数控机床撞机的监控方法及系统、电子设备及存储介质技术方案

本发明专利技术公开了一种数控机床撞机的监控方法及系统、电子设备及存储介质。数控机床撞机的监控方法包括以下步骤：获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征；将所述时频联合特征输入至神经网络模型；根据所述神经网络模型输出的分类结果监控所述数控机床是否发生撞机。本发明专利技术通过将数控机床加工过程产生的加工数据经过频谱变换处理后输入神经网络模型中，根据神经网络模型输出的分类结果监控数控机床是否发生撞机，实现了撞机的在线实时监控，从而能够使得撞机刚发生时就能及时做出保护措施，避免主轴和机床发生损坏。

【技术实现步骤摘要】
数控机床撞机的监控方法及系统、电子设备及存储介质
本专利技术涉及数控机床领域，特别涉及一种数控机床撞机的监控方法及系统、电子设备及存储介质。
技术介绍
主轴是指带动工件或道具旋转的轴，是数控机床的重要功能部件，其运行状态的好坏极大地影响了加工精度和加工效率。目前，大部分数控机床主轴撞机都存在无法有效保护等问题，例如操作不当将引起撞机，轻者损伤刀具，重者撞坏主轴，如无适当保护则会造成极大的损失。针对主轴撞机的问题，目前都是在撞机后由人员控制急停，过程需要1秒或者更长时间，而此时已经产生了严重的后果。一些机床控制系统在内部设置了一些功率阈值，当功率阈值达到上限时，自主停机，但由于不清楚机床加工的产品情况，该功率阈值通常只能设置的足够大，并没有起到保护主轴和机床的作用。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中数控机床撞机无法有效保护主轴和机床的缺陷，提供一种数控机床撞机的监控方法及系统、电子设备及存储介质。本专利技术是通过下述技术方案来解决上述技术问题：本专利技术的第一方面提供一种数控机床撞机的监控方法，包括以下步骤：获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征；将所述时频联合特征输入至神经网络模型；根据所述神经网络模型输出的分类结果监控所述数控机床是否发生撞机。较佳地，所述监控方法还包括：若所述数控机床发生撞机，则控制所述数控机床停机，和/或，发出报警信号。较佳地，所述监控方法还包括：通过安装在所述主轴下方的振动传感器获取所述主轴的振动数据。较佳地，利用如下步骤训练所述神经网络模型：对训练样本集合中的加工数据进行频谱变换处理，并将得到的时频联合特征输入至所述神经网络模型，根据输出的分类结果以及所述加工数据的真实类别调整所述神经网络模型的参数，直至所述神经网络模型满足收敛条件；其中，所述训练样本集合包括未发生撞机的加工数据和发生撞机的加工数据。较佳地，所述加工数据还包括工艺参数。本专利技术的第二方面提供一种数控机床撞机的监控系统，包括：获取模块，用于获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；处理模块，用于对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征；输入模块，用于将所述时频联合特征输入至神经网络模型；监控模块，用于根据所述神经网络模型输出的分类结果监控所述数控机床是否发生撞机。较佳地，所述监控系统还包括：控制模块，用于在所述数控机床发生撞机的情况下，控制所述数控机床停机，和/或，发出报警信号。较佳地，所述获取模块具体用于通过安装在所述主轴下方的振动传感器获取所述主轴的振动数据。较佳地，所述监控系统还包括训练模块，用于对训练样本集合中的加工数据进行频谱变换处理，并将得到的时频联合特征输入至所述神经网络模型，根据输出的分类结果以及所述加工数据的真实类别调整所述神经网络模型的参数，直至所述神经网络模型满足收敛条件；其中，所述训练样本集合包括未发生撞机的加工数据和发生撞机的加工数据。较佳地，所述加工数据还包括工艺参数。本专利技术的第三方面提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的数控机床撞机的监控方法。本专利技术的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的数控机床撞机的监控方法的步骤。本专利技术的积极进步效果在于：通过将数控机床加工过程中产生的加工数据经过频谱变换处理后输入至神经网络模型，根据神经网络模型输出的分类结果监控数控机床是否发生撞机，实现了撞机的在线实时监控，从而能够使得撞机刚发生时就能及时做出保护措施，避免主轴和机床发生损坏。附图说明图1为本专利技术实施例1提供的一种数控机床撞机的监控方法的流程图。图2为本专利技术实施例1提供的一种训练神经网络模型的流程框图。图3为本专利技术实施例1提供的一种数控机床撞机的监控方法的流程框图。图4为本专利技术实施例2提供的一种数控机床撞机的监控系统的结构框图。图5为本专利技术实施例3提供的一种电子设备的结构示意图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。实施例1本专利技术实施例提供一种数控机床撞机的监控方法，如图1所示，包括以下步骤：步骤S101、获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据。在步骤S101可选的一种实施方式中，通过安装在主轴下方的振动传感器获取所述主轴的振动数据。其中，振动传感器用于测量数控机床加工过程中产生的振动数据。在可选的一种实施方式中，上述加工数据还包括工艺参数，例如数控机床的启动状态、程式名、刀号等。在具体实施的一个例子中，上述监控方法应用于上位机。振动传感器测量的振动数据为模拟量，需要进行模数转换之后发送至上位机。上位机通过与数控机床中的控制器连接获取加工过程中的工艺参数。在一个例子中，上位机通过网线与数控机床中的CNC(ComputerNumericalControl，数控装置)连接。步骤S102、对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征。其中，时频联合特征包括时域特征和频域特征，时域特征包括振幅、峰峰值和翘度等，频域特征包括基频、n倍频的频率分布和能量大小等。步骤S103、将所述时频联合特征输入至神经网络模型。在可选的一种实施方式中，神经网络模型采用前移学习神经网络，例如LeNet、VGG等预训练好的神经网络做中间层，再经过全连接层，最后使用Sigmoid二分类作为输出层。在可选的一种实施方式中，如图2所示，利用如下步骤训练上述神经网络模型：对训练样本集合中的加工数据进行频谱变换处理，并将得到的时频联合特征输入至所述神经网络模型，根据输出的分类结果以及所述加工数据的真实类别调整所述神经网络模型的参数，直至所述神经网络模型满足收敛条件；其中，所述训练样本集合包括未发生撞机的加工数据和发生撞机的加工数据。本实施方式的具体实施中，将神经网络模型输出的分类结果以及加工数据的真实类别代入损失函数，若损失函数的值未达到阈值，则调整神经网络模型的参数继续进行训练，若损失函数的值达到阈值即满足收敛条件，则停止训练。在一个例子中，采用entropy交叉熵函数作为损失函数。需要说明的是，训练样本集合中未发生撞机的加工数据即为正常加工数据，包括正常振动数据和对应的工艺参数；发生撞机的加工数据即为异常加工数据，包括异常振动数据和对应的工艺参数。在可选的一种本文档来自技高网...

【技术保护点】
1.一种数控机床撞机的监控方法，其特征在于，包括以下步骤：/n获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；/n对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征；/n将所述时频联合特征输入至神经网络模型；/n根据所述神经网络模型输出的分类结果监控所述数控机床是否发生撞机。/n

【技术特征摘要】
1.一种数控机床撞机的监控方法，其特征在于，包括以下步骤：
获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；
对所述加工数据进行频谱变换处理，得到所述加工数据的时频联合特征；
将所述时频联合特征输入至神经网络模型；
根据所述神经网络模型输出的分类结果监控所述数控机床是否发生撞机。


2.如权利要求1所述的监控方法，其特征在于，所述监控方法还包括：
若所述数控机床发生撞机，则控制所述数控机床停机，和/或，发出报警信号。


3.如权利要求1所述的监控方法，其特征在于，所述监控方法还包括：通过安装在所述主轴下方的振动传感器获取所述主轴的振动数据。


4.如权利要求1所述的监控方法，其特征在于，利用如下步骤训练所述神经网络模型：
对训练样本集合中的加工数据进行频谱变换处理，并将得到的时频联合特征输入至所述神经网络模型，根据输出的分类结果以及所述加工数据的真实类别调整所述神经网络模型的参数，直至所述神经网络模型满足收敛条件；
其中，所述训练样本集合包括未发生撞机的加工数据和发生撞机的加工数据。


5.如权利要求1-4中任一项所述的监控方法，其特征在于，所述加工数据还包括工艺参数。


6.一种数控机床撞机的监控系统，其特征在于，包括：
获取模块，用于获取数控机床在加工过程中产生的加工数据；其中，所述加工数据包括所述数控机床中主轴的振动数据；
处理模块，用于对所述加工数据进行频谱变换...

【专利技术属性】
技术研发人员：贾昌武，黄永锋，李鸿峰，谭国豪，杨海，张宸，
申请(专利权)人：深圳市玄羽科技有限公司，
类型：发明
国别省市：广东;44