[发明专利]一种基于神经网络的数控装备远程诊断系统有效

专利信息
申请号: 201911310625.7 申请日: 2019-12-18
公开(公告)号: CN111007799B 公开(公告)日: 2021-04-27
发明(设计)人: 李华 申请(专利权)人: 宁波财经学院
主分类号: G05B19/406 分类号: G05B19/406;G06N3/04;G06N3/08
代理公司: 重庆强大凯创专利代理事务所(普通合伙) 50217 代理人: 文怡然
地址: 315000 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 神经网络 数控 装备 远程 诊断 系统
【说明书】:

发明涉及数控装置运维技术领域,特别涉及一种基于神经网络的数控装备远程诊断系统,包括服务器,所述服务器包括以下模块:参数采集模块:用于获取数控机床的型号参数和运行参数;初步诊断模块:用于根据运行参数进行数控机床的初步诊断,分析数控机床是正常或故障,并在初步诊断出数控机床为故障时,将所述运行参数标记为故障运行参数;深度诊断模块:用于将故障运行参数导入到建立的神经网络故障诊断模型中进行诊断;方案筛选模块:用于查找故障的解决技术方案;故障信息反馈模块:用于将故障类型的检测结果和解决技术方案远程发送至机床现场检修人员。本发明解决了数控机床检测时间较长,维修效率低的问题。

技术领域

本发明涉及数控装置运维技术领域,特别涉及一种基于神经网络的数控装备远程诊断系统。

背景技术

数控机床是数字控制机床的简称,是一种装有程序控制系统的自动化机床。具备高度柔性、加工精度高、加工质量稳定可靠、生产率高等优点。优点多的同时也导致数控机床的结构日趋复杂,自动化程度也越来越高,这就使得数控机床的故障诊断难度增大。由于制造现场存在着很多不确定性因素,使得在数控机床的运行过程中,不可避免会出现各种各样的故障。

数控机床故障诊断及维护是数控机床调试和使用过程中很重要的组成部分,是目前制约数控机床发挥正常作用的因素之一,一旦出现故障,能否对故障进行快速的诊断并排除故障,对于制造企业来说是非常重要的。数控机床在运行过程中,内部零部件受到力、热、摩擦、磨损等多种作用,其运行状态不断变化,因此必须在设备运动过程中对设备的运行状态及时作出判断,采取相应的决策,以避免发生故障而导致严重后果。

然而国内现有的数控机床故障诊断及维护基本上是靠人工进行操作的,每台设备需配备专门的检修人员,而且检测时间较长,效率低而且无法及时对故障进行排除,多数故障只能依靠经验进行判断,大大地增加了数控机床的运行成本。

发明内容

本发明主要目的在于提供一种基于神经网络的数控装备远程诊断系统,解决了数控机床检测时间较长,维修效率低的问题。

为达到上述目的,本发明提供了一种基于神经网络的数控装备远程诊断系统,包括服务器,所述服务器包括以下模块:

参数采集模块:用于获取数控机床的型号参数和运行参数;

初步诊断模块:用于根据运行参数进行数控机床的初步诊断,分析数控机床是正常或故障,并在初步诊断出数控机床为故障时,将所述运行参数标记为故障运行参数;

深度诊断模块:用于将故障运行参数导入到建立的神经网络故障诊断模型中进行诊断,并输出故障诊断结果;所述诊断结果包括数控机床正常、数控机床故障的故障类型;

方案筛选模块:用于根据数控机床的型号参数和故障类型在设置的故障数据库中查找故障的解决技术方案;

故障信息反馈模块:用于通过设置的通信模块将故障类型的检测结果和解决技术方案远程发送至机床现场检修人员。

本发明的工作原理及优点在于:

1.初步诊断模块仅需初步判断数控机床的工作正常与否,无需准确判断。逻辑简单,易执行实现,且处理效率快。而深度诊断模块在上述的基础上再进行深入分析,判断数控机床是否真的存在故障,而且采用神经网络故障诊断模型的检测方式进行检测,无需人工通过观察调试的方式进行故障检测,实现了智能化故障检测,极大地提高了故障的检测效率和成功率,减少了工作量,降低人工成本。

2.方案筛选模块和故障信息反馈模块,能够快速的查找故障的解决技术方案并将之反馈给现场检修人员,方便现场检修人员及时针对性的进行维修,减小数控机床故障对企业造成的影响和造成的后果。

进一步,神经网络故障诊断模型基于BP神经网络进行构建,从故障数据库中采集数据样本集,并将采集的数据样本集导入到神经网络故障诊断模型中进行迭代训练,然后进行测试,测试完成后输出训练成功的神经网络故障诊断模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波财经学院,未经宁波财经学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911310625.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top