[发明专利]一种数控机床自动维护系统在审

专利信息
申请号: 202310309915.X 申请日: 2023-03-28
公开(公告)号: CN116300695A 公开(公告)日: 2023-06-23
发明(设计)人: 刘应省;宋小平 申请(专利权)人: 广州和兴机电科技有限公司
主分类号: G05B19/408 分类号: G05B19/408
代理公司: 广州中研专利代理有限公司 44692 代理人: 刘中航
地址: 510000 广东省广州市增城区新塘*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数控机床 自动 维护 系统
【权利要求书】:

1.一种数控机床自动维护系统,其特征在于:包括数据采集模块、边缘处理模块、中心云平台以及移动终端,所述数据采集模块以有线的方式连接边缘处理模块,所述边缘处理模块通过无线的方式连接中心云平台,所述移动终端通过无线连接边缘处理模块;

所述数据采集模块,包括设置于机床和加工间的若干传感器,用于将实时采集的机床运行参数以及加工间的环境参数上传于边缘处理模块;

所述边缘处理模块,用于通过数据采集模块上传的机床运行参数以及加工间的环境参数分析处理给出维护策略;同时用于将数据采集模块采集的机床运行参数、移动终端上传的作业信息以及本地存储的机床信息进行综合处理后得到的维护报告发送至中心云平台;

所述中心云平台,用于通过接收到的维护报告进行维护规则引擎的生成及更新,并将维护规则引擎下发至边缘处理模块;

所述移动终端,用于专业维护人员在接收到指令维护保养时上传作业信息以及维护过程中故障信息查询;

所述维护规则引擎的生成包括以下步骤:

S1、数据预处理:为适用于关联规则和BP神经网络的建模过程,需要将维护报告中提取的关联因素,根据维护项目进行对齐和归一化处理,并进行清洗、聚合以及排序处理,构建维护数据库;

S2、关联规则挖掘:使用关联规则算法从维护数据库中挖掘频繁项集和关联规则,作为输入特征向量,并计算支持度和置信度;

S3、BP神经网络训练:将关联规则挖掘的结果作为输入,将维护项目作为输出,使用BP神经网络进行训练得到维护规则引擎;

S4、维护规则引擎评估:使用作业信息对维护规则引擎进行评估,比较维护规则引擎输出的维护项目与作业信息中实际的维护项目之间的误差;

S5、维护规则引擎应用:将维护规则引擎下发至边缘处理模块,通过关联规则从维护报告中挖掘得到输入特征向量,然后通过训练好的BP神经网络进行预测维护决策。

2.根据权利要求1所述的一种数控机床自动维护系统,其特征在于:所述机床运行参数包括温度参数、压力参数、振动频率、供电质量参数、冷却扇工作状态参数、机床精度参数以及数控系统反馈的加工数据;所述环境参数包括温度、湿度和空气质量。

3.根据权利要求1所述的一种数控机床自动维护系统,其特征在于:所述维护策略具体包括:

自主性维护:通过采集的数据与预设的各项参数做比对,生成控制命令调动辅助设备完成对应负责项目的维护;

处理性维护:当异常数据中对应的维护项目辅助设备无法自主完成时,及时发出维护提示至中心云平台,针对发现的问题提示操作员进行指定项目维护;

预测性维护:利用实时的维护报告通过边缘处理模块按照接收到的维护规则引擎获取维护决策,告知操作人员针对维护项目进行提前维护。

4.根据权利要求3所述的一种数控机床自动维护系统,其特征在于:所述辅助设备包括加工间调控设备和机床维护设备,所述加工间调控设备具体为加工间空调、除湿机以及空气净化器;所述机床维护设备包括润滑系统和清洗系统。

5.根据权利要求1所述的一种数控机床自动维护系统,其特征在于:所述维护报告包括若干条维护记录,每条所述维修记录包括机床编号、维护编号、维护日期间隔、维护项目、对应项目维修时长、操作人员信息、使用年限、维护总次数以及本次维护前的机床温度参数、压力参数、振动频率、供电质量参数、冷却扇工作状态参数、数控系统反馈的加工数据、数控柜空气过滤器运行时长、蓄电池运行时长、电机电刷运行时长以及机床停运时长。

6.根据权利要求1所述的一种数控机床自动维护系统,其特征在于:所述维护规则引擎的更新包括:

通过上传的维护报告更新维护规则引擎;

通过移动终端上传的作业信息修正维护规则引擎。

7.根据权利要求1所述的一种数控机床自动维护系统,其特征在于:所述边缘处理模块,还用于运行接收到的维护规则引擎生成维护决策;所述维护决策包括维护项目和维护要求。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州和兴机电科技有限公司,未经广州和兴机电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310309915.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top