00_信號(hào)處 理模塊；101、102、103-信號(hào)；201、202、203-震動(dòng)信號(hào)；11、21-感測模塊；12、22-信號(hào)切割 模塊；121、221-信號(hào)切割及提取程序；13、23-特征提取模塊；131、231-特征提取程序；14、 24-特征選擇模塊；141、241-特征選擇程序；15、25-控制模塊；151、251-轉(zhuǎn)化程序；1511、 2511-性能狀態(tài)值；16、26_人機(jī)界面模塊；27-預(yù)警模塊；271-預(yù)警信號(hào)；A-鋸帶；Bl-第一 傳動(dòng)元件；B2-第二傳動(dòng)元件；Cl-第一滑動(dòng)元件；C2-第二滑動(dòng)元件；D-清肩元件；E-切削 液槽；S60~S69-步驟流程。
【具體實(shí)施方式】
[0040] 以下將參照相關(guān)圖式，說明本發(fā)明提供的帶鋸機(jī)性能監(jiān)控系統(tǒng)的實(shí)施例，為使便 于理解，下述實(shí)施例中的相同元件以相同符號(hào)標(biāo)示來說明。
[0041] 請(qǐng)參閱圖1，其為本發(fā)明提供的帶鋸機(jī)性能監(jiān)控系統(tǒng)的方塊圖。如圖1所示，本發(fā) 明提出的帶鋸機(jī)性能監(jiān)控系統(tǒng)1可以包含感測模塊11、信號(hào)處理模塊100、控制模塊15及 人機(jī)界面模塊16,其中，信號(hào)處理模塊100可包含信號(hào)切割模塊12、特征提取模塊13及特 征選擇模塊14。
[0042] 感測模塊11可在帶鋸機(jī)10運(yùn)作時(shí)，通過設(shè)置于帶鋸機(jī)10各個(gè)不同部位的多個(gè) 傳感器偵測帶鋸機(jī)10的運(yùn)作狀態(tài)，以產(chǎn)生多個(gè)信號(hào)101、102、103。其中，該多個(gè)信號(hào)101、 102、103可包含震動(dòng)信號(hào)或還包含聲音信號(hào)、流速信號(hào)、鋸帶張力信號(hào)、酸堿值信號(hào)、壓力信 號(hào)、溫度信號(hào)、濁度信號(hào)或電流信號(hào)等等，以對(duì)帶鋸機(jī)10中的各元件的性能狀態(tài)進(jìn)行分析， 如震動(dòng)信號(hào)可對(duì)鋸帶的性能狀態(tài)進(jìn)行分析，聲音信號(hào)可對(duì)清肩元件如鋼刷的性能狀態(tài)進(jìn)行 分析，流速信號(hào)可對(duì)冷卻系統(tǒng)如切削液主水管的性能狀態(tài)進(jìn)行分析，酸堿值信號(hào)可對(duì)切削 液的性能狀態(tài)進(jìn)行分析，壓力信號(hào)可對(duì)液壓系統(tǒng)如油壓幫浦的性能狀態(tài)進(jìn)行分析，溫度信 號(hào)可對(duì)齒輪箱如減速箱與液壓系統(tǒng)如液壓油箱的性能狀態(tài)進(jìn)行分析，濁度信號(hào)可對(duì)液壓系 統(tǒng)如液壓油與冷卻系統(tǒng)如切削液的性能狀態(tài)進(jìn)行分析，電流信號(hào)可對(duì)電力系統(tǒng)如馬達(dá)的性 能狀態(tài)進(jìn)行分析。
[0043] 接下來，信號(hào)切割模塊12可執(zhí)行信號(hào)切割及提取程序121以分別切割信號(hào)101、 102、103為多個(gè)信號(hào)區(qū)段，并選擇其中最為穩(wěn)定的信號(hào)區(qū)段作為特征區(qū)段。
[0044] 而特征提取模塊13可針對(duì)該多個(gè)特征區(qū)域的頻域及時(shí)域執(zhí)行特征提取程序131 以獲得多個(gè)信號(hào)特征。其中，針對(duì)頻域的特征提取程序131可分別切割各個(gè)特征區(qū)段為多 個(gè)頻段，并計(jì)算各個(gè)頻段的頻域信號(hào)特征；而針對(duì)時(shí)域的特征提取程序131可包含各個(gè)特 征區(qū)域的平均值、均方根（Root Mean Square，RMS)、峰度（Kurtosis)及偏度（Skewness)等 等，以作為時(shí)域信號(hào)特征。特征選擇模塊14可執(zhí)行特征選擇程序141，以由該多個(gè)頻域信號(hào) 特征及時(shí)域信號(hào)特征中選擇多個(gè)主要信號(hào)特征。
[0045] 最后，控制模塊15可通過轉(zhuǎn)化程序151將特征選擇模塊14選擇的該多個(gè)主要信 號(hào)特征轉(zhuǎn)化為帶鋸機(jī)10中各元件的性能狀態(tài)值1511，以表示帶鋸機(jī)10中各元件的性能狀 態(tài)，并通過人機(jī)界面模塊16顯示。例如，性能狀態(tài)值可代表帶鋸機(jī)10的鋸帶、或清肩元件 如鋼刷、或齒輪箱如減速箱、或冷卻系統(tǒng)如切削液、切削液主水管、或液壓系統(tǒng)如油壓幫浦、 液壓油箱、液壓油或電力系統(tǒng)如馬達(dá)的性能狀態(tài)。
[0046] 值得一提的是，目前并未有任何設(shè)備可以準(zhǔn)確的估測帶鋸機(jī)的鋸帶及其它各元件 的性能狀態(tài)，以提供使用者判斷是否要進(jìn)行維修或更換元件。然而，本發(fā)明提供的帶鋸機(jī)性 能監(jiān)控系統(tǒng)可以通過偵測帶鋸機(jī)的運(yùn)作狀態(tài)來估測帶鋸機(jī)的鋸帶及其它各元件的性能狀 態(tài)值，因此可以有效地提供鋸帶及其它各元件的使用狀態(tài)，讓使用者能自行判斷是否要進(jìn) 行維修或更換帶鋸機(jī)中的各元件。
[0047] 請(qǐng)參閱圖2,其為本發(fā)明提供的帶鋸機(jī)性能監(jiān)控系統(tǒng)第一實(shí)施例的方塊圖。如圖所 示，本發(fā)明提供的帶鋸機(jī)性能監(jiān)控系統(tǒng)2可包含感測模塊21、信號(hào)處理模塊200、控制模塊 25、人機(jī)界面模塊26及預(yù)警模塊27,其中，信號(hào)處理模塊200可包含信號(hào)切割模塊22、特征 提取模塊23及特征選擇模塊24。
[0048] 感測模塊21可在帶鋸機(jī)20運(yùn)作時(shí)，通過設(shè)置于帶鋸機(jī)20多個(gè)傳感器偵測帶鋸機(jī) 20的切割運(yùn)作時(shí)所產(chǎn)生的震動(dòng)，以產(chǎn)生多個(gè)震動(dòng)信號(hào)201、202、203,以對(duì)帶鋸機(jī)20中的鋸 帶A的性能狀態(tài)進(jìn)行分析。
[0049] 接下來，信號(hào)切割模塊22可執(zhí)行信號(hào)切割及提取程序221以分別切割震動(dòng)信號(hào) 201、202、203為四個(gè)信號(hào)區(qū)段，該多個(gè)信號(hào)區(qū)段包含一個(gè)空切段（鋸帶A未接觸工件）及三 個(gè)實(shí)切段，并提取該多個(gè)實(shí)切段的穩(wěn)定區(qū)段如中間區(qū)段作為特征區(qū)段。
[0050] 而特征提取模塊23可針對(duì)由震動(dòng)信號(hào)201、202、203提取的該多個(gè)特征區(qū)段的頻 域執(zhí)行特征提取程序231，將各個(gè)特征區(qū)段的整個(gè)頻譜按設(shè)定值等分，如20Hz等分為多個(gè) 頻段，并計(jì)算各個(gè)頻段占所有能量的比重以作為頻域信號(hào)特征，如第（1)式所示：
[0051] 能量比重=頻段能量/總能量…（1);
[0052] 同時(shí)，特征提取模塊23可針對(duì)由震動(dòng)信號(hào)201、202、203提取的該多個(gè)特征區(qū)段的 時(shí)域執(zhí)行特征提取程序231，針對(duì)時(shí)域的特征提取程序231可計(jì)算包含各個(gè)特征區(qū)域的均 方根、峰度及偏度等等，以作為多個(gè)時(shí)域信號(hào)特征。
[0053] 特征選擇模塊24可執(zhí)行特征選擇程序241，以由該多個(gè)頻域信號(hào)特征及時(shí)域信號(hào) 特征中選擇多個(gè)主要信號(hào)特征。特征選擇程序241可計(jì)算各個(gè)頻域信號(hào)特征及時(shí)域信號(hào)特 征（Fi至Fn)的相關(guān)性系數(shù)，如第⑵式所示：
[0054] Ci = correlation (Fi, …⑵；
[0055] 其中，A為一個(gè)與Fi相同長度的單調(diào)遞增向量;A = [1，2, 3,…，m]，其中m為 Fi的長度。特征選擇模塊24則可選擇相關(guān)性系數(shù)最高的10個(gè)頻域信號(hào)特征及時(shí)域信號(hào)特 征以作為主要信號(hào)特征。
[0056] 最后，控制模塊25可通過轉(zhuǎn)化程序251將特征選擇模塊24選擇的該多個(gè)主要信 號(hào)特征轉(zhuǎn)化為帶鋸機(jī)20中的鋸帶A的性能狀態(tài)值2511，以表示帶鋸機(jī)20的鋸帶A的性能 狀態(tài)，并通過人機(jī)界面模塊26顯示性能狀態(tài)值2511。首先，轉(zhuǎn)化程序251可將上述10個(gè) 主要信號(hào)特征轉(zhuǎn)換為相對(duì)值。對(duì)于主要信號(hào)特征Fi，首先計(jì)算其初始值Ii =mean (Fi的 第五至第五十個(gè)讀數(shù)），并計(jì)算其相對(duì)值Ri = (Fi-Ii)/Π，然后計(jì)算10個(gè)轉(zhuǎn)換后主要信 號(hào)特征的均值R = mean(Rl，R2,……，R10)。轉(zhuǎn)化程序251可利用回歸分析法（Logistic regression)將上述均值R轉(zhuǎn)換為0~1的性能狀態(tài)值2511，其中0代表失效，1代表性能， 如下第（3)式所示：
[0057] 性能狀態(tài)值=1-R/0. 45…（3);
[0058] 在一實(shí)施例中，可分別將新的鋸帶A在每一次執(zhí)行鋸切的頻域信號(hào)特征、時(shí)域信 號(hào)特征及其它相關(guān)條件儲(chǔ)存于數(shù)據(jù)庫中，并由上述方法計(jì)算新鋸帶每一次執(zhí)行鋸切的性能 狀態(tài)值2511，如下表所示：
[0059] 表1 :數(shù)據(jù)庫格式
[0060]
[0061] 轉(zhuǎn)換后的主要信號(hào)特征的相對(duì)值則如圖3所示，而利用上述方式計(jì)算出來的性能 狀態(tài)值2511則如圖4所示。
[0062] 由于鋸帶的衰退過程呈線性，因此，控制模塊25可以進(jìn)一步搜集如圖7所示的鋸 帶A執(zhí)行每一次切割后的性能狀態(tài)值2511，并且利用線性回歸法來建立鋸帶A的未來性能 狀態(tài)預(yù)測模型，以對(duì)鋸帶A的未來性能狀態(tài)進(jìn)行預(yù)測，例如鋸帶A已經(jīng)切完第500個(gè)工件切 割作業(yè)，利用上述方法可以計(jì)算從開始到第500個(gè)工件切割作業(yè)的性能狀態(tài)值R[0-500]， 并利用線性回歸法計(jì)算R[0_500]即可獲得鋸帶A的未來性能狀態(tài)預(yù)測模型，如圖5所示， 計(jì)算方式則如第（4)式所示：
[0063] 性能狀態(tài)值=-0· 00082*切割次數(shù)+1. 1…（4);
[0064] 控制模塊25還可以根據(jù)未來性能狀態(tài)預(yù)測模型計(jì)算鋸帶A的剩余切割次數(shù)，如第 (5)式所示：
[0065] 剩余切割次數(shù)=(門坎值-I. 1)八_0· 00082)-目前切割次數(shù)…（5);
[0066] 門坎值可依使用者的需求來自由設(shè)定，如此，由第（5)式可以獲得鋸帶A的剩余切 割次數(shù)。預(yù)