数控机床智能运维管理方法及系统与流程

本技术涉及设备智能管理领域，且更为具体地，涉及一种数控机床智能运维管理方法及系统。

背景技术：

1、数控机床是现代制造业的关键设备，广泛应用于汽车制造、航空航天、精密仪器等多个行业。随着工业自动化水平的不断提高，数控机床在提高生产效率、保证加工精度等方面发挥着至关重要的作用。由于数控机床在生产过程中承担着重要角色，其运行状态直接关系到产品质量和生产效率。因此，对数控机床进行有效的运维管理成为确保生产顺利进行的关键。

2、然而，传统数控机床运维管理系统在数据收集方面可能仅依赖于有限数量的传感器或手动输入，这限制了数据的维度和深度，不足以全面反映机床电机的实际运行状态。例如，传统的系统可能只监测了基本的运行参数，如转速和温度，而忽视了更细微的振动、声音或电流波动等，这些参数可能蕴含着故障发生的早期信号。此外，传统系统在数据分析方法上可能仅采用简单的阈值判断或统计分析方法。这些方法虽然易于实施，但往往缺乏对数据局部时序之间的深层次模式和异常的识别能力，以致难以捕捉复杂的设备故障模式和早期预警信号。例如，电机初期的磨损可能不会立即引起显著的温度上升或转速下降，但如果监测到局部微小的振动变化或电流波动，则有可能在早期阶段就发现这些问题。

3、因此，需要一种优化的数控机床运维管理方案来解决上述技术问题。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种数控机床智能运维管理方法及系统，其采用基于人工智能的数据分析和处理技术来对振动幅度值的时间队列、电流值的时间队列和电压值的时间队列进行时序分析，以此根据电流、电压进行时序关联得到的特征和振动幅度时序特征之间的时序协同响应特征来智能地得到电机状态检测结果，可以捕捉到更多关于设备运行状态的信息，尤其是那些可能预示早期故障的细微变化。并且能够自动提取数据中的特征，识别出各数据间的局部时序协同模式，从而及早地发现潜在问题，进而提高运维管理的智能化和预测性维护的能力。

2、根据本技术的一个方面，提供了一种数控机床智能运维管理系统，其包括：

3、所述数据采集层包括数据采集模块和数据传输模块，所述数据采集模块用于接收由部署于数控机床的电机的传感器组采集的电机状态参数的时间队列，其中，所述电机状态参数包括振动幅度值、电流值和电压值；所述数据传输模块用于将所述电机状态参数的时间队列传输至所述数据处理层；

4、所述数据处理层用于将所述电机状态参数的时间队列按照参数样本维度进行数据分组以得到振动幅度值的时间队列、电流值的时间队列和电压值的时间队列；

5、所述数据分析层用于对所述振动幅度值的时间队列、所述电流值的时间队列和所述电压值的时间队列进行特征提取和关联分析以得到电机状态检测结果，所述电机状态检测结果用于表示电机状态是否存在异常；

6、所述应用层，用于响应于所述电机状态检测结果为电机状态存在异常，生成报警通知。

7、在上述数控机床智能运维管理系统中，所述数据分析层，包括：电机状态参数时序编码模块，用于对所述振动幅度值的时间队列、所述电流值的时间队列和所述电压值的时间队列分别进行时序序列编码以得到振动幅度时序关联特征向量、电流时序关联特征向量和电压时序关联特征向量；电机工作动力因时序关联表示生成模块，用于将所述电流时序关联特征向量和所述电压时序关联特征向量输入电机工作动力时序分析模块以得到电机工作动力因时序关联表示向量；电机动力因-振动协同响应分析模块，用于对所述电机工作动力因时序关联表示向量和所述振动幅度时序关联特征向量进行电机动力因-振动时序特征间协同响应分析以得到电机动力因-振动协同响应特征；电机状态检测结果生成模块，用于基于所述电机动力因-振动协同响应特征，得到所述电机状态检测结果；其中，所述电机动力因-振动协同响应分析模块，包括：振动幅度时序关联特征细化单元，用于对所述振动幅度时序关联特征向量进行特征细化以得到振动幅度局部时序关联特征向量的序列；电机工作动力因-振动关联单元，用于计算所述电机工作动力因时序关联表示向量与所述振动幅度局部时序关联特征向量的序列中的各个振动幅度局部时序关联特征向量之间的关联矩阵以得到电机工作动力因-振动关联矩阵的序列；电机动力因-振动局部全局联合响应单元，用于对所述电机工作动力因-振动关联矩阵的序列进行局部与全局联合响应评估以得到电机动力因-振动响应交互表达矩阵作为所述电机动力因-振动协同响应特征。

8、在上述数控机床智能运维管理系统中，所述电机状态参数时序编码模块，用于：将所述振动幅度值的时间队列、所述电流值的时间队列和所述电压值的时间队列分别输入基于bi-lstm模型的时序序列编码器以得到所述振动幅度时序关联特征向量、所述电流时序关联特征向量和所述电压时序关联特征向量。

9、在上述数控机床智能运维管理系统中，所述电机工作动力因-振动关联单元，包括：电机工作动力因时序关联表示向量非线性变换子单元，用于对所述电机工作动力因时序关联表示向量进行非线性变换以得到非线性变换后电机工作动力因时序关联表示向量；电机工作动力因-振动关联矩阵序列计算子单元，用于计算所述非线性变换后电机工作动力因时序关联表示向量与所述振动幅度局部时序关联特征向量的序列中的各个振动幅度局部时序关联特征向量之间的关联矩阵以得到所述电机工作动力因-振动关联矩阵的序列。

10、在上述数控机床智能运维管理系统中，所述电机动力因-振动局部全局联合响应单元，包括：电机工作动力因-振动关联特征交互能量因子计算子单元，用于计算所述电机工作动力因-振动关联矩阵的序列中的各个电机工作动力因-振动关联矩阵的特征交互能量因子以得到电机工作动力因-振动关联特征交互能量因子的序列；电机工作动力因-振动关联特征交互能量因子归一化子单元，用于将所述电机工作动力因-振动关联特征交互能量因子的序列输入sigmoid函数以得到归一化电机工作动力因-振动关联特征交互能量因子的序列；电机动力因-振动响应交互表达矩阵生成子单元，用于以所述归一化电机工作动力因-振动关联特征交互能量因子的序列作为权重的序列，计算所述电机工作动力因-振动关联矩阵的序列的按位置加权和以得到所述电机动力因-振动响应交互表达矩阵。

11、在上述数控机床智能运维管理系统中，所述电机工作动力因-振动关联特征交互能量因子计算子单元，包括：电机工作动力因-振动关联峭度值计算二级子单元，用于计算所述电机工作动力因-振动关联矩阵的序列中的各个电机工作动力因-振动关联矩阵的峭度值以得到电机工作动力因-振动关联峭度值的序列；电机工作动力因-振动交互能量因子计算二级子单元，用于基于所述电机工作动力因-振动关联峭度值的序列中的各个电机工作动力因-振动关联峭度值，计算所述各个电机工作动力因-振动关联矩阵的特征交互能量因子以得到所述电机工作动力因-振动关联特征交互能量因子的序列。

12、在上述数控机床智能运维管理系统中，所述电机工作动力因-振动关联峭度值计算二级子单元，用于：分别计算所述电机工作动力因-振动关联矩阵的均值和方差以得到电机工作动力因-振动关联均值和电机工作动力因-振动关联方差；计算所述电机工作动力因-振动关联矩阵与所述电机工作动力因-振动关联均值的按位置差值以得到电机工作动力因-振动关联差分矩阵；计算所述电机工作动力因-振动关联差分矩阵中每个特征值的四次方以得到电机工作动力因-振动关联调制差分矩阵；计算所述电机工作动力因-振动关联调制差分矩阵的期望值以得到电机工作动力因-振动关联期望值；将所述电机工作动力因-振动关联期望值与所述电机工作动力因-振动关联方差的平方进行相除以得到所述电机工作动力因-振动关联峭度值。

13、在上述数控机床智能运维管理系统中，所述电机工作动力因-振动交互能量因子计算二级子单元，用于：计算所述电机工作动力因-振动关联方差与超参数的加和值以得到电机工作动力因-振动关联第一能量因子；计算所述电机工作动力因-振动关联峭度值与所述电机工作动力因-振动关联均值之间差值的平方以得到电机工作动力因-振动关联差异值；将所述电机工作动力因-振动关联方差乘以常数二得到的数值和所述超参数乘以常数二得到的数值与所述电机工作动力因-振动关联差异值进行相加以得到电机工作动力因-振动关联第二能量因子；将所述电机工作动力因-振动关联第一能量因子除以所述电机工作动力因-振动关联第二能量因子以得到所述电机工作动力因-振动关联矩阵对应的所述电机工作动力因-振动关联特征交互能量因子。

14、在上述数控机床智能运维管理系统中，所述电机状态检测结果生成模块，用于：将所述电机动力因-振动响应交互表达矩阵输入基于分类器的电机状态检测模块以得到所述电机状态检测结果。

15、根据本技术的另一方面，提供了一种数控机床智能运维管理方法，其包括：

16、由部署于数控机床的电机的传感器组采集电机状态参数的时间队列，其中，所述电机状态参数包括振动幅度值、电流值和电压值；

17、将所述电机状态参数的时间队列按照参数样本维度进行数据分组以得到振动幅度值的时间队列、电流值的时间队列和电压值的时间队列；

18、对所述振动幅度值的时间队列、所述电流值的时间队列和所述电压值的时间队列进行特征提取和关联分析以得到电机状态检测结果，所述电机状态检测结果用于表示电机状态是否存在异常；

19、响应于所述电机状态检测结果为电机状态存在异常，生成报警通知。

20、本技术至少具有如下技术效果：与现有技术相比，本技术提供的数控机床智能运维管理方法及系统，其采用基于人工智能的数据分析和处理技术来对振动幅度值的时间队列、电流值的时间队列和电压值的时间队列进行时序分析，以此根据电流、电压进行时序关联得到的特征和振动幅度时序特征之间的时序协同响应特征来智能地得到电机状态检测结果，可以捕捉到更多关于设备运行状态的信息，尤其是那些可能预示早期故障的细微变化。并且能够自动提取数据中的特征，识别出各数据间的局部时序协同模式，从而及早地发现潜在问题，进而提高运维管理的智能化和预测性维护的能力。

技术特征：

1.数控机床智能运维管理系统，其特征在于，包括：数据采集层、数据处理层、数据分析层和应用层；

2.根据权利要求1所述的数控机床智能运维管理系统，其特征在于，所述数据分析层，包括：

3.根据权利要求2所述的数控机床智能运维管理系统，其特征在于，所述电机状态参数时序编码模块，用于：将所述振动幅度值的时间队列、所述电流值的时间队列和所述电压值的时间队列分别输入基于bi-lstm模型的时序序列编码器以得到所述振动幅度时序关联特征向量、所述电流时序关联特征向量和所述电压时序关联特征向量。

4.根据权利要求3所述的数控机床智能运维管理系统，其特征在于，所述电机工作动力因-振动关联单元，包括：

5.根据权利要求4所述的数控机床智能运维管理系统，其特征在于，所述电机动力因-振动局部全局联合响应单元，包括：

6.根据权利要求5所述的数控机床智能运维管理系统，其特征在于，所述电机工作动力因-振动关联特征交互能量因子计算子单元，包括：

7.根据权利要求6所述的数控机床智能运维管理系统，其特征在于，所述电机工作动力因-振动关联峭度值计算二级子单元，用于：

8.根据权利要求7所述的数控机床智能运维管理系统，其特征在于，所述电机工作动力因-振动交互能量因子计算二级子单元，用于：

9.根据权利要求8所述的数控机床智能运维管理系统，其特征在于，所述电机状态检测结果生成模块，用于：将所述电机动力因-振动响应交互表达矩阵输入基于分类器的电机状态检测模块以得到所述电机状态检测结果。

10.数控机床智能运维管理方法，其特征在于，包括：

技术总结
本申请提供了一种数控机床智能运维管理方法及系统，涉及设备智能管理领域，其采用基于人工智能的数据分析和处理技术来对振动幅度值的时间队列、电流值的时间队列和电压值的时间队列进行时序分析，以此根据电流、电压进行时序关联得到的特征和振动幅度时序特征之间的时序协同响应特征来智能地得到电机状态检测结果，可以捕捉到更多关于设备运行状态的信息，尤其是那些可能预示早期故障的细微变化。并且能够自动提取数据中的特征，识别出各数据间的局部时序协同模式，从而及早地发现潜在问题，进而提高运维管理的智能化和预测性维护的能力。

技术研发人员：吴世东,邓野,管奇峰,叶飞,胡乐水
受保护的技术使用者：杭州优服云科技有限公司
技术研发日：
技术公布日：2024/12/5