【技术实现步骤摘要】
本专利技术涉及机床功率管理，具体为基于能源优化的故障机床功率管理方法。
技术介绍
1、传统的恒压频比方法仅按单机负载调节电压与频率，无法在一台机床停机时自动降低总供电输出，导致空载运行浪费能量机床级别能耗预测；已有研究通过机器学习对单台cnc机床的能耗曲线进行预测，以优化切削参数，但未将负载波动与故障停机纳入整体电源管理，缺乏系统级协调机制；
2、尽管基于自编码器或深度学习的故障诊断技术能够实现在线监测和定位，但通常仅作维护决策参考，未对故障发生后的能耗调度提供接口；现有技术虽然在单机节能控制、故障检测与能耗预测方面取得了丰富成果，但缺乏面向“单机故障停机时的多机系统级能源再分配”方案，存在响应滞后、资源浪费及缺乏多目标协同优化等关键问题；
3、为此，本专利技术提供基于能源优化的故障机床功率管理方法。
技术实现思路
1、本专利技术的目的在于提供基于能源优化的故障机床功率管理方法，以解决上述
技术介绍
中提出的现有的问题。
2、为实现上述目的，本专利技术提供如...
【技术保护点】
1.基于能源优化的故障机床功率管理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于能源优化的故障机床功率管理方法，其特征在于：所述故障报警策略通过将步骤S1预处理的输出进行连续卷积层批归一化后通过激活函数下采样至潜在空间维度构成编码器，将对称的转置卷积层批归一化后通过激活函数重构出与原图同维度的通过无故障时-频图像训练，通过Adam优化器，训练50-100轮至验证集重构误差收敛；对新采集的时-频图X'计算重构后的新时-频图计算重构误差对健康数据集重构误差ei，并统计健康数据均值μ与标准差σ，则故障报警阈值为T＝μ+kσ，k表示设定的变化系数，...
【技术特征摘要】
1.基于能源优化的故障机床功率管理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于能源优化的故障机床功率管理方法，其特征在于：所述故障报警策略通过将步骤s1预处理的输出进行连续卷积层批归一化后通过激活函数下采样至潜在空间维度构成编码器，将对称的转置卷积层批归一化后通过激活函数重构出与原图同维度的通过无故障时-频图像训练，通过adam优化器，训练50-100轮至验证集重构误差收敛；对新采集的时-频图x'计算重构后的新时-频图计算重构误差对健康数据集重构误差ei，并统计健康数据均值μ与标准差σ，则故障报警阈值为t＝μ+kσ，k表示设定的变化系数，当重构误差大于故障报警阈值时，判定为机器故障，进行故障报警；随后plc接收停机信号，将该机床状态标记为停机，并通过工业以太网将状态更新同步至scada/iot平台，启动负载重分配流程。
3.根据权利要求1所述的基于能源优化的故障机床功率管理方法，其特征在于：所述多准则决策模型包括层次结构子模型，所述层次结构子模型包括目标层、准则层和方案层，目标层用于为机床供电优先级排序，准则层用于获取工艺关键度、安全风险和交付时效，方案层用于创建机床数据集{m1,m2,…,mn}，mn表示第n台机床，n表示机床总数；对指标数据做协方差矩阵特征分解，得到协方差矩阵s的特征值λk与特征向量uk；选取前m主成分，利用准则层各指标在钱m主成分上的载荷作为贡献度；则准则层指标j在第k个主成分上的载荷ujk，则指标j的权重表示为其中c表示累计贡献率达到85％的主成分个数，m表示准则层指标数量。
4.根据权利要求3所述的基于能源优化的故障机床功率管理方法，其特征在于：所述所述多准则决策模型还包括将准则层各指标构成的因素集u＝{u1,u2,…,um}，及其对应的权重送入权重集w＝{w1,w2,…,wm}，并设置评价等级v＝{v1,v2,…,vl}，通过梯形隶属函数计算每个因素j对每个等级i的隶属度rij∈[0,1]，得到隶属度矩阵r＝[rij]m×l；将权重集与，隶属度矩阵进行加权平均，得到第β台机床的等级评分，并按照从大到小的排序得到每台机床的等级评分集合gr。
5.根据权利要求1所述的基于能源优化的故障机床功率管理方法，其特征在于：所述负载分配算法包括定义优化目标为第β台机床最小化总能耗，最小化...
【专利技术属性】
技术研发人员：蔡希全，陈勇，
申请(专利权)人：无锡市华利液压科技有限公司，
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。