[发明专利]一种基于边缘计算的刀具振动信号的采集处理方法及其实现系统

说明书

本发明涉及一种基于边缘计算的刀具振动信号的采集处理方法及其实现系统，包括步骤如下：S1、传感器采集刀具振动信号数据；S2、边缘计算设备读取刀具振动信号数据；S3、边缘计算设备对刀具振动数据进行存储；S4、边缘计算设备对刀具振动数据进行滤波预处理，然后将处理后的数据发送至云端保存；同时，边缘计算设备将未进行预处理的刀具振动数据发送至云端进行实时显示。实现刀具三维振动信号的读取、保存和预处理，能够及时检测刀具的磨损情况，同时能够降低时延，提高采集数据的利用率、生产质量和生产效率。

技术领域

本发明涉及一种基于边缘计算的刀具振动信号的采集处理方法及其实现系统，属于数据采集处理、预测性维护的技术领域。

背景技术

在机床加工任务中，刀具的剩余寿命会影响到工件的加工结果，而刀具的振动信号是有效预测刀具磨损、破损的重要信息。实际加工过程中，工件损坏造成的损失相比于其他损失要大很多，因此，有效采集、处理刀具振动数据并实时进行预测性分析能提高刀具的使用率，并且在刀具崩刀前提示操作人员换刀、提前避免工件损害。

刀具振动信号需要通过三维振动传感器进行实时采集。目前多数机床刀具检测的手段、部署的振动传感器数据检测方法存在很大的局限性，如下：

第一，对于刀具耐久度的人工检测方法，往往借助工人师傅的经验，通过估计加工时间和加工时的声音对刀具磨损进行预测；或者直接采用显微镜观测刀具的断刀情况，当观测到刀具厚度低于阈值或有多个刀刃发生磨损断裂后即可确认刀具即将或已损坏。经验方法的局限性在于刀具检测依赖于工人的人工经验，并不是基于实测数据的精确预测，不能满足自动化、智能化的生产需求；显微镜检测方法需要将刀具卸下才能进行检测，在刀具临近磨损的时候需要多次拆卸检测，会严重影响生产效率，增加生产成本。

第二，目前工厂采用的传感器检测，虽然能通过web界面设置检测参数，但局限于传感器内部存储器的内存大小，只能将大量数据以二进制格式存储于传感器中；且仅能在每一次加工计划完成后，才能从传感器中提取振动信号的二进制文件，转换为其他文件格式后才能继续进行后续分析。这类检测方法无法实时使用数据，对刀具磨损、破损的预测有很大的滞后性，不能实时生成神经网络需要的振动数据，无法及时规避工件加工失败带来的成本损失。

第三，在未部署边缘计算架构的生产体系中，大量数据上传前无数据预处理手段。对应多种工业需求下生产场景，目前工厂均选择将大量原始数据上传处理，增加处理时间的同时会对工业网络造成很大负担。

第四，传感器单机采集缺乏数据的分布式存储计算手段，云边端协同体系通过多层结构，提高了系统结构上的可拓展性和可替换性。

机床刀具在入刀和出刀的时间段内产生的振动信号幅值过大，而在刀具空转期间产生的振动信号几乎为零，这些数据对于预测性维护的参考意义不大，而多数刀具振动信号的采集只是根据传感器数据读取内容，含有很多不必要的数据信息。同时由于刀具振动传感器对振动信号的采样频率高，短时间内产生的数据量较大，设备处理能力有限则容易产生数据堆积和计算延迟问题。故需要对采集的数据进行预处理，过滤裁剪出振动信号的有效部分。这样处理既能保证数据的可靠性，也能降低传感器与预测电脑之间的传输带宽占用，降低时延，提高时效性。

现有多数机床加工的工作模式未部署云边架构，在预测精度、问题分析、整体优化方面还有待提升。边缘计算对工业场景的适配性要求高，需综合考虑加工任务、时延要求等指标。因此配合边缘设备，构建端采集、边预处理和推理、云训练下发模型的统筹兼顾的云边端协同的工作模式，能有效读取、利用数据，在不同位置使用不同数据量的数据，减少数据上传压力，降低时延，提高数据利用率、生产质量和生产效率。

发明内容

针对现有技术的不足，本发明提供了一种基于边缘计算的刀具振动信号的采集处理方法，实现刀具三维振动信号的读取、保存和预处理，能够及时检测刀具的磨损情况，同时能够降低时延，提高采集数据的利用率、生产质量和生产效率。