本发明涉及工业生产中机床控制技术领域，尤其涉及一种机床运行状态的监控方法。
背景技术：
半闭环数控机床当前是自动化生产的主力之一，时刻关注机床在生产过程中的状态变换对于企业生产加工具有非常重要的作用。及时有效获取机床状态，掌握生产状况；对于企业调节资源分配，提高生产效率，增加经济效益有较好的促进作用。
在现有的工业生产机床制造监控过程中，采用的是采用人工巡视或者每隔一个时间段进行监测。但是并不足以预防生产加工过程中异常的发生。而且不能实现实时监测，无法获取到数控机床实时加工状态和信息；当前市场上售卖的各种传感器，能够采集电流，声音，振动等各种信号，对这些采集到的各类信号进行处理，计算机床状态变化时可能造成的各种参数变化。根据这些变化的参数，专家对机床进行分析，判断当前机床所处的运行环境；采集机床的声音或者振动信号，提取信号的特征，建立特征工程；运用机器学习或者深度学习的算法对特征工程进行训练，建立训练模型，对某个或者某类机床的运行状态进行监控。
但是在信息化的覆盖下，企业对机床状态的关注仍旧存在以下几个比较明显的问题：大多数的企业仍旧采取的是人工来巡检方式，该种方式下企业需要花费大量的人力成本来检查机床的状态，费时费力；经验判断，很多在一线生产活动中的工人凭借很多年的生产经验，对机床的运行状态进行评估和诊断。但是这样的一个一线经验充足的专家太少，并不是所有企业都具备的；机床多样化，机床的状态参数不同，无法产生一个统一的标准；建立一个状态监控体系困难；现有的监测系统，易收到外界的环境因素干扰，产生干扰信息；可能会对机床状态出现误判。同时一些复杂的监测系统，在进行部署的时候，可能会对企业的车间布局造成一些变动，工作量大，企业的意愿度也不高；人工智能发展，出现了很多运用机器学习或者深度学习来对机床的状态进行监控的方法。但是这些方法基本上都是针对特定情况下的，单一性太强，泛化能力较弱；而且有的模型训练时间长，对企业来说成本较高。
技术实现要素：
本发明的目的在于提供一种机床运行状态的监控方法，实现了对工业生产中的机床状态进行自动化的实时监控，同时提高了机床的生成效率以及使用率。
本发明通过下述技术方案实现：
本发明公开了一种机床运行状态的监控方法，包括以下步骤：
步骤a：采集机床的电流信号以及电压信号，并将采集的电流信号以及电压信号经过协议解析后形成第一信号；
步骤b：对第一信号进行缺失值处理以及去噪处理，得到第二信号；
步骤c：对第二信号做希尔伯特变换，得到希尔伯特频谱，并计算希尔伯特频谱的特征指标，得到频域特征数据；
步骤d：提取第二信号中的物理特征数据，得到时序特征数据；
步骤e：将时序特征数据与频域特征数据作为第一数据集；
步骤f：采用交叉验证法将第一数据集分为训练数据集与测试数据集，通过残差网络建立模型，将训练数据集用于对模型进行训练，得到训练模型，通过测试数据集对训练模型进行优化测试，到优化模型；
步骤g：将优化模型用于对待测数据集进行分析，并输出用于表征机床运行状态的结果。
传统的工业生产机床所处状态的检测的方法中，通常采用的是人工巡视或者每个一个固定时间进行监测，采用这种方法对机床进行监测时，不仅费时费力且人工成本特别高，若采用市场上直接销售的机床进行监测，则需要高素养的专业人员进行监测且处理的机床数量有限；本发明提供了一种机床运行状态的监控方法，通过对从机床上采集的信号进行特征数据的提取，并建立相应的模型进行优化，将优化后的模型应用于下一次所提取的数据集进行分析，实现了对工业生产中的机床状态进行实时监控的同时提高了机床的生成效率以及使用率。
优选地，所述步骤a采用数采仪采集机床的电流信号以及电压信号。
优选地，所述缺失值处理的具体步骤为：检查第一信号是否存在缺失值；若缺失值数据小于等于总数据的5％，则不对缺失值做任何处理；若缺失值数据大于总数据的5％，则对缺失值采用插补方法进行插补处理；所述插补方法为通过总数据的众数填补缺失的数据。
优选地，所述去噪处理是通过自适应滤波和小波阈值对第一信号的噪音进行消除。
清洗的噪音数据主要是外界环境所产生的噪音数据，并将存在的噪音数据进行消除的过程。
优选地，所述步骤c中频域特征数据包括峭度，裕度，波形指标，脉冲指标，峭度因子。
优选地，所述步骤d中的时序特征数据为重心频率、均方频率、均方根频率、频率方差以及频率标准差。
优选地，所述步骤c中对第二信号做希尔伯特变换具体包括：将输入的第二信号分解为若干个固有的模态函数cn(t)，则第二信号s(t)分解为：
rn(t)是原始信号每减去一阶固有模态函数的剩余信号。
优选地，所述待测数据集为：
下一次对机床采集的电流信号或电压信号，并将采集的电流信号以及电压信号经步骤a～步骤f得到的数据集。
优选地，所述用于表征机床运行状态的结果为：
若输出结果为0，则代表机床停机；若输出结果为1，则代表机床空闲；若输出结果为3，则代表机床正在加工；若输出结果为01，则代表机床的刀具断裂；若输出结果为02，则代表机床的轴承异常。
本发明与现有技术相比，具有如下的优点和有益效果：
1、采用本发明提供的一种机床运行状态的监控方法，实现对车间机床的运行状态智能监测；对机床的运行状态实时监控，提高机床的生产效率和使用率；
2、采用本发明提供的一种机床运行状态的监控方法，通过采用智能手环数据终端，便捷易携带；随时随地可以查看机床的运行状态和车间机床的使用率，为机床的资源调整提供了可靠的数据支撑；
3、采用本发明提供的一种机床运行状态的监控方法，建立了一套完整的数据数据处理过程，使采集的机床状态数据直接快速地转化为特征数据进行分析，得出结论，保障数据的有效性，准确性和完整性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为机床运行状态的监控方法的示意图
图2为对信号进行特征提取的流程图
图3是建立模型的流程示意图
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例一
本实施例公开了一种机床的监控方法，如图1所示，包括以下步骤：
步骤a：采集机床的电流信号以及电压信号，并将采集的电流信号以及电压信号经过协议解析后形成第一信号；
在采集电流信号以及电压信号中，是通过数采仪对电流信号以及电压信号进行采集；并将采集后的数据经过协议解析后，发送到计算机软件中。
步骤b：对第一信号进行缺失值处理以及去噪处理，得到第二信号；
采集后的第一信号存在受外界条件影响的噪音干扰或者其本身所采集的信号存在因缺少信息而造成的数据聚类、分组、删失或者截断情况，而这些存在缺陷的数据会对奇特的特征数据造成不准确性或者数据拟合程度不够高，因此，如图3所示，就需要对第一信号的缺陷进行基本处理，消除数据中存在的一定缺陷而造成的数据特征值提取的不准确性。
缺失值处理的具体步骤为：检查第一信号是否存在缺失值；若缺失值数据小于等于总数据的5％，则不对缺失值做任何处理；若缺失值数据大于总数据的5％，则对缺失值采用插补方法进行插补处理；所述插补方法为通过总数据的众数填补缺失的数据；
去噪处理是通过自适应滤波和小波阈值对第一信号的噪音进行消除，去噪处理主要是对外部环境带给采集数据中的干扰来进行消除，且通过假设检验的方法来检测此数据是否存在噪音。
步骤c：如图2所示，对第二信号做希尔伯特变换，得到希尔伯特频谱，并计算希尔伯特频谱的特征指标，得到频域特征数据；频域特征数据为重心频率、均方频率、均方根频率、频率方差以及频率标准差；时序特征是通过对不同状态下采集等量样本数，并对样本数进行物理建模，计算出型号的物理特征，且这些物理特征反映出机床在不同状态下的情况。
将输入的第二信号分解为若干个固有的模态函数cn(t)，则第二信号s(t)分解为：
rn(t)是原始信号每减去一阶固有模态函数的剩余信号。
步骤d：提取第二信号中的物理特征数据，得到时序特征数据；时序特征数据包括峭度，裕度，波形指标，脉冲指标，峭度因子。
步骤e：将时序特征数据与频域特征数据作为第一数据集；
步骤f：如图3所示，采用交叉验证法将第一数据集分为训练数据集与测试数据集，通过残差网络建立模型，将训练数据集用于对模型进行训练，得到训练模型，通过测试数据集对训练模型进行优化测试，到优化模型；
残差网络中包含了一系列的残差块，残差块由直接映射部分h(xl)和残差部分f(xl，wl)组成。即xl 1＝h(xl) f(xl，wl)。对于更深层的残差块n，它和l层的关系可以表示为:
步骤g：将优化模型用于对待测数据集进行分析，并输出用于表征机床运行状态的结果。
最终得到的优化模型输出的是一个数值型数据结果，且数值型的数据结果代表了机床不同的运行状态，这些数值型数据最终呈现在终端，终端会展示一个当前接入的机床列表，点击每个机床，比如机床当前时间正在加工产品，那么终端会输出：当前机床正处于加工中。以及趋势图会将机床在最近一段时间的状态以折线图的方式进行显示，趋势图中的数据是机床在每个时刻模型输出的分值变化情况，机床处理什么状态是根据最终的数值型数据进行判断的，若输出结果为0，则代表机床停机；若输出结果为1，则代表机床空闲；若输出的结果据为3，则代表机床正在加工；若输出结果为01，则代表机床的刀具断裂；若输出结果为02，则代表机床的轴承异常。
待测数据集下一次对机床采集的电流信号或电压信号，并将采集的电流信号以及电压信号经步骤a～步骤f得到的数据集，即平台对监控的机床进行实时的信号采集，并对采集的信号经过处理后得到新的数据集，新的数据集即为待测数据集，并将数据集输入到优化模型中，通过优化模型对新的数据集进行分析，输出的数值型数据就代表了当前时刻机床的运行状态。
终端可以在智能手环上、电脑或者其他移动终端上显示，若在智能手环中显示，智能手环轻便且易携带，能够让操作人员随时了解设备当前的状态以及设备的使用率，若在电脑上展示，可以更为全面的展示出每台机床的具体的参数数据，包括机床排列的顺序以及机床的号码或者加工情况。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种机床运行状态的监控方法，其特征在于，包括以下步骤：
步骤a：采集机床的电流信号以及电压信号，并将采集的电流信号以及电压信号经过协议解析后形成第一信号；
步骤b：对第一信号进行缺失值处理以及去噪处理，得到第二信号；
步骤c：对第二信号做希尔伯特变换，得到希尔伯特频谱，并计算希尔伯特频谱的特征指标，得到频域特征数据；
步骤d：提取第二信号中的物理特征数据，得到时序特征数据；
步骤e：将时序特征数据与频域特征数据作为第一数据集；
步骤f：采用交叉验证法将第一数据集分为训练数据集与测试数据集，通过残差网络建立模型，将训练数据集用于对模型进行训练，得到训练模型，通过测试数据集对训练模型进行优化测试，到优化模型；
步骤g：将优化模型用于对待测数据集进行分析，并输出用于表征机床运行状态的结果。
2.根据权利要求1所述的一种机床运行状态的监控方法，其特征在于，所述步骤a采用数采仪采集机床的电流信号以及电压信号。
3.根据权利要求1所述的一种机床运行状态的监控方法，其特征在于，所述缺失值处理的具体步骤为：检查第一信号是否存在缺失值；若缺失值数据小于等于总数据的5％，则不对缺失值做任何处理；若缺失值数据大于总数据的5％，则对缺失值采用插补方法进行插补处理；所述插补方法为通过总数据的众数填补缺失的数据。
4.根据权利要求1所述的一种机床运行状态的监控方法，其特征在于，所述去噪处理是通过自适应滤波和小波阈值对第一信号的噪音进行消除。
5.根据权利要求1所述的一种机床运行状态的监控方法，其特征在于，所述步骤c中频域特征数据包括峭度，裕度，波形指标，脉冲指标，峭度因子。
6.根据权利要求1所述的一种机床运行状态的监控方法，其特征在于，所述步骤d中的时序特征数据为重心频率、均方频率、均方根频率、频率方差以及频率标准差。
7.根据权利要求1-6任一所述的一种机床运行状态的监控方法，其特征在于，所述步骤c中对第二信号做希尔伯特变换具体包括：将输入的第二信号分解为若干个固有的模态函数cn(t)，则第二信号s(t)分解为：
rn(t)是原始信号每减去一阶固有模态函数的剩余信号。
8.根据权利要求7所述的一种机床运行状态的监控方法，其特征在于，所述待测数据集为：
下一次对机床采集的电流信号或电压信号，并将采集的电流信号以及电压信号经步骤a～步骤f得到的数据集。
9.根据权利要求7所述的一种机床运行状态的监控方法，其特征在于，所述用于表征机床运行状态的结果为：
若输出结果为0，则代表机床停机；若输出结果为1，则代表机床空闲；若输出结果为3，则代表机床正在加工；若输出结果为01，则代表机床的刀具断裂；若输出结果为02，则代表机床的轴承异常。
技术总结