面向机床健康状态的智能评估云服务实现.pdf

精密制造与自动化 2023年第1期 1 面向机床健康状态的智能评估云服务实现 芦 华（上海机床厂有限公司 上海 200093）摘 要 数字化转型在当前制造业中蓬勃发展，机床健康状态智能评估对于提高生产效率和降低运营成本尤为重要，云计算的不断发展，可以实时存储和处理大量数据，给云服务提供了机床健康状态智能评估的解决方案。在分析云计算模式下机床健康状态智能评估云服务需求的基础上，设计了机床健康状态智能评估云服务平台总体框架，开发了集成基础数据库、评估知识库以及机床状态监测评估、数据统计分析、设备管理、综合看板等功能模块的机床健康状态智能评估软件，构建了面向机床健康状态的智能评估云服务平台，为机床加工生产的高效、智能监控提供新的思路和实现途径。关键词 机床健康状态 智能评估 云服务平台 数字化转型 1 1 引言引言 机床健康状态对于确保制造业的生产力、效率和安全性至关重要。机床故障会扰乱整个加工过程，导致生产延迟和效率损失。定期维护和监控机器的健康状况有利于防止机床故障，确保零件质量。目前，机床诊断过程通常是被动的，只有机床出现问题时才进行维护。这种被动的检修方式可能会导致计划外的机床停机和维修，而不在计划内的维修成本高昂。如此情况下缺乏准确的机床健康状态监测系统会使得提前预测机床潜在问题变得困难。传统的机床健康状态诊断优化方法往往依赖人工检测，不仅耗时长，而且容易出现人为错误。此外，随着机床生成的数据量和复杂性不断增加，快速准确地分析这些数据以检测潜在问题可能具有挑战性。近年来，国内外针对“制造业服务化”开展了大量研究1-3。郭亮4提出了一种面向云制造应用模式构建的设计方法，分析了当前面向机加工的服务平台；阴艳超等5提出转轮叶片铣削加工的集成化知识云服务模式和实现方法。结合目前机床健康状态优化存在的问题及云制造模式的发展趋势6-8，本文在分析云计算模式下机床健康状态智能评估云服务需求的基础上，设计了机床健康状态智能评估云服务平台总体框架，开发了集成基础数据库、评估知识库、机床状态监测评估、数据统计分析、设备管理、综合看板等功能模块的机床健康状态智能评估软件，构建了面向机床健康状态的智能评估云服务平台，完成了机床健康状态智能评估的云服务实现途径。2 2 机床健康状态智能评估云服务需求分析机床健康状态智能评估云服务需求分析 2.1 2.1 机床健康状态特征机床健康状态特征 在机床加工过程中，机床部件执行加工指令时会产生大量的加工数据。在执行加工任务过程中，数控系统产生的数据可以评价相应加工动作执行的优劣，进而反映出机床部件的健康状态。机床健康状态的共同特征有：(1)稳定性：正常情况下工作状态下的机床具有稳定性，会产生具有一定规律并且可重复的加工效果，而不稳定的机床可能会导致加工工件的故障；(2)振动：振动信号一定程度上可以反映机床的工作状态是否正常，振动骤然剧烈表明机床内部某部件可能出现问题，例如轴承或齿轮；(3)功耗：功耗增加可能表明机床的电路存在问题；(4)温度：通过监测机床各部件工作时的温度，再对照正常工作情况下机床各部件的标准温度范围，能够反映出机床的工作状态是否异常，有助于发现潜在的过热、冷却剂流动问题或其他热相关问题；(5)噪音：异常过大的噪音可能是由于零部件松动、磨损、润滑不良或其他机床健康问题所导致的。总而言之，机床健康状态对于维持高效和有效的加工生产过程至关重要。解决上述问题的途径是建立相应报道与评述 精密制造与自动化 2023年第1期 2 的机床状态数据库和知识库，开发机床状态智能评 估优化软件，对机床状态进行实时监控以及健康状态的评估。随着云服务模式的完善以及云制造核心技术的发展，将机床制造、冷却液、砂轮、进给系统、机床生产加工企业的机床状态数据资源整合起来，开发相关机床状态优化软件和知识库系统并进行虚拟化封装，形成机床健康状态智能评估云服务，为用户提供最优机床健康状态信息、优化方案、状态参数等基础数据和知识，进一步提高机床生产效率和加工质量。2.2 2.2 机床健康状态智能评估云服务的需求机床健康状态智能评估云服务的需求 本研究旨在开发面向机床健康状态智能评估云服务，以实现机床状态数据的实时监测和健康状态评估。机床加工过程是一种具有多输入输出的非线性特征的典型复杂系统。在云制造模式下，智能评估服务需要整合来自机床加工企业、机床制造商、科研机构等多领域的知识资源数据，包括多传感器数据、控制流数据和典型加工工艺信息等。该服务的主要功能需求是对机床关键部件的可靠性进行健康评估。1）主轴系统评估 为了对机床主轴的动态性能进行评估并且识别 机床的异常工作状态，需要采集主轴的位置、电流、温度、转速、振动等信号，这些信号可以用于判断哪些零件可能导致主轴异常状态。2）进给系统评估 通过采集进给轴的多种信号，包括电流、加速度、指令位置、实际位置和振动等，以监测其子部件可能存在的性能变化。例如丝杠的磨损变形、滚道表面或滚珠结构缺陷、润滑状态不佳导致的性能衰退或寿命缩短。3）刀具监测评估 通过采集主轴驱动电流、机床数控系统运行参数以及切削加工工艺参数，建立刀具磨损和切削状况的模型进行分析。评估各个子系统后，将评估信息结合机床的运行状态进行融合，得出机床的整体健康度。然而，各种加工数据信息过于抽象，无法直接应用于机床健康状态智能评估服务，因此需要一个中间媒介进行数据信息转换。为此，采用实体-联系模型（E-R 模型）进行数据建模，包括实体集、联系集以及属性。实体间可有一对一、一对多或多对多三种联系类型，无需受到任何数据库管理系统的限制，面向机床健康状态智能评估云服务的 E-R模型如图 1 所示。图图 1 机床健康状态智能评估软件的机床健康状态智能评估软件的 模型模型 3 3 机床健康状态的智能评估软件机床健康状态的智能评估软件 3 3.1.1 机床健康状态智能评估软件框架设计机床健康状态智能评估软件框架设计 为了开发适用于云制造的机床健康状态智能评估软件，本文采用基于客户端/服务器（C/S）的架构，该软件的总体框架如图 2 所示，采用多层次架构，包括数据存储层、数据操作层、数据管理层、系统算法层和用户层。这种架构可以提高软件的稳定性和可扩展性，使各个功能模块之间相互独立，芦 华 面向机床健康状态的智能评估云服务实现 3 便于管理和维护。在该软件中，数据存储层负责数据的存储和管理，数据操作层负责数据的提取和处理，数据管理层负责数据的分类和组织，系统算法层负责机床健康状态的分析和评估，用户层则为用户提供友好的交互界面，使得用户可以方便地操作软件。（1）数据存储层。数据存储层用于存储机床健康状态智能评估软件所需的基础数据和机床健康状态评估知识。这些数据通过生产车间采集、文献资料查取和实验数据的收集得到，并经过审核后才能存储于数据库中。（2）数据操作层。数据操作层利用数据访问技术对数据存储的数据进行调用，该层服务于数据管理层。（3）数据管理层。数据管理层是机床健康状态智能评估软件的重要部分，包括基础数据管理、经验数据管理、评估数据管理和数据安全管理等功能。该层是软件设计的关键之所在。（4）系统算法层。系统算法层是机床健康状态智能评估软件的核心部分，利用机床健康评估智能匹配算法和机床健康状态评估智能推理算法，为数据管理层中结果输出提供算法支持。（5）用户层。用户层是数据库管理者或者企业技术人员对该软件使用的界面，使得用户可以通过人机交互界面的方式对该软件进行操作。图图 2 机床健康状态智能评估软件框架图机床健康状态智能评估软件框架图 3 3.2.2 机床健康状态智能评估软件功能模块机床健康状态智能评估软件功能模块 为了满足面向机床健康状态智能评估云服务的需求，设计该软件主要功能分为机床状态监测评估、数据统计分析、设备管理、综合看板共四大模块，如图 3 所示。图图 3 机床健康状态智能评估软件功能模块机床健康状态智能评估软件功能模块 机床状态监测评估模块是对设备每个组件的运行情况进行监测，需要对该模块进行数据处理和分析。该模块可以对设备的关键指标进行测量，并监测其运行状态。在状态监测过程中，会产生包括机床的基本信息、各种传感器数据以及通过算法计算得出的机床健康状态指数在内的大量数据集。这些数据集的分析和处理可以帮助了解设备每个组件的运行情况，从而更好地进行机床健康状态评估。数据统计分析模块能够浏览和分析机床各部件的健康状态数据。这些数据包括主轴系统、进给系统和刀具状态的监测数据。此外，该模块还可以对机床的总产量和效率进行数据统计，并记录和显示设备故障情况。设备管理模块包括设备的选型、采购等数据，存储在基础数据库中。设备台账通过处理机床数据，将机床状态信息可视化显示，为机床决策和设备维护保养提供数据支持。该模块还能够统计机床的能耗情况和维修记录，帮助管理者调整生产情况和指定机床维护计划。综合看板模块旨在提供高效快捷的机床信息和数据检索。为了能在短时间内查找所需要的机床数据，并且提升观测感，数据可视化就显得尤为重要。在该模块中，饼状图与条形图的结合，使得所有机床各部件状态，包括机床运行、待机、报警以及停 精密制造与自动化 2023年第1期 4 机状态，机床的资产编号、名称、型号以及传感器信号等数据一目了然。3 3.3.3 智能评估关键算法智能评估关键算法 机床健康状态智能评估软件的状态评估功能是通过机床健康状态评估智能匹配算法和机床健康状态评估智能推理算法实现的，如图 4 所示。图图 4 智能评估算法智能评估算法 在机床健康状态实例匹配过程中，输入的机床状态信息直接影响到机床健康状态评估的准确性。针对机床健康状态特征属性，本文提出了一种灰色关联分析法，其计算分析过程如下。参考序列是先将各备选方案属性值规范化，由规范化后的最优解组成，定义为:0=01,02,0 式中：0=max（效益）或者0=min（成本）计算序列的值与参考序列之差的绝对值，即计算属性值序列与参考数列的相应元素之间的汉明距离。=(0,)(=1,2,;=1,2,)计算最大和最小汉明距离：max=max (=1,2,;=1,2,)min=min (=1,2,;=1,2,)计算关联系数：=min+max+max (=1,2,;=1,2,)式中：代表备选方案与参考方案在第个评估指标的相对值，是分辨率因子，取值在 0 至 1 之间，其值越小分辨能力越强，一般取 0.5。可利用各备选方案属性值数列和参考序列建立关联系数矩阵()。计算各备选方案和参考序列之间的灰色关联度，式中w代表属性的权重值。=1 (=1,2,)根据计算得到的灰色关联度大小，对各评估实例方案排序，选择关联度较大的实例。通过实例检索、修改和重用，可以找到最符合当前优化方案的实例，其算法流程图见图 5。图图 5 机床状态优化智能匹配模块算法流程图机床状态优化智能匹配模块算法流程图 当实例库中的实例与机床状态信息的相似度未达到设定阈值，机床健康状态智能评估软件会自动启用机床健康状态评估智能推理算法。该算法采用深度卷积神经网络推理模型，用于推理机床健康状态。例如，深度卷积神经网络模型可以非线性映射推理支承件、刀具、主轴等机床组成部分的健康状态。具体算法模型如图 6 所示。图图 6 深度卷积神经网络模型深度卷积神经网络模型 芦 华 面向机床健康状态的智能评估云服务实现 5 4 4 机床健康状态的智能评估云平台机床健康状态的智能评估云平台 4 4.1.1 智能评估云服务模式的构建智能评估云服务模式的构建 云计算技术是实现机床健康状态智能评估云服务的核心。随着云计算技术逐渐普及，它提供各种计算、存储和网络资源，用户可以根据自己的需求快速选择和部署应用。根据服务模式的不同，云计算可以分为基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）三类。本文采用 SaaS服务模式构建机床健康状态智能评估云服务平台系统。通过内部互联网提供软件服务，将机床健康状态智能评估软件的研究成果进行服务共享，并开发云平台系统前端交互网页，以便与用户进行交互。同时，将机床健康状态智能评估软件的各个功能模块变成服务提供给用户，实现数据与服务的共享。当用户需要机床健康状态智能评估服务时，系统会自动启用服务并通过云计算技术进行实现。机床健康状态智能评估云服务平台的各个服务模块如图 7 所示。机床健康状态智能评估软件的基础数据库与评估知识库模块被转变为机床健康状态智能评估云服务平台的基础数据与经验知识浏览/下载服务，而机床状态监测评估、数据统计分析、设备管理、综合看板四个功能模块转变为平台功能服务。图图 7 机床健康状态智能评估磨削云服务平台机床健康状态智能评估磨削云服务平台 4 4.2.2 智能评估云服务体系框架智能评估云服务体系框架 机床健康状态智能评估云服务平台由前端浏览器交互页面和后台服务器两个部分构成，采用多层次架构，将机床状态优化软件安装在服务器上。前端浏览器的交互页面通过内部互联网调用服务器上机床状态优化软件的各个模块，实现数据与服务的共享。整个系统架构分为 3 个层次，如图 8 所示。图图 8 机床健康状态智能评估云服务机床健康状态智能评估云服务平台总体框架平台总体框架 （1）虚拟资源层：存储机床健康状态智能评估云平台系统所需的基础数据和机床状态评估经验知识。其中，基础数据资源池和优化经验资源池内的数据以虚拟数字化形式进行封装和存储。（2）数据服务层：对虚拟资源层中的各类数据信息进行标准规范管理，同时可以调用机床健康状态智能评估软件中的相应模块提供功能服务。（3）用户层：这是相关技术人员使用云平台的界面，用户可以通过浏览器交互界面对云平台系统进行操作，在不同终端上发出各种请求并获得服务。本文采用 SaaS 服务模式构建机床健康状态智能评估云服务平台系统，以实现机床健康状态评估的智能化和云端化。4 4.3.3 智能评估云服务平台的构建智能评估云服务平台的构建 为了满足机床健康状态数据与服务共享的需求，这里开发了机床健康状态智能评估云服务平台系统，并采用了浏览器/服务器(B/S)架构。在设计前端交互页面时，考虑到页面的交互性和可视化展示效果，并选择了 Sublime Text 3.0 作为代码编辑器。该编辑器不仅用户界面美观，还能高效地完成系统界面设计。为了实现对后台数据库系统的访问，使用了Microsoft IIS 7.0 作为服务器管理工具，并采用Microsoft 公司的 ADO(ActiveX Data Object)数据访问技术。基于网页的工业互联网平台，可以解决 精密制造与自动化 2023年第1期 6 远程监测信息难、数据传递慢、设备状态监测难、流程响应速度低等问题，从而大幅缩减不必要的时间成本，优化产能结构。该平台主要包括登录页面和功能服务页面两部分，旨在实现机床健康状态数据的共享服务，从而使现有的机床健康状态数据得到实际应用。进入云平台首先要登陆账户，登录页面是智能评估云服务平台的入口，在此界面中，用户需要输入用户名和密码进行身份验证。如果验证通过，用户将被重定向到设备管理界面。页面设计如图 9所示。图图 9 登陆页面登陆页面 用户登陆账号后进入机床健康状态智能评估云平台系统，即可使用该云平台的功能服务。设备管理页面采用响应式布局设计，支持不同终端的设备访问，包括 PC、平板和手机。用户通过浏览器可以访问设备管理页面，实现设备资产信息的实时监控和管理。页面提供多种可视化方式展示机床健康状态数据，包括表格、图表和地图等。用户可以根据实际需要选择不同的展示方式，并对数据进行筛选和排序，以便更好地了解设备状况。此外，设备管理页面还提供了对设备维修记录和保养记录的管理，以及对设备故障的报修功能。这些功能的实现可以帮助企业更好地掌握设备的运行情况，及时处理设备故障，保障设备的正常运转，提高设备利用率。页面设计如图 10 所示。机床状态监测评估是对设备运行过程中的关键指标进行测量并监测其运行状态，以实现对机床健康状态的定义。在状态监测过程中产生大量的数据集，这些数据对于了解设备每个组件的运行至关重要。除了这些数据外，需要将测量获得的数据转化为可执行的措施，以便为重要的决策和设备维护保养策略提供依据。因此，本文建立了设备实时状态展示功能区，通过一系列处理将机床的状态列表数据可视化显示，并设计了单设备的机床信息可视化界面，以提供机床决策和设备维护保养所需数据。此外，该页面还提供了机床状态的历史记录，方便用户进行数据分析和比较。页面设计如图 11 所示。图图 10 设备管理页面设备管理页面 图图 11 机床状态监测评估页面机床状态监测评估页面 统计分析页面用于机床健康状态数据的统计和分析，能够查看机床各部件的健康状态数据，包括主轴系统、进给系统以及刀具状态监测数据。另外该模块还包括对机床总产量、效率的数据统计以及设备故障情况的存储显示，用户可以在此查看机床健康状态数据的历史记录。该页面还提供了机床健康状态数据分类展示功能，方便用户了解机床各部件的健康状态。界面设计如图 12 所示。芦 华 面向机床健康状态的智能评估云服务实现 7 图图 12 统计分析页面统计分析页面 以机床主轴状态监测功能为例，该页面用于机床主轴状态数据的实时监测和管理。用户可以查看每台机床主轴的传感器数据，并对主轴状态数据进行分析和处理。此外，用户还能接收到根据传感器数据发出的故障报警信号。界面设计如图 13 所示。图图 13 机床主轴状态监测页面机床主轴状态监测页面 用户可以在综合看板页面高效快捷查找机床信息与数据。在该页面中，饼状图与条形图的结合，使得机床各部件状态，所有机床运行、待机、报警以及停机状态，所有机床的资产编号、名称、型号以及传感器信号等数据一目了然，可以最直接地观测到所有的机床所处不同状态的数量为多少。在呈现的列表之中，具体呈现了所有机床的资产编号、IOT 设备编号、设备名称、设备型号、所属部门以及设备状态，更加详细地展现了具体单位机床的具体数据型号。在周统计之中，为了能够体现四种状态的时长，汽车仪表盘的数据显示设计能够给予客户更好的观感。运行率的统计作为至关重要的一环，四种运行率（运行率、待机率、报警率、停机率）以饼状图的形式展示，这样可以清晰地比较四个部分的分布状况。同样的，在年运行率与年度运行状况统计之中，条形图也能够更加直观地展现各部分的当前状态。为了能够使各部分机床数据可传输且可编辑，该页面的数据导出按钮可将机床数据以 Excel 表格的形式导出，这样方便客户与工作人员的查阅与记录修改。页面设计如图 14 所示。图图 14 综合看板页面综合看板页面 4 4 结结语语 本文介绍了一种基于云制造的智能评估云服务平台，该平台面向机床健康状态，旨在集成云计算、物联网和大数据等技术。该平台的核心是机床健康状态数据，它能够集中存储和管理这些数据，以提高数据的可靠性和安全性。通过该平台，用户可以获得机床健康状态数据的实时监测和分析，同时提供机床健康状态的智能评估算法，帮助用户更好地了解机床健康状况。同时，平台还具有数据采集、处理、分析和展示等功能，为机床健康状态的监测和分析提供有力的支持。平台具有机床状态监测评估、数据统计分析、设备管理、综合看板功能，可以根据机床健康状态数据进行分析和预测，并给出相应的维护建议和决策支持，为机床的维护管理提供有效的辅助决策。该平台具有良好的用户体验和可扩展性。用户可以通过浏览器随时随地访问平台，查看机床健康状态数据。此外平台还具有良好的个性化设计，可以根据用户需求定制针对性的机床数据可视化综合看板。(下转第 19 页)陈 兵 等 基于 ANSYS 的圆柱形衔铁电磁学有限元分析 19 图图 11 节点磁感应密度图节点磁感应密度图 总体说来，ANSYS 软件是一款功能非常强大的设计分析软件。以电磁学有限元分析为例，它能用多种方法对有关电磁学物理问题进行仿真分析：从维数上看，可以进行二维分析，也可以进行三维分析；从分析方式上看，可以进行静态分析，可以进行谐波分析，也可以进行瞬态分析；从操作方式上看，可以用 GUI 操作方式，也可以用命令流操作方式。ANSYS 软件可以验证设计方案的正确与否，可以辅助设计方案参数的选定，也可以观察设计方案某些改动产生的影响。ANSYS 软件在电磁学分析中，结果显示包括磁力线分布图、磁感应强度显示图、磁场强度显示图、磁流密度显示图、功率损耗计算和磁力计算等等。5 5 结语结语 关于涡流，它的原理是在圆柱形衔铁上绕通有交变电流的线圈，随着线圈电流的变化衔铁内磁通量也在不断改变，同时衔铁可以看作是由一层一层 (上接第 7 页)参考文献 1 李伯虎,张霖,王时龙,等.云制造面向服务的网络化制造新模式J.计算机集成制造系统,2010,16(01):1-7;6.DOI:10.13196/j.cims.2010.01.3libh,004.2 刘继国,李江帆.国外制造业服务化问题研究综述J.经济学家,2007,111(03):119-126.3 徐振鑫,莫长炜,陈其林.制造业服务化:我国制造业升级 的 一 个 现 实 性 选 择 J.经 济 学 家,2016,213(09):59-67.DOI:10.16158/J.CNKI.51-1312/f.2016.09.007.4 郭亮.面向机械加工的云制造服务平台关键技术研究D.重庆:重庆大学,2014.的圆筒状薄壳所组成，每层薄壳都相当于一个回路，由于穿过每层薄壳横截面的磁通量都在变化着，因此在相应于每层薄壳的这些回路中都将激起感应电动势并形成环形的感应电流，该电流即是涡流。衔铁有电阻，因此要发热，衔铁发热就会损耗能量，于是就产生了衔铁涡流功率损耗的问题，这是应用ANSYS 软件分析时所要解决的问题。参考文献 1 孙明礼,胡仁喜,崔海蓉,等.ANSYS 10.0 电磁学有限元分析实例指导教程M.北京:机械工业出版社，2007.2 党沙沙,许洋,张红松,等.ANSYS 12.0 多物理耦合场有限元分析从入门到精髓M.北京:机械工业出版社,2010.3 龚曙兰,谢桂兰,黄云清.ANSYS 参数化编程与命令手册M.北京:机械工业出版社,2009.4 徐游.电磁学M.2 版.北京:科学出版社,2004.5 王家礼,朱满座,路宏敏.电磁场与电磁波M.2 版.西安:西安电子科技科技大学出版社,2004.6 张三慧.电磁学M.2 版.北京:清华大学出版社,1999.7 张建良.电抗器铁心硅钢片涡流场有限元分析D.北京:华北电力大学,2008.8 张斌.基于ANSYS的径向磁力轴承涡流损耗研究D.武汉:武汉理工大学,2007.9 李虎,蒋晓华,毕大强,等.永磁同步电动机中永磁体的三维涡流分析J.清华大学学报（自然科学版）.2009,49(8):1085-1088.5 阴艳超,常斌磊,姬常杰.转轮叶片多轴铣削加工的集成知识云服务实现J.计算机集成制造系统,2012,24(02):349-360.DOI:10.13196/j.cims.2018.02.007.6 罗勇.典型数控机床状态采集监测及健康评估方法研究D.成都:电子科技大学,2020.DOI:10.27005/ki.gdzku.2020.003374.7 张霖,罗永亮,范文慧,等.云制造及相关先进制造模式分析J.计算机集成制造系统,2011,17(03):458-468.DOI:10.13196/j.cims.2011.03.12.zhangl.005.8 陈泽生.基于机器学习的机床关键部件健康评估研究与应用D.上海:上海交通大学,2020.DOI:10.27307/ki.gsjtu.2020.001227.