[发明专利]一种数控机床的健康状态评价方法、系统、设备和介质

说明书

本发明涉及一种数控机床的健康状态评价方法、系统、设备和介质，包括：基于预先得到的各训练样本数据集对健康状态分析模型的模型参数进行训练并计算对应的似然概率，将训练后的各组模型参数组成表征机床不同预设工况状态的预设模型参数合集，将各似然概率组成预设似然概率合集；基于得到的预设模型参数合集和预设似然概率合集，对当前数控机床的健康状态进行评价。本发明利用数控机床的历史监测数据构建多维数据向量，通过计算健康度对数控机床的健康状态进行评价，无需增加机床传感器数量，使模型具有更广泛的实用性，降低计算复杂度，实现准确、快速和实时的健康度评价，可以广泛应用于数控机床的健康状态监测领域。

技术领域

本发明属于数控机床的健康状态监测领域，具体涉及一种数控机床的健康状态评价方法、系统、设备和介质。

背景技术

数控机床作为现代工业的重要设备，其性能和可靠性至关重要。为了保证数控机床的使用寿命和生产效率，需要对数控机床进行合理的维护。当前的数控机床维护大多采用定期维护和事后维护，这种维护方式会使生产过程的效率降低，生产成本增加。所以对数控机床的健康状态进行准确的监测，及时对数控机床的故障状态进行预警是提高生产效率重要方法。

现代数控机床的自身具有内置传感器，数控系统能够实时监测数控机床的主轴、电机和刀具等部件的信息。数控系统的自诊断系统具有一定的诊断功能，但是诊断功能主要为电气系统故障和数控系统故障，对于数控机床的机械部件的健康状态没有准确评估。而且数控机床的种类繁多，运行工况不同，现有诊断系统无法建立个性化的健康状态评估方法。

发明内容

针对上述问题，本发明的目的是提供一种数控机床的健康状态评价方法、系统、设备和介质，利用工业网络对数控机床的运行数据进行监测，并使用监测历史数据训练健康度评价模型，充分利用历史数据中机床的个性化状态特征,实现准确、快速、准确和实时的健康度评价，并根据设定的阈值进行健康状态预警，以此预防数控机床的故障并实现预测性维修。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供一种数控机床的健康状态评价方法，包括以下步骤：

基于预先得到的各训练样本数据集对健康状态分析模型的模型参数进行训练并计算对应的似然概率，将训练后的各组模型参数组成表征机床不同预设工况状态的预设模型参数合集，将各似然概率组成预设似然概率合集；

基于得到的预设模型参数合集和预设似然概率合集，对当前数控机床的健康状态进行评价。

进一步，所述各训练样本数据集的获得方法，包括：

采用预设协议对数控机床的数控系统中的原始运行数据进行采集，采集的数据类型包括数控机床的状态数据以及状态数据对应的标签信息；

对采集的原始运行数据进行数据分析；

确定个性化状态特征数据向量，并基于数据分析后的运行数据，建立若干种预设工况状态对应的训练样本数据集。

进一步，所述数据向量由数控机床的状态数据确定，包括电流、负载、转速和平均温度。

进一步，所述健康状态分析模型采用隐式马尔科夫模型，得到预设模型参数合集和似然概率合集的方法，包括：

①基于其中一个训练样本数据集对隐式马尔科夫模型进行训练，得到模型参数；

②基于模型参数计算似然概率；

③重复步骤①～②，采用其他训练样本数据集对隐式马尔科夫模型进行训练，并将所有模型参数以及似然概率分别进行组合，得到预设模型参数合集和预设似然概率合集。

进一步，所述对当前数控机床的健康状态进行评价的方法，包括以下步骤：