CN105974886A - 一种数控机床的健康监测方法 - Google Patents
一种数控机床的健康监测方法 Download PDFInfo
- Publication number
- CN105974886A CN105974886A CN201610486884.5A CN201610486884A CN105974886A CN 105974886 A CN105974886 A CN 105974886A CN 201610486884 A CN201610486884 A CN 201610486884A CN 105974886 A CN105974886 A CN 105974886A
- Authority
- CN
- China
- Prior art keywords
- machine tool
- control machine
- digit control
- main shaft
- instruction
- 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.)
- Granted
Links
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
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
本发明公开了一种数控机床的健康监测方法,包括以下步骤:(1)运行自检G指令,并采集运行状态数据:(2)将采集得到的运行状态数据与自检G指令之间建立映射关系,形成指令域映射集;(3)将指令域映射集根据自检G指令进行划分,提取目标自检G指令下的指令域映射,并得出目标自检G指令下的运行状态数据,并根据该运行状态数据计算出实际特征值,再与标准特征值进行对比计算得到健康指数。本发明通过对关键的数控机床健康指数的计算依据、健康指数的计算方法、以及健康指数的显示方式等进行改进,能够有效解决数控机床健康状态判断不及时与不准确的问题,并且得出的数控机床的健康指数是通过可视化显示,提高了机床与人的交互效果。
Description
技术领域
本发明属于数控***、机床技术领域,更具体地,涉及一种数控机床的健康监测方法,可用于实时监测并显示数控机床的健康状态。
背景技术
机床的可靠性、故障诊断与预测、性能评估和维修保障等问题得到国内外学者的广泛关注。为保证数控机床安全可靠地运行,尽量减少故障停机时间及延长机床的工作周期,国内外对机床故障诊断方法进行了很多研究,数控设备的维修也经历了事后维修、定期维护到状态维修等多个发展方向。事后维修不仅对机床本身损害比较大,同时会对企业造成损失甚至威胁工人的人身安全;定期维护成本较高,并且不容易控制维护周期。故障***、快速解决已成为企业发展的当务之急。然而,针对数控机床的机械部件,尤其是运动部件的故障预测及健康管理技术研究较少,并不能满足当今生产企业的巨大需求。机床出厂质量检测仅停留在面向加工效果,凭工人经验判断合格与否,判断误差率较高,且无法长期作出实时判断;另外,机床的健康状态往往无法直观展现,机床与人之间的互动性差。
尽管公开号为CN104808585A的中国专利提供一种基于HNC-8型数控***的机床健康状态快速检查方法,其将数据采集和分析、评价环节集成到数控***之中,可实现健康状态在线检查,但该检查方法运行的G代码是根据待加工零件决定,代码可移植性受限,不能根据机床类型灵活变化,因此不能为机床的自检提供运行规程。并且该方法是把采集的数据与机床内置标准数据进行对比,如果没有配置标准数据则无法对机床进行健康评估。另外,该方法只能将单台机床的健康检查结果作为历史数据绘制健康曲线,以反映机床的健康状态变化,并不能站在机床集群的高度对整个车间的机床健康状态进行可视化。
发明内容
针对现有技术的以上缺陷或改进需求,本发明的目的在于提供一种数控机床的健康监测方法,其中通过对其关键数控机床健康指数的计算依据、健康指数的计算方法、以及健康指数的显示方式等进行改进,与现有技术相比能够有效解决数控机床健康状态判断不及时、不准确的问题,并且得出的数控机床的健康指数是通过可视化显示,提高了机床与人的交互效果。
为实现上述目的,按照本发明的一个方面,提供了一种数控机床的健康监测方法,其特征在于,包括以下步骤:
(1)运行自检G指令,并采集运行状态数据:
所述运行状态数据为进给轴负载电流、进给轴位置、进给轴速度、进给轴加速度、进给轴振动信号,主轴负载电流、主轴功率、主轴速度、主轴振动信号,以及刀库I/O信号中的至少一种;
(2)将采集得到的所述运行状态数据与所述步骤(1)中的自检G指令之间建立映射关系,形成指令域映射集;
(3)将所述步骤(2)得到的指令域映射集根据所述步骤(1)中的自检G指令进行划分,提取目标自检G指令下的指令域映射,得出所述目标自检G指令下的运行状态数据,并根据所述目标自检G指令下的运行状态数据计算出所述目标自检G指令下的运行状态数据的实际特征值;接着,将所述实际特征值与标准运行状态数据对应的标准特征值进行对比计算,得出该数控机床的进给轴、主轴、刀库或整机的健康指数;所述标准运行状态数据与所述目标自检G指令下的运行状态数据两者的数据种类相同。
作为本发明的进一步优选,
当所述步骤(3)中所述目标自检G指令下的运行状态数据为进给轴负载电流或主轴负载电流时,所述实际特征值为所述进给轴负载电流或所述主轴负载电流经过上下包络线提取和二项式拟合处理后得到的电流波动、电流平均值、二项式系数和置信度,所述标准特征值为标准电流波动、标准电流平均值、标准二项式系数和标准置信度;
当所述步骤(3)中所述目标自检G指令下的运行状态数据为主轴速度时,所述实际特征值为主轴升速时间和主轴降速时间,所述标准特征值为标准主轴升速时间和标准主轴降速时间;
当所述步骤(3)中所述目标自检G指令下的运行状态数据为刀库I/O信号时,所述实际特征值为刀库换刀时间,所述标准特征值为标准刀库换刀时间。
作为本发明的进一步优选,所述步骤(3)中得出的所述数控机床的进给轴、主轴、刀库或整机的健康指数还被显示。
作为本发明的进一步优选,所述步骤(3)中得出的所述数控机床的进给轴、主轴、刀库或整机的健康指数以分色图或者雷达图显示,其中,
所述分色图用于显示所述数控机床的健康指数随时间的变化情况,该分色图包括至少两个区域,这两个区域分别为健康区域和非健康区域,所述健康区域和所述非健康区域以不同颜色区分;
所述雷达图用于分别显示该数控机床进给轴的健康状态、该数控机床主轴的健康状态或该数控机床刀库的健康状态。
作为本发明的进一步优选,所述数控机床为数控车床、数控铣床或数控加工中心,其中,
当所述数控机床为数控车床时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间;
当所述数控机床为数控铣床时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间;
当所述数控机床为数控加工中心时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间,以及刀库换刀动作。
作为本发明的进一步优选,所述步骤(3)中所述数控机床的整机的健康指数为该数控机床的进给轴的健康指数与该数控机床的主轴的健康指数的平均值;或者,所述步骤(3)中所述数控机床的整机的健康指数为该数控机床的进给轴的健康指数、该数控机床的主轴的健康指数与该数控机床的刀库的健康指数的平均值。
通过本发明所构思的以上技术方案,能够取得以下有益效果:
1.通过使数控机床运行特定的自检G代码(即自检G指令),可以实现机床全面、方便的检查,为机床的自检提供运行规程;
2.机床自检G代码与运行状态实时大数据的映射,一方面可以明确运行状态数据的运行过程,另一方面在进行数据比较时更加科学合理;
3.通过机床指令域波形图的横向比较,实现机床集群健康状态的监控;通过机床指令域波形图的纵向比较,实现机床健康状态的跟踪。横向比较是指将计算得到的某一数控机床的健康指数与该数控机床所属的数控机床集群内的其它数控机床的健康指数进行比较,从而判断该数控机床集群整体的健康状况,形成例如对车间所有机床的健康状况整体的认知。纵向比较是指将计算得到的某一数控机床的健康指数与该数控机床的历史健康指数进行比较,更加直观地反映机床健康状态的变化趋势。
本发明中的数控机床的健康监测方法,是一整套基于实时大数据的数字化可视化的机床健康状态检测方法,是套行之有效的数控机床健康监测方法,能够实时直观地了解机床健康状态并提前锁定故障部位,满足当今数控机床健康状态监测的需求。本发明通过在数控机床上运行自检G指令,采集数控机床的实时大数据,形成指令域波形图,从中获取可反映机床装配质量、电机质量、伺服调整匹配度的特征参数,并对机床综合健康指数进行可视化显示。
本发明将采集得到的运行状态数据与自检G指令之间建立映射关系,形成指令域映射集,使得运行状态数据的对比更加合理;由于对于特定的某一台数控机床,工作任务数据(即自检G指令)是固定的,因此可以通过运行状态数据的分析,直接判断数控机床的状态,亦即对数控机床进行健康评估。本发明中的横向比较是对机床集群内部每台机床的数据进行对比,可快速定位健康状态欠佳的机床;纵向比较是对单台机床历史数据的对比,更加直观地反映机床健康状态的变化趋势。本发明得出的数控机床的健康指数优选以分色图或雷达图的方式显示,分色图是机床健康值在时域上的显示,例如,可以恰当地选取健康值阈值,将区间划分为红黄绿三个区域,反映其变动情形及好坏趋势;雷达图则是针对于主轴、进给轴、刀库等部件的健康状态,各部件健康状态优中差一目了然。
此外,本发明中的数控机床的健康监测方法是基于开放式数控***,可以相应的配合开放式数控***的改造原理,应用到各类数控***中,只要改造后的数控***能够实现指令域与运行状态数据的映射,能够获取该数控***内部的指令信息即可。
附图说明
图1是本发明方法步骤流程图;
图2是本发明实施例方法中G01指令负载电流处理流程示意图;
图3是本发明实施例方法中工作任务数据与运行状态数据的映射;
图4是本发明实施例方法中机床健康指数的分色图;
图5是本发明实施例方法中机床健康指数的雷达图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
如图1所示,本发明中的数控机床的健康监测方法,包括以下步骤:
步骤一:以数控机床采用立式加工中心为例,运行特定自检G代码(即自检G指令),并采集运行状态数据。
针对于立式加工中心,工作任务数据即自检G指令的内容如下表1、表2、表3所示:
表1针对立式加工中心的进给轴单轴运行参数
项目 | 运行区间 | 运行速度 | 运行次数 |
X轴 | -500-0 | 3000mm/min | 2 |
Y轴 | -100-290 | 3000mm/min | 2 |
Z轴 | -250-40 | 3000mm/min | 2 |
表2针对立式加工中心的双轴圆运动运行参数
项目 | 长短轴 | 速度 | 运行次数 |
XY轴联动 | X长Y短 | 3000mm/min | 1 |
YZ轴联动 | Y长Z短 | 3000mm/min | 1 |
XZ轴联动 | X长Z短 | 3000mm/min | 1 |
表3针对立式加工中心的主轴运行参数
此外,刀库的换刀动作为:从刀位1换到刀位6,再换到刀位1。
运行状态数据的采集主要包括程序行号、位置、速度、负载电流以及刀库的I/O信号。
步骤二:将G代码与G代码运行过程中产生的数据进行映射,形成工作任务数据与运行状态数据的映射关系,形成指令域映射集。在本实施例中,可以以程序行号为横坐标,以运行状态数据(如主轴负载电流)为纵坐标实现运行状态数据与指令域的映射,如图3所示。进一步的,可以通过对主轴负载电流的分析,对数控机床进行健康状态评估。
步骤三:
以指令域分析为基础,将时域信号按照G指令进行划分,并提取相关时域信号的特征值(即,提取目标自检G指令下的指令域映射,得出所述目标自检G指令下的运行状态数据,并根据所述目标自检G指令下的运行状态数据计算出所述目标自检G指令下的运行状态数据的实际特征值),对特征值做相关聚类处理(例如,将实际特征值与标准运行状态数据对应的标准特征值进行比较)和可视化处理,得到数控机床进给轴、主轴和整机的健康指数,并利用时序分析和历史健康数据进行横向、纵向比较,对数控机床的进给轴、主轴和整机的健康状态进行预测。
例如,横向比较是对机床集群内部每台机床的数据进行对比,可快速定位健康状态欠佳的机床;纵向比较是对单台机床历史数据的对比,更加直观地反映机床健康状态的变化趋势。
健康指数的算法步骤可采用如下步骤:
①根据指令行号对时域信号(负载电流/跟随误差/实际速度/实际位置/指令位置)进行划分,赋予时域信号以数控机床运行信息;
②针对划分的时域信号进行特征提取;
对G01的负载电流进行如图5所示,获得特征为二次项系数、拟合置信度、电流平均值、电流波动值;
对G02/G03的位置进行如下处理:构建对应两轴的实际位置和指令位置的合成圆;绘制两个圆的圆测试图。
对M03的实际速度的处理为:计算主轴加速时间;对M05的实际速度的处理为:计算主轴减速时间。
对M06的换刀指令的处理为:计算换刀时间。
③根据不同的G指令,针对于单轴、双轴、主轴、刀库,将实测数据的特征与模板数据的特征进行聚类分析,由聚类分析得到各进给轴、主轴、刀库的健康状态,并进一步根据加权平均的方法计算机床整机的健康指数。
④根据时序分析方法,结合机床历史的健康指数,对数控机床未来的健康状态进行预测分析。
具体来说,本实施例中健康指数的计算步骤可以采用如下步骤:
①特征提取:特征向量为[刀库换刀时间Tc主轴升速时间Tsa主轴降速时间Tsd电流波动Iv电流平均值Im二项式系数A置信度Rs];
②针对上述特征向量中每个特征值进行归一化处理;
③健康基准的建立:29台机床的正常运行时对应特征的平均状态;
基准特征:[刀库换刀时间Tcb主轴升速时间Tsab主轴降速时间Tsdb电流波动Ivb电流平均值Imb二项式系数Ab置信度Rsb];
④健康指数HI的计算:
刀库健康指数HI_Tool:
欧距离计算:eDist=pdist(Tcb,Tc);
健康指数计算:
logsig(n)=1/(1+exp(-n))->HI_Tool=2*logsig(-eDist)=1/(1+exp(-eDist))
X轴健康指数HI_XAxis:
欧氏距离计算:eDist=pdist([Ivb Imb Ab Rsb],[Iv Im A Rs]);
健康指数计算:
logsig(n)=1/(1+exp(-n))->HI_XAxis=2*logsig(-eDist)=1/(1+exp(-eDist))
Y轴健康指数HI_YAxis:
欧氏距离计算:eDist=pdist([Ivb Imb Ab Rsb],[Iv Im A Rs]);
健康指数计算:
logsig(n)=1/(1+exp(-n))->HI_XAxis=2*logsig(-eDist)=1/(1+exp(-eDist))
Z轴健康指数HI_ZAxis:
欧氏距离计算:eDist=pdist([Ivb Imb Ab Rsb],[Iv Im A Rs]);
健康指数计算:
logsig(n)=1/(1+exp(-n))->HI_XAxis=2*logsig(-eDist)=1/(1+exp(-eDist))
主轴健康指数HI_Spdl:
欧氏距离计算:eDist=pdist([Tsab Tsdb],[Tsa Tsd]);
健康指数计算:
logsig(n)=1/(1+exp(-n))->HI_Spdl=2*logsig(-eDist)=1/(1+exp(-eDist))
机床健康指数HI_Machine:
HI_Machine=mean([HI_Tool HI_Spdl HI_Xaxis HI_YAxis HI_ZAxis])
步骤四:
对计算所得数控机床健康指数进行可视化显示。对单台机床历史数据进行纵向比较,综合健康指数的时域分布得到分色图(显示的图形可以为不同颜色的分色图,包括同一基础颜色下的不同颜色深浅度的分色图,如图4所示),各单项指标健康指数的变化趋势形成雷达图(如图5所示)。
上述实施例是针对数控加工中心,除了数控加工中心外,本发明中的数控机床的健康监测保障方法还适用于数控车床和数控铣床,区别在于自检G指令所包含的内容不同:针对于普通车床而言,自检G指令包含了进给轴(X/Z)单轴运行区间、运行速度和运行次数,双轴(XZ)圆运动的半径、圆个数、运行方向和运行速度,主轴的运行速度、运行方向和运行时间;针对于普通铣床而言,自检G指令包含了进给轴(X/Y/Z)单轴运行区间、运行速度和运行次数,双轴(XY/YZ/ZX)圆运动的半径、圆个数、运行方向和运行速度,主轴的运行速度、运行方向和运行时间。数控加工中心的自检G指令是在普通铣床的基础上,添加了刀库的换刀动作。这些自检G指令均为工作任务数据,通过在数控机床上运行特定的自检G代码进行非加工运行,并采集此过程中的运行状态数据,由此来判断数控机床的健康状态。
本发明中的基准特征(即,标准特征值)为预先设定的、健康状态下的数控机床各特征值,例如,可以是该数控机床出厂时健康状态下的特征。本发明中的函数,除特殊说明的外,均保持数学领域的常规定义,可以满足如MATLAB软件中的初始定义。
本领域的技术人员容易理解,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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种数控机床的健康监测方法,其特征在于,包括以下步骤:
(1)运行自检G指令,并采集运行状态数据:
所述运行状态数据为进给轴负载电流、进给轴位置、进给轴速度、进给轴加速度、进给轴振动信号,主轴负载电流、主轴功率、主轴速度、主轴振动信号,以及刀库I/O信号中的至少一种;
(2)将采集得到的所述运行状态数据与所述步骤(1)中的自检G指令之间建立映射关系,形成指令域映射集;
(3)将所述步骤(2)得到的指令域映射集根据所述步骤(1)中的自检G指令进行划分,提取目标自检G指令下的指令域映射,得出所述目标自检G指令下的运行状态数据,并根据所述目标自检G指令下的运行状态数据计算出所述目标自检G指令下的运行状态数据的实际特征值;接着,将所述实际特征值与标准运行状态数据对应的标准特征值进行对比计算,得出该数控机床的进给轴、主轴、刀库或整机的健康指数;所述标准运行状态数据与所述目标自检G指令下的运行状态数据两者的数据种类相同。
2.如权利要求1所述数控机床的健康监测方法,其特征在于,
当所述步骤(3)中所述目标自检G指令下的运行状态数据为进给轴负载电流或主轴负载电流时,所述实际特征值为所述进给轴负载电流或所述主轴负载电流经过上下包络线提取和二项式拟合处理后得到的电流波动、电流平均值、二项式系数和置信度,所述标准特征值为标准电流波动、标准电流平均值、标准二项式系数和标准置信度;
当所述步骤(3)中所述目标自检G指令下的运行状态数据为主轴速度时,所述实际特征值为主轴升速时间和主轴降速时间,所述标准特征值为标准主轴升速时间和标准主轴降速时间;
当所述步骤(3)中所述目标自检G指令下的运行状态数据为刀库I/O信号时,所述实际特征值为刀库换刀时间,所述标准特征值为标准刀库换刀时间。
3.如权利要求1所述数控机床的健康监测方法,其特征在于,所述步骤(3)中得出的所述数控机床的进给轴、主轴、刀库或整机的健康指数还被显示。
4.如权利要求3所述数控机床的健康监测方法,其特征在于,所述步骤(3)中得出的所述数控机床的进给轴、主轴、刀库或整机的健康指数以分色图或者雷达图显示,其中,
所述分色图用于显示所述数控机床的健康指数随时间的变化情况,该分色图包括至少两个区域,这两个区域分别为健康区域和非健康区域,所述健康区域和所述非健康区域以不同颜色区分;
所述雷达图用于分别显示该数控机床进给轴的健康状态、该数控机床主轴的健康状态或该数控机床刀库的健康状态。
5.如权利要求1-4任意一项所述数控机床的健康监测方法,其特征在于,所述数控机床为数控车床、数控铣床或数控加工中心,其中,
当所述数控机床为数控车床时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间;
当所述数控机床为数控铣床时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间;
当所述数控机床为数控加工中心时,所述步骤(1)中的自检G指令包括进给轴单轴运行区间、进给轴运行速度、进给轴运行次数,双轴联动作圆运动的半径、该双轴联动圆运动的圆个数、该双轴联动的运行方向、该双轴联动的运行速度,主轴运行速度、主轴运行方向和主轴运行时间,以及刀库换刀动作。
6.如权利要求1-5任意一项所述数控机床的健康监测方法,其特征在于,所述步骤(3)中所述数控机床的整机的健康指数为该数控机床的进给轴的健康指数与该数控机床的主轴的健康指数的平均值;或者,所述步骤(3)中所述数控机床的整机的健康指数为该数控机床的进给轴的健康指数、该数控机床的主轴的健康指数与该数控机床的刀库的健康指数的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610486884.5A CN105974886B (zh) | 2016-06-28 | 2016-06-28 | 一种数控机床的健康监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610486884.5A CN105974886B (zh) | 2016-06-28 | 2016-06-28 | 一种数控机床的健康监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105974886A true CN105974886A (zh) | 2016-09-28 |
CN105974886B CN105974886B (zh) | 2018-09-21 |
Family
ID=57020114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610486884.5A Active CN105974886B (zh) | 2016-06-28 | 2016-06-28 | 一种数控机床的健康监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105974886B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952028A (zh) * | 2017-03-13 | 2017-07-14 | 杭州安脉盛智能技术有限公司 | 机电装备故障预诊与健康管理方法及*** |
CN107885164A (zh) * | 2016-11-15 | 2018-04-06 | 华中科技大学 | 刀库性能评估方法 |
CN107942940A (zh) * | 2016-10-28 | 2018-04-20 | 华中科技大学 | 一种基于指令域分析的数控机床的进给轴装配故障的检测方法和装置 |
CN107957709A (zh) * | 2016-10-18 | 2018-04-24 | 发那科株式会社 | 信息处理装置 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台*** |
CN108445835A (zh) * | 2018-04-24 | 2018-08-24 | 华中科技大学 | 一种数控机床的零件加工尺寸预测方法 |
CN108490879A (zh) * | 2018-04-24 | 2018-09-04 | 湖北文理学院 | 一种基于近似熵的数控机床丝杠健康状态评估方法 |
CN109542045A (zh) * | 2018-12-21 | 2019-03-29 | 机械工业仪器仪表综合技术经济研究所 | 数控机床预测性维护标准测试床及操作方法 |
CN109581087A (zh) * | 2017-09-27 | 2019-04-05 | 上海铼钠克数控科技股份有限公司 | 机床导轨性能检测方法和*** |
CN109623489A (zh) * | 2018-12-10 | 2019-04-16 | 华中科技大学 | 一种改进的机床健康状态评定方法及数控机床 |
CN109828512A (zh) * | 2017-11-20 | 2019-05-31 | 财团法人资讯工业策进会 | 机台诊断方法及其*** |
CN110134069A (zh) * | 2019-05-08 | 2019-08-16 | 江苏金利宝电子科技有限公司 | 数控机床自诊断方法及*** |
CN110480418A (zh) * | 2019-07-26 | 2019-11-22 | 江苏杉能机床有限公司 | 一种卧式加工中心非标切削机床早期故障检测方法 |
CN110837247A (zh) * | 2018-08-17 | 2020-02-25 | 智能云科信息科技有限公司 | 基于机床数据的机床性能测评方法、***、综合***、云平台 |
CN110837248A (zh) * | 2018-08-17 | 2020-02-25 | 沈机(上海)智能***研发设计有限公司 | 机床健康度测评方法、***、综合***及数控机床 |
CN111061148A (zh) * | 2018-10-17 | 2020-04-24 | 帆宣***科技股份有限公司 | 智能型预诊断和健康管理***与方法 |
CN111461568A (zh) * | 2020-04-14 | 2020-07-28 | 西安热工研究院有限公司 | 一种露天矿卡车性能评价方法 |
CN111625907A (zh) * | 2019-06-25 | 2020-09-04 | 东莞先知大数据有限公司 | 一种数控机床主轴健康程度量化评价方法 |
IT201900004617A1 (it) * | 2019-03-27 | 2020-09-27 | Milano Politecnico | Apparato di monitoraggio per identificazione di anomalie e percorsi di degrado in una macchina utensile |
CN112034789A (zh) * | 2020-08-25 | 2020-12-04 | 国家机床质量监督检验中心 | 一种数控机床关键部件及整机的健康评估方法,***及评估终端机 |
CN112536643A (zh) * | 2019-09-23 | 2021-03-23 | 富鼎电子科技(嘉善)有限公司 | 机台健康监测方法、装置及计算机可读存储介质 |
IT201900020168A1 (it) * | 2019-10-31 | 2021-05-01 | Silca Spa | Metodo per definire l’usura della fresa in una macchina duplicatrice di chiavi. |
CN112859741A (zh) * | 2020-12-31 | 2021-05-28 | 上海交通大学 | 一种机床顺序动作单元运行可靠性评价方法及*** |
CN113031521A (zh) * | 2021-03-08 | 2021-06-25 | 西门子工厂自动化工程有限公司 | 数控机床的刀具监控***和方法 |
CN113189936A (zh) * | 2021-04-02 | 2021-07-30 | 廊坊精雕数控机床制造有限公司 | 一种机床基础运动状态的可视化评估方法和装置 |
CN113238528A (zh) * | 2021-05-31 | 2021-08-10 | 华中科技大学 | 一种机床健康状态实时评价方法及*** |
CN114063566A (zh) * | 2020-08-03 | 2022-02-18 | 沈机(上海)智能***研发设计有限公司 | 数控机床的进给轴故障检测方法、***、介质及数控机床 |
CN114326594A (zh) * | 2021-12-30 | 2022-04-12 | 苏州科腾软件开发有限公司 | 一种基于机床数据的机床性能测评的***及其测评方法 |
WO2022126678A1 (zh) * | 2020-12-17 | 2022-06-23 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN115685879A (zh) * | 2023-01-05 | 2023-02-03 | 广东美的制冷设备有限公司 | 机床状态调整方法、装置、设备、机床、介质及程序产品 |
US11644812B2 (en) | 2020-12-09 | 2023-05-09 | Aktiebolaget Skf | Machine tool management method, machine tool management system and medium |
CN116643536A (zh) * | 2023-07-27 | 2023-08-25 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009080591A (ja) * | 2007-09-26 | 2009-04-16 | Brother Ind Ltd | 数値制御装置、制御プログラム及び記録媒体 |
CN102023615A (zh) * | 2010-10-25 | 2011-04-20 | 武汉华中数控股份有限公司 | 一种基于指令序列的数控机床加工状态信息显示方法 |
US20130325147A1 (en) * | 2012-06-01 | 2013-12-05 | Sap Ag | Method and System for Complex Smart Grid Infrastructure Assessment |
CN104698978A (zh) * | 2015-03-17 | 2015-06-10 | 华中科技大学 | 一种基于虚拟化技术的数控***远程监控及调试方法 |
CN104808585A (zh) * | 2015-04-13 | 2015-07-29 | 华中科技大学 | 一种机床健康状态快速检查方法 |
CN104932421A (zh) * | 2015-06-19 | 2015-09-23 | 华中科技大学 | 一种基于指令域分析的数控机床工作过程cps建模方法 |
-
2016
- 2016-06-28 CN CN201610486884.5A patent/CN105974886B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009080591A (ja) * | 2007-09-26 | 2009-04-16 | Brother Ind Ltd | 数値制御装置、制御プログラム及び記録媒体 |
CN102023615A (zh) * | 2010-10-25 | 2011-04-20 | 武汉华中数控股份有限公司 | 一种基于指令序列的数控机床加工状态信息显示方法 |
US20130325147A1 (en) * | 2012-06-01 | 2013-12-05 | Sap Ag | Method and System for Complex Smart Grid Infrastructure Assessment |
CN104698978A (zh) * | 2015-03-17 | 2015-06-10 | 华中科技大学 | 一种基于虚拟化技术的数控***远程监控及调试方法 |
CN104808585A (zh) * | 2015-04-13 | 2015-07-29 | 华中科技大学 | 一种机床健康状态快速检查方法 |
CN104932421A (zh) * | 2015-06-19 | 2015-09-23 | 华中科技大学 | 一种基于指令域分析的数控机床工作过程cps建模方法 |
Non-Patent Citations (3)
Title |
---|
JIAFU WAN等: "From machine-to-machine communications towards cyber-physical systems", 《COMPUTER SCIENCE AND INFORMATION SYSTEMS》 * |
郑淑芝 等: "《数控原理与编程》", 31 August 2012, 上海科学技术出版社 * |
陈吉红 等: "基于指令域电控数据分析的数控机床工作过程CPS建模及应用", 《ENGINEERING》 * |
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107957709A (zh) * | 2016-10-18 | 2018-04-24 | 发那科株式会社 | 信息处理装置 |
CN107957709B (zh) * | 2016-10-18 | 2019-11-08 | 发那科株式会社 | 信息处理装置 |
CN107942940A (zh) * | 2016-10-28 | 2018-04-20 | 华中科技大学 | 一种基于指令域分析的数控机床的进给轴装配故障的检测方法和装置 |
CN107885164A (zh) * | 2016-11-15 | 2018-04-06 | 华中科技大学 | 刀库性能评估方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台*** |
CN106952028A (zh) * | 2017-03-13 | 2017-07-14 | 杭州安脉盛智能技术有限公司 | 机电装备故障预诊与健康管理方法及*** |
CN109581087A (zh) * | 2017-09-27 | 2019-04-05 | 上海铼钠克数控科技股份有限公司 | 机床导轨性能检测方法和*** |
CN109828512A (zh) * | 2017-11-20 | 2019-05-31 | 财团法人资讯工业策进会 | 机台诊断方法及其*** |
CN108445835A (zh) * | 2018-04-24 | 2018-08-24 | 华中科技大学 | 一种数控机床的零件加工尺寸预测方法 |
CN108490879A (zh) * | 2018-04-24 | 2018-09-04 | 湖北文理学院 | 一种基于近似熵的数控机床丝杠健康状态评估方法 |
CN108445835B (zh) * | 2018-04-24 | 2019-11-12 | 华中科技大学 | 一种数控机床的零件加工尺寸预测方法 |
CN110837248B (zh) * | 2018-08-17 | 2023-02-21 | 沈机(上海)智能***研发设计有限公司 | 机床健康度测评方法、***、综合***及数控机床 |
CN110837247A (zh) * | 2018-08-17 | 2020-02-25 | 智能云科信息科技有限公司 | 基于机床数据的机床性能测评方法、***、综合***、云平台 |
CN110837248A (zh) * | 2018-08-17 | 2020-02-25 | 沈机(上海)智能***研发设计有限公司 | 机床健康度测评方法、***、综合***及数控机床 |
CN111061148A (zh) * | 2018-10-17 | 2020-04-24 | 帆宣***科技股份有限公司 | 智能型预诊断和健康管理***与方法 |
CN109623489A (zh) * | 2018-12-10 | 2019-04-16 | 华中科技大学 | 一种改进的机床健康状态评定方法及数控机床 |
CN109623489B (zh) * | 2018-12-10 | 2020-05-19 | 华中科技大学 | 一种改进的机床健康状态评定方法及数控机床 |
CN109542045A (zh) * | 2018-12-21 | 2019-03-29 | 机械工业仪器仪表综合技术经济研究所 | 数控机床预测性维护标准测试床及操作方法 |
IT201900004617A1 (it) * | 2019-03-27 | 2020-09-27 | Milano Politecnico | Apparato di monitoraggio per identificazione di anomalie e percorsi di degrado in una macchina utensile |
WO2020193469A1 (en) * | 2019-03-27 | 2020-10-01 | Politecnico Di Milano | Monitoring apparatus for the identification of anomalies and degradation paths in a machine tool |
CN110134069A (zh) * | 2019-05-08 | 2019-08-16 | 江苏金利宝电子科技有限公司 | 数控机床自诊断方法及*** |
CN110134069B (zh) * | 2019-05-08 | 2022-05-31 | 江苏金利宝电子科技有限公司 | 数控机床自诊断方法及*** |
CN111625907B (zh) * | 2019-06-25 | 2023-06-16 | 东莞先知大数据有限公司 | 一种数控机床主轴健康程度量化评价方法 |
CN111625907A (zh) * | 2019-06-25 | 2020-09-04 | 东莞先知大数据有限公司 | 一种数控机床主轴健康程度量化评价方法 |
CN110480418A (zh) * | 2019-07-26 | 2019-11-22 | 江苏杉能机床有限公司 | 一种卧式加工中心非标切削机床早期故障检测方法 |
CN112536643A (zh) * | 2019-09-23 | 2021-03-23 | 富鼎电子科技(嘉善)有限公司 | 机台健康监测方法、装置及计算机可读存储介质 |
CN112536643B (zh) * | 2019-09-23 | 2023-01-24 | 富鼎电子科技(嘉善)有限公司 | 机台健康监测方法、装置及计算机可读存储介质 |
IT201900020168A1 (it) * | 2019-10-31 | 2021-05-01 | Silca Spa | Metodo per definire l’usura della fresa in una macchina duplicatrice di chiavi. |
WO2021084487A1 (en) * | 2019-10-31 | 2021-05-06 | Silca S.P.A. | Method for detecting the wear of a milling cutter of a key- duplicating machine. |
CN111461568B (zh) * | 2020-04-14 | 2023-05-02 | 西安热工研究院有限公司 | 一种露天矿卡车性能评价方法 |
CN111461568A (zh) * | 2020-04-14 | 2020-07-28 | 西安热工研究院有限公司 | 一种露天矿卡车性能评价方法 |
CN114063566A (zh) * | 2020-08-03 | 2022-02-18 | 沈机(上海)智能***研发设计有限公司 | 数控机床的进给轴故障检测方法、***、介质及数控机床 |
CN114063566B (zh) * | 2020-08-03 | 2024-04-12 | 沈机(上海)智能***研发设计有限公司 | 数控机床的进给轴故障检测方法、***、介质及数控机床 |
CN112034789A (zh) * | 2020-08-25 | 2020-12-04 | 国家机床质量监督检验中心 | 一种数控机床关键部件及整机的健康评估方法,***及评估终端机 |
US11644812B2 (en) | 2020-12-09 | 2023-05-09 | Aktiebolaget Skf | Machine tool management method, machine tool management system and medium |
WO2022126678A1 (zh) * | 2020-12-17 | 2022-06-23 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN112859741A (zh) * | 2020-12-31 | 2021-05-28 | 上海交通大学 | 一种机床顺序动作单元运行可靠性评价方法及*** |
CN113031521A (zh) * | 2021-03-08 | 2021-06-25 | 西门子工厂自动化工程有限公司 | 数控机床的刀具监控***和方法 |
CN113189936A (zh) * | 2021-04-02 | 2021-07-30 | 廊坊精雕数控机床制造有限公司 | 一种机床基础运动状态的可视化评估方法和装置 |
CN113238528A (zh) * | 2021-05-31 | 2021-08-10 | 华中科技大学 | 一种机床健康状态实时评价方法及*** |
CN113238528B (zh) * | 2021-05-31 | 2022-08-02 | 华中科技大学 | 一种机床健康状态实时评价方法及*** |
CN114326594A (zh) * | 2021-12-30 | 2022-04-12 | 苏州科腾软件开发有限公司 | 一种基于机床数据的机床性能测评的***及其测评方法 |
CN115685879A (zh) * | 2023-01-05 | 2023-02-03 | 广东美的制冷设备有限公司 | 机床状态调整方法、装置、设备、机床、介质及程序产品 |
CN116643536A (zh) * | 2023-07-27 | 2023-08-25 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
CN116643536B (zh) * | 2023-07-27 | 2023-10-27 | 中科航迈数控软件(深圳)有限公司 | 设备工作状态的监测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105974886B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105974886A (zh) | 一种数控机床的健康监测方法 | |
CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
CN107146004B (zh) | 一种基于数据挖掘的矿渣粉磨***健康状态识别***及方法 | |
CN106323633A (zh) | 一种基于指令域分析的进给轴装配故障的诊断方法 | |
Tansel et al. | Detecting chatter and estimating wear from the torque of end milling signals by using Index Based Reasoner (IBR) | |
CN104646565B (zh) | 一种全自动冲压生产线实时监控*** | |
CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN203894596U (zh) | 数控机床加工状态多参数在线主动监控*** | |
Zhu et al. | A cyber-physical production system framework of smart CNC machining monitoring system | |
CN109186813A (zh) | 一种温度传感器自检装置及方法 | |
CN105204436A (zh) | 基于分级预警的数控机床故障诊断方法 | |
CN103823409A (zh) | 数控机床加工状态多参数在线主动监控***及其实现方法 | |
CN107122830A (zh) | 分析设备和分析*** | |
KR102626984B1 (ko) | 관리 장치 및 관리 시스템 | |
CN102929210A (zh) | 基于特征的数控加工过程控制和优化***及方法 | |
CN110837248B (zh) | 机床健康度测评方法、***、综合***及数控机床 | |
CN112257767B (zh) | 针对类不均衡数据的产品关键零部件状态分类方法 | |
Zhou et al. | Integrated condition monitoring and fault diagnosis for modern manufacturing systems | |
CN114800040B (zh) | 工艺-状态数据关联的刀具磨损监测方法及*** | |
CN105978145B (zh) | 智能变电站二次***信息融合*** | |
CN106610626B (zh) | 诊断装置及诊断方法 | |
CN113126563A (zh) | 数控机床数据管理***及方法 | |
Kang et al. | An integrated energy data analytics approach for machine tools | |
CN114184881B (zh) | 一种基于拓扑模型追踪分析故障事件定位方法 | |
CN105632114A (zh) | 基于gis技术的监测测点安全状态监控的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |