CN106528723A - 基于故障树的数控机床故障消除方案判别指示方法 - Google Patents
基于故障树的数控机床故障消除方案判别指示方法 Download PDFInfo
- Publication number
- CN106528723A CN106528723A CN201610956096.8A CN201610956096A CN106528723A CN 106528723 A CN106528723 A CN 106528723A CN 201610956096 A CN201610956096 A CN 201610956096A CN 106528723 A CN106528723 A CN 106528723A
- Authority
- CN
- China
- Prior art keywords
- fault
- failure
- machine tool
- control machine
- node
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于故障树的数控机床故障消除方案判别指示方法,其通过对录入的用以描述故障现象的目标字符串进行故障状态描述词的提取以从故障树中查找潜在目标故障事件节点,再根据各个潜在故障底事件节点对应的各项故障监测指标参数与输入的数控机床的各项当前运行状态参数进行对比,得到异常的运行状态参数所对应的潜在故障底事件节点判定为确认故障底事件节点,从根据故障类别上的对应关系提取到确认故障底事件节点相应故障类别的故障消除方案文本用以指示,提高了对故障类别识别的效率,同时又保证了对故障类别可能性识别的全面性以及确认故障类别的准确性,能够用以辅助提升对数控机床加以现场维修或远程维修协助的便利性。
Description
技术领域
本发明属于机械故障诊断和计算机智能识别技术领域,尤其涉及一种基于故障树的数控机床故障消除方案判别指示方法。
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***的自动化机床。该控制***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。数控机床较好地解决了复杂、精密、小批量、多品种的零件加工问题,是一种柔性的、高效能的自动化机床,代表了现代机床控制技术的发展方向,是一种典型的机电一体化产品。
在数控机床的使用过程中,用户最关心的是在设备出现故障征兆信号时如何提前进行诊断以及在发生故障之后如何及时进行维修等。但是,当前数控机床在我国的应用与维护现状还不容乐观,主要表现在如下几个方面:
(1)数控机床的数量庞大,品种繁多,设备维护和维修的工作量大;
(2)数控机床集机、电、液、气于一体,技术含量高,一旦发生故障,数控机床用户凭借自身的技术力量很难解决其所有问题。
(3)对数控机床的诊断很大程度上依赖于维修人员的经验知识,而这些经验知识一般只存在于维修人员的大脑里,不利于诊断知识的共享,同时它也成为制约维修维护水平进一步提高的瓶颈。
目前数控机床的维护仍然采用传统的方式,即一旦数控机床发生故障,必须依赖于有丰富经验的工程师上门维修,或者是数控机床的集成厂家委派人员提供技术维修的支持。这样,一方面数控机床生产厂家的售后服务人员疲于奔命,另一方面,也延长了故障修复的等待时间,延误了数控机床的加工生产。
故怎样实现对数控机床故障的准确识别并提供故障消除的建议,从而尽快的协助数控机床用户和维修人员消除数控机床故障,成为了本领域有待解决的问题。
发明内容
针对现有技术中存在的上述问题,本发明提供了一种基于故障树的数控机床故障消除方案判别指示方法,使得数控机床诊断软件能快速、准确的识别出故障原因,以便于匹配数据库中相对应的已编写完成的故障消除建议文本,得出数控机床的故障消除方案。
为实现上述目的,本发明采用了如下技术手段:
基于故障树的数控机床故障消除方案判别指示方法,预先建立数控机床的故障树信息知识库、指标参数标准数据库和故障消除方案数据库;所述故障树信息知识库中存储有数控机床的故障树,所述故障树用于记录数控机床中各个功能***的***级、子***级、模块级和零部件级中各种不同故障类别的故障事件节点以及不同故障事件节点之间的故障逻辑因果关系,且针对每个故障事件节点对应存储有相应故障事件的故障状态描述词,并建立有各不同故障事件节点之间的故障逻辑因果关系;所述指标参数标准数据库记录有故障树中各故障事件节点所对应的各种机床运行状态参数作为故障监测指标参数,且记录有各项故障监测指标参数在数控机床正常运行状态下的正常状态范围值;所述故障消除方案数据库存储有数控机床各不同故障类别各自所对应的故障消除方案文本,每个故障消除方案文本用以表述其相应故障类别的故障消除方案;
然后,按如下步骤执行对数控机床故障消除方案的判别指示:
A)提供故障现象描述录入操作和数控机床运行状态参数输入操作,将录入的故障现象描述文本字符串作为故障识别的目标字符串,将输入的各项数控机床运行状态参数作为数控机床的当前运行状态参数;
B)调取故障树信息知识库中存储的各个故障状态描述词,分别与目标字符串进行对比匹配,从而提取得到与目标字符串相匹配的各个故障状态描述词,并确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点;
C)根据故障树信息知识库中记录的故障树及其各不同故障事件节点之间的故障逻辑因果关系,查找出确定的各目标故障事件节点所对应的所有底事件节点,判定为潜在故障底事件节点;
D)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数,并从指标参数标准数据库读取各所述潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数项所对应的各个潜在故障底事件节点判定为确认故障底事件节点;
E)根据各个确认故障底事件节点各自所属的故障类别,从故障消除方案数据库中分别调取各个相应故障类别的故障消除方案文本,用以进行数控机床故障消除方案的指示。
上述基于故障树的数控机床故障消除方案判别指示方法中,作为优选的具体方案,所述步骤B)具体为:
b1)令计数符i=1,令备选关键词向量将目标字符串赋值给字符串向量tg,且调取故障树信息知识库中存储的各个故障状态描述词赋值给基础词汇向量t0,使得故障树信息知识库中的每个故障状态描述词作为所述基础词汇向量t0中的一个元素;
b2)取基础词汇向量t0中第i个元素t0(i)与当前的字符串向量tg进行对比匹配;若元素t0(i)包含在当前的字符串向量tg中,则执行步骤b3);否则,直接执行步骤b4);
b3)将元素t0(i)表示的故障状态描述词添加到备选关键词向量ts中,并从当前的字符串向量tg中剔除元素t0(i)所表示的故障状态描述词,形成新的字符串向量tg,然后执行步骤b4);
b4)判断当前的字符串向量tg所包换的字符数是否已小于预设定字符数下限阈值k;若是,则直接执行步骤b7);否则,执行步骤b5);
b5)判断当前计数符i的值是否已达到基础词汇向量t0中所包含元素数量的上限值;若是,则直接执行步骤b7);否则,执行步骤b6);
b6)令计数符i的值自加1,然后返回步骤b2);
b7)计算当前的备选关键词向量ts与目标字符串的识别度Kt:
Kt=Ks/Ktg;
其中,Ks表示当前的备选关键词向量ts与目标字符串中相同字符的个数,Ktg表示目标字符串中的字符个数;然后判断所述识别度Kt的值是否大于预设定的识别度阈值K0;若是,则执行步骤b9);否则,执行步骤b8);
b8)根据预设定的顺序调整规则调整基础词汇向量t0中元素的排列顺序,令计数符i=1,令备选关键词向量重新将目标字符串赋值给字符串向量tg,然后返回执行步骤b2);
b9)将当前的备选关键词向量ts中的各个故障状态描述词判定为与目标字符串相匹配的故障状态描述词,确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
上述基于故障树的数控机床故障消除方案判别指示方法中,作为优选方案,所述步骤b7)中,识别度阈值K0的取值为0.5~0.6。
上述基于故障树的数控机床故障消除方案判别指示方法中,作为优选方案,所述步骤b8)中,预设定的顺序调整规则采用随机调换顺序的调整规则。
上述基于故障树的数控机床故障消除方案判别指示方法中,作为优选的具体方案,所述步骤D)具体为:
d1)将各个潜在故障底事件节点赋值给潜在故障底事件矩阵T,使得每个潜在故障底事件节点作为所述潜在故障底事件矩阵T中的一个元素;
d2)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数;
d3)从指标参数标准数据库读取各潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数组合构成确认故障监测指标参数集合;
d4)根据指标参数标准数据库的记录,确认各个潜在故障底事件节点各自所对应的故障监测指标参数,并遍历潜在故障底事件矩阵T中所有元素,将故障描述矩阵T中不与确认故障监测指标参数集合中任何潜在故障监测指标参数相对应的各个元素剔除,从而得到确认故障底事件矩阵T';
d5)将确认故障底事件矩阵T'中的各个潜在故障底事件节点判定为确认故障底事件节点。
上述基于故障树的数控机床故障消除方案判别指示方法中,作为进一步的改进方案,所述步骤E)中,还根据当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数,利用D-S证据理论对各个确认故障底事件节点进行概率分析,得到各确认故障底事件节点的概率值;在进行数控机床故障消除方案的指示时,对故障消除方案文本所属故障类别对应的确认故障底事件节点的概率值作为故障消除方案文本的推荐概率值一并加以指示,或者根据确认故障底事件节点的概率值的高低顺序对指示的相应故障类别的故障消除方案文本进行排序。
相比于现有技术,本发明具有如下有益效果:
1、本发明的基于故障树的数控机床故障消除方案判别指示方法中,在根据目标字符串提取目标故障事件节点时,本发明方法采用了循环对比匹配目标字符串中包含的各个故障状态描述词的方式,把句与句的相互匹配转换成词与词的相互匹配,并满足最大相似度的原则,然后根据相匹配的各个故障状态描述词确认各目标故障事件节点,能够提高目标故障事件节点提取的准确性和全面性。
2、本发明的基于故障树的数控机床故障消除方案判别指示方法中,利用确认得到的各目标故障事件节点所对应的所有底事件节点判定为潜在故障底事件节点,作为后续对故障类别的识别基础,剔除了非相关的故障事件节点对故障类别识别的干扰,提高了对故障类别识别的效率,同时又保证了对故障类别可能性识别的全面性。
3、本发明的基于故障树的数控机床故障消除方案判别指示方法中,还根据各个潜在故障底事件节点对应的各项故障监测指标参数与输入的数控机床的各项当前运行状态参数进行对比,排除了运行状态参数在正常状态范围值以内的相关潜在故障底事件节点,得到异常的运行状态参数所对应的潜在故障底事件节点判定为确认故障底事件节点,确保了对故障类别识别的准确性。
4、本发明的基于故障树的数控机床故障消除方案判别指示方法利用故障消除方案数据库中存储的故障类别描述文本与确认故障底事件节点在故障类别上的对应关系,可以根据确认故障底事件节点而提取到相应故障类别的故障消除方案文本用以指示,方便给数控机床用户或维修人员相应的故障消除建议,提升对数控机床加以现场维修或远程维修协助的便利性。
附图说明
图1为本发明基于故障树的数控机床故障消除方案判别指示方法的流程框图。
图2为本发明基于故障树的数控机床故障消除方案判别指示方法中步骤B)的一种具体实施流程图。
图3为本发明基于故障树的数控机床故障消除方案判别指示方法中步骤D)的一种具体实施流程图。
具体实施方式
本发明提出了一种基于故障树的数控机床故障消除方案判别指示方法,该方法特别适合用于排除机床故障的远程诊断***软件,用以针对数控机床的不同故障情况进行故障类型的判别并指示出故障消除方案,以协助机床用户尽快的排除机床故障,缩短因设备故障而造成设备停机的时间,减少损失,同时对于数控机床维护厂家而言也能够用以降低售后技术支持的难度和维护成本,提升数控机床产品的市场竞争力。
本发明的基于故障树的数控机床故障消除方案判别指示方法,需要预先建立数控机床的故障树信息知识库、指标参数标准数据库和故障消除方案数据库;在故障树信息知识库中存储有数控机床的故障树,所述故障树用于记录数控机床中各个功能***的***级、子***级、模块级和零部件级中各种不同故障类别的故障事件节点以及不同故障事件节点之间的故障逻辑因果关系,且针对每个故障事件节点对应存储有相应故障事件的故障状态描述词,并建立有各不同故障事件节点之间的故障逻辑因果关系;在指标参数标准数据库记录有故障树中各故障事件节点所对应的各种机床运行状态参数作为故障监测指标参数,且记录有各项故障监测指标参数在数控机床正常运行状态下的正常状态范围值;在故障消除方案数据库存储有数控机床各不同故障类别各自所对应的故障消除方案文本,每个故障消除方案文本用以表述其相应故障类别的故障消除方案。而后,则可以按照如图1所示的步骤流程执行对数控机床故障消除方案的判别指示:
A)提供故障现象描述录入操作和数控机床运行状态参数输入操作,将录入的故障现象描述文本字符串作为故障识别的目标字符串,将输入的各项数控机床运行状态参数作为数控机床的当前运行状态参数。
该步骤中所提供的故障现象描述录入操作,可以采用提供文字录入的形式,也可以采用提供语音录入转换为文字信息的录入形式,只要是现有技术中能够提供录入并且能够转换得到故障现象描述文本字符串的故障现象描述录入操作形式即可;而该步骤中提供的数控机床运行状态参数输入操作,可以采用文字和数据录入的形式,也可以采用数据传输线缆直接传输输入的形式,只要是现有技术中能够提供输入而得到各项数控机床运行状态参数的数控机床运行状态参数输入操作即可。
B)调取故障树信息知识库中存储的各个故障状态描述词,分别与目标字符串进行对比匹配,从而提取得到与目标字符串相匹配的各个故障状态描述词,并确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
该步骤的具体流程如图2所示:
b1)令计数符i=1,令备选关键词向量将目标字符串赋值给字符串向量tg,且调取故障树信息知识库中存储的各个故障状态描述词赋值给基础词汇向量t0,使得故障树信息知识库中的每个故障状态描述词作为所述基础词汇向量t0中的一个元素;
b2)取基础词汇向量t0中第i个元素t0(i)与当前的字符串向量tg进行对比匹配;若元素t0(i)包含在当前的字符串向量tg中,则执行步骤b3);否则,直接执行步骤b4);
b3)将元素t0(i)表示的故障状态描述词添加到备选关键词向量ts中,并从当前的字符串向量tg中剔除元素t0(i)所表示的故障状态描述词,形成新的字符串向量tg,然后执行步骤b4);
b4)判断当前的字符串向量tg所包换的字符数是否已小于预设定字符数下限阈值k;若是,则直接执行步骤b7);否则,执行步骤b5);
b5)判断当前计数符i的值是否已达到基础词汇向量t0中所包含元素数量的上限值;若是,则直接执行步骤b7);否则,执行步骤b6);
b6)令计数符i的值自加1,然后返回步骤b2);
b7)计算当前的备选关键词向量ts与目标字符串的识别度Kt:
Kt=Ks/Ktg;
其中,Ks表示当前的备选关键词向量ts与目标字符串中相同字符的个数,Ktg表示目标字符串中的字符个数;然后判断所述识别度Kt的值是否大于预设定的识别度阈值K0;若是,则执行步骤b9);否则,执行步骤b8);在这里,识别度阈值K0可以优选取值为0.5~0.6;
b8)根据预设定的顺序调整规则调整基础词汇向量t0中元素的排列顺序,令计数符i=1,令备选关键词向量重新将目标字符串赋值给字符串向量tg,然后返回执行步骤b2);在这里,预设定的顺序调整规则采用随机调换顺序的调整规则,当然,也可以采用其它预设定的顺序调整规则;
b9)将当前的备选关键词向量ts中的各个故障状态描述词判定为与目标字符串相匹配的故障状态描述词,确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
可以看到,在根据目标字符串提取目标故障事件节点时,本发明方法采用了循环对比匹配目标字符串中包含的各个故障状态描述词的方式,把句与句的相互匹配转换成词与词的相互匹配,并满足最大相似度的原则,然后根据相匹配的各个故障状态描述词确认各目标故障事件节点,能够提高目标故障事件节点提取的准确性和全面性。
C)根据故障树信息知识库中记录的故障树及其各不同故障事件节点之间的故障逻辑因果关系,查找出确定的各目标故障事件节点所对应的所有底事件节点,判定为潜在故障底事件节点。
底事件是故障树分析中仅导致其他事件的原因事件,找到各目标故障事件节点所对应的所有底事件节点,就找到了所有可能导致故障发生的原因;因此,该步骤利用了从目标字符串中匹配提取得到的各故障状态描述词各自在故障树中所对应的故障事件节点作为目标故障事件节点,并查找出各目标故障事件节点所对应的所有底事件节点判定为潜在故障底事件节点,作为后续对故障类别的识别基础,以在后续步骤处理中进行进一步的确认,由此,剔除了非相关的故障事件节点对故障类别识别的干扰,提高了对故障类别识别的效率,同时又保证了对故障类别可能性识别的全面性。
D)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数,并从指标参数标准数据库读取各所述潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数项所对应的各个潜在故障底事件节点判定为确认故障底事件节点。
该步骤的具体流程如图3所示:
d1)将各个潜在故障底事件节点赋值给潜在故障底事件矩阵T,使得每个潜在故障底事件节点作为所述潜在故障底事件矩阵T中的一个元素;
d2)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数;
d3)从指标参数标准数据库读取各潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数组合构成确认故障监测指标参数集合;
d4)根据指标参数标准数据库的记录,确认各个潜在故障底事件节点各自所对应的故障监测指标参数,并遍历潜在故障底事件矩阵T中所有元素,将故障描述矩阵T中不与确认故障监测指标参数集合中任何潜在故障监测指标参数相对应的各个元素剔除,从而得到确认故障底事件矩阵T';
d5)将确认故障底事件矩阵T'中的各个潜在故障底事件节点判定为确认故障底事件节点。
可以看到,在该步骤中根据各个潜在故障底事件节点对应的各项故障监测指标参数与输入的数控机床的各项当前运行状态参数进行对比,排除了运行状态参数在正常状态范围值以内的相关潜在故障底事件节点,从而得到确认故障底事件节点进行故障类别的识别,确保了对故障类别识别的准确性。
E)根据各个确认故障底事件节点各自所属的故障类别,从故障消除方案数据库中分别调取各个相应故障类别的故障消除方案文本,用以进行数控机床故障消除方案的指示。
利用故障消除方案数据库中存储的故障类别描述文本与确认故障底事件节点在故障类别上的对应关系,可以根据确认故障底事件节点而提取到相应故障类别的故障消除方案文本用以指示,方便给数控机床用户或维修人员相应的故障消除建议,提升对数控机床加以现场维修或远程维修协助的便利性。
当然,采用本发明上述的基于故障树的数控机床故障消除方案判别指示方法,也存在得不到具体的数控机床故障消除方案指示的可能。
例如,在上述步骤b1)~b9)的处理过程中,如果调整基础词汇向量t0中元素的排列顺序的调整次数达到预设定的调整次数限值,但备选关键词向量ts与目标字符串的识别度Kt依然未能大于预设定的识别度阈值K0,则可以设计跳出步骤B)的循环,执行步骤F):
F)提示未能得出当前录入的故障现象描述文本字符串所对应的数控机床故障消除方案。
此时则可能表明故障树信息知识库中存储的故障状态描述词还不足够全面,未能根据录入的故障现象描述文本字符串提取到足够准备的故障状态描述词,因此可能需要补充和调整基础词汇数据库;或者,也可能表明当前录入的故障现象描述文本字符串对于故障现象的描述不够准确,需要重新录入故障现象描述。
此外,本发明基于故障树的数控机床故障消除方案判别指示方法还能加以进一步的改进。例如,在上述处理流程的步骤E)中,除了根据各个确认故障底事件节点各自所属的故障类别从故障消除方案数据库中分别调取各个相应故障类别的故障消除方案文本加以指示之外,还可以根据当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数,利用D-S证据理论对各个确认故障底事件节点进行概率分析,得到各确认故障底事件节点的概率值;证据理论是实现多信息融合的一种重要方法,由德普斯特(A.P.Dempster)于1967首先提出,并由他的学生沙佛(G.Shafer)进一步发展起来的一种处理不确定性的理论,因此又称为D-S理论,能够针对事件发生后的结果(证据),探求事件发生的主要原因(假设),是一种成熟的基于证据进行原因及概率分析的现有技术方法,本发明可以直接将把DS证据理论模型应用到数控机床故障类别识别的概率分析中;由此,在进行数控机床故障消除方案的指示时,就能够对故障消除方案文本所属故障类别对应的确认故障底事件节点的概率值作为故障消除方案文本的推荐概率值一并加以指示,或者根据确认故障底事件节点的概率值的高低顺序对指示的相应故障类别的故障消除方案文本进行排序。这样以来,除了能够通过指示的故障消除方案文本给数控机床用户或维修人员提供故障消除建议之外,还能够通过指示推荐概率值或者对故障消除方案文本的排序,作为故障消除建议的可信度信息提供给数控机床用户或维修人员,从而为数控机床的故障消除提供更加丰富、更具有针对性的指示信息,更有助于准确、及时的排除数控机床故障。
总体而言,本发明基于故障树的数控机床故障消除方案判别指示方法,能够通过计算机软件运行,可以通过使用软件进行远程技术支持,以“数据流动”代替了“人员流动”,减少了产品维修人员的出差次数,降低了售后技术支持费用,有助于增强数控机床产品的市场竞争力,并且能够及时地帮助数控机床用户或现场维修人员找到故障原因、辅助排除故障,有效的缩短因设备故障而造成的设备停机时间,从而尽可能的为数控机床用户减少故障损失。
下面通过实施例对本发明进行更为具体的说明。
实施例:
本实施例以故障现象描述“刀架换刀时出现故障”为例,更具体的说明本发明基于故障树的数控机床故障消除方案判别指示方法在实际数控机床故障判别和指示过程中的应用。
在实施数控机床故障判别和指示前,需要预先建立数控机床的故障树信息知识库、指标参数标准数据库和故障消除方案数据库,三者各自记录和存储的数据内容如前所述,这里不再赘述;然后,按如下步骤执行对数控机床故障消除方案的判别指示:
A)提供故障现象描述录入操作和数控机床运行状态参数输入操作,将录入的故障现象描述文本字符串作为故障识别的目标字符串,将输入的各项数控机床运行状态参数作为数控机床的当前运行状态参数。
本实施例中,该步骤所录入的故障现象描述文本字符串为“刀架换刀时出现故障”,以之作为目标字符串;同时,采用数据传输线缆直接传输输入的形式提供数控机床运行状态参数的输入操作。
B)调取故障树信息知识库中存储的各个故障状态描述词,分别与目标字符串进行对比匹配,从而提取得到与目标字符串相匹配的各个故障状态描述词,并确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
该步骤的具体流程如图2所示:
b1)令计数符i=1,令备选关键词向量将目标字符串赋值给字符串向量tg,且调取故障树信息知识库中存储的各个故障状态描述词赋值给基础词汇向量t0,使得故障树信息知识库中的每个故障状态描述词作为所述基础词汇向量t0中的一个元素;
b2)取基础词汇向量t0中第i个元素t0(i)与当前的字符串向量tg进行对比匹配;若元素t0(i)包含在当前的字符串向量tg中,则执行步骤b3);否则,直接执行步骤b4);
b3)将元素t0(i)表示的故障状态描述词添加到备选关键词向量ts中,并从当前的字符串向量tg中剔除元素t0(i)所表示的故障状态描述词,形成新的字符串向量tg,然后执行步骤b4);
b4)判断当前的字符串向量tg所包换的字符数是否已小于预设定字符数下限阈值k;若是,则直接执行步骤b7);否则,执行步骤b5);
b5)判断当前计数符i的值是否已达到基础词汇向量t0中所包含元素数量的上限值;若是,则直接执行步骤b7);否则,执行步骤b6);
b6)令计数符i的值自加1,然后返回步骤b2);
b7)计算当前的备选关键词向量ts与目标字符串的识别度Kt:
Kt=Ks/Ktg;
其中,Ks表示当前的备选关键词向量ts与目标字符串中相同字符的个数,Ktg表示目标字符串中的字符个数;然后判断所述识别度Kt的值是否大于预设定的识别度阈值K0;若是,则执行步骤b9);否则,执行步骤b8);在这里,识别度阈值K0可以优选取值为0.5~0.6;
b8)根据预设定的顺序调整规则调整基础词汇向量t0中元素的排列顺序,令计数符i=1,令备选关键词向量重新将目标字符串赋值给字符串向量tg,然后返回执行步骤b2);在这里,预设定的顺序调整规则采用随机调换顺序的调整规则,当然,也可以采用其它预设定的顺序调整规则;
b9)将当前的备选关键词向量ts中的各个故障状态描述词判定为与目标字符串相匹配的故障状态描述词,确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
本实施例中,预设定的识别度阈值K0为0.6;执行至步骤b7)时,从目标字符串中匹配提取到的各个故障状态描述词分别为“刀架”、“换刀”、“故障”,包含6个字符,而原始的目标字符串“刀架换刀时出现故障”包含9个字符,因此计算得到识别度Kt=0.667,大于预设定的识别度阈值K0,因此跳转至步骤b9),根据故障状态描述词“刀架”、“换刀”、“故障”查找到故障树中对应的故障事件节点包括“刀架转不到位”、“换刀报警”、“编码器故障”“锁紧传感器提前发信号”、“交流接触器不吸合”。
C)根据故障树信息知识库中记录的故障树及其各不同故障事件节点之间的故障逻辑因果关系,查找出确定的各目标故障事件节点所对应的所有底事件节点,判定为潜在故障底事件节点。
在本实施例中,根据故障树信息知识库中记录的故障树及其各不同故障事件节点之间的故障逻辑因果关系,查找到故障事件节点“刀架转不到位”、“换刀报警”、“编码器故障”“锁紧传感器提前发信号”、“交流接触器不吸合”各自所对应的底事件节点包括“编码器坏”、“锁紧传感器坏”、“***问题”、“电机制动不好”、“编码器松动”、“锁紧传感器距离调整过近”、“交流接触器坏”、“交流接触器线断”、“控制刀架正转的继电器问题”,将这些底事件节点判定为潜在故障底事件节点。
D)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数,并从指标参数标准数据库读取各所述潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数项所对应的各个潜在故障底事件节点判定为确认故障底事件节点。
在本实施例中,根据各个潜在故障底事件节点对应的各项在故障监测指标参数与输入的数控机床的各项当前运行状态参数进行对比后,排除了正常运行状态参数对应的各潜在故障底事件节点,得到异常的运行状态参数对应的潜在故障底事件节点包括“编码器坏”和“编码器松动”,判定该两者为确认故障底事件节点。
E)根据各个确认故障底事件节点各自所属的故障类别,从故障消除方案数据库中分别调取各个相应故障类别的故障消除方案文本,用以进行数控机床故障消除方案的指示。
在本实施例中,通过查找故障消除方案数据库,得到“编码器坏”和“编码器松动”各自对应的故障消除方案文本加以指示,并且还利用D-S证据理论对两个故障底事件节点进行概率分析,确认“编码器坏”这一故障原因的概率值约为80%,“编码器松动”故障原因的概率值约为20%,因此可以一并指示“编码器坏”对应的故障消除方案文本的推荐概率值为80%,“编码器松动”对应的故障消除方案文本的推荐概率值为20%,以便于维修人员根据指示的故障消除方案和推荐概率值对编码器进行检查,如有损坏则进行更换编码器操作,若仅为编码器松动则进行相应的紧固操作即可,从而辅助维修人员尽快的排除故障。
综上所述,可以看到,本发明的基于故障树的数控机床故障消除方案判别指示方法,其通过对录入的用以描述故障现象的目标字符串进行拆分对比和循环匹配以提取目标故障状态描述词,从而从故障树中查找目标故障状态描述词对应的潜在目标故障事件节点,提高了提取故障状态描述词确认各目标故障事件节点的准确性和全面性,并利用确认得到的各目标故障事件节点所对应的所有底事件节点判定为潜在故障底事件节点,作为后续对故障类别的识别基础,剔除了非相关的故障事件节点对故障类别识别的干扰,提高了对故障类别识别的效率,同时又保证了对故障类别可能性识别的全面性,然后再根据各个潜在故障底事件节点对应的各项故障监测指标参数与输入的数控机床的各项当前运行状态参数进行对比,排除了运行状态参数在正常状态范围值以内的相关潜在故障底事件节点,得到异常的运行状态参数所对应的潜在故障底事件节点判定为确认故障底事件节点,从根据故障类别上的对应关系提取到确认故障底事件节点相应故障类别的故障消除方案文本用以指示,提高了对故障类别识别的效率,同时又保证了对故障类别可能性识别的全面性以及确认故障类别的准确性,能够用以为数控机床用户或维修人员提供故障消除建议辅助,从而帮助提升对数控机床加以现场维修或远程维修协助的便利性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.基于故障树的数控机床故障消除方案判别指示方法,其特征在于,预先建立数控机床的故障树信息知识库、指标参数标准数据库和故障消除方案数据库;所述故障树信息知识库中存储有数控机床的故障树,所述故障树用于记录数控机床中各个功能***的***级、子***级、模块级和零部件级中各种不同故障类别的故障事件节点以及不同故障事件节点之间的故障逻辑因果关系,且针对每个故障事件节点对应存储有相应故障事件的故障状态描述词,并建立有各不同故障事件节点之间的故障逻辑因果关系;所述指标参数标准数据库记录有故障树中各故障事件节点所对应的各种机床运行状态参数作为故障监测指标参数,且记录有各项故障监测指标参数在数控机床正常运行状态下的正常状态范围值;所述故障消除方案数据库存储有数控机床各不同故障类别各自所对应的故障消除方案文本,每个故障消除方案文本用以表述其相应故障类别的故障消除方案;
然后,按如下步骤执行对数控机床故障消除方案的判别指示:
A)提供故障现象描述录入操作和数控机床运行状态参数输入操作,将录入的故障现象描述文本字符串作为故障识别的目标字符串,将输入的各项数控机床运行状态参数作为数控机床的当前运行状态参数;
B)调取故障树信息知识库中存储的各个故障状态描述词,分别与目标字符串进行对比匹配,从而提取得到与目标字符串相匹配的各个故障状态描述词,并确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点;
C)根据故障树信息知识库中记录的故障树及其各不同故障事件节点之间的故障逻辑因果关系,查找出确定的各目标故障事件节点所对应的所有底事件节点,判定为潜在故障底事件节点;
D)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数,并从指标参数标准数据库读取各所述潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数项所对应的各个潜在故障底事件节点判定为确认故障底事件节点;
E)根据各个确认故障底事件节点各自所属的故障类别,从故障消除方案数据库中分别调取各个相应故障类别的故障消除方案文本,用以进行数控机床故障消除方案的指示。
2.根据权利要求1所述基于故障树的数控机床故障消除方案判别指示方法,其特征在于,所述步骤B)具体为:
b1)令计数符i=1,令备选关键词向量将目标字符串赋值给字符串向量tg,且调取故障树信息知识库中存储的各个故障状态描述词赋值给基础词汇向量t0,使得故障树信息知识库中的每个故障状态描述词作为所述基础词汇向量t0中的一个元素;
b2)取基础词汇向量t0中第i个元素t0(i)与当前的字符串向量tg进行对比匹配;若元素t0(i)包含在当前的字符串向量tg中,则执行步骤b3);否则,直接执行步骤b4);
b3)将元素t0(i)表示的故障状态描述词添加到备选关键词向量ts中,并从当前的字符串向量tg中剔除元素t0(i)所表示的故障状态描述词,形成新的字符串向量tg,然后执行步骤b4);
b4)判断当前的字符串向量tg所包换的字符数是否已小于预设定字符数下限阈值k;若是,则直接执行步骤b7);否则,执行步骤b5);
b5)判断当前计数符i的值是否已达到基础词汇向量t0中所包含元素数量的上限值;若是,则直接执行步骤b7);否则,执行步骤b6);
b6)令计数符i的值自加1,然后返回步骤b2);
b7)计算当前的备选关键词向量ts与目标字符串的识别度Kt:
Kt=Ks/Ktg;
其中,Ks表示当前的备选关键词向量ts与目标字符串中相同字符的个数,Ktg表示目标字符串中的字符个数;然后判断所述识别度Kt的值是否大于预设定的识别度阈值K0;若是,则执行步骤b9);否则,执行步骤b8);
b8)根据预设定的顺序调整规则调整基础词汇向量t0中元素的排列顺序,令计数符i=1,令备选关键词向量重新将目标字符串赋值给字符串向量tg,然后返回执行步骤b2);
b9)将当前的备选关键词向量ts中的各个故障状态描述词判定为与目标字符串相匹配的故障状态描述词,确定相匹配的各个故障状态描述词各自在故障树中所对应的故障事件节点,作为目标故障事件节点。
3.根据权利要求2所述基于故障树的数控机床故障消除方案判别指示方法,其特征在于,所述步骤b7)中,识别度阈值K0的取值为0.5~0.6。
4.根据权利要求2所述基于故障树的数控机床故障消除方案判别指示方法,其特征在于,所述步骤b8)中,预设定的顺序调整规则采用随机调换顺序的调整规则。
5.根据权利要求1所述基于故障树的数控机床故障消除方案判别指示方法,其特征在于,所述步骤D)具体为:
d1)将各个潜在故障底事件节点赋值给潜在故障底事件矩阵T,使得每个潜在故障底事件节点作为所述潜在故障底事件矩阵T中的一个元素;
d2)从指标参数标准数据库中找到各个潜在故障底事件节点对应的各项故障监测指标参数,作为潜在故障监测指标参数;
d3)从指标参数标准数据库读取各潜在故障监测指标参数的正常状态范围值,与输入的数控机床的各项当前运行状态参数进行对比,将当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数组合构成确认故障监测指标参数集合;
d4)根据指标参数标准数据库的记录,确认各个潜在故障底事件节点各自所对应的故障监测指标参数,并遍历潜在故障底事件矩阵T中所有元素,将故障描述矩阵T中不与确认故障监测指标参数集合中任何潜在故障监测指标参数相对应的各个元素剔除,从而得到确认故障底事件矩阵T';
d5)将确认故障底事件矩阵T'中的各个潜在故障底事件节点判定为确认故障底事件节点。
6.根据权利要求1所述基于故障树的数控机床故障消除方案判别指示方法,其特征在于,所述步骤E)中,还根据当前运行状态参数的值不在正常状态范围值以内的各个潜在故障监测指标参数,利用D-S证据理论对各个确认故障底事件节点进行概率分析,得到各确认故障底事件节点的概率值;在进行数控机床故障消除方案的指示时,对故障消除方案文本所属故障类别对应的确认故障底事件节点的概率值作为故障消除方案文本的推荐概率值一并加以指示,或者根据确认故障底事件节点的概率值的高低顺序对指示的相应故障类别的故障消除方案文本进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610956096.8A CN106528723A (zh) | 2016-10-27 | 2016-10-27 | 基于故障树的数控机床故障消除方案判别指示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610956096.8A CN106528723A (zh) | 2016-10-27 | 2016-10-27 | 基于故障树的数控机床故障消除方案判别指示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106528723A true CN106528723A (zh) | 2017-03-22 |
Family
ID=58325480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610956096.8A Pending CN106528723A (zh) | 2016-10-27 | 2016-10-27 | 基于故障树的数控机床故障消除方案判别指示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106528723A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038321A (zh) * | 2017-05-24 | 2017-08-11 | 重庆大学 | 基于元动作单元的任务可靠性预计分析方法 |
CN107239668A (zh) * | 2017-06-13 | 2017-10-10 | 重庆大学 | 一种基于断点模型的数控磨床液压***故障树分析方法 |
CN107562556A (zh) * | 2017-08-14 | 2018-01-09 | 腾讯科技(深圳)有限公司 | 故障的恢复方法、恢复装置及存储介质 |
CN108196514A (zh) * | 2018-03-29 | 2018-06-22 | 武汉理工大学 | 一种数控机床运行状态远程监控方法 |
CN109213773A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种在线故障的诊断方法、装置及电子设备 |
WO2019061499A1 (zh) * | 2017-09-30 | 2019-04-04 | 西门子公司 | 一种数控机床的故障诊断信息库的生成方法和装置 |
CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
CN111356964A (zh) * | 2017-09-30 | 2020-06-30 | 西门子股份公司 | 一种数控机床的故障诊断方法和装置 |
CN111580495A (zh) * | 2020-04-29 | 2020-08-25 | 北京绪水互联科技有限公司 | 一种用于医疗器械的远程故障处理方法、装置和*** |
CN113886121A (zh) * | 2021-08-26 | 2022-01-04 | 苏州谷夫道自动化科技有限公司 | 数控***消息管理方法及*** |
CN115640380A (zh) * | 2022-12-14 | 2023-01-24 | 北京航空航天大学 | 面向故障诊断算法推荐的可诊断性层级要素信息提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217763A (zh) * | 2008-01-15 | 2008-07-09 | 中兴通讯股份有限公司 | 故障分析中逻辑树到物理树的扩展装置及方法 |
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和*** |
CN101833324A (zh) * | 2010-05-14 | 2010-09-15 | 武汉理工大学 | 胎面挤出过程智能故障诊断***及其诊断方法 |
CN102969727A (zh) * | 2012-12-13 | 2013-03-13 | 武汉东为科技有限公司 | 一种低压无功补偿控制装置及故障自诊断方法 |
CN103116656A (zh) * | 2013-03-08 | 2013-05-22 | 南京信息工程大学 | 基于故障逻辑解释器的电路故障诊断***及其实现方法 |
CN106483929A (zh) * | 2016-10-18 | 2017-03-08 | 重庆大学 | 一种数控机床故障消除方案判别指示方法 |
-
2016
- 2016-10-27 CN CN201610956096.8A patent/CN106528723A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217763A (zh) * | 2008-01-15 | 2008-07-09 | 中兴通讯股份有限公司 | 故障分析中逻辑树到物理树的扩展装置及方法 |
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和*** |
CN101833324A (zh) * | 2010-05-14 | 2010-09-15 | 武汉理工大学 | 胎面挤出过程智能故障诊断***及其诊断方法 |
CN102969727A (zh) * | 2012-12-13 | 2013-03-13 | 武汉东为科技有限公司 | 一种低压无功补偿控制装置及故障自诊断方法 |
CN103116656A (zh) * | 2013-03-08 | 2013-05-22 | 南京信息工程大学 | 基于故障逻辑解释器的电路故障诊断***及其实现方法 |
CN106483929A (zh) * | 2016-10-18 | 2017-03-08 | 重庆大学 | 一种数控机床故障消除方案判别指示方法 |
Non-Patent Citations (3)
Title |
---|
张根保: ""可靠性分析技术"", 《制造技术与机床》 * |
张根保: ""数控机床液压***故障溯源及分析"", 《计算机应用研究》 * |
李荣祖: "《中国优秀硕士学位论文全文数据库 工程科技I辑》", 15 June 2016 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038321B (zh) * | 2017-05-24 | 2020-05-22 | 重庆大学 | 基于元动作单元的任务可靠性预计分析方法 |
CN107038321A (zh) * | 2017-05-24 | 2017-08-11 | 重庆大学 | 基于元动作单元的任务可靠性预计分析方法 |
CN107239668A (zh) * | 2017-06-13 | 2017-10-10 | 重庆大学 | 一种基于断点模型的数控磨床液压***故障树分析方法 |
CN107239668B (zh) * | 2017-06-13 | 2020-09-01 | 重庆大学 | 一种基于断点模型的数控磨床液压***故障树分析方法 |
CN109213773A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种在线故障的诊断方法、装置及电子设备 |
CN107562556A (zh) * | 2017-08-14 | 2018-01-09 | 腾讯科技(深圳)有限公司 | 故障的恢复方法、恢复装置及存储介质 |
CN107562556B (zh) * | 2017-08-14 | 2020-05-12 | 腾讯科技(深圳)有限公司 | 故障的恢复方法、恢复装置及存储介质 |
CN111356964A (zh) * | 2017-09-30 | 2020-06-30 | 西门子股份公司 | 一种数控机床的故障诊断方法和装置 |
WO2019061499A1 (zh) * | 2017-09-30 | 2019-04-04 | 西门子公司 | 一种数控机床的故障诊断信息库的生成方法和装置 |
US11188518B2 (en) | 2017-09-30 | 2021-11-30 | Siemens Aktiengesellschaft | Method and apparatus for generating fault diagnosis information base of numerical control machine tool |
CN108196514A (zh) * | 2018-03-29 | 2018-06-22 | 武汉理工大学 | 一种数控机床运行状态远程监控方法 |
CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
CN111580495A (zh) * | 2020-04-29 | 2020-08-25 | 北京绪水互联科技有限公司 | 一种用于医疗器械的远程故障处理方法、装置和*** |
CN113886121A (zh) * | 2021-08-26 | 2022-01-04 | 苏州谷夫道自动化科技有限公司 | 数控***消息管理方法及*** |
CN115640380A (zh) * | 2022-12-14 | 2023-01-24 | 北京航空航天大学 | 面向故障诊断算法推荐的可诊断性层级要素信息提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106528723A (zh) | 基于故障树的数控机床故障消除方案判别指示方法 | |
JP5740459B2 (ja) | 設備状態監視方法 | |
JP5301310B2 (ja) | 異常検知方法及び異常検知システム | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
CN108780315B (zh) | 用于优化旋转设备的诊断的方法和装置 | |
US8489601B2 (en) | Knowledge extraction methodology for unstructured data using ontology-based text mining | |
US11520810B2 (en) | Subject matter expert knowledge mapping using dynamic clustering | |
CN109948808A (zh) | 变电站设备故障案例库的建库方法、故障诊断方法及*** | |
JP2011145846A (ja) | 異常検知方法、異常検知システム、及び異常検知プログラム | |
CN109887122A (zh) | 一种船闸机电故障远程智能诊断方法及*** | |
CN106483929A (zh) | 一种数控机床故障消除方案判别指示方法 | |
CN106355673A (zh) | 一种机载防撞***故障记录***及故障记录解码*** | |
CN114492926A (zh) | 一种煤矿安全隐患文本分析预测方法和*** | |
CN112416732B (zh) | 一种基于隐马尔可夫模型的数据采集运行异常检测方法 | |
WO2018154558A1 (en) | Methods and systems for problem-alert aggregation | |
CN117406689A (zh) | 一种数据驱动与知识引导的故障诊断方法及*** | |
EP3462266B1 (en) | Aircraft maintenance message prediction | |
CN114676791A (zh) | 一种基于模糊证据推理的电力***告警信息处理方法 | |
CA3189344A1 (en) | Explaining machine learning output in industrial applications | |
CN114223002A (zh) | 用于基于在相关事件中识别传感器组合中的显著变化来改进资产操作的方法和*** | |
CN109754490A (zh) | 电力机车制动***的健康管理方法、装置、介质及设备 | |
CN112801537B (zh) | 一种发电企业非停事故分析方法、***、介质及设备 | |
EP4136515B1 (en) | Method, apparatus and computer program product for monitoring of industrial devices | |
CN113496332B (zh) | 工业互联网故障预测方法和*** | |
CN116635843A (zh) | 分析工业工厂的日志文件的设备、计算平台和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |