一种加工中心进给系统健康状态评估方法

摘要

本发明涉及设备性能监控领域，公开了一种加工中心进给系统健康状态评估方法，包括：通过加工中心进给系统的标准健康数据构建历史数据库；获取加工中心进给系统的实时数据样本，依据历史数据库获取实时相似样本集；依据实时相似样本集，采用无监督思想建立模型，计算检测值，得出实时相似样本集中每个样本的检测值，选择最大检测值和最小检测值设置阈值范围；计算实时数据样本的检测值；将所述检测值与所述阈值范围对比，判断加工中心进给系统是否异常。本发明通过对进给系统的工况信息和状态信息等参数来综合分析，评估进给系统的健康状况，能够及时的判断出进给系统的健康情况，方便工作人员对进给系统进行及时的维护。

权利要求

1.一种加工中心进给系统健康状态评估方法，其特征在于，包括S1、通过加工中心进给系统的标准健康数据构建历史数据库，该标准健康数据包括加工中心进给系统的工况信息和状态信息，其中所述工况信息至少包括第一元素和第二元素；

S2、获取加工中心进给系统的实时数据样本 ，以实时数据样本 的工况信息为基础利用欧式距离为度量方法和依据最小距离分类法从历史数据库中获取实时相似样本集 ；

S3、依据实时相似样本集 ，采用无监督思想建立模型，计算检测值，得出实时相似样本集中每个样本的检测值，选择最大检测值和最小检测值设置阈值范围；

S4、根据S3中计算实时相似样本集中每个样本的检测值的方法，计算实时数据样本的检测值；

S5、将步骤S4中所述检测值与步骤S3中所述阈值范围对比，判断加工中心进给系统是否异常；

所述步骤S2的具体方法是：

获取加工中心进给系统实时数据样本中工况信息的第一元素和第二元素；

以欧式距离为度量方法，依据最小距离分类法，基于欧氏距离函数与邻域空间半径，对第一元素进行匹配，从历史数据库中确定数据集；

依据最小距离分类法，基于欧氏距离函数与另一邻域空间半径，确定第二元素范围集以及对应的相似度大小，从所述数据集中选定与实时数据样本 最相似的N个样本来构建实时相似样本集 。

2.根据权利要求1所述一种加工中心进给系统健康状态评估方法，其特征在于，所述状态信息至少包括电流的特征值或/和振动的特征值。

3.根据权利要求1所述一种加工中心进给系统健康状态评估方法，其特征在于，所述第一元素是加工中心进给系统的切削速度，所述第二元素是加工中心进给系统的加工精度。

4.根据权利要求1所述一种加工中心进给系统健康状态评估方法，其特征在于，所述步骤S3的具体方法包括：S31、通过如下公式获得实时相似样本集 中第i个状态信息的平均值，，其中，是实时相似样本集 中第i个状态信息的平均值，i=1,2,...,n； 是实时相似样本集 中第j个样本的第i个状态信息的值，j=1,2,...,m；m和n分别为实时相似样本集中样本数量和状态信息的个数；

S32、通过每个状态信息的平均值得到向量 ；

S33、通过如下公式获得第j个样本中每个状态信息的检测值，其中 表达的是第j个样本中第i个状态信息的检测值；

，

其中， 是实时相似样本集 中第j个样本；

S34、通过如下公式计算 的平均值，并作为实时相似样本集 中第j个样本的检测值；

；

S35、计算出实时相似样本集中每个样本的检测值 ，根据 计算最大值 和最小值 ，并设置阈值范围为 ，其中 和 均是大于零的常数。

5.根据权利要求4所述一种加工中心进给系统健康状态评估方法，其特征在于，所述步骤S4的具体方法是：通过如下公式获得实时数据样本 中每个状态信息的检测值 ，，

然后，通过如下公式获得实时数据样本 的检测值 ，。

6.根据权利要求5所述一种加工中心进给系统健康状态评估方法，其特征在于，所述步骤S5的具体方法是：当 或 时，加工中心进给系统有风险，需进行维护；

当 时，加工中心进给系统能正常运行。

说明书

一种加工中心进给系统健康状态评估方法

技术领域

[0001] 本发明涉及数控机床健康监测领域，具体讲是一种加工中心进给系统健康状态评估方法。

背景技术

[0002] 进给系统作为加工中心的子系统，其可靠性能够直接影响被加工件精度，其重要程度不言而喻。当进给系统发生故障时，需要进行停机检修，这在降低工作效率的同时也会导致维护成本增加。而传统的进给系统健康监控是通过有经验的工作人员去听关键部件的声音，或者加工出的工件精度一直达不到要求时才发现进给系统出问题；这样的传统监控方式不能够及时发现进给系统的健康问题，容易导致进给系统出现进一步地破坏或增加加工中心的维护成本。

发明内容

[0003] 因此，为了及时发现进给系统的健康情况，方便工作人员及时维护进给系统，本发明提供了一种加工中心进给系统健康状态评估方法；该方法通过对进给系统的工况信息（如切削速度、加工精度）和状态信息（如电流的特征值、传动丝杠的振动的特征值，所述特征值可以是均方根值、或标准差、或最大值、或方差、或峭度因子）等参数来综合分析，评估进给系统的健康状况，该方法能够及时地判断出进给系统的健康情况，方便工作人员对进给系统进行及时地维护，给工作人员维护进给系统提供准确的指向。

[0004] 本发明是这样实现的，构造一种加工中心进给系统健康状态评估方法，包括：

[0005] S1、通过加工中心进给系统的标准健康数据构建历史数据库，该标准健康数据包括加工中心进给系统的工况信息和状态信息。

[0006] S2、获取加工中心进给系统的实时数据样本 ，以实时数据样本 的工况信息为基础利用欧式距离为度量方法和依据最小距离分类法从历史数据库中获取实时相似样本集 ；由于工况信息都是线性化的，通过该步骤能够快速找到工况信息相近的相似样本集。

[0007] S3、依据实时相似样本集 ，采用无监督思想建立模型，计算检测值，得出实时相似样本集中每个样本的检测值，选择最大检测值和最小检测值设置阈值范围；由于实际工程中故障发生较少，甚至没有故障样本，该步骤采用无监督思想，可以在没有故障样本的情况下可以通过历史样本的检测值设置较合理的阈值范围。

[0008] S4、根据S3中计算实时相似样本集中每个样本的检测值的方法，计算实时数据样本 的检测值。

[0009] S5、将所述检测值与所述阈值范围对比，判断加工中心进给系统是否异常。

[0010] 可选的，所述工况信息至少包括第一元素和第二元素，所述第一元素可以是加工中心进给系统的切削速度，所述第二元素可以是加工中心进给系统的加工精度；所述状态信息至少包括电流的特征值或/和振动的特征值，其中振动是传动丝杠的振动，所述特征值是可以是均方根值、或标准差、或最大值、或方差、或峭度因子等。

[0011] 可选的，所述步骤S2的具体方法是：

[0012] 获取加工中心进给系统实时数据样本中工况信息的第一元素和第二元素；

[0013] 以欧式距离为度量方法，依据最小距离分类法，基于欧氏距离函数与邻域空间半径，对第一元素进行匹配，从历史数据库中确定数据集；

[0014] 依据最小距离分类法，基于欧氏距离函数与另一邻域空间半径，确定第二元素范围集以及对应的相似度大小，从所述数据集中选定与实时数据样本 最相似的N个样本来构建实时相似样本集 ；优选的，所述第一元素是加工中心进给系统的切削速度，所述第二元素是加工中心进给系统的加工精度。

[0015] 可选的，所述步骤S3的具体方法包括：

[0016] S31、通过如下公式获得实时相似样本集中第i个状态信息的平均值，[0017] ，

[0018] 其中，是实时相似样本集 中第i个状态信息的平均值，i=1,2,...,n； 是实时相似样本集 中第j个样本的第i个状态信息的值，j=1,2,...,m；m和n分别为实时相似样本集 中样本数量和状态信息的个数；在该步骤中，获取平均值的目的是，提高数据的准确性，因为在健康阶段同一个工况下相同的状态信息会有一定的波动，但波动值会在某一个值附近振动，而所述“某一个值”就是平均值。

[0019] S32、通过每个状态信息的平均值得到的向量 ；

[0020] S33 、通 过如下公式获得 第j 个样本中每 个状态信息的检 测值，其中 表达的是第j个样本中第i个状态信息的检测值；

[0021] ，

[0022] 其中， 是实时相似样本集 中第j个样本。

[0023] S34、通过如下公式计算 的平均值，并作为实时相似样本集 中第j个样本的检测值；

[0024] ；

[0025] 该步骤是以每个样本中所有状态信息的检测值的平均值作为该样本的检测值，用于反映状态信息的整体健康程度。

[0026] S35、计算出实时相似样本集 中每个样本的检测值 ，根据 计算最大值 和最小值 ，并设置阈值范围为 ，其中 和 均是大于零的常数。

[0027] 可选的，所述步骤S4的具体方法是：

[0028] 通过如下公式获 得实时数据样本 中 每个状态信息的检 测值，

[0029] ，

[0030] 然后，通过如下公式获得实时数据样本 的检测值 ，

[0031] 。

[0032] 可选的，所述步骤S5的具体方法是：

[0033] 当 或 时，加工中心进给系统有风险，需进行维护；

[0034] 当 时，加工中心进给系统能正常运行。

[0035] 本发明具有如下有益效果：

[0036] 本发明通过对进给系统的工况信息和状态信息等参数来综合分析，评估进给系统的健康状况，该方法能够及时地判断出进给系统的健康情况，方便工作人员对进给系统进行及时的维护，给工作人员维护进给系统提供准确的指向。

附图说明

[0037] 图1是本发明所述一种加工中心进给系统健康状态评估方法。

[0038] 图2是本发明所述一种在历史数据库中寻找第一元素相似度大的样本的方法。

[0039] 图3是本发明所述一种在第一元素相似度大的样本集中寻找第二元素相似度大的样本的方法。

具体实施方式

[0040] 下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

[0041] 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。

[0042] 下面参考图1‑图3描述本申请实施例的，

[0043] 传统的进给系统健康监控是通过有经验的工作人员去听关键部件的声音，或者加工出的工件精度一直达不到要求时才发现进给系统出问题；这样的传统监控方式不能够及时发现进给系统的健康问题，容易导致进给系统出现进一步的破坏或增加加工中心的维护成本。基于该原因，本发明提供了一种加工中心进给系统健康状态评估方法，包括：

[0044] S1、通过加工中心进给系统的标准健康数据构建历史数据库，该标准健康数据包括加工中心进给系统的工况信息和状态信息；其中所述工况信息至少包括加工中心进给系统的切削速度或/和加工精度，所述状态信息至少包括电流的特征值或/和振动的特征值。

[0045] S2、获取加工中心进给系统的实时数据样本 ，以实时数据样本 的工况信息为基础利用欧式距离为度量方法和依据最小距离分类法从历史数据库中获取实时相似样本集。

[0046] 示例性的，该步骤S2的具体方法如下：

[0047] S21、获取加工中心进给系统实时数据样本中工况信息的第一元素和第二元素；所述第一元素是加工中心进给系统的切削速度，所述第二元素是加工中心进给系统的加工精度。

[0048] S22、以欧式距离为度量方法，依据最小距离分类法，基于欧氏距离函数与邻域空间半径 ，对切削速度进行匹配，从历史数据中确定数据集Q1；所述邻域空间半径 根据实际情况进行设置。

[0049] 如图2所示，横坐标为切削速度，切削速度的取值随着箭头方向越来越大。以实时数据样本 的切削速度为中心，以 为半径，从数据集中确定切削速度范围集。以欧氏距离为相似度，切削速度与实时数据样本 的切削速度的欧式距离越小，则与实时数据样本的切削速度的相似度越大。从历史数据库中选择相似度大的样本，从而确定数据集Q1。

[0050] S23、在数据集Q1中，依据最小距离分类法，基于欧氏距离函数与邻域空间半径 ，确定加工精度范围集以及对应的相似度大小，从数据集Q1中选定与实时数据样本 最相似的N个样本来构建实时相似样本集 。所述邻域空间半径 根据实际情况进行设置。

[0051] 如图3所示，横坐标为加工精度，加工精度的取值随着箭头方向越来越大。以实时数据样本 的加工精度为中心，以 为半径，从数据集中确定加工精度范围集。以欧氏距离为相似度，加工精度与实时数据样本 的加工精度的欧式距离越小，则与实时数据样本的加工精度的相似度越大。从数据集Q1中选择相似度大的样本，从而确定实时相似样本集。

[0052] S3、依据实时相似样本集，采用无监督思想建立模型，计算检测值，得出实时相似样本集中每个样本的检测值，选择最大检测值和最小检测值设置阈值范围；

[0053] 示例性的，该步骤S3的具体方法包括：

[0054] S31、通过如下公式获得实时相似样本集 中第i个状态信息的平均值，[0055] ，

[0056] 其中，是实时相似样本集 中第i个状态信息的平均值，i=1,2,...,n； 是实时相似样本集 中第j个样本的第i个状态信息的值，j=1,2,...,m；m和n分别为实时相似样本集 中样本数量和状态信息的个数；

[0057] S32、通过每个状态信息的平均值得到的向量 ；

[0058] S33 、通 过如下公式获得 第j 个样本中每 个状态信息的检 测值，其中 表达的是第j个样本中第i个状态信息的检测值；

[0059] ，

[0060] 其中， 是实时相似样本集 中第j个样本。

[0061] S34、通过如下公式计算 的平均值，并作为实时相似样本集 中第j个样本的检测值；

[0062] ；

[0063] S35、计算出实时相似样本集 中每个样本的检测值 ，根据计算最大值 和最小值 ，并设置阈值范围为 ，其中 和 均是大于零的
常数。

[0064] S4、根据S3中计算实时相似样本集中每个样本的检测值的方法，计算实时数据样本 的检测值；

[0065] 示例性的，所述步骤S4的具体方法是：

[0066] 通过如下公式获得实时数据样本 中每个状态信息的检测值，

[0067] ，

[0068] 然后，通过如下公式获得实时数据样本 的检测值 ，

[0069] 。

[0070] S5、将所述检测值与所述阈值范围对比，判断加工中心进给系统是否异常，示例性的，具体如下：

[0071] 当 或 时，加工中心进给系统有风险，需进行维护；当时，加工中心进给系统能正常运行。

[0072] 本发明通过对进给系统的工况信息和状态信息等参数来综合分析，评估进给系统的健康状况，该方法能够及时的判断出进给系统的健康情况，方便工作人员对进给系统进行及时的维护，给工作人员维护进给系统提供准确的指向。利用历史数据库，将工况匹配和无监督思想结合，建立加工中心进给系统的评估指标，实现对加工中心进给系统健康监测。

[0073] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。