[发明专利]基于数控机床上传感器数据的故障预测系统及其方法有效

专利信息
申请号: 201910573293.5 申请日: 2019-06-28
公开(公告)号: CN110297464B 公开(公告)日: 2020-11-27
发明(设计)人: 夏志杰;张志胜 申请(专利权)人: 江苏南高智能装备创新中心有限公司
主分类号: G05B19/406 分类号: G05B19/406
代理公司: 北京轻创知识产权代理有限公司 11212 代理人: 胡智勇
地址: 211100 江苏省南*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 数控机床 传感器 数据 故障 预测 系统 及其 方法
【权利要求书】:

1.一种基于数控机床上传感器数据的故障预测系统,包括用于采集作为多通道数据的数控机床运行状态数据的多个传感器;

其特征在于,所述传感器的输出端与多通道传感器接口电路输入端连接,多通道传感器接口电路的输出端和控制器连接;

所述控制器还与闪存连接,所述闪存包括构造模块、设定模块、叠加模块、导出模块、限制模块和添加惩罚项模块;

所述构造模块用于把接收到的p通道数据形成p通道的张量数据一,所述p通道的张量数据一包括n个由多个传感器采集的样本数据,每个样本数据包括多个传感器在某一采样时间采集的数据,而其中第i个样本数据Yi(t)的数据格式为:Yi(t)=[Yi1(t),...,Yip(t)],t为第i个样本数据的采样时间;Yi(t)能够被公式(1)表示:

Yij(t)=Xij(t)+εij(t) (1)

Xij(t)是第j通道的采集数据的信号函数,εij(t)是第j通道的采集数据的噪声函数,i为小于等于N的正整数,j为小于等于p的正整数,Yij(t)表示在采样时间t下的第j通道的采集数据;

所述设定模块用于设定p通道的张量数据二Xi(t)的数据格式为:Xi(t)=[Xi1(t),...,Xip(t)],而p通道的张量数据二Xi(t)被分为L个样本子空间Sl,l=1,2,...,L,L为正整数,在同一个样本子空间里,代表各信号的信号函数都有互相关性,不同的样本子空间的各信号的信号函数没有相关性;

所述叠加模块用于让每一个样本子空间Sl被设定为dl个基函数的Φl:的线性叠加,即公式(2) 所示:

对于所有的信号函数Xij(t),i=1,...,N,Xij(t)所属的样本子空间保持不变,而Xij(t)对应的基系数是不同的,αijk为基系数αij的第k个分量,k为小于等于dl的正整数;

用Xl={Xj(t)|Xj(t)∈Sl,j=1,...,p}表示各自样本子空间的信号,其中,q和dl均为正整数,αq为设定的实数,R为实数集合;

所述导出模块用于根据在样本子空间中的每个数据点可以被数据集中的其他数据点联合表示的数据自表达属性,对于每一个信号Xij(t)∈Xl,得到公式(3):

即Xij(t)是在Xl中的一个信号函数,它可以表示为在此样本子空间中其他pl-1个信号的线性组合,r为正整数,bjr为稀疏系数的第r个分量;

所述限制模块用于针对稀疏系数bj的解运用Lq范数最小化目标函数来限制解集;

所述添加惩罚项模块用于设定第j通道的采集数据总共有S-1个变化点τs,s=1,...,S-1,对于每一个作为分割点的变化点,如公式(6)所示:

其中,是第j通道的变化点τs的信号函数,εij(t)是第j通道的采集数据的噪声函数,i为小于等于N的正整数,j为小于等于p的正整数,表示在采样时间t下的第j通道的变化点τs,给稀疏系数bj添加惩罚项,S为正整数。

2.根据权利要求1所述的基于数控机床上传感器数据的故障预测系统,其特征在于,所述控制器能够是单片机、PLC、FPGA处理器或者ARM处理器。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏南高智能装备创新中心有限公司,未经江苏南高智能装备创新中心有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910573293.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top