数控机床的监测方法、装置、终端设备及计算机存储介质制造方法及图纸

本申请涉及数控技术领域，尤其涉及一种数控机床的监测方法、装置、终端设备及计算机存储介质，该方法应用于数控机床的监测系统中的孪生模块，所述数控机床的监控系统还包括：多个监测组件和主控模块，多个所述监测组件、主控模块和孪生模块依次连接，多个监测组件与数控机床连接。该方法包括：依据所述主控模块对目标组件做出的响应，确定所述目标组件输出的所述数控机床的运行状态数据，所述目标组件是指多个所述监测组件中的至少一个监测组件；依据所述运行状态数据确定所述数控机床的预测运行状态，并依据所述预测运行状态对所述数控机床的实际运行状态进行监控，本申请提高了数控机床的监控效率。控机床的监控效率。控机床的监控效率。

【技术实现步骤摘要】
数控机床的监测方法、装置、终端设备及计算机存储介质


[0001]本申请涉及数控
，尤其涉及一种数控机床的监测方法、装置、终端设备及计算机存储介质。

技术介绍

[0002]数控技术是当今先进制造业不可或缺的技术，在数控技术飞速发展的同时，用户对数控机床的监测效率提出了更高的要求。
[0003]数控机床作为精密加工制造业中最重要的设备，在生产管理过程中，数控机床往往是车间的“信息孤岛”，设备通讯接口封闭、加工程序不能集中高效管理，进而使得生产管理者无法及时了解设备运行状态信息、无法准确记录刀具及加工过程信息、无法及时获取生产汇总信息。且现有的数控机床监测方式大多依赖专家经验对数控机床的生产过程进行判断，但因受数控机床设备的复杂结构约束不仅对专家的技术经验以及知识储备的要求较高，而且整个监控过程非常耗时耗力，无法及时追踪数控机床的运行状态。也就是说，现有的数控机床监测方式存在着监控效率差的技术问题。

技术实现思路

[0004]本申请的主要目的在于提供一种数控机床的监测方法、装置、终端设备及计算机存储介质，旨在提高数控机床的监控效率。
[0005]为实现上述目的，本申请提供一种数控机床的监测方法，所述数控机床的监测方法应用于数控机床的监测系统中的孪生模块，所述数控机床的监控系统还包括：多个监测组件和主控模块，多个所述监测组件、主控模块和孪生模块依次连接，多个监测组件与数控机床连接；所述数控机床的监测方法包括：依据所述主控模块对目标组件做出的响应，确定所述目标组件输出的所述数控机床的运行状态数据，所述目标组件是指多个所述监测组件中的至少一个监测组件，所述运行状态数据至少包括所述数控机床的伺服电机参数、液压状态参数、气动状态参数、水路状态参数、主轴状态参数和AC摆幅状态参数；依据所述运行状态数据确定所述数控机床的预测运行状态，并依据所述预测运行状态对所述数控机床的实际运行状态进行监控。
[0006]可选地，所述孪生模块包括学习算法单元，所述依据所述运行状态数据确定所述数控机床的预测运行状态的步骤包括：获取所述目标组件输出的历史运行数据，并获取与所述历史运行数据对应的平均阈值数据；当所述运行状态数据与所述平均阈值数据匹配时，将所述运行状态数据传输至所述学习算法单元中进行预警分析并输出所述数控机床的预测运行状态。
[0007]可选地，在所述获取与所述历史运行数据对应的平均阈值数据的步骤之后，所述
数控机床的监测方法还包括：确定所述平均阈值数据指定的阈值范围；检测所述运行状态数据与所述平均阈值数据之间的绝对差值数据是否超过所述阈值范围；若所述绝对差值数据未超过所述阈值范围，则确定所述运行状态数据与所述平均阈值数据匹配。
[0008]可选地，在所述检测所述运行状态数据与所述平均阈值数据之间的绝对差值数据是否超过所述阈值范围的步骤之后，所述数控机床的监测方法还包括：若所述绝对差值数据超过所述阈值范围，则确定所述运行状态数据与所述平均阈值数据不匹配，所述运行状态数据的数量有多个，所述数控机床的运行数据集包括多个所述运行状态数据；将所述运行数据集中超过所述阈值范围的运行状态数据作为所述数控机床的异常数据，并依据所述数控机床的给定权重比例和所述异常数据对所述运行数据集进行更新，得到更新后的运行数据集；将所述更新后的运行数据集传输至所述学习算法单元中进行预警分析并输出所述数控机床的预测运行状态。
[0009]可选地，所述依据所述数控机床的给定权重比例和所述异常数据对所述运行数据集进行更新，得到更新后的运行数据集的步骤，包括：判断所述异常数据的异常数量占比所述运行数据集的数据总量是否超过所述给定权重比例；若所述异常数据的异常数量占比所述运行数据集的数据总量未超过所述给定权重比例，则在所述运行数据集中删除所述异常数据，得到更新后的运行数据集；若所述异常数据的异常数量占比所述运行数据集的数据总量超过所述给定权重比例，则对所述异常数据进行异常值纠正处理，得到纠正后的异常数据，并在所述运行数据集中依据所述纠正后的异常数据对所述异常数据进行替换，得到所述更新后的运行数据集。
[0010]可选地，所述学习算法单元包括初始神经网络算法模型，所述将所述运行状态数据传输至所述学习算法单元中进行预警分析并输出所述数控机床的预测运行状态的步骤包括：确定所述运行状态数据指向的时间标识，并依据所述时间标识和所述运行状态数据确定所述数控机床的时间序列数据；确定所述初始神经网络算法模型指向的监督格式，依据所述监督格式将所述时间序列数据转化成监督序列数据输入至所述初始神经网络算法模型中进行模型训练，得到所述初始神经网络算法模型输出的所述数控机床的预测运行参数；依据所述历史运行数据确定所述数控机床的真实运行参数，并当所述预测运行参数与所述真实运行参数一致时，将所述预测运行参数作为所述数控机床的预测运行状态。
[0011]可选地，所述初始神经网络算法模型包括多层神经网络，在所述依据所述历史运行数据确定所述数控机床的真实运行参数的步骤之后，所述数控机床的监测方法还包括：确认所述真实运行参数与所述预测运行参数之间的均方差是否处于所述数控机
床的给定阈值区间内；若所述均方差处于所述给定阈值区间内，则确定所述预测运行参数与所述真实运行参数一致；若所述均方差未处于所述给定阈值区间内，则确定所述预测运行参数与所述真实运行参数不一致，依据所述均方差对多层所述神经网络进行权值更新，得到更新权值矩阵；依据所述更新权值矩阵对所述初始神经网络算法模型进行调整，并将调整后的神经网络算法模型作为下一个初始神经网络算法模型，返回执行所述依据所述监督格式将所述时间序列数据转化成监督序列数据输入至所述初始神经网络算法模型中进行模型训练的步骤。
[0012]此外，为实现上述目的，本申请还提供一种数控机床的监测装置，本申请数控机床的监测装置包括：输出模块，用于依据主控模块对目标组件做出的响应，确定所述目标组件输出的所述数控机床的运行状态数据，所述目标组件是指多个监测组件中的至少一个监测组件，所述运行状态数据至少包括所述数控机床的伺服电机参数、液压状态参数、气动状态参数、水路状态参数、主轴状态参数和AC摆幅状态参数；监控模块，用于依据所述运行状态数据确定所述数控机床的预测运行状态，并依据所述预测运行状态对所述数控机床的运行状态进行监控。
[0013]本申请数控机床的监测装置的各个功能模块在运行时实现如上所述的本申请数控机床的监测方法的步骤。
[0014]此外，为实现上述目的，本申请还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数控机床的监测程序，所述数控机床的监测程序被所述处理器执行时实现上述数控机床的监测方法的步骤。
[0015]此外，为实现上述目的，本申请还提供一种计算机存储介质，所述计算机存储介质上存储有数控机床的监测程序，所述数控机床的监测程序被处理器执行时实现上述的数控机床的监测方法的步骤。
[0016]本申请中数控机床的监测方法应用于数控机床的监测系统中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控机床的监测方法，其特征在于，所述数控机床的监测方法应用于数控机床的监测系统中的孪生模块，所述数控机床的监控系统还包括：多个监测组件和主控模块，多个所述监测组件、主控模块和孪生模块依次连接，多个监测组件与数控机床连接；所述数控机床的监测方法包括：依据所述主控模块对目标组件做出的响应，确定所述目标组件输出的所述数控机床的运行状态数据，所述目标组件是指多个所述监测组件中的至少一个监测组件，所述运行状态数据至少包括所述数控机床的伺服电机参数、液压状态参数、气动状态参数、水路状态参数、主轴状态参数和AC摆幅状态参数；依据所述运行状态数据确定所述数控机床的预测运行状态，并依据所述预测运行状态对所述数控机床的实际运行状态进行监控。2.如权利要求1所述数控机床的监测方法，其特征在于，所述孪生模块包括学习算法单元，所述依据所述运行状态数据确定所述数控机床的预测运行状态的步骤包括：获取所述目标组件输出的历史运行数据，并获取与所述历史运行数据对应的平均阈值数据；当所述运行状态数据与所述平均阈值数据匹配时，将所述运行状态数据传输至所述学习算法单元中进行预警分析并输出所述数控机床的预测运行状态。3.如权利要求2所述数控机床的监测方法，其特征在于，在所述获取与所述历史运行数据对应的平均阈值数据的步骤之后，所述数控机床的监测方法还包括：确定所述平均阈值数据指定的阈值范围；检测所述运行状态数据与所述平均阈值数据之间的绝对差值数据是否超过所述阈值范围；若所述绝对差值数据未超过所述阈值范围，则确定所述运行状态数据与所述平均阈值数据匹配。4.如权利要求3所述数控机床的监测方法，其特征在于，在所述检测所述运行状态数据与所述平均阈值数据之间的绝对差值数据是否超过所述阈值范围的步骤之后，所述数控机床的监测方法还包括：若所述绝对差值数据超过所述阈值范围，则确定所述运行状态数据与所述平均阈值数据不匹配，所述运行状态数据的数量有多个，所述数控机床的运行数据集包括多个所述运行状态数据；将所述运行数据集中超过所述阈值范围的运行状态数据作为所述数控机床的异常数据，并依据所述数控机床的给定权重比例和所述异常数据对所述运行数据集进行更新，得到更新后的运行数据集；将所述更新后的运行数据集传输至所述学习算法单元中进行预警分析并输出所述数控机床的预测运行状态。5.如权利要求4所述数控机床的监测方法，其特征在于，所述依据所述数控机床的给定权重比例和所述异常数据对所述运行数据集进行更新，得到更新后的运行数据集的步骤，包括：判断所述异常数据的异常数量占比所述运行数据集的数据总量是否超过所述给定权重比例；
若所述异常数据的异常数量占比所述运行数据集的数据总量未超过所述给定权重比例，则在所述运行数据集中删除所述异常数据，得到更新后的运行数据集；若所述异常数据的异常数量占比所述运行数据集的数据总量超过所述给定权重比例，则对所述异常数据...

【专利技术属性】
技术研发人员：刘祥飞，肖溱鸽，朱俊丞，
申请(专利权)人：中科航迈数控软件深圳有限公司，
类型：发明
国别省市：