本發(fā)明涉及智能分析的，尤其涉及一種數(shù)控加工系統(tǒng)的工況分析方法及系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，數(shù)控系統(tǒng)行業(yè)的技術(shù)水平穩(wěn)步提升。高精度、高效率、高可靠性成為數(shù)控系統(tǒng)的重要發(fā)展方向，數(shù)控系統(tǒng)的智能化程度不斷提高，具備更強(qiáng)的自主學(xué)習(xí)和自適應(yīng)能力，能夠更好地滿足復(fù)雜多變的加工需求。

2、目前，在公開號(hào)為cn?103197609a?的中國(guó)發(fā)明專利，公開了數(shù)控加工動(dòng)態(tài)特征建模方法，該方法基于functionblock進(jìn)行動(dòng)態(tài)特征的建模，構(gòu)建了特征unctionblock和服務(wù)functionblock，實(shí)現(xiàn)加工特征中間狀態(tài)、加工過(guò)程中的工藝、工況參數(shù)、參數(shù)的動(dòng)態(tài)安全域值以及超出域值的調(diào)整策略的表達(dá)，同時(shí)也實(shí)現(xiàn)了加工過(guò)程中實(shí)時(shí)信息的獲取與分析，但是相關(guān)技術(shù)中沒(méi)有對(duì)機(jī)床的故障類型進(jìn)行詳細(xì)劃分，缺乏分析的全面性，沒(méi)有對(duì)機(jī)床故障進(jìn)行預(yù)測(cè)，缺乏分析的超前性，容易造成錯(cuò)誤生產(chǎn)，從而導(dǎo)致資源浪費(fèi)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決的技術(shù)問(wèn)題是：相關(guān)技術(shù)中沒(méi)有對(duì)機(jī)床的故障類型進(jìn)行詳細(xì)劃分，缺乏分析的全面性，沒(méi)有對(duì)機(jī)床故障進(jìn)行預(yù)測(cè)，缺乏分析的超前性，容易造成錯(cuò)誤生產(chǎn)，從而導(dǎo)致資源浪費(fèi)。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：第一方面，一種數(shù)控加工系統(tǒng)的工況分析方法，包括以下步驟：

3、步驟s1，將機(jī)床進(jìn)行編號(hào)，基于時(shí)間序列獲取機(jī)床的工作狀態(tài)參數(shù)，并對(duì)所述工作狀態(tài)參數(shù)進(jìn)行預(yù)處理，構(gòu)造工作狀態(tài)參數(shù)數(shù)據(jù)集；

4、步驟s2，分別獲取工作狀態(tài)參數(shù)的最大閾值和工作狀態(tài)參數(shù)的最小閾值，構(gòu)造工作狀態(tài)參數(shù)的置信區(qū)間集合；

5、步驟s3，將預(yù)處理后的工作狀態(tài)參數(shù)與工作狀態(tài)參數(shù)的置信區(qū)間進(jìn)行比對(duì)，將屬于工作狀態(tài)參數(shù)的置信區(qū)間的預(yù)處理后的工作狀態(tài)參數(shù)數(shù)據(jù)標(biāo)記為相關(guān)值，將不屬于工作狀態(tài)參數(shù)的置信區(qū)間的預(yù)處理后的工作狀態(tài)參數(shù)數(shù)據(jù)標(biāo)記為不相關(guān)值；

6、步驟s4，獲取不相關(guān)值，調(diào)用故障類型數(shù)據(jù)庫(kù)，得到不相關(guān)值對(duì)應(yīng)的故障類型，統(tǒng)計(jì)第一時(shí)間段內(nèi)各個(gè)故障類型發(fā)生的次數(shù)，計(jì)算總次數(shù)，計(jì)算發(fā)生故障時(shí)對(duì)應(yīng)為各個(gè)故障的概率，對(duì)第一時(shí)間段進(jìn)行若干次分割，得到發(fā)生故障時(shí)對(duì)應(yīng)為各個(gè)故障的概率集合，將概率集合進(jìn)行擬合，得到最終概率；

7、步驟s5，獲取第一時(shí)間段相關(guān)值和不相關(guān)值，將所述相關(guān)值和所述不相關(guān)值按照所述時(shí)間序列進(jìn)行降序排序處理，計(jì)算第一時(shí)間段內(nèi)機(jī)床出現(xiàn)相關(guān)值的概率；

8、步驟s6，訓(xùn)練用于反饋故障類型的機(jī)器學(xué)習(xí)模型，所述機(jī)器學(xué)習(xí)模型以故障類型作為輸出量，并對(duì)所述機(jī)器學(xué)習(xí)模型進(jìn)行反復(fù)測(cè)試訓(xùn)練，直到準(zhǔn)確率達(dá)到第一閾值時(shí)為止，并結(jié)合最終概率輸出機(jī)床狀態(tài)預(yù)測(cè)結(jié)果。

9、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s1包括如下子步驟：

10、步驟s11，對(duì)機(jī)床進(jìn)行編號(hào)，所述編號(hào)為自然數(shù)；

11、步驟s12，基于時(shí)間序列獲取機(jī)床的工作狀態(tài)參數(shù)，并對(duì)所述工作狀態(tài)參數(shù)進(jìn)行異常數(shù)據(jù)剔除處理和歸一化處理，使得所述工作狀態(tài)參數(shù)大于等于0且小于等于1，構(gòu)造工作狀態(tài)參數(shù)數(shù)據(jù)集，所述工作狀態(tài)參數(shù)包括主軸轉(zhuǎn)速、主軸溫度、進(jìn)給電流、進(jìn)給速度、主軸負(fù)載值和進(jìn)給軸負(fù)載值。

12、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s2包括如下子步驟：

13、步驟s21，調(diào)用機(jī)床數(shù)據(jù)庫(kù)，分別獲取工作狀態(tài)參數(shù)的最大閾值和工作狀態(tài)參數(shù)的最小閾值；

14、步驟s22，以工作狀態(tài)參數(shù)的最小閾值為區(qū)間下限，以工作狀態(tài)參數(shù)的最大閾值為區(qū)間上限，構(gòu)造工作狀態(tài)參數(shù)的置信區(qū)間集合，所述置信區(qū)間集合包括主軸轉(zhuǎn)速置信區(qū)間、主軸溫度置信區(qū)間、進(jìn)給電流置信區(qū)間、進(jìn)給速度置信區(qū)間、主軸負(fù)載值置信區(qū)間和進(jìn)給軸負(fù)載值置信區(qū)間。

15、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s3包括如下子步驟：

16、步驟s31，分別獲取預(yù)處理后的主軸轉(zhuǎn)速、預(yù)處理后的主軸溫度、預(yù)處理后的進(jìn)給電流、預(yù)處理后的進(jìn)給速度、預(yù)處理后的主軸負(fù)載值和預(yù)處理后的進(jìn)給軸負(fù)載值；

17、步驟s32，將預(yù)處理后的主軸轉(zhuǎn)速與主軸轉(zhuǎn)速置信區(qū)間進(jìn)行比對(duì)，將屬于主軸轉(zhuǎn)速置信區(qū)間的預(yù)處理后的主軸轉(zhuǎn)速標(biāo)記為第一相關(guān)值，將不屬于主軸轉(zhuǎn)速置信區(qū)間的預(yù)處理后的主軸轉(zhuǎn)速標(biāo)記為第一不相關(guān)值；

18、步驟s33，循環(huán)步驟s32，分別標(biāo)記預(yù)處理后的主軸溫度、預(yù)處理后的進(jìn)給電流、預(yù)處理后的進(jìn)給速度、預(yù)處理后的主軸負(fù)載值和預(yù)處理后的進(jìn)給軸負(fù)載值的對(duì)應(yīng)的第二相關(guān)值、第三相關(guān)值、第四相關(guān)值、第五相關(guān)值和第六相關(guān)值，分別標(biāo)記預(yù)處理后的主軸溫度、預(yù)處理后的進(jìn)給電流、預(yù)處理后的進(jìn)給速度、預(yù)處理后的主軸負(fù)載值和預(yù)處理后的進(jìn)給軸負(fù)載值對(duì)應(yīng)的第二不相關(guān)值、第三不相關(guān)值、第四不相關(guān)值、第五不相關(guān)值和第六不相關(guān)值。

19、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s4包括如下子步驟：

20、步驟s41，調(diào)用故障類型數(shù)據(jù)庫(kù)，輸入第一不相關(guān)值，獲取對(duì)應(yīng)的故障類型，所述故障類型為主軸頭磨損；

21、步驟s42，循環(huán)步驟s41，分別獲取第二不相關(guān)值、第三不相關(guān)值、第四不相關(guān)值、第五不相關(guān)值和第六不相關(guān)值對(duì)應(yīng)的故障類型，所述故障類型分別為軸承損壞、進(jìn)給軸磨損、伺服系統(tǒng)故障、主軸旋轉(zhuǎn)發(fā)熱和驅(qū)動(dòng)器線路損壞；

22、步驟s43，統(tǒng)計(jì)第一時(shí)間段內(nèi)各個(gè)故障類型發(fā)生的次數(shù)，計(jì)算總次數(shù)，分別計(jì)算各個(gè)故障類型發(fā)生的次數(shù)在總次數(shù)中的占比，計(jì)算發(fā)生故障時(shí)對(duì)應(yīng)為各個(gè)故障的概率，并對(duì)第一時(shí)間段進(jìn)行若干次分割，得到發(fā)生故障時(shí)對(duì)應(yīng)為各個(gè)故障的概率集合，所述概率集合包括第一概率至第n概率。

23、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s43包括如下子步驟：

24、步驟s431，以第一閾值作為初始分割步長(zhǎng)，并以第一取值對(duì)分割步長(zhǎng)進(jìn)行遞增，將第一時(shí)間段分割為若干子時(shí)間；

25、步驟s432，計(jì)算第一時(shí)間段內(nèi)計(jì)算發(fā)生故障時(shí)對(duì)應(yīng)為各個(gè)故障的概率，記為第一概率；

26、步驟s433，重復(fù)步驟s432，計(jì)算第二概率至第n概率，通過(guò)多元回歸算法將第一概率至第n概率擬合為最終概率。

27、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s5包括如下子步驟：

28、步驟s51，獲取第一時(shí)間段內(nèi)的相關(guān)值和不相關(guān)值，將第一時(shí)間段內(nèi)的所述相關(guān)值和所述不相關(guān)值按照所述時(shí)間序列進(jìn)行降序排序處理；

29、步驟s52，計(jì)算機(jī)床運(yùn)行時(shí)出現(xiàn)相關(guān)值的概率，所述第一時(shí)間段內(nèi)機(jī)床出現(xiàn)相關(guān)值的概率表示機(jī)床運(yùn)行狀態(tài)為不故障的概率，所述出現(xiàn)相關(guān)值的概率的計(jì)算表達(dá)式為：

30、

31、其中，為出現(xiàn)相關(guān)值的概率，為預(yù)處理后的工作狀態(tài)參數(shù)數(shù)據(jù)中第i種工作狀態(tài)參數(shù)數(shù)據(jù)中相關(guān)值的數(shù)量，為預(yù)處理后的工作狀態(tài)參數(shù)數(shù)據(jù)中第i種工作狀態(tài)參數(shù)數(shù)據(jù)中不相關(guān)值的數(shù)量，。

32、作為本發(fā)明所述的一種數(shù)控加工系統(tǒng)的工況分析方法的一種優(yōu)選方案，其中：所述步驟s6包括如下子步驟：

33、步驟s61，將工作狀態(tài)參數(shù)數(shù)據(jù)集按照一定比例分為訓(xùn)練集和測(cè)試集；

34、步驟s62，以時(shí)間點(diǎn)作為輸入量，以預(yù)測(cè)的故障類型作為輸出量，訓(xùn)練用于反饋故障類型的機(jī)器學(xué)習(xí)模型，所述機(jī)器學(xué)習(xí)模型以并對(duì)所述機(jī)器學(xué)習(xí)模型進(jìn)行反復(fù)測(cè)試訓(xùn)練，直到準(zhǔn)確率達(dá)到第一閾值時(shí)為止；

35、步驟s63，將故障類型和故障類型對(duì)應(yīng)的最終概率作為機(jī)床狀態(tài)的輸出結(jié)果。

36、第二方面，一種數(shù)控加工系統(tǒng)的工況分析系統(tǒng)，包括采集模塊、分析模塊、預(yù)測(cè)模塊和終端模塊；

37、所述采集模塊用于采集機(jī)床的工作狀態(tài)參數(shù)，并對(duì)所述工作狀態(tài)參數(shù)進(jìn)行預(yù)處理，將預(yù)處理后的工作狀態(tài)參數(shù)傳輸?shù)椒治瞿K和預(yù)測(cè)模塊；

38、所述分析模塊用于構(gòu)造工作狀態(tài)參數(shù)的置信區(qū)間集合，計(jì)算最終概率和第一時(shí)間段內(nèi)機(jī)床出現(xiàn)相關(guān)值的概率，所述最終概率為各個(gè)故障類型對(duì)應(yīng)發(fā)生的概率，并將最終概率傳輸?shù)浇K端模塊；

39、所述預(yù)測(cè)模塊用于預(yù)測(cè)機(jī)床的故障類型，并將所述機(jī)床的故障類型傳輸?shù)浇K端模塊；

40、所述終端模塊用于顯示最終概率和故障類型。

41、第三方面，本發(fā)明提供一種電子設(shè)備，包括儲(chǔ)存器、處理器及儲(chǔ)存在儲(chǔ)存器，所述儲(chǔ)存器存儲(chǔ)有計(jì)算機(jī)可讀取指令，當(dāng)計(jì)算機(jī)可讀取指令由所述處理器執(zhí)行時(shí)，運(yùn)行如上任意一項(xiàng)所述方法中的步驟。

42、第四方面，本發(fā)明提供一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，運(yùn)行如上任意一項(xiàng)所述方法中的步驟。

43、本發(fā)明的有益效果：通過(guò)構(gòu)造置信區(qū)間將預(yù)處理后的工作狀態(tài)參數(shù)標(biāo)記為相關(guān)值和不相關(guān)值，使得數(shù)據(jù)的分類更具有清晰性，將第一時(shí)間段進(jìn)行多次分割，得到不同故障類型的概率集合，通過(guò)多元回歸分析將不同的故障類型發(fā)生概率進(jìn)行擬合，得到最終概率，使得概率結(jié)果更為準(zhǔn)確，通過(guò)訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測(cè)故障類型，使得工況的分析更具有超前性，有利于科學(xué)生產(chǎn)，減少了錯(cuò)誤生產(chǎn)導(dǎo)致的資源浪費(fèi)。