【技术实现步骤摘要】
本申请涉及数据处理，具体涉及基于数字孪生的工业设备故障智能检测方法及系统。
技术介绍
1、随着信息化技术的快速发展，工业设备的智能化水平也在不断地提升。然而，随着设备的升级换代，设备内部构造也变得越来越复杂，使得对设备故障的检测难度也在逐渐上升。自动换刀装置（刀库及机械手）是数控机床的关键部件之一，其复杂的内部结构以及换刀的严格要求，意味着若机械手出现故障则将直接导致换刀失败，甚至可能会损害机床和被加工件。因此，对机械手进行实时的故障监测就显得尤为重要。
2、数字孪生技术通过构建与物理实体完全对应的虚拟模型，不仅能够实时反馈机械手的真实运行状态，还能在不影响机械手实际操作的前提下，对机械手进行深入的故障检测与分析。然而，即使使用了数字孪生技术，但是在对机械手进行故障检测时，现有技术仍存在一定的问题。例如现有技术虽然采用了多维度数据来监测机械手的状态，但是却并未深入分析多维度数据的本身特征以及数据之间的非线性关系，导致在处理机械手这种较为复杂的工业设备，特征分析不够深入，故障检测的效果不好。
技术实现思路
1、为了解决上述技术问题，提供基于数字孪生的工业设备故障智能检测方法及系统，以解决现有的问题。
2、本申请解决技术问题的方案是提供基于数字孪生的工业设备故障智能检测方法及系统，包括以下步骤：
3、第一方面，本申请实施例提供了基于数字孪生的工业设备故障智能检测方法，该方法包括以下步骤：
4、获取工业设备上机械手每次历史工作流程和待测工作
5、根据待测工作流程中不同时刻的振动数据的波动差异情况以及单调变化趋势，确定待测工作流程的振动稳定系数；
6、根据待测工作流程的所有时刻的振动数据与电流数据的变化过程中时间间隔的差异情况和离散程度，并结合所述振动稳定系数，确定待测工作流程的振动偏离系数；
7、根据待测工作流程与所有历史工作流程之间噪声数据的差异情况，并结合所述振动偏离系数，确定待测工作流程的设备故障系数；
8、根据所述设备故障系数在所有历史工作流程中的异常程度，确定待测工作流程的故障置信度，对工业设备中机械手进行故障检测。
9、优选的，所述确定待测工作流程的振动稳定系数，包括：
10、对待测工作流程中所有时刻的振动数据采用可变长度子序列聚类算法提取子序列，并对子序列进行聚类；
11、分析待测工作流程中每个聚类簇内各子序列的离散情况，确定为待测工作流程中每个聚类簇的簇内波动指数；
12、将所述簇内波动指数最大的聚类簇记为振动波动簇，将所述簇内波动指数最小的聚类簇记为振动平稳簇；
13、分析所述振动波动簇内各子序列内元素的变化趋势情况，确定待测工作流程的振动波动簇内各子序列的单调变化差异；
14、将振动波动簇内所有子序列的所述单调变化差异为0的数量与其所有子序列的数量之间的比值，记为振动波动簇的第一比值；
15、将振动波动簇的所述第一比值与振动平稳簇的所述簇内波动指数的比值，作为待测工作流程的振动稳定系数。
16、优选的，所述确定为待测工作流程中每个聚类簇的簇内波动指数，包括：
17、将待测工作流程中每个聚类簇内各子序列的离散程度和均值之间的和，作为待测工作流程中每个聚类簇内各子序列的振动变化程度；
18、将待测工作流程中每个聚类簇内所有子序列的所述振动变化程度的离散程度，确定为待测工作流程中每个聚类簇的簇内波动指数。
19、优选的，所述确定待测工作流程的振动波动簇内各子序列的单调变化差异，包括：
20、对待测工作流程的振动波动簇内各子序列进行一阶差分，获得各差分子序列；
21、将所述差分子序列内大于等于0的元素赋值为1；小于0的元素赋值为-1；
22、将所述差分子序列内赋值后的所有元素的和的绝对值，记为各子序列的第一绝对值；
23、将所述第一绝对值与差分子序列的长度的差异，作为待测工作流程的振动波动簇内各子序列的单调变化差异。
24、优选的，所述确定待测工作流程的振动偏离系数，包括：
25、针对待测工作流程中所有时刻的电流数据，采用与振动波动簇与振动平稳簇相同的方法，获得待测工作流程的电流波动簇和电流平稳簇；
26、选取振动波动簇的各子序列内元素最大值所对应的采集时刻，按照时间顺序排序，组成振动瞬时序列；针对所述电流波动簇的各子序列，采用与振动瞬时序列相同的方法，获得电流瞬时序列；
27、分析所述振动瞬时序列与所述电流瞬时序列之间差异情况，确定为待测工作流程的瞬时偏离系数；
28、将所述瞬时偏离系数与所述振动稳定系数的比值，作为待测工作流程的振动偏离系数。
29、优选的，所述确定为待测工作流程的瞬时偏离系数，包括：
30、将所述振动瞬时序列的各采集时刻与所述电流瞬时序列中相同位置的采集时刻之间的差值，记为延后效应值；
31、将所有所述延后效应值的离散程度，作为待测工作流程的时间差异指数；
32、将所述振动瞬时序列的长度与所述电流瞬时序列的长度的差异，作为待测工作流程的瞬时次数差异；
33、统计所有所述延后效应值小于等于0的数量， 将所述数量、所述时间差异指数及所述瞬时次数差异进行融合，确定为待测工作流程的瞬时偏离系数。
34、优选的，所述确定待测工作流程的设备故障系数，包括：
35、将待测工作流程中所有时刻的噪声数据，划分为多个噪声子序列；
36、计算待测工作流程中各噪声子序列的方差、均值和子序列长度；
37、将所有噪声子序列的方差、均值和序列长度，分别组成待测工作流程的噪声方差向量、噪声均值向量和噪声长度向量；
38、针对每次历史工作流程中所有时刻的噪声数据，采用与待测工作流程的噪声方差向量、噪声均值向量和噪声长度向量相同的方法，得到每次历史工作流程的噪声方差向量、噪声均值向量和噪声长度向量；
39、对待测工作流程和所有历史工作流程的所有所述噪声方差向量、所有所述噪声均值向量和所有所述噪声长度向量分别进行聚类分析，分别获得多个方差簇、多个均值簇及多个长度簇；
40、分析不同聚类簇之间的数量差异以及待测工作流程的噪声数据与聚类簇内聚类中心之间的差异情况，确定待测工作流程的噪声偏离系数；
41、将所述振动偏离系数和所述噪声偏离系数进行融合，确定为待测工作流程的设备故障系数。
42、优选的，所述确定待测工作流程的噪声偏离系数，包括：
43、将待测工作流程的所述噪声方差向量与各方差簇的聚类中心向量之间的差异的均值，记为第一差异；
44、针对待测工作流程的所述噪声均值向量与所述噪声长度向量，采用与第一差异相同的方法，获得待测工作流程的第二差异、第三差异；...
【技术保护点】
1.基于数字孪生的工业设备故障智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动稳定系数，包括：
3.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定为待测工作流程中每个聚类簇的簇内波动指数，包括：
4.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动波动簇内各子序列的单调变化差异，包括：
5.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动偏离系数，包括：
6.如权利要求5所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定为待测工作流程的瞬时偏离系数，包括：
7.如权利要求1所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的设备故障系数，包括：
8.如权利要求7所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测
9.如权利要求1所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的故障置信度，对工业设备中机械手进行故障检测，包括：
10.基于数字孪生的工业设备故障智能检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于数字孪生的工业设备故障智能检测方法的步骤。
...【技术特征摘要】
1.基于数字孪生的工业设备故障智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动稳定系数，包括：
3.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定为待测工作流程中每个聚类簇的簇内波动指数，包括：
4.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动波动簇内各子序列的单调变化差异，包括：
5.如权利要求2所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，所述确定待测工作流程的振动偏离系数，包括：
6.如权利要求5所述的基于数字孪生的工业设备故障智能检测方法，其特征在于，...
【专利技术属性】
技术研发人员：陈帼鸾，樊彬，
申请(专利权)人：佛山市星际云数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。