[发明专利]一种机床运行状态的监控方法

说明书

本发明公开了一种机床运行状态的监控方法，采集机床的电流信号以及电压信号并经过协议解析后形成第一信号；对第一信号进行缺失值处理、去噪处理得到第二信号；对第二信号做希尔伯特变换；提取第二信号中的物理特征数据；将提取的数据作为第一数据集；采用交叉验证法将第一数据集分为训练数据集与测试数据集，残差网络建立模型，测试数据集对训练模型进行优化；将优化模型用于对待测数据集进行分析，并输出用于表征机床运行状态的结果；本发明的有益效果为实现了对工业生产中的机床状态进行自动化的实时监控，同时提高了机床的生成效率以及使用率。

技术领域

本发明涉及工业生产中机床控制技术领域，尤其涉及一种机床运行状态的监控方法。

背景技术

半闭环数控机床当前是自动化生产的主力之一，时刻关注机床在生产过程中的状态变换对于企业生产加工具有非常重要的作用。及时有效获取机床状态，掌握生产状况；对于企业调节资源分配，提高生产效率，增加经济效益有较好的促进作用。

在现有的工业生产机床制造监控过程中，采用的是采用人工巡视或者每隔一个时间段进行监测。但是并不足以预防生产加工过程中异常的发生。而且不能实现实时监测，无法获取到数控机床实时加工状态和信息；当前市场上售卖的各种传感器，能够采集电流，声音，振动等各种信号，对这些采集到的各类信号进行处理，计算机床状态变化时可能造成的各种参数变化。根据这些变化的参数，专家对机床进行分析，判断当前机床所处的运行环境；采集机床的声音或者振动信号，提取信号的特征，建立特征工程；运用机器学习或者深度学习的算法对特征工程进行训练，建立训练模型，对某个或者某类机床的运行状态进行监控。

但是在信息化的覆盖下，企业对机床状态的关注仍旧存在以下几个比较明显的问题：大多数的企业仍旧采取的是人工来巡检方式，该种方式下企业需要花费大量的人力成本来检查机床的状态，费时费力；经验判断，很多在一线生产活动中的工人凭借很多年的生产经验，对机床的运行状态进行评估和诊断。但是这样的一个一线经验充足的专家太少，并不是所有企业都具备的；机床多样化，机床的状态参数不同，无法产生一个统一的标准；建立一个状态监控体系困难；现有的监测系统，易收到外界的环境因素干扰，产生干扰信息；可能会对机床状态出现误判。同时一些复杂的监测系统，在进行部署的时候，可能会对企业的车间布局造成一些变动，工作量大，企业的意愿度也不高；人工智能发展，出现了很多运用机器学习或者深度学习来对机床的状态进行监控的方法。但是这些方法基本上都是针对特定情况下的，单一性太强，泛化能力较弱；而且有的模型训练时间长，对企业来说成本较高。

发明内容

本发明的目的在于提供一种机床运行状态的监控方法，实现了对工业生产中的机床状态进行自动化的实时监控，同时提高了机床的生成效率以及使用率。

本发明通过下述技术方案实现：

本发明公开了一种机床运行状态的监控方法，包括以下步骤：

步骤A：采集机床的电流信号以及电压信号，并将采集的电流信号以及电压信号经过协议解析后形成第一信号；

步骤B：对第一信号进行缺失值处理以及去噪处理，得到第二信号；

步骤C：对第二信号做希尔伯特变换，得到希尔伯特频谱，并计算希尔伯特频谱的特征指标，得到频域特征数据；

步骤D：提取第二信号中的物理特征数据，得到时序特征数据；

步骤E：将时序特征数据与频域特征数据作为第一数据集；

步骤F：采用交叉验证法将第一数据集分为训练数据集与测试数据集，通过残差网络建立模型，将训练数据集用于对模型进行训练，得到训练模型，通过测试数据集对训练模型进行优化测试，到优化模型；

步骤G：将优化模型用于对待测数据集进行分析，并输出用于表征机床运行状态的结果。