一种金属加工机床运行状态预测方法及系统技术方案

本发明专利技术涉及机床运行状态预测领域，具体涉及一种金属加工机床运行状态预测方法及系统。包括：采集机床多个时刻的历史运行检测参数；建立预测模型获取每个检测参数未来时刻的预测值，对每个检测参数未来时刻的预测值进行相空间重构，得到多个重构向量；根据每个检测参数不同重构向量类别的占比计算该参数的预测特征值；获取历史时刻数据中同时出现异常的两两参数建立参数关联模型，获取该两两参数的关联性指标；对每个参数的预测特征值进行优化，得到每个参数的优化特征值；根据每个参数的优化特征值对机床运行状态进行预测。本发明专利技术通过对金属加工机床运行的未来数据进行预测，并获取对应的预测特征值，可以实现对机床运行状态的准确预测评估。的准确预测评估。的准确预测评估。

【技术实现步骤摘要】
一种金属加工机床运行状态预测方法及系统


[0001]本专利技术涉及机床运行状态预测领域，具体涉及一种金属加工机床运行状态预测方法及系统。

技术介绍

[0002]金属加工数控机床属于工业机械加工过程中最常见的机械设备，其可提供高精度、高水平的机械加工服务。在全球工业互联网浪潮日益高涨的背景下，数控机床在柔性加工等生产中应用越来越广泛，然而，数控机床在工作过程中缺乏实时监测，难以掌控工作状态和使用寿命情况，数控机床运行工况复杂，难以评估其健康状况。
[0003]传统的数控机床，在对工作状态进行监控时，一般采用人工进行监视，或者单纯的记录数控机床是否开机，在工件实际生产时，由于人工并不能实时监测机床的工作状态。现有的数控机床监测方法大都需要加装外部传感器，不仅影响数控机床的内部控制而且还会造成大量的成本浪费，另一方面，从传感器提取数据的过程中，传统的波形信号特征提取方法需要对传感信号进行高频采样，对采集终端信号处理和传输技术/设备要求高，无形中又增加了监控成本。
[0004]针对上述问题，本专利技术提出一种金属加工机床运行状态预测方法及系统，通过对未来时刻的金属加工机床运行数据进行预测，从而对机床的运行状况进行预测评估。

技术实现思路

[0005]本专利技术提供一种金属加工机床运行状态预测方法及系统，以解决现有的问题，包括：采集机床多个时刻的历史运行检测参数；建立预测模型获取每个检测参数未来时刻的预测值，对每个检测参数未来时刻的预测值进行相空间重构，得到多个重构向量；根据每个检测参数不同重构向量类别的占比计算该参数的预测特征值；获取历史时刻数据中同时出现异常的两两参数建立参数关联模型，获取该两两参数的关联性指标；对每个参数的预测特征值进行优化，得到每个参数的优化特征值；根据每个参数的优化特征值对机床运行状态进行预测。
[0006]根据本专利技术提出的技术手段，通过对金属加工机床运行的未来数据进行预测，并获取对应的运行状态预测特征值，同时考虑到参数间的关联性对预测特征值进行优化，进而根据优化后的预测特征值实现对机床运行状态进行准确预测评估，具有准确性好，效率高的优点。
[0007]本专利技术采用如下技术方案，一种金属加工机床运行状态预测方法，包括：采集机床当前时间段和当前时间段的上一时间段形成的正常运行历史时间段内的多个检测参数，得到每个参数在该历史正常运行时间段内每一时刻的运行数据。
[0008]利用每个参数在历史正常运行时间段内每一时刻的运行数据建立预测模型，利用所述预测模型获取每个参数未来多个时刻的预测值，对每个参数未来时刻的预测值进行相空间重构，得到每个参数的多个重构向量。
[0009]统计每个检测参数重构向量的类别数，根据每个检测参数不同重构向量类别的占比计算该检测参数的预测特征值建立参数关联模型，将每一个参数作为一个目标参数，采集目标参数在发生异常时的异常历史数据，根据该异常历史数据获得目标参数在发生异常时对应的间隔时间；确定出该间隔时间内发生异常的其它参数，利用建立的关联模型及目标参数发生异常时对应的间隔时间内其它参数发生异常的数据个数获取目标参数与其它参数两两之间的关联性指标。
[0010]根据目标参数与其它参数两两之间的关联性指标对该目标参数所对应参数的预测特征值进行优化，得到每个参数的优化特征值。
[0011]根据每个参数的优化特征值对机床运行状态进行预测。
[0012]进一步的，一种金属加工机床运行状态预测方法，所述预测模型的表达式为：其中，表示第i个参数，N表示最大历史采集时刻， 表示第N个历史采集时刻以后的第a个未来时刻的采集值，表示第i个参数在第k个历史采集时刻的影响因子，表示第i个数据在第k个历史采集时刻的数据,Q为最大未来预测时刻。
[0013]进一步的，一种金属加工机床运行状态预测方法，获取多个重构向量的方法为：将得到的每个检测参数所有未来时刻的预测值作为一个向量，利用设定的嵌入维数以及延迟因子对该向量进行相空间重构，得到多个重构向量。
[0014]进一步的，一种金属加工机床运行状态预测方法，计算每个参数的预测特征值的方法为：获取每个参数的所有重构向量的类别数，根据每个类别中重构向量的个数占比计算该参数的预测特征值，表达式为：其中，表示第i个参数的预测特征值，表示第c种重构向量的占比，C为所有重构向量的类别数。
[0015]进一步的，一种金属加工机床运行状态预测方法，获取目标参数与其它参数两两之间的关联性指标的方法为：重新采集机床异常运行历史时间段中参数的历史数据，获得目标参数在发生异常时对应的间隔时间；确定出该间隔时间内发生异常的其它参数，利用建立的关联模型及目标参数发生异常时对应的间隔时间内其它参数发生异常的数据个数获取目标参数与其它参数两两之间的关联性指标，所述参数关联模型的表达式为：其中，表示第i个参数和第j个参数的关联性指标， 表表示第i个参数发生异常时的间隔时间内第j个参数发生异常的数据个数，N表示历史采集最大时刻，表示第i个
参数与第j个参数出现异常的时间间隔。
[0016]进一步的，一种金属加工机床运行状态预测方法，对每个参数的预测特征值进行优化，得到每个参数的优化特征值的方法为：其中，表示第i个参数的优化特征值，表示第i个参数的预测特征值，表示第j个参数的预测特征值，表示第i个参数和第j个参数的关联性指标，表示与i互为因果参数的参数个数。
[0017]进一步的，本专利技术还提出了一种金属加工机床运行状态预测系统，包括数据采集模块、参数预测模块、预测特征值计算模块、关联性指标计算模块、特征值优化模块以及状态预测模块；数据采集模块，用于采集机床正常运行历史时间段内的多个检测参数，得到每个参数在历史正常运行时间段内多个采集时刻的历史数据；参数预测模块，用于根据数据采集模块中得到每个参数的正常运行历史时刻数据建立预测模型，利用所述预测模型获取每个参数未来多个时刻的预测值，对每个参数未来时刻的预测值进行相空间重构，得到每个参数的多个重构向量；预测特征值计算模块，用于统计每个检测参数重构向量的类别数，根据每个检测参数不同重构向量类别的占比计算该检测参数的预测特征值；关联性指标计算模块，用于建立参数关联模型，将每一个参数作为一个目标参数，采集目标参数在发生异常时的异常历史数据，根据该异常历史数据获得目标参数在发生异常时对应的间隔时间；确定出该间隔时间内发生异常的其它参数，利用建立的关联模型及目标参数发生异常时对应的间隔时间内其它参数发生异常的个数获取目标参数与其它参数两两之间的关联性指标；特征值优化模块，用于根据目标参数与其它参数两两之间的关联性指标对该目标参数所对应参数的预测特征值进行优化，得到每个参数的优化特征值；状态预测模块，用于根据每个参数的优化特征值对机床运行状态进行预测。
[0018]本专利技术的有益效果是，根据本专利技术提出的技术手段，通过对金属加工机床运行的未来数据进行预测，并获取对应的运行状态预测特征值，同时考虑到参数间的关联性对预测特征值进行优化，进而根据优化后的预测特征值实现对机床运行状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金属加工机床运行状态预测方法，其特征在于，包括：采集机床当前时间段和当前时间段的上一时间段形成的正常运行历史时间段内的多个检测参数，得到每个参数在该历史正常运行时间段内每一时刻的运行数据；利用每个参数在历史正常运行时间段内每一时刻的运行数据建立预测模型，利用所述预测模型获取每个参数未来多个时刻的预测值，对每个参数未来时刻的预测值进行相空间重构，得到每个参数的多个重构向量；统计每个检测参数重构向量的类别数，根据每个检测参数不同重构向量类别的占比计算该检测参数的预测特征值；建立参数关联模型，将每一个参数作为一个目标参数，采集目标参数在发生异常时的异常历史数据，根据该异常历史数据获得目标参数在发生异常时对应的间隔时间；确定出该间隔时间内发生异常的其它参数，利用建立的关联模型及目标参数发生异常时对应的间隔时间内其它参数发生异常的数据个数获取目标参数与其它参数两两之间的关联性指标；参数关联模型的表达式为：其中，表示第i个参数和第j个参数的关联性指标，表示第i个参数发生异常时的间隔时间内第j个参数发生异常的数据个数，N表示历史采集最大时刻，表示第i个参数与第j个参数出现异常的时间间隔；根据目标参数与其它参数两两之间的关联性指标对该目标参数所对应参数的预测特征值进行优化，得到每个参数的优化特征值；根据每个参数的优化特征值对机床运行状态进行预测。2.根据权利要求1所述的一种金属加工机床运行状态预测方法，其特征在于，所述预测模型的表达式为：其中，表示第i个参数，N表示最大历史采集时刻， 表示第N个历史采集时刻以后的第a个未来时刻的采集值，表示第i个参数在第k个历史采集时刻的影响因子，表示第i个数据在第k个历史采集时刻的数据,Q为最大未来预测时刻。3.根据权利要求1所述的一种金属加工机床运行状态预测方法，其特征在于，获取多个重构向量的方法为：将得到的每个检测参数所有未来时刻的预测值作为一个向量，利用设定的嵌入维数以及延迟因子对该向量进行相空间重构，得到多个重构向量。4.根据权利要求3所述的一种金属加工机床运行状态预测方法，其特征在于，计算每个参数的预测特征值的方法为：获取每个参数的所有重构向量的类别数，根据每个类别中重构向量的个数占比计算该参数的预测特征值，表达式为：
其中，表示第i个参数的预测特征值，表示第c种重构向量的占比，C为所有重构向...

【专利技术属性】
技术研发人员：曾章荣，
申请(专利权)人：南通恒强轧辊有限公司，
类型：发明
国别省市：