一种对机器的状态进行监控的方法技术

本发明专利技术公开了一种对机器的状态进行监控的方法，该方法预先设置密度变化门限值，然后计算所采集到的状态点的密度，并根据所述预先设置的密度变化门限值，采用基于密度的聚类方法对所述状态点进行聚类；再确定各个类之间的关系；最后，根据所述各个类之间的关系、以及当前状态点所属的类，确定当前状态点的状态。应用本发明专利技术能够对机器的异常状态偏离进行自动检测。

【技术实现步骤摘要】

本专利技术涉及数控(CNC，Computer Numerical Control)
，特别涉及。
技术介绍
状态监控在保证重要生产设备的生产效率和可靠运行时间方面起着越来越重要的作用。有效的状态监控的最有用的功能在于在早期发现机器中一些异常的状态偏离，从而及时地采取应对措施以将生产力损失或大的灾难防患于未然。 为了实施状态监控，可以对机器进行常规重复测量从而采集到信号，并从所采集到的信号中提取反映被监控状态的特征量(CQ，CharacteristicQuantities)，这些特征量对于被监控状态的变化比较灵敏。可以采用多种分析方法通过分析信号实现特征量的提取，分析方法包括在时域进行统计分析、在频域进行频谱分析等。 根据所提取的特征量，某机器在时隙ti(i为数据序列的索引号)的状态可表示为n维空间中的一个点Pi(v11，v12，…，vin)，其中vik表示状态点Pi的第k个特征量的取值。空间被一组特征量扩展，例如CQ1，CQ2，…，CQn。状态点Pi在该空间中随时间变化，从而形成一个时间序列。状态监控的重要任务在于识别出异常的状态偏离、触发对应的告警并预计状态的发展趋势。然而，上述任务尚未满足工业对于效力的要求，这是因为 1)特征量无法有效地反应机器状态的异常偏离，因为它们的效力通常取决于对应的预设门限值，但是，该门限值较难确定。 机器状态监控领域的专家开发了许多特征量，包括统计特征量(例如平均值、标准偏差)、各种解析模型、时域特征量(例如速度、电机电流)、频域特征量(例如频率幅度和相位)等。这些特征量分别反应机器状态的不同方面。然而，需要为不同的特征量分别设置不同的门限值，而合理地确定门限值比较困难。此外，一个特征量的门限值通常取决于其它特征量的状态。举一个粗略的例子假设在机床的一个线性轴来回移动的过程中，监控电机电流的标准偏差。如果该线性轴上的加工件(相当于一个特征量)比之前的重，那么当电机电流的标准偏差值(相当于要监控的特征量)明显增加但仍然低于预设门限值时，该机器可能正常。然而，如果该加工件比之前的轻，该线性轴可能出现异常，例如可能线性轴存在污垢或润滑剂不够润滑等。 2)将各种不同的特征量组合在一起以提供更加有效的异常信息较为困难，因为各特征量之间的复杂关系需要进行大量的建模才能确定。 将反应被监控机器的各个方面的特征量组合在一起确实能够为该机器的状态提供更加有效和高级的信息。为实施对状态偏离的有效评估，可以采取各种理论和实验的方法来将各特征量组合到一个指示器中，用该指示器表征Pi，并识别异常偏离。然而，实现特征量之间的组合需要对机器设备本身有足够的了解，并且，随着机器设备本身复杂性的提高，组合特征量的困难越大，因此，由于机器设备本身的复杂性，导致各特征量之间的理论关系不容易发现。 综上，现有技术要么要求技术人员对各机器设备拥有扎实的前期理论基础，要么需要为各特征量分别设置适当的门限值，可见，现有用于监控机器状态的方法的通用性不够，并且监控效果不理想。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供，以对机器的异常状态偏离进行自动检测，并进一步对机器状态的发展趋势进行预测。 为达到上述目的，本专利技术的技术方案具体是这样实现的 ，该方法预先设置密度变化门限值，并包括以下步骤A、计算所采集到的状态点的密度，根据所述预先设置的密度变化门限值，采用基于密度的聚类方法对所述状态点进行聚类；B、确定各个类之间的关系；C、根据所述各个类之间的关系、以及当前状态点所属的类，确定当前状态点的状态。 较佳地，所述类之间的关系包括独立关系和嵌套关系； 所述步骤B包括若两个类之间不存在共同的状态点，则所述两个类之间为独立关系；若一个类中的状态点均属于另一个类，则所述一个类与所述另一个类之间为嵌套关系，所述一个类为子类，所述另一个类为父类；若一个类为父类、且不为子类，则所述类为根类。 较佳地，所述当前状态点的状态包括稳定状态、细微波动状态、非稳定状态和突发变异状态；所述步骤C包括C1、设置时间窗宽度W2；C2、将当前状态点以及处于当前状态点之前的(W2-1)个状态点作为所述宽度为W2的时间窗中的状态点，执行如下操作若所述宽度为W2的时间窗中的所有状态点均属于同一子类，则判定当前状态点处于稳定状态；若所述宽度为W2的时间窗中的状态点分别属于不同子类、但属于同一父类，则判定当前状态点处于微小波动状态；若所述宽度为W2的时间窗中的状态点分别属于不同的父类，则判定当前状态点处于非稳定状态；若当前状态点不属于已有类中的任意一个类，则判定当前状态点处于突发变异状态。 较佳地，所述各个状态的稳定性从高到低依次为稳定状态、细微波动状态、非稳定状态和突发变异状态；所述稳定状态表示机器状态不发生明显的偏离；所述细微波动状态表示机器状态已被意外因素所影响；所述非稳定状态表示机器状态已被较大影响因素所影响；所述突发变异状态表示机器状态已被新的影响因素所影响。 较佳地，所述步骤C1包括依次将采集到的所有状态点作为当前状态点，确定各状态点所处的状态，将使状态点的状态发生改变的第一个时间窗宽度确定为所述W2的取值。 进一步地，所述步骤C在步骤C2之后可以包括C3、根据所述确定的当前状态点所处的状态，按照如下方式识别出机器的异常状态偏离若当前状态点处于稳定状态或微小波动状态、且当前状态点所属的类与参照状态点不同，则判定机器持续受到主流因素的影响；若当前状态点处于微小波动状态、且W2大于预先设置的门限值，则判定机器持续受到细微因素的影响；若当前状态点处于非稳定状态，则判定机器间歇性遭遇主流因素的影响；若当前状态点处于突发变异状态，则判定机器将发生异常偏离。 进一步地，在所述步骤A之后可以包括a、根据所述聚类的结果，确定当前状态点的转移模式；在所述步骤C之后可以包括c、根据当前状态点的状态、以及当前状态点的转移模式，对机器状态的发展趋势进行预测。 较佳地，所述当前状态点的转移模式可以包括聚合模式和偏离模式；所述步骤a为设置时间窗，根据所述时间窗内各状态点的密度、以及所述时间窗内各状态点所属的类确定当前状态点的转移模式。 较佳地，所述聚合模式的稳定性高于所述偏离模式；所述聚合模式表示机器状态趋于稳定于机器当前所处的状态；所述偏离模式表示机器状态趋于偏离机器当前所处的状态。 较佳地，所述设置时间窗，根据所述时间窗内各状态点的密度、以及所述时间窗内各状态点所属的类确定当前状态点的转移模式包括a1、对于每一个状态点，比较该状态点与该状态点之前的一个状态点的密度的大小，若该状态点的密度大于该状态点之前的一个状态点的密度，则将该状态点确定为聚合点，否则，将该状态点确定为偏离点；a2、设置时间窗宽度W1，将当前状态点以及处于当前状态点之前的(W1-1)个状态点作为所述宽度为W1的时间窗中的状态点；a3、计算所述宽度为W1的时间窗中聚合点总数与偏离点总数之差，将所述差记为ψa(W1)；a4、计算所述宽度为W1的时间窗中从一个类转移到另一个类的状态点的总数与未发生类转移的状态点的总数之差，将所述差记为ψb(W1)；a5、按照如下方式确定当前状态点的转移模式若ψb(W1+1)-ψb(W1)＞0、ψb(W1)-ψb(W1-1)＞0、本文档来自技高网...

【技术保护点】
一种对机器的状态进行监控的方法，其特征在于，该方法预先设置密度变化门限值，并包括以下步骤：Ａ、计算所采集到的状态点的密度，根据所述预先设置的密度变化门限值，采用基于密度的聚类方法对所述状态点进行聚类；Ｂ、确定各个类之间的关系；Ｃ、根据所述各个类之间的关系、以及当前状态点所属的类，确定当前状态点的状态。

【技术特征摘要】

【专利技术属性】
技术研发人员：邢建辉，胡喜，时文刚，王青岗，马维民，邵晓寅，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE[德国]