一种智能制造装备的预测性维护系统和方法技术方案

本发明专利技术提供一种智能制造装备的预测性维护系统和方法，所述预测性维护系统包括一级预测性维护模块、二级预测性维护模块和维修决策模块，所述一级预测性维护模块包括采集模块、人机交互模块、计算模块和存储模块，所述二级预测性维护模块包括通信模块、设置模块和预测模块，所述维修决策模块接收所述一级预测性维护模块计算的一级剩余寿命和所述二级预测性维护模块预测的二级剩余寿命，并且根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略。本发明专利技术能够为智能制造装备的主动运维提供技术支撑，减少意外停机，缩短停机时间，降低运维成本，提高运维效率。率。率。

【技术实现步骤摘要】
一种智能制造装备的预测性维护系统和方法


[0001]本专利技术属于智能制造
，尤其是涉及一种智能制造装备的预测性维护系统和方法。

技术介绍

[0002]近年，高危、高强度、重复性等特征的工作岗位逐渐开展“机器换人”，随着制造业自动化、数字化、智能化的转型升级，以工业机器人为代表的智能制造装备在现代制造业中的地位也越来越重要。然而，设备的故障不可能被消除，智能制造装备在长期、重复的工作下容易出现退化和损坏情况。由于智能制造无人化、自动化场景，智能制造装备和系统必须考虑开展维修维护活动，以最大程度保障智能制造的效率。
[0003]当前普遍的做法是在加工产品质量出现问题（即不良品率提高）甚至装备停机后，才进行修复，即事后维修（故障后修复），导致意外停机。或者采用定期维护，即到了规定的时间就更换，导致很多还能继续使用的部件提前更换而导致浪费，而很多使用频繁无法坚持到规定周期而导致意外故障。当出现意外故障，设备用户需要通知厂家或集成商到企业故障现场进行诊断和维修，浪费了设备甚至整条自动化产线的时间和成本，不满足现代制造的要求。因此，需要能够对设备提供主动的预测性维护方案，为设备的主动运维提供技术支撑，减少意外停机，降低生产成本。

技术实现思路

[0004]本专利技术的目的是提供一种智能制造装备的预测性维护系统和方法，能够为智能制造装备的主动运维提供技术支撑，减少意外停机，降低运维成本，提高运维效率。
[0005]为了实现上述目的，本专利技术的一个方面提供一种智能制造装备的预测性维护系统，包括一级预测性维护模块、二级预测性维护模块和维修决策模块；所述一级预测性维护模块包括采集模块、人机交互模块、计算模块和存储模块，所述采集模块用于获取所述智能制造装备的控制参数；所述人机交互模块用于触发所述计算模块进行计算；所述存储模块用于保存所述采集模块采集的控制参数；所述计算模块用于根据所述存储模块保存的控制参数，基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；所述二级预测性维护模块包括通信模块、设置模块和预测模块，所述通信模块用于接收所述智能制造装备的状态参数和点检参数；所述设置模块用于为每个状态参数和点检参数设置退化阈值和故障阈值；所述预测模块用于针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；所述维修决策模块接收所述一级预测性维护模块的计算结果和所述二级预测性维护模块的预测结果，并且根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略。
[0006]优选地，所述设置模块还用于为不同的状态参数和点检参数设置在正常状态下和异常状态下对应的不同采集周期和通信周期，所述正常状态是未超过所述退化阈值的状
态，所述异常状态是超过所述退化阈值的状态；所述通信模块按照所述通信周期从所述智能制造装备接收按照所述采集周期采集的状态参数和点检参数。
[0007]本专利技术的另一个方面提供一种智能制造装备的预测性维护方法，包括：对所述智能制造装备进行控制参数和状态参数的实时采集，并进行点检参数的定期采集；触发一级预测性维护，在所述一级预测性维护中，根据所采集的控制参数并基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；当所述状态参数和点检参数中的任何一个参数超过预先设置的退化阈值时，停止一级预测性维护，触发二级预测性维护，在所述二级预测性维护中，针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略。
[0008]优选地，所述触发一级预测性维护包括智能制造装备用户人为触发、按照预先设置的工作周期触发、工况变化时触发3种模式。
[0009]优选地，在所述一级预测性维护中，根据当前时刻与上次触发之间的时间间隔内采集的控制参数，计算不同工况对应的当量载荷，根据得到的当量载荷计算当前时刻的损耗度，进而根据当前时刻的损耗度计算所述一级剩余寿命。
[0010]优选地，在所述一级预测性维护中，在所述智能制造装备的某个部件上存在多重作用力的情况下，分别计算各作用力下的耗损度，然后将各作用力下的耗损度线性叠加，根据叠加后的损耗度计算该部件的剩余寿命，取所有部件的剩余寿命的最小值作为所述智能制造装备的一级剩余寿命。
[0011]优选地，所述作用力包括扭力和径向力，在所述一级预测性维护中，计算扭力作用下机械部件的扭力寿命；计算径向力作用下机械部件的径向力寿命；将扭力和径向力作用下的损耗度线性累加，所述扭力或径向力作用下的损耗度等于当前触发时刻与上一触发时刻之间的时间长度除以该时间长度内的工况对应的扭力寿命或径向力寿命的比值；根据累加后的损耗度计算所述机械部件的剩余寿命。
[0012]优选地，在存在多重扭力和多重径向力的情况下，将多重扭力或多重径向力的损耗度线性累加，然后根据累加后的损耗度计算所述一级剩余寿命。
[0013]优选地，在所述二级预测性维护中，针对所构建的多个时间序列分别进行退化建模，预测出与不同工况对应的剩余寿命，将这些剩余寿命按照正态分布进行统计，获得剩余寿命分布作为所述二级剩余寿命。
[0014]优选地，在所述二级预测性维护中，针对所构建的多个时间序列进行退化建模包括：将不同工况下的时间序列进行分段拟合；选择维纳过程获得不同工况对应的退化速率和退化不确定性；基于与不同工况的退化速率和退化不确定性对应的模型预测不同工况下的剩余寿命。
[0015]本专利技术的智能制造装备的预测性维护系统和方法，能够有效进行智能制造装备的寿命预测，根据预测的剩余寿命确定预测性维护策略，从而能够减少意外停机，缩短停机时间，降低运维成本，提高运维效率。
附图说明
[0016]图1为本专利技术一种实施方式的智能制造装备的结构示意图。
[0017]图2为本专利技术一种实施方式的智能制造装备的预测性维护系统的构成示意图。
[0018]图3为本专利技术一种实施方式的一级预测性维护模块的操作示意图。
[0019]图4为本专利技术一种实施方式的二级预测性维护模块的操作示意图。
[0020]图5为本专利技术一种实施方式的智能制造装备的预测性维护方法的流程图。
[0021]图6为本专利技术一种实施方式的二级寿命预测的预测机制的示意图。
具体实施方式
[0022]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面将结合附图对本专利技术的具体实施方式作进一步的详细说明。
[0023]本专利技术提供一种智能制造装备的预测性维护系统和方法，可适用于智能制造环境下工业机器人等典型往复式机械装备的预测性维护，能够有效进行智能制造装备的寿命预测，根据预测的剩余寿命进行维护计划的制定。
[0024]为了便于理解本专利技术的实施方式的技术方案，首先介绍一下智能制造装备的主要组成和原理。图1为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能制造装备的预测性维护系统，其特征在于，包括一级预测性维护模块、二级预测性维护模块和维修决策模块；所述一级预测性维护模块包括采集模块、人机交互模块、计算模块和存储模块，所述采集模块用于获取所述智能制造装备的控制参数；所述人机交互模块用于触发所述计算模块进行计算；所述存储模块用于保存所述采集模块采集的控制参数；所述计算模块用于根据所述存储模块保存的控制参数，基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；所述二级预测性维护模块包括通信模块、设置模块和预测模块，所述通信模块用于接收所述智能制造装备的状态参数和点检参数；所述设置模块用于为每个状态参数和点检参数设置退化阈值和故障阈值；所述预测模块用于针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；所述维修决策模块接收所述一级预测性维护模块的计算结果和所述二级预测性维护模块的预测结果，并且根据所述一级剩余寿命和所述二级剩余寿命确定所述智能制造装备的预测性维护策略。2.如权利要求1所述的预测性维护系统，其特征在于，所述设置模块还用于为不同的状态参数和点检参数设置在正常状态下和异常状态下对应的不同采集周期和通信周期，所述正常状态是未超过所述退化阈值的状态，所述异常状态是超过所述退化阈值的状态；所述通信模块按照所述通信周期从所述智能制造装备接收按照所述采集周期采集的状态参数和点检参数。3.一种智能制造装备的预测性维护方法，其特征在于，包括：对所述智能制造装备进行控制参数和状态参数的实时采集，并进行点检参数的定期采集；触发一级预测性维护，在所述一级预测性维护中，根据所采集的控制参数并基于统计模型或者经验模型计算所述智能制造装备的一级剩余寿命；当所述状态参数和点检参数中的任何一个参数超过预先设置的退化阈值时，停止一级预测性维护，触发二级预测性维护，在所述二级预测性维护中，针对超过所述退化阈值的状态参数或点检参数构建从所述退化阈值开始的时间序列，针对所构建的多个时间序列进行退化建模，预测所述智能制造装备的二级剩余寿命；根据所述一级剩余寿命和所述二级剩余寿命确定所述智能...

【专利技术属性】
技术研发人员：王远航，王春辉，周健，丁小健，刘文威，时钟，梁超，董成举，陈勃琛，黄创绵，杨剑锋，唐敬，王吉，李小兵，陆树汉，莫文安，杨云帆，郭广廓，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：