基于信号融合的机床工作状态智能辨识系统技术方案

本发明专利技术提供了一种基于信号融合的机床工作状态智能辨识系统，传感器系统安装于机床的机械系统上，采集机床的振动信号、温度信号、电流信号和速度信号；振动信号和温度信号通过数据采集系统转换为数字信号后发送至监控系统，电流信号和速度信号通过数控系统发送至监控系统；监控系统控制振动信号、温度信号、电流信号和速度信号发送至状态信号数据库系统中和/或发送至数据智能分析系统进行实时数据分析并输出机床工作状态智能辨识结果。本发明专利技术有效地消除了单独由功率传感器测得的信号所做的机床状态辨识所带来的误判，结合多种传感器信息的融合，采用BP神经网络方法，减小判断误差，提高系统鲁棒性，同时为加工工艺过程的动态监控提供了基础条件。

Intelligent Identification System of Machine Tool Working State Based on Signal Fusion

The invention provides an intelligent identification system of machine tool working state based on signal fusion. The sensor system is installed on the machine tool mechanical system to collect the vibration signal, temperature signal, current signal and speed signal of the machine tool; the vibration signal and temperature signal are transmitted to the monitoring system after being converted into digital signal through the data acquisition system, and the current signal and speed signal are transmitted to the monitoring system through numerical control. The system is sent to the monitoring system, and the vibration signal, temperature signal, current signal and speed signal are sent to the state signal database system and/or to the data intelligent analysis system for real-time data analysis and intelligent identification of machine tool working status. The invention effectively eliminates the misjudgment caused by machine tool state identification by the signal measured by the power sensor alone. Combining with the fusion of multi-sensor information, the BP neural network method is adopted to reduce the judgment error, improve the robustness of the system, and provide the basic conditions for dynamic monitoring of the processing process.

【技术实现步骤摘要】
基于信号融合的机床工作状态智能辨识系统
本专利技术涉及机床加工工艺过程监控领域，尤其是一种基于信号融合的加工中心加工工艺过程中不同加工阶段的机床工作状态智能辨识系统。
技术介绍
加工中心的加工工艺过程辨识是指对于机床工作状态尤其是对加工过程中不同加工工艺阶段的辨识，是加工工艺过程监控的重要基础。机床工作状态的识别对了解掌握和统计分析设备的加工信息具有重要意义。加工中心不同的工作状态包括停机、开机、加工开始、不同的加工工艺阶段、加工结束、换刀等工作状态，企业可以计算机床的加工负荷、产品的生产数量及刀具的消耗量等等，从而核算成本。在加工工艺过程监控中，通过识别设备加工过程中不同的加工阶段，可以及时发现特定工艺过程的异常状态，预报和定位加工设备故障，减少停机时间，预测和控制加工质量。现有的机床加工状态识别方法大部分为基于功率信息的统计方法。经过检索发现：申请号为201310134979.7的专利技术专利，公开了一种“基于功率信息的机床设备利用状态在线监测方法及装置”，通过在机床总电源处安装功率传感器，对实时采集的机床总电源输入功率进行信号处理后，得到机床的开机状态、主轴电机运行状态等信息并进一步进行统计分析。申请号为201410697266.6的专利技术专利，公开了“基于主轴功率监控的机床工作状态的自动统计方法及系统”，此方法通过对机床主轴功率的监控，实时识别机床加工状态，统计机床加工工件时间，换刀时间，主轴空转时间，加工结束机床闲置时间，机床开机总时间，并统计机床加工工件数量和刀具使用数量。分析已有专利，还缺少对于不同加工工艺阶段的判断方法。目前没有发现同本专利技术类似技术的说明或报道，也尚未收集到国内外类似的资料。
技术实现思路
为了克服现有技术中只使用一种功率信号作为判断机床状态准确率低、鲁棒性差等缺陷，本专利技术提供了一种基于信号融合的机床工作状态智能辨识系统，该系统采用多种传感器信号融合的方法，通过采集机床主轴和进给轴不同位置的振动和负载信号，基于人工智能技术，将多传感器信号融合，自动辨识机床工作状态包括停机、开机、加工开始、不同加工阶段对应的加工工艺过程、加工结束、换刀等工作状态，为工作状态的自动统计提供新的方法，尤其是辨识零件不同的加工工艺过程，如加工中心上特定的工序和工步，采用不同刀具和加工工艺参数加工零件的不同部位，为加工工艺过程的动态监控提供了基础条件。本专利技术是通过以下技术方案实现的。一种基于信号融合的机床工作状态智能辨识系统，包括传感器系统、数据采集系统、监控系统、状态信号数据库系统和数据智能分析系统；其中：所述传感器系统安装于机床的机械系统上，并采集机床的振动信号、温度信号、电流信号和速度信号；其中，所述振动信号和温度信号通过数据采集系统由模拟信号转换为数字信号后发送至监控系统，所述电流信号和速度信号(通过数控系统)直接发送至监控系统；所述监控系统控制振动信号、温度信号、电流信号和速度信号发送至状态信号数据库系统中进行数据存储和/或发送至数据智能分析系统进行实时数据分析；所述数据智能分析系统输出机床工作状态智能辨识结果。优选地，所述机床的机械系统包括主轴和伺服轴；所述传感器系统包括：振动信号传感器、温度信号传感器以及数控系统；其中：所述振动信号传感器和温度信号传感器分别布置于主轴的前后轴承处以及伺服轴丝杠螺母座处，采集主轴和伺服轴的振动信号和温度信号；所述数控系统采集主轴和伺服轴的电流信号和速度信号。优选地，所述传感器系统，还包括如下任意一项或任意多项特征：-布置于主轴前轴承处的振动信号传感器和温度信号传感器采用防水或防缠屑型传感器；-所述振动信号传感器和温度信号传感器通过信号线与数据采集系统连接；-所述数控系统采用机床的控制系统，并与监控系统数据通讯连接。优选地，所述数控系统采集主轴和伺服轴的电流信号和速度信号的方法为：通过调用数控系统API，得到主轴和伺服轴的电流信号和速度信号。优选地，所述状态信号数据库系统按照数据采集时间和机床编号对数据进行分类存储。优选地，所述智能分析系统对传感器系统采集到的信号进行特征提取，再将提取的特征值作为参数输入到构建的BP神经网络中，最终输出机床的工作状态。优选地，对传感器系统采集到的信号进行特征提取，包括：-对振动信号传感器采集到的振动信号进行特征提取，采用多层小波包分析方法，计算多个小波包分量的能量与总能量的比值作为特征值；-对温度信号传感器和数控系统采集到的温度信号、电流信号和速度信号进行特征提取，采用阈值比较分析方法，提取固定时段的最大值作为特征值。优选地，所述BP神经网络包括输入层、隐层和输出层；其中：输入层节点为不同工作状态下不同传感器采集的信号经处理得到的特征值；输出层节点为机床工作状态；隐层节点数m为：其中，n为输入层节点数，l为输出层节点数，a为1～10之间的常数。优选地，将不同机床工作状态下的特征值样本作为输入值，机床工作状态作为输出值，根据BP神经网络算法，用大量的样本数据进行训练，得到BP神经网络模型。在实际机床工作状态下，计算机床的特征值并作为输入值输入到BP神经网络模型中，得到机床工作状态，并继续将次样本数据作为训练数据，减少BP神经网络误差率。BP神经网络的辨识方法的核心为：输入的参数和输出的结果没有公式化的对应关系，通过逆向误差最小算法根据多样本训练得到最小的误差对应的结果。与现有技术相比，本专利技术具有如下有益效果：本专利技术有效地消除了单独由功率传感器测得的信号所做的机床状态辨识所带来的误判，结合多种传感器信息的融合，采用BP神经网络方法，减小判断误差，提高系统鲁棒性，同时为加工工艺过程的动态监控提供了基础条件。本专利技术利用多传感器信息融合技术，提高机床工作状态判断的准确性和鲁棒性，同时，通过识别设备加工过程中不同的加工阶段，可以及时发现特定工艺过程的异常状态，控制加工质量，减少停机时间，提高设备预知维护的水平。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术提供的基于信号融合的机床工作状态智能辨识系统整体结构示意图；图2为本专利技术一实施例中机床工作状态智能辨识示意图。具体实施方式下面对本专利技术的实施例作详细说明：本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。实施例本实施例提供了一种基于信号融合的机床工作状态智能辨识系统，包括传感器系统(振动信号传感器、温度信号传感器、数控系统)、数据采集系统、监控系统、状态信号数据库系统以及数据智能分析系统，其中：将传感器系统安装在机床的机械系统部分，数据采集系统将传感器系统采集到的振动、温度模拟信号转化为数字信号，监控系统与传感器系统的数控系统通信并得到主轴和伺服轴的电流及速度数据，监控系统控制传感器采集的信号数据存储在状态信号数据库系统中或直接传输到数据智能分析系统中进行实时分析，最终能完成机床工作状态智能辨识。机床的机械系统，包括主轴(前、后轴承轴承座)和伺服轴(丝杠螺母副)。主轴的轴承和伺服轴的丝杠螺母作为最易损坏的零部件，能在工作环境中较敏感地反映出健康信息，故将传感本文档来自技高网...

【技术保护点】
1.一种基于信号融合的机床工作状态智能辨识系统，其特征在于，包括传感器系统、数据采集系统、监控系统、状态信号数据库系统和数据智能分析系统；其中：所述传感器系统安装于机床的机械系统上，并采集机床的振动信号、温度信号、电流信号和速度信号；其中，所述振动信号和温度信号通过数据采集系统由模拟信号转换为数字信号后发送至监控系统，所述电流信号和速度信号直接发送至监控系统；所述监控系统控制振动信号、温度信号、电流信号和速度信号发送至状态信号数据库系统中进行数据存储和/或发送至数据智能分析系统进行实时数据分析；所述数据智能分析系统输出机床工作状态智能辨识结果。

【技术特征摘要】
1.一种基于信号融合的机床工作状态智能辨识系统，其特征在于，包括传感器系统、数据采集系统、监控系统、状态信号数据库系统和数据智能分析系统；其中：所述传感器系统安装于机床的机械系统上，并采集机床的振动信号、温度信号、电流信号和速度信号；其中，所述振动信号和温度信号通过数据采集系统由模拟信号转换为数字信号后发送至监控系统，所述电流信号和速度信号直接发送至监控系统；所述监控系统控制振动信号、温度信号、电流信号和速度信号发送至状态信号数据库系统中进行数据存储和/或发送至数据智能分析系统进行实时数据分析；所述数据智能分析系统输出机床工作状态智能辨识结果。2.根据权利要求1所述的基于信号融合的机床工作状态智能辨识系统，其特征在于，所述机床的机械系统包括主轴和伺服轴；所述传感器系统包括：振动信号传感器、温度信号传感器以及数控系统；其中：所述振动信号传感器和温度信号传感器分别布置于主轴的前后轴承处以及伺服轴丝杠螺母座处，采集主轴和伺服轴的振动信号和温度信号；所述数控系统采集主轴和伺服轴的电流信号和速度信号。3.根据权利要求2所述的基于信号融合的机床工作状态智能辨识系统，其特征在于，还包括如下任意一项或任意多项特征：-布置于主轴前轴承处的振动信号传感器和温度信号传感器采用防水或防缠屑型传感器；-所述振动信号传感器和温度信号传感器通过信号线与数据采集系统连接；-所述数控系统采用机床的控制系统，并与监控系统数据通讯连接。4.根据权利要求2所述的基于信号融合...

【专利技术属性】
技术研发人员：许黎明，辛庆伟，张应淳，许凯，许立新，曹正捷，陈龙根，张哲，时轮，
申请(专利权)人：上海交通大学，上海交大临港智能制造创新科技有限公司，
类型：发明
国别省市：上海,31