CN111164524B - 一种数控机床的故障诊断信息库的生成方法和装置 - Google Patents

一种数控机床的故障诊断信息库的生成方法和装置 Download PDF

Info

Publication number
CN111164524B
CN111164524B CN201780094679.7A CN201780094679A CN111164524B CN 111164524 B CN111164524 B CN 111164524B CN 201780094679 A CN201780094679 A CN 201780094679A CN 111164524 B CN111164524 B CN 111164524B
Authority
CN
China
Prior art keywords
fault
information base
diagnosis information
phenomenon
machine tool
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.)
Active
Application number
CN201780094679.7A
Other languages
English (en)
Other versions
CN111164524A (zh
Inventor
孙琦
符昀华
范顺杰
阿明·鲁克斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN111164524A publication Critical patent/CN111164524A/zh
Application granted granted Critical
Publication of CN111164524B publication Critical patent/CN111164524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • 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
    • G05B19/4069—Simulating machining process on screen
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • 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
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33099—Computer numerical control [CNC]; Software control [SWC]
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33324—What to diagnose, whole system, test, simulate
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Numerical Control (AREA)

Abstract

数控机床(10)的故障诊断信息库(201)的生成方法和装置，用以方便地提供全面的故障诊断的信息。该方法包括：设置数控机床(10)的故障条件(202)(S201)，在设置的每一种故障条件(202)下运行所述数控机床(10)的仿真模型(207)以产生一条故障(203)(S202)，并记录故障(203)的故障现象(204)，回溯产生每一种故障现象(204)的可能的故障(203)，以建立该故障现象(204)与产生该故障现象(204)的可能的故障(203)之间的关联关系(S203)；根据建立的关联关系生成所述数控机床(10)的故障诊断信息库(201)(S204)。由于运行的是数控机床(10)的仿真模型(207)，这样就可以方便地设置各种故障条件(202)。通过该方法建立的故障诊断信息库(201)具有故障情况覆盖全面，故障诊断信息丰富的优点。基于这样的故障诊断信息库(201)进行故障诊断的结果更准确。

Description

一种数控机床的故障诊断信息库的生成方法和装置
技术领域
本发明涉及工业自动化技术领域，尤其涉及一种数控机床的故障诊断信息库的生成方法和装置。
背景技术
数控机床(Computer Numerical Control machine tool，CNC machine tool)，是制造工业***中的关键设备，是一种由计算机程序控制的自动化机床，具有零件加工精度高，自动化程度高等有点。其可用性对于所属的制造工业***的稳定运行至关重要。
通常，一个数控机床的结构较为复杂。为了示意简单图1示出了一个数控机床的的一个进给***的结构框图，该进给***可作为数控机床的一个例子。如图1所示，该数控机床10的进给***包括一个可编程逻辑控制器(Programmable Logical Controller，PLC)101、一个伺服驱动(servo drive)102、一个伺服电机(servo motor)103、一个耦合器(coupling)104，两个轴承(bearing)105、一个滚珠螺杆副(ball screw pair)106和一个编码器(encoder)107。PLC101在编码器107中的计算机程序的控制下，通过伺服驱动102带动伺服电机103转动，进而伺服电机103通过耦合器104、轴承105带动滚珠螺杆副103中的螺母转动。
可见，一个数控机床的结构复杂，而且不仅涉及硬件连接，还涉及软件程序控制。故障发生具有不规则和不确定性，诊断比较困难。目前常用的数控机床的故障诊断方法依赖于历史故障的记录以及专家经验，难以覆盖全面的故障诊断的信息，往往达不到准确诊断故障的效果。
发明内容
有鉴于此，本发明提供一种数控机床的故障诊断信息库的生成方法和装置，用以方便地提供全面的故障诊断的信息，用于准确有效地诊断一个数控机床的故障。
第一方面，提供一个数控机床的一个故障诊断信息库的生成方法，该方法包括：设置所述数控机床的至少一种故障条件；在设置的每一种故障条件下，分别运行所述数控机床的一个第一仿真模型以产生一故条障，并记录所述故障的至少一种故障现象；对于记录的每一种故障现象，回溯产生该故障现象的至少一种可能的故障，以建立该故障现象与产生该故障现象的至少一种可能的故障之间的关联关系；根据建立的至少一个所述关联关系生成所述数控机床的一个第一故障诊断信息库。
由于运行的是数控机床的仿真模型，这样就可以方便地设置各种故障条件，以向该仿真模型注入故障。通过该方法建立的故障诊断信息库具有故障情况覆盖全面，故障诊断信息丰富的优点。基于这样的故障诊断信息库进行故障诊断的结果更准确。
可选地，建立该故障现象与产生该故障现象的至少一种可能的故障之间的关联关系，包括：建立该故障现象的反向故障传播路径；根据建立的至少一个所述关联关系生成所述第一故障诊断信息库，包括：根据建立的至少一种故障现象的反向故障传播路径，生成一个故障传播模型，作为所述第一故障诊断信息库。
可选地，所述至少一种故障条件满足下列情况中的一个：
所述至少一种故障条件涉及所述数控机床的所有部件，且所述至少一种故障条件中的每一种故障条件仅涉及所述数控机床的一个部件；
所述至少一种故障条件涉及所述数控机床的所有部件，且所述至少一种故障条件中的部分或全部故障条件中的每一种均涉及所述数控机床的至少两个部件。
为了达到故障覆盖全面的目的，设置的各种故障条件可涉及该数控机床的所有部件，以达到对所有部件故障的注入。可选地，由于是向该数控机床的仿真模型注入故障，因此可以设置故障条件，使得该故障条件涉及数控机床的多个部件，实现上比传统的依赖于历史故障的记录以及专家经验生成的故障诊断信息库更灵活，故障覆盖更全面。
可选地，该方法还包括：设置每一种故障现象的语义描述并记录在所述第一故障诊断信息库中，以及设置每一个故障的语义描述并记录在所述第一故障诊断信息库中。
这样便于在故障诊断时，根据用户输入的故障现象的语义描述确定对应的故障现象，进而由故障现象确定可能的故障，将确定的故障的语义描述返回至用户。提高了故障诊断信息库的可用性，便于用户理解，对于用户更友好。
可选地，在设置的所述至少一种故障条件每一种故障条件下，分别运行所述数控机床的一个第二仿真模型以生成一个第二故障诊断信息库；利用所述第二故障诊断信息库修正所述第一故障诊断信息库。
基于不同的仿真模型生成故障诊断信息库，进而利用一个故障诊断信息库修正另一个故障诊断信息库，使得生成的信息库信息更全面，更准确。
第二方面，提供一个数控机床的一个故障诊断信息库的生成装置，包括：一个设置模块，用于设置所述数控机床的至少一种故障条件；一个运行模块，用于在所述设置模块设置的每一种故障条件下，分别运行所述数控机床的一个仿真模型以产生一条故障，并记录所述故障的至少一种故障现象；一个生成模块，用于对所述运行模块记录的每一种故障现象，回溯产生该故障现象的至少一种可能的故障，以建立该故障现象与产生该故障现象的至少一种可能的故障之间的关联关系，并根据建立的至少一个所述关联关系生成所述数控机床的一个第一故障诊断信息库。
由于运行的是数控机床的仿真模型，这样就可以方便地设置各种故障条件，以向该仿真模型注入故障。通过该方法建立的故障诊断信息库具有故障情况覆盖全面，故障诊断信息丰富的优点。基于这样的故障诊断信息库进行故障诊断的结果更准确。
可选地，所述运行模块在建立所述故障现象与产生该故障现象的至少一种可能的故障之间的关联关系时，具体用于：建立该故障现象的反向故障传播路径；所述生成模块在根据建立的至少一个所述关联关系生成所述第一故障诊断信息库时，具体用于：根据建立的至少一种故障现象的反向故障传播路径，生成一个故障传播模型，作为所述第一故障诊断信息库。
可选地，所述设置模块具体用于，设置所述至少一种故障条件，以满足下列情况中的一个：
所述至少一种故障条件涉及所述数控机床的所有部件，且所述至少一种故障条件中的每一种故障条件仅涉及所述数控机床的一个部件；
所述至少一种故障条件涉及所述数控机床的所有部件，且所述至少一种故障条件中的部分或全部故障条件中的每一种均涉及所述数控机床的至少两个部件。
为了达到故障覆盖全面的目的，设置的各种故障条件可涉及该数控机床的所有部件，以达到对所有部件故障的注入。可选地，由于是向该数控机床的仿真模型注入故障，因此可以设置故障条件，使得该故障条件涉及数控机床的多个部件，实现上比传统的依赖于历史故障的记录以及专家经验生成的故障诊断信息库更灵活，故障覆盖更全面。
可选地，所述设置模块，还用于：设置每一种故障现象的语义描述并记录在所述第一故障诊断信息库中，以及设置每一个故障的语义描述并记录在所述第一故障诊断信息库中。
这样便于在故障诊断时，根据用户输入的故障现象的语义描述确定对应的故障现象，进而由故障现象确定可能的故障，将确定的故障的语义描述返回至用户。提高了故障诊断信息库的可用性，便于用户理解，对于用户更友好。
可选地，所述运行模块，还用于在所述设置模块设置的所述至少一种故障条件每一种故障条件下，分别运行所述数控机床的一个第二仿真模型；所述生成模块，还用于根据所述运行模块的运行结果生成一个第二故障诊断信息库，并利用所述第二故障诊断信息库修正所述第一故障诊断信息库。
基于不同的仿真模型生成故障诊断信息库，进而利用一个故障诊断信息库修正另一个故障诊断信息库，使得生成的信息库信息更全面，更准确。
第三方面，提供一个数控机床的一个故障诊断信息库的生成装置，包括：至少一个存储器，用于存储机器可读程序；至少一个处理器，用于调用所述机器可读程序，执行第一方面或第一方面的任一种可能的实现方式提供的方法。
第四方面，提供一个数控机床的一个故障诊断***，包括：
所述数控机床的一个故障诊断信息库的生成装置，用于设置所述数控机床的至少一种故障条件，在设置的每一种故障条件下，分别运行所述数控机床的一个仿真模型以产生一条故障，并记录所述故障的至少一种故障现象，对于记录的每一种故障现象，回溯产生该故障现象的至少一种可能的故障，以建立该故障现象与产生该故障现象的可能的故障之间的关联关系，根据建立的至少一个所述关联关系生成所述故障诊断信息库，设置每一种故障现象的语义描述并记录在所述故障诊断信息库中，以及设置每一个故障的语义描述并记录在所述故障诊断信息库中；
一个故障诊断装置，用于接收一个用户输入的第一故障现象的语义描述，基于所述故障诊断信息库，得到产生所述第一故障现象的所有可能的故障的语义描述并返回至所述用户。
由于运行的是数控机床的仿真模型，这样就可以方便地设置各种故障条件，以向该仿真模型注入故障。通过该方法建立的故障诊断信息库具有故障情况覆盖全面，故障诊断信息丰富的优点。基于这样的故障诊断信息库进行故障诊断的结果更准确。
根据用户输入的故障现象的语义描述确定对应的故障现象，进而由故障现象确定可能的故障，将确定的故障的语义描述返回至用户。提高了故障诊断信息库的可用性，便于用户理解，对于用户更友好。
可选地，所述***部署在云端。用户可随时随地访问该故障诊断***进行故障诊断。
第五方面，提供一种机器可读介质，所述机器可读介质上存储有机器可读指令，所述机器可读指令在被至少一个处理器执行时，使所述至少一个处理器执行第一方面或第一方面的任一种可能的方式提供的方法。
附图说明
图1为一个数控机床的一个进给***的结构框图。
图2为本发明实施例提供的一种故障诊断信息库的生成方法的流程图。
图3为本发明实施例中生成的故障诊断信息库的示意图。
图4为本发明实施例提供的一种故障诊断信息库的生成装置的一个结构示意图。
图5为本发明实施例提供的故障诊断信息库的生成装置的又一结构示意图。
图6为本发明实施例提供的故障诊断***的结构示意图。
附图标记列表：
101：PLC 102：伺服驱动 103：伺服电机
104：耦合器 105：轴承 106：滚珠螺杆副
107：编码器 10：数控机床 S201：设置故障条件
S202：运行数控机床的仿真模型 S203：回溯故障 S204：生成故障诊断信息库
203，203(1)～203(m)，203(11)～203(q1)，203(12)～203(1h)，203(3k)，203(qs)：故障
204，204(1)～204(n)：故障现象 202：故障条件
201：故障诊断信息库 205：故障现象的语义描述 206：故障的语义描述
301：设置模块 302：运行模块 303：生成模块
304：至少一个存储器 305：至少一个处理器 306：用户接口
307：通信接口 30：故障诊断信息库的生成装置
401：用户接口模块 402：诊断模块 40：故障诊断装置
100：故障诊断*** 200：用户终端
207：数控机床 10的仿真模型
具体实施方式
如前所述，一个数控机床的结构复杂，故障发生具有不规则和不确定性，诊断比较困难。目前常用的数控机床的故障诊断方法依赖于历史故障的记录以及专家经验，难以覆盖全面的故障诊断的信息，往往达不到准确诊断故障的效果。
本发明实施例中，在生成故障诊断信息库时，在不同的故障条件下分别运行一个数控机床的仿真模型以产生故障，记录故障现象，在回溯产生故障现象的故障，建立故障现象与故障的关联关系，根据建立的关联关系建立故障诊断信息库。
由于运行的是数控机床的仿真模型，这样就可以方便地设置各种故障条件，以向该仿真模型注入故障。通过该方法建立的故障诊断信息库具有故障情况覆盖全面，故障诊断信息丰富的优点。基于这样的故障诊断信息库进行故障诊断的结果更准确。
可选地，为了达到故障覆盖全面的目的，设置的各种故障条件可涉及该数控机床的所有部件，以达到对所有部件故障的注入。
可选地，由于是向该数控机床的仿真模型注入故障，因此可以设置故障条件，使得该故障条件涉及数控机床的多个部件，实现上比传统的依赖于历史故障的记录以及专家经验生成的故障诊断信息库更灵活，故障覆盖更全面。
可选地，还可设置每一种故障现象的语义描述和每一种故障的语义描述并记录在故障诊断信息库中，这样便于在故障诊断时，根据用户输入的故障现象的语义描述确定对应的故障现象，进而由故障现象确定可能的故障，将确定的故障的语义描述返回至用户。提高了故障诊断信息库的可用性，便于用户理解，对于用户更友好。
下面结合附图对本发明实施例提供的方法和设备进行详细说明。
下面，首先介绍本发明实施例提供的故障诊断信息库的生成方法。如图2所示，该方法可包括如下步骤：
S201：设置故障条件。
S202：运行数控机床的仿真模型。
S203：回溯故障。
S204：生成故障诊断信息库。
其中，步骤S201中，设置数控机床10的至少一种故障条件202。比如：设置数控机床10的伺服电机103的电流为0作为一种故障条件202。
可选地，该至少一种故障条件202可涉及数控机床10的所有部件，比如：图1中的PLC101、伺服驱动102、伺服电机103、耦合器104、轴承105、滚珠螺杆副106和编码器107。这样可遍历数控机床10的所有部件，产生的故障更全面。
可选地，设置的每一种故障条件202仅涉及数控机床10的一个部件。
可选地，设置的至少一种故障条件202中的部分或全部故障条件202中的每一种均涉及数控机床10的至少两个部件。比如：共设置100种故障条件202，其中有50种故障条件202中的每一种均涉及到数控机床10的至少两个部件。这样可模拟各种实际的故障场景，实现上比传统的依赖于历史故障的记录以及专家经验生成的故障诊断信息库更灵活，故障覆盖更全面。
可选地，在设置故障条件202时，可遍历所有可能的故障条件，以模拟所有可能出现的故障。
在步骤S202中，在设置的每一种故障条件202下，分别运行数控机床10的一个仿真模型207以产生一条故障203，并记录故障203的至少一种故障现象204。其中，一个故障可能会具有多个故障现象。在步骤S202中，可记录故障203的所有故障现象204，或者记录故障203的部分故障现象204。
比如：设置故障条件202为：伺服电机103的电流为0。在该故障条件202下运行数控机床10的仿真模型207，产生的故障203为：伺服电机103无电流输出。该故障的故障现象204为：滚珠螺杆副106中的螺母的转速降为0。在步骤S202中记录伺服电机103故障的故障现象：滚珠螺杆副106中的螺母的转速降为0。
在步骤S203中，对于记录的每一种故障现象204，回溯产生该故障现象204的至少一种可能的故障203，以建立该故障现象204与产生该故障现象204的至少一种可能的故障203之间的关联关系。
其中，可回溯产生该故障现象204的所有可能的故障203，也可以回溯产生该故障现象204的部分可能的故障203。其中，建立的故障现象204与故障203之间的关联关系可如图3中所示，对于故障现象204(2)，可由故障203(1h)产生该故障现象204，而故障203(1h)可直接或间接由故障203(12)引起，而故障203(12)由故障203(11)引起，而故障203(11)由故障203(1)引起。此外，故障现象204(2)还可能由故障203(21)产生，而故障203(21)可由故障203(1)、故障203(2)或故障203(4)引起。
在步骤S204中，根据步骤S203中建立的至少一个关联关系生成数控机床10的一个故障诊断信息库201。
可选地，可根据建立的全部的关联关系或部分的关联关系生成数控机床10的故障诊断信息库201。生成的故障诊断信息库201的实现方式可有多种。
比如：如图3所示的故障传播模型。其中，202为注入的故障条件。203(1)～203(m)为m种故障，其中m为正整数。一种故障可能会引发另一种故障，图3中203(11)～203(q1)、203(12)～203(1h)、203(3k)、203(qs)、203(11)～203(q 1)为由203(1)～203(m)为m种故障中的一个或多个引发的故障，其中，q、h、k、s为正整数。204(1)～204(n)为n种故障现象，其中n为正整数。其中，由一个故障现象204到一个故障203的过程，称为该故障现象204的一条反向故障传播路径。比如：前述的由故障现象204(2)到故障203(1)的一条反向故障传播路径可为：204(2)->203(21)->203(2)，表示故障现象204(2)由故障故障203(21)产生，而故障203(21)可由故障203(2)引起。因此，对于建立故障传播模型的情形，在步骤S203中，建立的关联关系是一种故障现象204的反向故障传播路径，而步骤S204中是根据建立的反向故障传播路径生成故障传播模型，作为故障诊断信息库201。
生成的故障诊断信息库201也可包括一条条的故障用例，比如：
对于故障现象204(2)而言，包括四条故障用例，分别为：
故障用例一、204(2)->203(21)->203(1)，表示故障现象204(2)由故障故障203(21)产生，而故障203(21)可由故障203(1)引起。
故障用例二、204(2)->203(21)->203(2)，表示故障现象204(2)由故障故障203(21)产生，而故障203(21)可由故障203(2)引起。
故障用例三、204(2)->203(21)->203(4)，表示故障现象204(2)由故障故障203(21)产生，而故障203(21)可由故障203(4)引起。
故障用例四、204(2)->203(1h)->203(12)->203(11)->203(1)，表示故障现象204(2)由故障故障203(1h)产生，而故障203(1h)由故障203(12)引起，而故障203(12)由故障203(11)引起，而故障203(11)由故障203(1)引起。
此外，生成的故障诊断信息库201也可以故障树的方式表示，这里不再赘述。
此外，还可设置每一种故障现象204的语义描述205并记录在第一故障诊断信息库201中，以及设置每一个故障203的语义描述206并记录在第一故障诊断信息库201中。这样便于在故障诊断时，根据用户输入的故障现象的语义描述确定对应的故障现象，进而由故障现象确定可能的故障，再将确定的故障的语义描述返回至用户。提高了故障诊断信息库的可用性，便于用户理解，对于用户更友好。
比如：前述的故障203“伺服电机103无电流输出”对应的语义描述为“伺服电机故障”；期数的故障现象204“滚珠螺杆副106中的螺母的转速降为0”对应的语义描述为“滚珠螺杆副106中的螺母不动”。
可选地，还可以在步骤S201设置的至少一种故障条件202每一种故障条件202下，分别运行数控机床10的其他仿真模型207以生成故障诊断信息库201。由于不同的仿真模型207对一个数控机床10的仿真效果不同，因此利用不同的仿真模型207生成的故障诊断信息库201中包含的信息不尽一致，可以相互修正，以生成信息全面且准确的故障诊断信息库201。
生成的故障诊断信息库201可以大数据的方式组织、呈现。且可部署在云端，便于向进行故障诊断的装置提供丰富准确的故障信息。
本发明实施例中的故障可认为是某一个或几个部件自身发生了故障，而不是由其他部件故障而引发的故障。以前述的数控机床10的进给***为例，正常情况下，PLC在编码器中的计算机程序的控制下，通过伺服驱动带动伺服电机转动，进而伺服电机通过耦合器、轴承带动滚珠螺杆副中的螺母转动。当前发生故障的故障现象是滚珠螺杆副中的螺母的转速降为0。产生该故障现象的根本原因是伺服电机故障。由于伺服电机故障会导致轴承停止转动，而轴承停止转动则无法带动滚珠螺杆副中的螺母转动。但此故障现象并不是由于轴承故障造成的，其根本原因，换言之实际发生的故障是伺服电机故障。若伺服电机未发生故障，而轴承发生了机械故障导致无法转动，那么故障现象也是滚珠螺杆副中的螺母的转速降为0，但故障的根本原因是轴承故障，而不是伺服电机故障。
因此，从这个意义上讲，本发明实施例中的故障也可称为一个数控机床发生的一个特定故障的根本原因。
图4为本发明实施例提供的一种故障诊断信息库的生成装置的一个结构示意图。如图4所示，该装置30可包括：
一个设置模块301，用于设置数控机床10的至少一种故障条件202；
一个运行模块302，用于在设置模块301设置的每一种故障条件202下，分别运行数控机床10的一个仿真模型207以产生一条故障203，并记录故障203的至少一种故障现象204；
一个生成模块303，用于对运行模块302记录的每一种故障现象204，回溯产生该故障现象204的至少一种可能的故障203，以建立该故障现象204与产生该故障现象204的至少一种可能的故障203之间的关联关系，并根据建立的至少一个关联关系生成数控机床10的一个第一故障诊断信息库201。
可选地，运行模块302在建立故障现象204与产生该故障现象204的至少一种可能的故障203之间的关联关系时，具体用于：建立该故障现象204的反向故障传播路径；生成模块303在根据建立的至少一个关联关系生成第一故障诊断信息库201时，具体用于：根据建立的至少一种故障现象204的反向故障传播路径，生成一个故障传播模型，作为第一故障诊断信息库201。
可选地，设置模块301具体用于，设置至少一种故障条件202，以满足下列情况中的一个：至少一种故障条件202涉及数控机床10的所有部件，且至少一种故障条件202中的每一种故障条件202仅涉及数控机床10的一个部件；至少一种故障条件202涉及数控机床10的所有部件，且至少一种故障条件202中的部分或全部故障条件202中的每一种均涉及数控机床10的至少两个部件。
可选地，设置模块301，还用于：设置每一种故障现象204的语义描述205并记录在第一故障诊断信息库201中，以及设置每一个故障203的语义描述206并记录在第一故障诊断信息库201中。
可选地，运行模块302，还用于在设置模块301设置的至少一种故障条件202每一种故障条件202下，分别运行数控机床10的一个第二仿真模型207；生成模块303，还用于根据运行模块302的运行结果生成一个第二故障诊断信息库201，并利用第二故障诊断信息库201修正第一故障诊断信息库201。
装置30可用于执行图2所示的方法，该装置30的其他可选实现方式可参照图2所示方法中的描述。
其中，设置模块301用于设置故障条件202，可选地，还可设置故障203的语义描述和故障现象204的语义描述并记录在生成的故障诊断信息库201中。此外，设置模块301还可用于执行其他设置操作，选择不同的仿真模型207，设置故障诊断信息库的大小、容量等等。
运行模块302用户在设置模块301设置的各种故障条件202下运行各个仿真模型207并记录故障现象204。
生成模块(303)用于建立故障诊断信息库201，记录故障现象204与故障203之间的关联关系以及其他故障诊断信息。
图5为本发明实施例提供的故障诊断信息库的生成装置的又一结构示意图。图5所示的装置30可视为图4所示的装置30的一种硬件实现方式。
其中，至少一个存储器304，用于存储机器可读程序，至少一个处理器305，用于调用所述机器可读程序，执行图2所示的方法。
其中，图4中的各个模块：设置模块301、运行模块302和生成模块303可视为存储器304中存储的程序模块或软件模块，在被处理器305调用后，执行图2所示的方法。
图5所示的装置30还可包括一个用户接口，用于与用户进行交互，比如：接收用户对故障条件202的设置，故障203以及故障现象204的语义描述等。图5所示的装置30还可包括一个通信接口307，用于将生成的故障诊断信息库201发送至故障诊断装置，比如图6中的故障诊断装置40，用于对一个数控机床10进行故障诊断。
图4和图5所示的装置30可部署在云上，则至少一个存储器304即可为云上的存储器，至少一个处理器305也可为云上的虚拟化的处理装置，比如虚拟机等。生成的故障诊断信息库201也可存储在云上，利用云上的资源可以实现存储容量的灵活配置，当数据量庞大时也可采用分布式存储。
按照前述方法或者由前述装置30生成的故障诊断信息库201可用于对一个数控机床10进行故障诊断。图6为本发明实施例提供的故障诊断***的结构示意图。如图6所示，该故障诊断***100包括：前述的装置30和一个故障诊断装置40。当然，该***100也可仅包括一个故障诊断装置40，该装置40在对一个数控机床10进行故障诊断时可基于本发明实施例生成的故障诊断信息库201，也可基于其他故障诊断信息库，比如基于历史故障的记录和/或专家经验生成的故障诊断信息库等。
如图6所示，装置30生成一个故障诊断信息库201，故障诊断装置40基于故障诊断信息库201对一个数控机床10进行故障诊断。装置40中的用户接口模块401可用于接收来自用户终端200的故障现象204的语义描述205的信息，根据该信息并基于故障诊断信息库201进行故障诊断，确定能够产生该故障现象204的可能的故障203，并将可能的故障203的语义描述206返回至用户终端200。
可选地，装置40可采用基于用例的推理方法进行故障诊断，比如：采用SimRank++算法，来确定产生的故障，可选地，还可对可能的故障进行排序，该排序可基于故障-故障现象这个关联关系的出现次数，出现次数越多，故障排序越靠前。此外，可采用Hadoop框架来加速SimRank++算法的执行。
此外，故障诊断***100还可通过用户接口模块401向用户提供故障的统计信息，用户可通过该接口查询感兴趣的统计信息，比如：近一个月产生故障的总次数、故障诊断***确定故障所用时长，经常出现的故障列表等。
而用户在故障解决后也可通过用户接口模块401向故障诊断***100反馈故障解决的结果。反馈的结果可用于更新前述的统计信息。
故障诊断***100可部署在云上，这样用户终端200可随时随地方便地访问故障诊断***100以进行故障诊断。其中用户终端200可以为个人电脑(Personal Computer，PC)、移动终端、平板电脑等。
综上，本发明实施例提供一种故障诊断信息库的生成方法、装置以及一种故障诊断***。其中，通过在设置的不同故障条件下运行一个数控机床的仿真模型，来生成故障诊断信息库，可以方便容易地获取信息丰富的故障诊断信息，并且由于将故障条件诸如到一个仿真模型，因此可以覆盖绝大多数的故障情况，比目前的基于历史故障记录或专家经验生成的故障诊断信息库信息更加丰富全面。生成的故障诊断信息库可以大数据的形式存储在云上，便于故障诊断装置获取信息进行故障诊断。
本发明实施例提供的故障诊断***可部署在云上，用户可随时随地访问该故障诊断***进行故障诊断。
基于相同的技术构思，本发明实施例还提供了一种机器可读介质，该机器可读介质上存储用于使一机器执行如本文前述方法的机器可读指令。具体地，可以提供配有该机器可读介质的***或者装置，在该机器可读介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该***或者装置的计算机(或中央处理器(Central ProcessingUnit，CPU)或微处理器(Micro ProcessorUnit，MPU))读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明实施例的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如只读光盘驱动器(Compact Disc Read-Only Memory，CD-ROM)、可录光盘(Compact Disk-Recordable，CD-R)、可擦写光盘(Compact Disk-ReWritable，CD-RW)、数字视盘(DigitalVideo Disc-Read Only Memory，DVD-ROM)、数字多功能光盘随机存储器(DigitalVersatile Disc-Random Access Memory，DVD-RAM)、可重写型数字多功能光盘(DigitalVersatile Disc±ReWritable，DVD±RW)等)、磁带、非易失性存储卡和只读存储器(Read-Only Memory，ROM)，以及云上的存储资源。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作***等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
需要说明的是，上述各流程和各设备结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的设备结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
以上各实施例中，硬件单元可以通过机械方式或电气方式实现。例如，一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。

Claims (12)

1.一个数控机床(10)的一个故障诊断信息库(201)的生成方法，其特征在于，包括：
设置所述数控机床(10)的至少一种故障条件(202)；
在设置的每一种故障条件(202)下，分别运行所述数控机床(10)的一个第一仿真模型(207)以产生一条故障(203)，并记录所述故障(203)的至少一种故障现象(204)；
对于记录的每一种故障现象(204)，回溯产生该故障现象(204)的至少一种可能的故障(203)，以建立该故障现象(204)与产生该故障现象(204)的至少一种可能的故障(203)之间的关联关系；
根据建立的至少一个所述关联关系生成所述数控机床(10)的一个第一故障诊断信息库(201)；
其中，建立该故障现象(204)与产生该故障现象(204)的至少一种可能的故障(203)之间的关联关系，包括：建立该故障现象(204)的反向故障传播路径；
根据建立的至少一个所述关联关系生成所述第一故障诊断信息库(201)，包括：根据建立的至少一种故障现象(204)的反向故障传播路径，生成一个故障传播模型，作为所述第一故障诊断信息库(201)。
2.如权利要求1所述的方法，其特征在于，所述至少一种故障条件(202)满足下列情况中的一个：
所述至少一种故障条件(202)涉及所述数控机床(10)的所有部件，且所述至少一种故障条件(202)中的每一种故障条件(202)仅涉及所述数控机床(10)的一个部件；
所述至少一种故障条件(202)涉及所述数控机床(10)的所有部件，且所述至少一种故障条件(202)中的部分或全部故障条件(202)中的每一种均涉及所述数控机床(10)的至少两个部件。
3.如权利要求1或2所述的方法，其特征在于，还包括：
设置每一种故障现象(204)的语义描述(205)并记录在所述第一故障诊断信息库(201)中，以及
设置每一个故障(203)的语义描述(206)并记录在所述第一故障诊断信息库(201)中。
4.如权利要求3所述的方法，其特征在于，还包括：
在设置的所述至少一种故障条件(202)每一种故障条件(202)下，分别运行所述数控机床(10)的一个第二仿真模型(207)以生成一个第二故障诊断信息库(201)；
利用所述第二故障诊断信息库(201)修正所述第一故障诊断信息库(201)。
5.一个数控机床(10)的一个故障诊断信息库(201)的生成装置(30)，其特征在于，包括：
一个设置模块(301)，用于设置所述数控机床(10)的至少一种故障条件(202)；
一个运行模块(302)，用于在所述设置模块(301)设置的每一种故障条件(202)下，分别运行所述数控机床(10)的一个仿真模型(207)以产生一条故障(203)，并记录所述故障(203)的至少一种故障现象(204)；
一个生成模块(303)，用于对所述运行模块(302)记录的每一种故障现象(204)，回溯产生该故障现象(204)的至少一种可能的故障(203)，以建立该故障现象(204)与产生该故障现象(204)的至少一种可能的故障(203)之间的关联关系，并根据建立的至少一个所述关联关系生成所述数控机床(10)的一个第一故障诊断信息库(201)；
其中，所述运行模块(302)在建立所述故障现象(204)与产生该故障现象(204)的至少一种可能的故障(203)之间的关联关系时，具体用于：建立该故障现象(204)的反向故障传播路径；
所述生成模块(303)在根据建立的至少一个所述关联关系生成所述第一故障诊断信息库(201)时，具体用于：根据建立的至少一种故障现象(204)的反向故障传播路径，生成一个故障传播模型，作为所述第一故障诊断信息库(201)。
6.如权利要求5所述的装置(30)，其特征在于，所述设置模块(301)具体用于，设置所述至少一种故障条件(202)，以满足下列情况中的一个：
所述至少一种故障条件(202)涉及所述数控机床(10)的所有部件，且所述至少一种故障条件(202)中的每一种故障条件(202)仅涉及所述数控机床(10)的一个部件；
所述至少一种故障条件(202)涉及所述数控机床(10)的所有部件，且所述至少一种故障条件(202)中的部分或全部故障条件(202)中的每一种均涉及所述数控机床(10)的至少两个部件。
7.如权利要求5或6所述的装置(30)，其特征在于，所述设置模块(301)，还用于：
设置每一种故障现象(204)的语义描述(205)并记录在所述第一故障诊断信息库(201)中，以及
设置每一个故障(203)的语义描述(206)并记录在所述第一故障诊断信息库(201)中。
8.如权利要求7所述的装置(30)，其特征在于，
所述运行模块(302)，还用于在所述设置模块(301)设置的所述至少一种故障条件(202)每一种故障条件(202)下，分别运行所述数控机床(10)的一个第二仿真模型(207)；
所述生成模块(303)，还用于根据所述运行模块(302)的运行结果生成一个第二故障诊断信息库(201)，并利用所述第二故障诊断信息库(201)修正所述第一故障诊断信息库(201)。
9.一个数控机床(10)的一个故障诊断信息库(201)的生成装置(30)，其特征在于，包括：
至少一个存储器(304)，用于存储机器可读程序；
至少一个处理器(305)，用于调用所述机器可读程序，执行如权利要求1～4任一项所述的方法。
10.一个数控机床(10)的一个故障诊断***(100)，其特征在于，包括：
所述数控机床(10)的一个故障诊断信息库(201)的生成装置(30)，用于设置所述数控机床(10)的至少一种故障条件(202)，在设置的每一种故障条件(202)下，分别运行所述数控机床(10)的一个仿真模型(207)以产生一条故障(203)，并记录所述故障(203)的至少一种故障现象(204)，对于记录的每一种故障现象(204)，回溯产生该故障现象(204)的至少一种可能的故障(203)，以建立该故障现象(204)与产生该故障现象(204)的可能的故障(203)之间的关联关系，根据建立的至少一个所述关联关系生成所述故障诊断信息库(201)，设置每一种故障现象(204)的语义描述并记录在所述故障诊断信息库(201)中，以及设置每一个故障(203)的语义描述并记录在所述故障诊断信息库(201)中；
一个故障诊断装置(40)，用于接收一个用户输入的第一故障现象(204)的语义描述(205)，基于所述故障诊断信息库(201)，得到产生所述第一故障现象(204)的所有可能的故障(203)的语义描述(206)并返回至所述用户；
其中，建立该故障现象(204)与产生该故障现象(204)的至少一种可能的故障(203)之间的关联关系，包括：建立该故障现象(204)的反向故障传播路径；
根据建立的至少一个所述关联关系生成所述第一故障诊断信息库(201)，包括：根据建立的至少一种故障现象(204)的反向故障传播路径，生成一个故障传播模型，作为所述第一故障诊断信息库(201)。
11.如权利要求10所述的***(100)，所述***(100)部署在云端。
12.机器可读介质，其特征在于，所述机器可读介质上存储有机器可读指令，所述机器可读指令在被至少一个处理器执行时，使所述至少一个处理器执行权利要求1～4任一项所述的方法。
CN201780094679.7A 2017-09-30 2017-09-30 一种数控机床的故障诊断信息库的生成方法和装置 Active CN111164524B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/105014 WO2019061499A1 (zh) 2017-09-30 2017-09-30 一种数控机床的故障诊断信息库的生成方法和装置

Publications (2)

Publication Number Publication Date
CN111164524A CN111164524A (zh) 2020-05-15
CN111164524B true CN111164524B (zh) 2023-09-01

Family

ID=65902249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780094679.7A Active CN111164524B (zh) 2017-09-30 2017-09-30 一种数控机床的故障诊断信息库的生成方法和装置

Country Status (4)

Country Link
US (1) US11188518B2 (zh)
EP (1) EP3674822B1 (zh)
CN (1) CN111164524B (zh)
WO (1) WO2019061499A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112000064A (zh) * 2020-09-10 2020-11-27 成都广泰威达数控技术股份有限公司 一种机械加工过程故障仿真记录方法
CN112347702B (zh) * 2020-12-01 2024-03-12 江苏南高智能装备创新中心有限公司 数控机床***综合健康指数的计算方法及装置
CN112612247B (zh) * 2020-12-05 2021-11-26 瑞涯科技(上海)股份有限公司 一种用计算机仿真分析软件诊断数控机床故障的方法
CN112631204A (zh) * 2020-12-14 2021-04-09 成都航天科工大数据研究院有限公司 一种数控机床健康管理平台、终端、***和方法
CN112650765B (zh) * 2020-12-30 2023-05-23 湖北文理学院 工位故障的判断方法、装置、设备及存储介质
CN113074770A (zh) * 2021-04-02 2021-07-06 广西玉柴机器股份有限公司 一种数字控制的手轮断线测试方法
CN113848804B (zh) * 2021-08-24 2023-09-12 安徽尤蒂卡智能科技有限公司 基于物联网的数控机床安全运行监管反馈***
KR102524387B1 (ko) 2022-04-15 2023-04-24 주식회사 조은앱 가상 물류 거점과 물리적 물류 거점을 연동한 물류 배송 관리 방법
CN115981240B (zh) * 2023-03-22 2023-06-20 中科航迈数控软件(深圳)有限公司 数控机床故障原因确定方法、装置、设备及介质
CN117951604A (zh) * 2024-02-26 2024-04-30 兰州理工大学 一种滚动轴承故障高效诊断方法及***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06324873A (ja) * 1993-05-13 1994-11-25 Mitsubishi Electric Corp 診断知識ベース入力方法および診断知識ベース出力方法および診断装置ならびに数値制御装置のリモートシステム
CN101770219A (zh) * 2010-01-29 2010-07-07 北京信息科技大学 一种车铣复合机床故障诊断知识库的知识获取方法
CN101984376A (zh) * 2010-11-19 2011-03-09 华中科技大学 一种数控机床故障模拟装置
CN102208028A (zh) * 2011-05-31 2011-10-05 北京航空航天大学 一种适用于动态复杂***的故障预测和诊断方法
CN102736562A (zh) * 2012-07-10 2012-10-17 北京信息科技大学 面向数控机床故障诊断与故障预报的知识库构建方法
CN103698734A (zh) * 2013-10-25 2014-04-02 广西电网公司电力科学研究院 智能电表基于仿真的虚拟故障测试方法
CN104238453A (zh) * 2014-08-27 2014-12-24 李文革 一种数控机床故障检测与维修仿真训练平台***
CN105527920A (zh) * 2014-09-29 2016-04-27 张学一 一种基于b/s的数控机床故障诊断***
JP2017033526A (ja) * 2015-07-31 2017-02-09 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
JP2017068678A (ja) * 2015-09-30 2017-04-06 株式会社牧野フライス製作所 工作機械の故障診断方法および工作機械の制御装置
CN107037782A (zh) * 2017-05-10 2017-08-11 北京数码大方科技股份有限公司 监控机床的方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102937798B (zh) * 2012-11-30 2015-02-18 重庆大学 一种人机结合的数控机床故障信息采集方法
DE102016008987B4 (de) * 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
US20170131710A1 (en) 2015-10-26 2017-05-11 Caterpillar Inc. Method and system for machine tool health early warning monitoring
CN106528723A (zh) 2016-10-27 2017-03-22 重庆大学 基于故障树的数控机床故障消除方案判别指示方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06324873A (ja) * 1993-05-13 1994-11-25 Mitsubishi Electric Corp 診断知識ベース入力方法および診断知識ベース出力方法および診断装置ならびに数値制御装置のリモートシステム
CN101770219A (zh) * 2010-01-29 2010-07-07 北京信息科技大学 一种车铣复合机床故障诊断知识库的知识获取方法
CN101984376A (zh) * 2010-11-19 2011-03-09 华中科技大学 一种数控机床故障模拟装置
CN102208028A (zh) * 2011-05-31 2011-10-05 北京航空航天大学 一种适用于动态复杂***的故障预测和诊断方法
CN102736562A (zh) * 2012-07-10 2012-10-17 北京信息科技大学 面向数控机床故障诊断与故障预报的知识库构建方法
CN103698734A (zh) * 2013-10-25 2014-04-02 广西电网公司电力科学研究院 智能电表基于仿真的虚拟故障测试方法
CN104238453A (zh) * 2014-08-27 2014-12-24 李文革 一种数控机床故障检测与维修仿真训练平台***
CN105527920A (zh) * 2014-09-29 2016-04-27 张学一 一种基于b/s的数控机床故障诊断***
JP2017033526A (ja) * 2015-07-31 2017-02-09 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
JP2017068678A (ja) * 2015-09-30 2017-04-06 株式会社牧野フライス製作所 工作機械の故障診断方法および工作機械の制御装置
CN107037782A (zh) * 2017-05-10 2017-08-11 北京数码大方科技股份有限公司 监控机床的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数控机床常见故障诊断专家***的开发与设计;周辉;《数字技术与应用》;20111115(第11期);全文 *

Also Published As

Publication number Publication date
EP3674822B1 (en) 2022-10-26
WO2019061499A1 (zh) 2019-04-04
US20200265033A1 (en) 2020-08-20
EP3674822A1 (en) 2020-07-01
CN111164524A (zh) 2020-05-15
EP3674822A4 (en) 2021-04-07
US11188518B2 (en) 2021-11-30

Similar Documents

Publication Publication Date Title
CN111164524B (zh) 一种数控机床的故障诊断信息库的生成方法和装置
US11474495B2 (en) Fault diagnosis method and apparatus for numerical control machine tool
WO2021107866A1 (en) Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium
CN111108481B (zh) 故障分析方法及相关设备
US20200201310A1 (en) Method for verifying measurement control system of nuclear power plant, and verification device therefor
EP3557453A1 (en) Method and device for determining data reading period
CN113009845A (zh) 一种卫星软件的仿真测试***及方法
CN105512562B (zh) 一种漏洞挖掘方法、装置及电子设备
CN114609995B (zh) 故障控制方法、装置、***、设备、介质及产品
CN110910193B (zh) 一种基于rpa技术的订单信息录入方法及其装置
CN104794013A (zh) 定位***运行状态、建立***运行状态模型的方法及装置
CN109684033B (zh) 云平台裸机管理方法、存储介质、电子设备及***
CN107357717B (zh) 检测配置错误的方法、装置及设备
CN111398703B (zh) 电压模数转换器的自动化测试方法、装置及存储介质
CN108763039B (zh) 一种业务故障模拟方法、装置及设备
CN111679924B (zh) 构件化软件***可靠性仿真方法、装置及电子设备
CN110244222A (zh) 电机的极限原点定位方法、装置、终端设备及存储介质
CN111581019B (zh) 一种存储故障恢复的测试方法和装置
CN114549097A (zh) 企业******版本管理方法、装置、电子设备及存储介质
CN114936054A (zh) 一种车辆的调试工艺文件的生成方法及装置、轨道车辆
CN111444091A (zh) 测试用例生成方法及装置
CN111611684B (zh) 干涉区逻辑块的生成方法、***、装置和存储介质
CN117272645A (zh) 一种ima架构故障定位验证仿真方法及***
CN110783934A (zh) 状态变量维数变化情形下电力***振荡分析方法及***
CN116431518B (zh) 一种基于仿真平台的多层级、多模式软件故障注入方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant