[发明专利]实时监测刀具运行状态与寿命预测的系统及方法

说明书

本发明提供实时监测刀具运行状态与寿命预测的系统及方法，在CNC上安装多种传感器信号采集模块，并实时在局域网内与边缘网关进行数据传输，使数据传输相比云端更快更稳定，并在网关部署数据采集与寿命预测两个模块，以相比云端更快的进行数据分析，减少数据在云端与设备间的传输时间，并在云端通过接收的工作数据与数据分析结果实时显示在运维网页看板，使检测与维护更加方便，减少人工监测的需求。通过基于深度神经网络的训练与预测刀具寿命，大大增加了刀具寿命的准确性与时效性，提升刀具的利用率，避免刀具利用不足的浪费以及因无及时更换刀具造成的大量加工次品的浪费。

技术领域

本发明涉及数控机床刀具寿命预测技术领域，特别是涉及一种基于边缘计算和云计算协同工作的监测刀具运行状态与寿命预测的系统及方法。

背景技术

在工业领域，准确预测刀具状态是机械加工领域一直在致力解决的问题，若不能够准确的预测刀具的状态，往往会影响企业加工产品的次品率，浪费大量资源，影响着企业进购刀具的考量。影响刀具寿命的因素非常多，无法单单从一个方面就判断出刀具剩余寿命。目前大部分企业都采用计时或计数的方法来预测刀具寿命，这样往往不能够准确预测出每把刀的真实状态，导致刀具提早报销与加工出大量精度不佳的次品。

在云计算领域，云端用户可以凭借较低的成本获得较高的服务质量，但是云计算往往存在着在一台设备处理大量数据，导致服务效果不佳，并且大量的数据都发往云端，就会造成数据延迟，实时性欠佳，在工业领域往往要求需要有较好的实时性。

发明内容

本发明的目的在于提供一种实时监测刀具运行状态与寿命预测方法及系统，解决工业领域刀具寿命预测准确率低，造成的刀具和材料的浪费，以及云端数据实时性不佳，无法用于工业领域的问题。

为了达到上述目的，本发明提供的实时监测刀具运行状态与寿命预测的系统，该系统包括有传感器信号采集模块、边缘网关、云端服务平台及运维看板；传感器信号采集模块安装在设备上并实时采集设备的运行数据及设备上刀具工作所产生的多种数据信号，传感器信号采集模块实时将采集到的数据上传到边缘网关，边缘网关中设有数据采集处理模块和刀具寿命预测模块，数据采集处理模块对采集到的数据进行批处理得到标准化数据，刀具寿命预测模块通过标准化数据进行刀具寿命的实时预测，边缘网关还将实时采集的运行数据与预测数据上传云端服务平台，云端服务平台经过数据筛选与聚合编写成数据分析API，用于运维看板的实时数据分析显示。

为了达到上述目的，本发明提供的实时监测刀具运行状态与寿命预测的方法，该方法采用上述的基于边云协同的实时监测刀具运行状态与寿命预测的系统进行实时监测和预测，包括以下步骤：

S1：传感器信号采集模块实时采集设备刀具的多种信号与工作数据，包括设备的运行数据与刀具工作所产生的多种数据信号，实时将采集到的数据上传到边缘网关；

S2：边缘网关将传感器信号采集模块采集到的数据送入数据采集处理模块进行批处理得到标准化数据；

S3：边缘网关将标准化数据导入刀具寿命预测模块中，进行刀具寿命的实时预测，实时采集的运行数据与预测数据上传云端数据库；

S4：云端将边缘端发送的数据显示在设备的物模型属性并存于云端数据库中，云端数据库经过数据筛选与聚合编写成数据分析API，用于运维看板的实时数据分析显示；

S5：通过实时监测运维看板，实时监测各刀具的运行状态以及刀具预测寿命的结果，根据显示结果对刀具进行检修与更新。

上述方案中，步骤S1中的设备是CNC设备，在CNC设备主轴上外接传感器信号采集模块，实时采集主轴的电压、电流、扭矩、切削力、温度和功率信号，将传感器信号采集模块采集的实时数据上发至边缘网关。

上述方案中，步骤S2是利用边缘网关采集的大量信号数据导入数据采集处理模块，控制信号的采样率，并将采样数据进行均值、方差的处理，得到的标准化数据用于训练刀具预测的深度神经网络，并将训练好的寿命预测模型整合到刀具寿命预测模块；所述数据采集处理模块和刀具寿命预测模块由云端服务平台控制启停。