【技术实现步骤摘要】
本专利技术涉及数控机床数据监测，具体涉及一种数控机床运行状态监测方法。
技术介绍
1、数控机床是一种装有程序控制系统的自动化机床，它能够较好地解决复杂、精密、小批量和多品种的零件加工问题。为了保证数控机场运行的加工质量和运行效率，需要对运行状态进行数据监测，例如影响较为广的振动数据，通过振动数据的监测可以发现潜在的机床故障，加工过程中的加工异常或运行中的异常变化等等，保证机床的正常运行并提高加工质量，因此对数控机床运行状态的监测是极为重要的。
2、在对数控机床运行状态进行振动数据监测时，会由于冲击碰撞或电磁干扰等其他环境因素的干扰监测到异常的噪声数据，导致对振动异常的判断并不准确，无法对运行状态进行准确监测，在常用的通过卡尔曼滤波算法进行数据去噪时，该方法结合了历史信息和当前观测能够实时地对传感器采集到的数据进行处理，但由于环境温度的干扰使得会使得振动传感器的一些电子元件的性能受到限制，从而影响传感器的信号放大和处理，使得传感器灵敏度降低，导致一些发生异常噪声数据不能被检测出来，进而使卡尔曼滤波对振动数据的降噪结果不准确，影响后续对振动数据的准确监测。
技术实现思路
1、为了解决现有技术中卡尔曼滤波对振动数据的降噪结果不准确，影响后续对振动数据的准确监测的技术问题，本专利技术的目的在于提供一种数控机床运行状态监测方法，所采用的技术方案具体如下：
2、本专利技术提供了一种数控机床运行状态监测方法，所述方法包括：
3、在预设采样时间段上获取每个采样时
4、在每个采样时刻的预设邻域范围内，根据预设邻域范围内每个采样时刻对应温度数据的变化偏差情况，以及预设邻域范围内每个采样时刻对应振动数据与温度数据在变化程度上的差异情况，获得每个采样时刻的范围变化差异值；根据每个采样时刻的预设邻域范围内振动数据与温度数据的变化趋势相似程度、对应采样时刻的范围变化差异值以及对应采样时刻处振动数据与温度数据在变化程度的差异情况，获得每个采样时刻的温度影响度；
5、根据每个采样时刻对应振动数据在预设邻域范围内的偏离程度和预设邻域范围内振动数据的分布偏离情况，以及根据对应采样时刻的预设邻域范围内所有振动数据与对应采样时刻的预设周围范围内其他振动数据的分布差异情况，获得每个采样时刻的噪声可能度；所述预设周围范围大于所述预设邻域范围；
6、根据每个采样时刻和对应采样时刻前预设数量个采样时刻的温度影响度和噪声可能度，获得每个采样时刻的卡尔曼增益修正系数；基于卡尔曼增益修正系数对所有采样时刻的振动数据通过卡尔曼滤波算法得到滤波振动数据进行监测。
7、进一步地，所述范围变化差异值的获取方法包括：
8、依次将每个采样时刻作为参考时刻，对于参考时刻的预设邻域范围内的任意一个采样时刻，根据该采样时刻的温度数据的数值和变化程度在预设邻域范围内的偏差情况，获得该采样时刻的温度可信权重；
9、计算该采样时刻对应温度数据的斜率与对应振动数据的斜率之间的差异，获得该采样时刻的变化差异指标；将该采样时刻的变化差异指标与温度可信权重的乘积，作为该采样时刻的调整差异指标；
10、计算参考时刻的预设邻域范围内所有采样时刻的调整差异指标的平均值，获得参考时刻的范围变化差异值。
11、进一步地，所述温度可信权重的获取方法包括：
12、在参考时刻的预设邻域范围内，计算所有采样时刻对应温度数据的数值的平均值，获得参考时刻的温度数据均值；计算该采样时刻对应温度数据的数值与温度均值的差异，获得该采样时刻的温度数据差异值；
13、计算所有采样时刻对应温度数据的斜率的平均值，获得参考时刻的温度斜率均值；计算该采样时刻对应温度数据的斜率与温度斜率均值的差异，获得该采样时刻的温度斜率差异值；
14、将该采样时刻的温度数据差异值和温度斜率差异值的乘积进行负相关映射并归一化处理，获得该采样时刻的温度相似指标；
15、计算参考时刻的预设邻域范围内的所有采样时刻的温度相似指标的累加值，获得参考时刻的温度总相似指标；将该采样时刻的温度相似指标与温度总相似指标的比值，作为该采样时刻的温度可信权重。
16、进一步地，所述温度影响度的获取方法包括：
17、对于任意一个采样时刻，计算该采样时刻的变化差异指标与该采样时刻的范围变化差异值之间的差异，进行负相关映射并归一化处理获得该采样时刻的变化相关度；
18、在该采样时刻的预设邻域范围内，统计每个采样时刻下振动数据的斜率与温度数据的斜率之间符号相同的数量，获得该采样时刻的趋势相关度；
19、根据该采样时刻的变化相关度和趋势相关度，获得该采样时刻的温度影响度；变化相关度和趋势相关度均与温度影响度呈正相关。
20、进一步地，所述噪声可能度的获取方法包括：
21、对于任意一个采样时刻，计算该采样时刻的预设邻域范围内所有采样时刻对应振动数据的数值的平均值，获得该采样时刻的振动数据均值；将该采样时刻对应振动数据的数值与振动数据均值的比值，作为该采样时刻的数值异常指标；
22、获取该采样时刻的预设邻域范围内的极值点；计算每个极值点的数值与振动数据均值的差异，获得每个极值点的极值偏离差异；将预设邻域范围内所有极值点的极值偏离差异的平均值，作为该采样时刻的范围分布度；
23、计算该采样时刻的预设周围范围内除预设邻域范围外对应的所有振动数据中极大值的均值，获得该采样时刻的高周围均值；计算该采样时刻的预设周围范围内除预设邻域范围外对应的所有振动数据中极小值的均值，获得该采样时刻的低周围均值；统计该采样时刻的预设邻域范围内对应振动数据的数值小于高周围均值且大于低周围均值的数量，获得该采样时刻的分布集中度；
24、根据该采样时刻的分布集中度与范围分布度，获得该采样时刻的范围集中指标；分布集中度与范围集中指标呈正相关，范围分布度与范围集中指标呈负相关；范围集中指标为归一化处理后的值；
25、将该采样时刻的数值异常指标与范围集中指标的乘积，作为该采样时刻的噪声可能度。
26、进一步地，所述获取该采样时刻的预设邻域范围内的极值点，包括：
27、将该采样时刻的预设邻域范围内对应的振动数据进行曲线拟合，获得振动曲线；将振动曲线上一阶导为零时的点作为极值点。
28、进一步地，所述卡尔曼增益修正系数的获取方法包括：
29、将每个采样时刻的温度影响度和噪声可能度的乘积，作为每个采样时刻的影响度；
30、对于任意一个采样时刻，将该采样时刻反比例的影响度，作为该采样时刻的调整指标；将该采样时刻前预设数量个采样时刻的影响度的累加值，作为该采样时刻的调整可信权重；
31、计算该采样时刻的调整可信权重与调整指标的乘积，并进行取值范围调整获得该采样时刻的卡尔曼增益修正系数。
32、进一步地，所述基于卡尔曼增益修正系数对所有采样本文档来自技高网...
【技术保护点】
1.一种数控机床运行状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述范围变化差异值的获取方法包括：
3.根据权利要求2所述一种数控机床运行状态监测方法，其特征在于，所述温度可信权重的获取方法包括：
4.根据权利要求2所述一种数控机床运行状态监测方法，其特征在于，所述温度影响度的获取方法包括：
5.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述噪声可能度的获取方法包括：
6.根据权利要求5所述一种数控机床运行状态监测方法，其特征在于，所述获取该采样时刻的预设邻域范围内的极值点，包括：
7.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述卡尔曼增益修正系数的获取方法包括：
8.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述基于卡尔曼增益修正系数对所有采样时刻的振动数据通过卡尔曼滤波算法得到滤波振动数据进行监测，包括：
9.根据权利要求1所述一种数控机床运行状态监测方法，其特征在
10.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述预设周围范围设置为预设邻域范围的4倍大小。
...【技术特征摘要】
1.一种数控机床运行状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述范围变化差异值的获取方法包括：
3.根据权利要求2所述一种数控机床运行状态监测方法，其特征在于，所述温度可信权重的获取方法包括：
4.根据权利要求2所述一种数控机床运行状态监测方法，其特征在于，所述温度影响度的获取方法包括：
5.根据权利要求1所述一种数控机床运行状态监测方法，其特征在于，所述噪声可能度的获取方法包括：
6.根据权利要求5所述一种数控机床运行状态监测方法，其特征在于，所述获取该采样时刻的...
【专利技术属性】
技术研发人员：侯泮博，尉士波，岳好彬，
申请(专利权)人：茌平县汇通机械制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。