数控机床故障预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种数控机床故障预测方法、装置、设备及存储介质，涉及数控机床监测技术领域，方法包括：获取被监测数控机床对应的运行数据，其中，所述运行数据包括所述被监测数控机床在监测时段内的日志数据和加工图像数据，所述监测时段的终止时刻是当前时刻，所述日志数据包括系统操作信息、系统运行信息、环境信息和加工工艺参数；根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，其中，所述故障预测结果是所述被监测数控机床在预测时段内的多个预测故障信息构成的序列，一个所述预测故障信息包括故障类别和故障等级，所述预测时段的起始时刻是所述当前时刻。本发明专利技术有利于提高数控机床使用的安全性。用的安全性。用的安全性。

【技术实现步骤摘要】
数控机床故障预测方法、装置、设备及存储介质


[0001]本专利技术涉及数控机床监测
，尤其涉及一种数控机床故障预测方法、装置、设备及存储介质。

技术介绍

[0002]目前，数控机床的应用越来越广泛，对于数控机床运行过程中的状态监测也越来越重要。在数控机床运行过程中，可能因为操作不当、机床部件磨损、环境因素不适宜（例如温度过高）等原因造成数控机床出现故障，而出现故障会严重影响数控机床的加工，甚至导致数控机床损坏。
[0003]现有技术中，只有在数控机床发生故障之后才能进行故障分析，从而调整对应的参数或者进行其它设置以避免下次出现相同的故障。现有技术的问题在于，无法预先获知可能发生的故障，只能在数控机床发生故障之后进行补救，不利于提高数控机床使用的安全性。

技术实现思路

[0004]本专利技术提供一种数控机床故障预测方法、装置、设备及存储介质，用以解决现有技术中在使用数控机床时无法预先获知可能发生的故障，只能在数控机床发生故障之后进行补救，不利于提高数控机床使用的安全性的缺陷，以实现对数控机床的故障进行提前预测，实现提高数控机床使用的安全性。
[0005]本专利技术提供一种数控机床故障预测方法，包括：获取被监测数控机床对应的运行数据，其中，所述运行数据包括所述被监测数控机床在监测时段内的日志数据和加工图像数据，所述监测时段的终止时刻是当前时刻，所述日志数据包括系统操作信息、系统运行信息、环境信息和加工工艺参数；根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，其中，所述故障预测结果是所述被监测数控机床在预测时段内的多个预测故障信息构成的序列，一个所述预测故障信息包括故障类别和故障等级，所述预测时段的起始时刻是所述当前时刻。
[0006]根据本专利技术提供的一种数控机床故障预测方法，所述加工工艺参数包括刀具切削预设角度，所述加工图像数据包括对所述被监测数控机床进行多角度采集获得的多张加工区域图像，所述根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，包括：根据各所述加工区域图像获取所述被监测数控机床对应的实际刀具切削角度；根据所述刀具切削预设角度和所述实际刀具切削角度获取工艺参数偏移数据；根据所述日志数据、所述工艺参数偏移数据和所述已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果。
[0007]根据本专利技术提供的一种数控机床故障预测方法，所述根据所述日志数据、所述工
艺参数偏移数据和所述已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，包括：针对所述日志数据进行文本向量化处理获得日志向量；将所述日志向量和所述工艺参数偏移数据输入所述已训练的故障预测模型，获取所述已训练的故障预测模型输出的故障预测结果。
[0008]根据本专利技术提供的一种数控机床故障预测方法，所述故障预测模型根据如下步骤进行训练：将训练数据中样本监测时段内的样本日志向量和样本工艺参数偏移数据输入所述故障预测模型，通过所述故障预测模型输出与所述样本监测时段对应的样本预测时段的样本故障预测结果，其中，所述训练数据包括多个训练信息组，每个训练信息组包括一个样本监测时段的样本日志向量、样本工艺参数偏移数据和标注故障结果，所述样本监测时段与所述样本预测时段一一对应，一个所述样本监测时段的终止时刻是与所述样本监测时段对应的样本预测时段的起始时刻；根据所述样本故障预测结果以及与所述样本故障预测结果对应的标注故障结果，对所述故障预测模型的模型参数进行调整，并继续执行所述将训练数据中样本监测时段内的样本日志向量和样本工艺参数偏移数据输入所述故障预测模型的步骤，直至满足预设故障预测模型训练条件，以得到已训练的故障预测模型。
[0009]根据本专利技术提供的一种数控机床故障预测方法，所述根据所述样本故障预测结果以及与所述样本故障预测结果对应的标注故障结果，对所述故障预测模型的模型参数进行调整，包括：将所述样本故障预测结果以及与所述样本故障预测结果对应的标注故障结果输入预设的奖励模型，获取所述奖励模型输出的调优参考数据；根据所述调优参考数据对所述故障预测模型的模型参数进行调整。
[0010]根据本专利技术提供的一种数控机床故障预测方法，在所述根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果之后，所述方法还包括：当所述故障预测结果中任意一个故障等级超过预设的故障等级阈值时，控制所述被监测数控机床停止运行，并输出故障等级过高告警信号。
[0011]根据本专利技术提供的一种数控机床故障预测方法，在所述根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果之后，所述方法还包括：根据预设的故障评分对应表获取所述故障预测结果中各所述故障类别对应的类别评分和各所述故障等级对应的等级评分；根据所述类别评分和所述等级评分计算获取所述故障预测结果对应的危险评分；当所述危险评分超过预设的危险评分阈值时，控制所述被监测数控机床停止运行，并输出危险评分过高告警信号。
[0012]本专利技术还提供一种数控机床故障预测装置，包括：数据获取模块，用于获取被监测数控机床对应的运行数据，其中，所述运行数据包括所述被监测数控机床在监测时段内的日志数据和加工图像数据，所述监测时段的终止时刻是当前时刻，所述日志数据包括系统操作信息、系统运行信息、环境信息和加工工艺参数；
故障预测模块，用于根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，其中，所述故障预测结果是所述被监测数控机床在预测时段内的多个预测故障信息构成的序列，一个所述预测故障信息包括故障类别和故障等级，所述预测时段的起始时刻是所述当前时刻。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器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程序时实现任一种所述数控机床故障预测方法。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一种所述数控机床故障预测方法。
[0015]本专利技术提供的数控机床故障预测方法中，可以在数控机床运行的过程中进行监测，获得监测时段内反映被监测数控机床的状态的日志数据和加工图像数据，从而根据日志数据、加工图像数据和已训练的故障预测模型对被监测数控机床在预测时段（即未来的一段时间）内是否会发生故障进行预测并获得对应的故障预测结果。与现有技术相比，本专利技术中不会在故障发生之后才察觉故障，而是可以根据历史时段（即监测时段）内采集的数据对未来进行预测，提前预知数控机床是否会发生故障，从而可以根据对应的故障预测结果及时规避对应的故障，实现对数控机床的保护，有利于提高数控机床使用的安全性。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控机床故障预测方法，其特征在于，包括：获取被监测数控机床对应的运行数据，其中，所述运行数据包括所述被监测数控机床在监测时段内的日志数据和加工图像数据，所述监测时段的终止时刻是当前时刻，所述日志数据包括系统操作信息、系统运行信息、环境信息和加工工艺参数；根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，其中，所述故障预测结果是所述被监测数控机床在预测时段内的多个预测故障信息构成的序列，一个所述预测故障信息包括故障类别和故障等级，所述预测时段的起始时刻是所述当前时刻。2.根据权利要求1所述的数控机床故障预测方法，其特征在于，所述加工工艺参数包括刀具切削预设角度，所述加工图像数据包括对所述被监测数控机床进行多角度采集获得的多张加工区域图像，所述根据所述运行数据和已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，包括：根据各所述加工区域图像获取所述被监测数控机床对应的实际刀具切削角度；根据所述刀具切削预设角度和所述实际刀具切削角度获取工艺参数偏移数据；根据所述日志数据、所述工艺参数偏移数据和所述已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果。3.根据权利要求2所述的数控机床故障预测方法，其特征在于，所述根据所述日志数据、所述工艺参数偏移数据和所述已训练的故障预测模型获取所述被监测数控机床对应的故障预测结果，包括：针对所述日志数据进行文本向量化处理获得日志向量；将所述日志向量和所述工艺参数偏移数据输入所述已训练的故障预测模型，获取所述已训练的故障预测模型输出的故障预测结果。4.根据权利要求3所述的数控机床故障预测方法，其特征在于，所述故障预测模型根据如下步骤进行训练：将训练数据中样本监测时段内的样本日志向量和样本工艺参数偏移数据输入所述故障预测模型，通过所述故障预测模型输出与所述样本监测时段对应的样本预测时段的样本故障预测结果，其中，所述训练数据包括多个训练信息组，每个训练信息组包括一个样本监测时段的样本日志向量、样本工艺参数偏移数据和标注故障结果，所述样本监测时段与所述样本预测时段一一对应，一个所述样本监测时段的终止时刻是与所述样本监测时段对应的样本预测时段的起始时刻；根据所述样本故障预测结果以及与所述样本故障预测结果对应的标注故障结果，对所述故障预测模型的模型参数进行调整，并继续执行所述将训练数据中样本监测时段内的样本日志向量和样本工艺参数偏移数据输入所述故障预测模型的步骤，直至满足预设故障预测模型训练...

【专利技术属性】
技术研发人员：杨之乐，吴承科，郭媛君，饶建波，谭勇，
申请(专利权)人：中科航迈数控软件深圳有限公司，
类型：发明
国别省市：