[发明专利]基于边缘计算和云协同的机床故障诊断与预测方法及系统

权利要求书

1.一种基于边缘计算和云协同的机床故障诊断与预测方法，其特征在于，所述方法包括：

1)、传感节点按照预设第一采集策略采集机床部件的机械状态数据并提取特征，获得机械特征数据，并将所述机械特征数据上传到网关节点；所述网关节点按照预设第二采集策略采集数控系统的工作状态数据并提取特征，获得数控特征数据，并将所述机械特征数据与数控特征数据发送至云端；

2)、所述云端接收所述机械特征数据与数控特征数据，使用预设的故障诊断和预测模型进行故障诊断和预测，并将故障诊断和预测结果发送至客户端；

3)、所述客户端向机床专家展示所述故障诊断和预测结果，接收机床专家对所述故障诊断和预测结果的反馈结果，并将所述反馈结果发送至所述云端；

4)、所述云端接收所述反馈结果，标注所述机械特征数据和数控特征数据，获得样本数据；根据所述样本数据训练所述故障诊断和预测模型，并返回执行所述步骤2)；

所述网关节点作为根节点，所述传感节点基于无线传感自组网络通过FTSP完成时间同步；所述数控系统基于有线网络通过现场总线NCUC-bus完成时间同步，将1个网关节点和8个传感节点自组网，有3个R传感节点成为传感中继节点；左侧的两个传感节点通过传感中继节点与右侧的传感节点连通，进而连通到网关节点GW。

2.根据权利要求1所述的基于边缘计算和云协同的机床故障诊断与预测方法，其特征在于，所述方法还包括：

所述网关节点接收所述客户端发送的针对所述传感节点与网关节点的指令，所述指令包括但不限于，调整特征数据采集频率、调整特征数据的采集时长、调整特征数据的类型、更新特征提取算法库、重启或关闭传感节点或网关节点。

3.基于边缘计算和云协同的机床故障诊断与预测系统，其特征在于，所述系统包括，边缘端与云端，其中，

所述边缘端，包括网关节点和传感节点，所述传感节点设置在机床的部件上，并按照预设的第一采集策略采集部件的机械状态数据并提取特征，获得机械特征数据；

所述网关节点用于，按照预设的第二策略采集数控系统的工作状态数据并提取特征，获得数控特征数据，并将所述机械特征数据和数控特征数据发送至所述云端；

所述网关节点用于将所述机械特征数据与所述数控特征数据发送给云端，其中，所述机械特征数据包括但不限于，温度、湿度、转速、扭矩、振幅值、波形因数、波峰因数与峭度系数中的一种或组合；所述数控特征数据包括但不限于，指令码、报警码、主轴转速、运动方向、坐标中一种或组合；所述网关节点用于，通过NTP完成所述网关节点的时间同步，作为边缘端时间同步的基础；

所述云端，包括通讯单元、计算单元、存储单元、业务单元、训练单元，其中，所述通讯单元，用于接收所述网关节点上传的所述机械特征数据和数控特征数据，写入所述存储单元并转发给所述计算单元；

所述计算单元，用于对所述机械特征数据和数控特征数据进行故障诊断和预测，并将故障诊断和预测结果写入所述存储单元；

所述存储单元，用于存储所述机械特征数据和数控特征数据、机床专家的反馈结果、各种业务数据；

所述业务单元，用于向机床专家显示所述故障诊断和预测结果，接收机床专家对所述故障诊断和预测结果的反馈结果；

所述训练单元，用于根据所述反馈结果、所述机械特征数据和数控特征数据训练故障诊断和预测模型，以使所述故障诊断和预测模型的结果与所述反馈结果相同，并将模型参数反馈给所述计算单元。

4.根据权利要求3所述的基于边缘计算和云协同的机床故障诊断与预测系统，其特征在于，所述业务单元用于，向边缘端下发指令，其中，所述指令包括但不限于，调整数据的采集频率或时长、采集的数据类型、更新特征提取算法库、重启或关闭所述传感节点或网关节点中的一种或者组合。

5.根据权利要求3所述的基于边缘计算和云协同的机床故障诊断与预测系统，其特征在于，所述网关节点用于，判断机床是否处于未关机且未待机状态，若是则将所述机械特征数据和数控特征数据发送至所述云端。