特征记录F中状态特征对应的异常参数项集合b，汇集在所述确定性故障的目标状态范围P1内，与所述异常参数项集合b之间满足相似度大于第二相似度阈值的所有异常参数项集合，得到对应所述任意第一特征记录F的影响信息集合R(b)；计算对应所述任意第一特征记录F的第一特征状态范围X＝b∩r(b)1∩r(b)2∩...∩r(b)g；其中，r(b)1、r(b)2、...、r(b)g分别表示影响信息集合R(b)内第1、2、...、g个状态特征所对应的异常参数项集合；
步骤S402：提取随机性故障的目标状态范围P2＝{B1、B2、...、Bm}，获取随机性故障的特征状态范围W2＝B1∩B2∩...∩Bm；将影响信息集合R(b)内第j个异常参数项集合r(b)j与所述异常参数项集合b之间进行信息偏差比对，计算得到对应所述任意第一特征记录F的第j个第二特征状态范围Y＝P2∩[b-b∩r(b)i]；
步骤S403：汇集根据所有第一特征记录的状态特征提取得到的所有第一特征状态范围，得到集合W1，汇集根据所有第一特征记录的状态特征提取得到的所有第二特征状态范围，得到集合W2；计算任意运行参数项的置信波动系数β＝d1/D1+d2/D2；其中，d1表示在集合W1中存在包含所述任意运行参数项的第一特征状态范围个数；D1表示集合W1包含第一特征状态范围总个数；d2表示在集合W2中存在包含所述任意运行参数项的第二特征状态范围个数；D2表示集合W2包含第二特征状态范围总个数。
5.根据权利要求4所述的一种用于建材加工的数控机床故障预警方法，其特征在于，所述步骤S500包括：
步骤S501：捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，分别提取在所述状态特征中包含的各异常参数项在确定性故障判断中的综合置信值，对各异常参数项的综合置信值进行累加，得到当前监测反馈结论对应的置信度；
步骤S502：分别提取在所述状态特征中包含的各异常参数项在确定性故障判断中的置信波动系数，对各异常参数项的置信波动系数进行累加，得到当前监测反馈结论馈对应的置信风险值；
步骤S503：若当前监测反馈结论的置信度小于置信度阈值或者置信风险值大于风险阈值，反馈数控工程师端口，重新进行数控机床的故障定性判断。
6.用于执行权利要求1-5中任意一项所述的一种用于建材加工的数控机床故障预警方法的数控机床故障预警系统，其特征在于，所述系统包括：数控机床故障管理模块、故障维修申请管理模块、置信值计算模块、置信波动系数评估模块、故障预警监测管理模块；
所述数控机床故障管理模块，用于对用于建材加工的数控机床安装传感器和监控装置，对数控机床的各运行参数项进行异常判断，同时对数控机床进行状态特征采集，数控工程师根据所述状态特征对数控机床进行故障监测判断；每当管理终端接收到一次数控工程师将数控机床判定为确定性故障的监测反馈，管理终端向运维终端发起一次故障维修申请，获取运维人员对每一故障维修申请所反馈的故障定性结论；
所述故障维修申请管理模块，用于当在运维人员针对某一故障维修申请所作的故障定性结论中，将数控机床的故障判定为随机性故障时，对所述某一故障维修申请进行异常标记；将带有异常标记的各历史故障维修申请记录设为第一特征记录，将其他未带有异常标记的各历史故障维修申请记录设为第二特征记录；
所述置信值计算模块，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围，计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值；
所述置信波动系数评估模块，用于基于在所有第一特征记录中所呈现的状态特征分布情况，结合所述确定性故障的状态特征范围，计算数控机床各运行参数项在确定性故障判断中的置信波动系数；
所述故障预警监测管理模块，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估，基于置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
7.根据权利要求6所述的数控机床故障预警系统，其特征在于，所述置信值计算模块包括状态特征范围梳理单元、置信值计算单元；
所述状态特征范围梳理单元，用于根据在所有第二特征记录中所呈现的状态特征分布情况，提取确定性故障的状态特征范围；梳理在所有历史故障维修申请记录中所呈现的状态特征分布情况，结合确定性故障的状态特征范围，提取随机性故障的状态特征范围；
所述置信值计算单元，用于计算数控机床各运行参数项出现运行数据异常时在确定性故障判断中的置信值。
8.根据权利要求6所述的数控机床故障预警系统，其特征在于，所述故障预警监测管理模块包括评估管理单元、预警监测管理单元；
所述评估管理单元，用于实时对数控工程师将数控机床判定为确定性故障的监测反馈进行截取，捕捉数控工程师将数控机床判定为确定性故障时所依据的状态特征，对当前监测反馈结论进行置信度和风险评估；
所述预警监测管理单元，用于根据置信度评估结果决定是否将当前监测反馈结论传输至管理终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095538.0A CN117092964A (zh) | 2023-08-29 | 2023-08-29 | 一种用于建材加工的数控机床故障预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095538.0A CN117092964A (zh) | 2023-08-29 | 2023-08-29 | 一种用于建材加工的数控机床故障预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117092964A true CN117092964A (zh) | 2023-11-21 |
Family
ID=88773202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311095538.0A Withdrawn CN117092964A (zh) | 2023-08-29 | 2023-08-29 | 一种用于建材加工的数控机床故障预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092964A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118534883A (zh) * | 2024-07-29 | 2024-08-23 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的设备故障智能诊断方法、系统和介质 |
-
2023
- 2023-08-29 CN CN202311095538.0A patent/CN117092964A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118534883A (zh) * | 2024-07-29 | 2024-08-23 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的设备故障智能诊断方法、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101470426B (zh) | 一种故障检测的方法和系统 | |
| CN101710235B (zh) | 一种数控机床在线加工工件的自动识别和监控方法 | |
| CN113448298B (zh) | 一种用于自动化生产设备数据采集系统 | |
| CN111381556A (zh) | 加工设备误差补正方法及系统 | |
| CN117092964A (zh) | 一种用于建材加工的数控机床故障预警系统及方法 | |
| CN117113104A (zh) | 一种应用数据分析技术的智能化管理系统及方法 | |
| CN111381563A (zh) | 加工设备误差补正方法及系统 | |
| CN103199040A (zh) | 一种暖机控制方法 | |
| CN117331344A (zh) | 数控加工过程多信号质量监测与控制系统 | |
| CN111381558A (zh) | 加工设备误差补正方法及系统 | |
| JP2002236511A (ja) | 工程管理システムおよび工程管理方法 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| CN1295578C (zh) | 协调管制界限与机台效能的系统与方法 | |
| CN113934536A (zh) | 面向边缘计算的数据采集方法 | |
| CN117325211B (zh) | 一种基于物联网的去毛刺机器人位姿监测系统及方法 | |
| CN117464420B (zh) | 一种适用于数控机床的数字孪生控制刀具自适应匹配系统 | |
| CN114192583B (zh) | 一种基于Scada平台的带钢轧制过程质量监控方法和系统 | |
| CN111381562A (zh) | 圆弧拐角加工设备误差补正方法及系统 | |
| CN118921983A (zh) | 基于数据分析的贴片机异常数据管理系统及方法 | |
| CN117911415B (zh) | 一种基于机器视觉的设备自动化监管系统及方法 | |
| CN111381557A (zh) | 基于单机的加工设备误差补正方法及系统 | |
| CN115374572B (zh) | 一种工艺平稳度分析系统及方法 | |
| CN111381559A (zh) | 基于服务器的加工设备误差补正方法及系统 | |
| US11908304B1 (en) | Systems and methods for managing unprocessed alarms in alarm systems | |
| WO2022158216A1 (ja) | 作業管理装置、作業管理方法、および作業管理プログラム |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231121 |