数控机床状态智能监测系统开发-机械工程硕士论文

分类号：分类号：TH17TH17 单位代码：单位代码：1042210422 密密 级：公开级：公开 学学 号：号：20122218512012221851 硕 士 学 位 论 文硕 士 学 位 论 文 论文题目论文题目：数控机床：数控机床状态智能监测系统开发状态智能监测系统开发 The development of CNC machine condition intelligent monitoring system 作作 者者 姓姓 名名 郭 兴郭 兴 学学 院院 名名 称称 机 械 工 程 学 院机 械 工 程 学 院 专 业 学 位 名 称专 业 学 位 名 称 工工 程 硕 士程 硕 士 ( (机 械 工 程机 械 工 程 ) ) 指指 导导 教教 师师 岳明君岳明君 合合 作作 导导 师师 ( ( 专 业 学 位专 业 学 位 ) ) 2016 年 11 月 26 日 Classified Index: TH17 School Code: 10422 Security Classification: Open Student Number: 2012221851 A Thesis Submitted to the Faculty of Graduate of Shandong University For the Degree of Master of Engineering The development of CNC machine condition intelligent monitoring system Candidate： Guo Xing College： Mechanical Engineering College Specialty： Master of Engineering Supervisor： Yue Mingjun Cooperator: Shandong University, Jinan, P. R. China Nov, 2016 原创性声明原创性声明 本人郑重声明： 所呈交的学位论文， 是本人在导师的指导下， 独立 进行研究所取得的成果。 除文中已经注明引用的内容外， 本论文不包含 任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作 出重要贡献的个人和集体， 均已在文中以明确方式标明。 本声明的法律 责任由本人承担。 论文作者签名： 日期： 关于学位论文使用授权的声明关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意 学校保留或向国家有关部门或机构送交论文的复印件和电子版， 允 许论文被查阅和借阅； 本人授权山东大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他 复制手段保存论文和汇编本学位论文。 (保密论文在解密后应遵守此规定) 论文作者签名： 导师签名： 日期： 目录 目录目录 摘摘 要要 . ABSTRACTABSTRACT . 第第 1 1 章章 绪论绪论 . 1 1 1.1 项目研究的背景 .1 1.2 国内设备管理模式的现状 .1 1.2.1 国内汽车行业设备类型 .1 1.2.2 传统设备管理方法 .2 1.3 最新的预测维修技术 .5 1.4 项目的主要内容及意义 .6 第第 2 2 章章 数控机床数控机床状态智能监测系统设计方案状态智能监测系统设计方案 . 9 9 2.1 项目研究对象以及技术难点 .9 2.2 项目硬件架构设计 .9 2.2.1 流体数据提取模型设计 . 10 2.2.2 伺服数据提取模型设计 . 15 2.3 上位系统架构设计 . 19 2.4 本章小结 . 21 第第 3 3 章章 数学数学分析模型设计分析模型设计 . 2 23 3 3.1 数学建模方法研究 . 23 3.2 上位专家分析系统开发 . 31 目录 3.2.1 数据过滤 . 32 3.2.2 数据关联和趋势分析 . 33 3.3 专家诊断系统工作模式介绍 . 42 3.4 本章小结 . 43 第第 4 4 章章 模型模型的的训练和训练和应用效果应用效果. 4 45 5 4.1 模型的适用范围 . 45 4.2 模型在数控加工中心故障预判上的应用 . 45 4.3 模型在生产线加工效率提升上的应用 . 48 4.4 伺服标定技术在设备节能上的应用 . 53 4.5 本章小结 . 59 第第 5 5 章章 总结与展望总结与展望 . 6161 参考文献参考文献 . 6 63 3 致谢致谢 . 6 67 7 CONTENTS CONTENTSCONTENTS ABSTRACT(Chinese)ABSTRACT(Chinese) . I I ABSTRACTABSTRACT(English)(English) . IIII Chapter 1Chapter 1 IntroductionIntroduction . 1 1 1.1 Background of the study . 1 1.2 Current situation of machine management . 1 1.2.1 Machine type of automotive industry . 1 1.2.2 Traditional machine management . 2 1.3 Latest predictive maintenance technology . 5 1.4 Research contents and significance . 6 Chapter 2 Chapter 2 Design scheme of Design scheme of thisthis system system . 9 9 2.1 Research object and technical difficulty . 9 2.2 Hardware architecture design . 9 2.2.1 Fluid data collecting model design . 10 2.2.2 Servo data collecting model design . 15 2.3 Introduction of the system design . 19 2.4 Summary . 21 Chapter Chapter 3 3 Mathematical analysis model designMathematical analysis model design . 2323 3.1 Research on mathematical modeling method . 23 3.2 Development of expert analysis system . 31 3.2.1 Data filter . 32 3.2.2 Data association and trend analysis . 33 3.3 Introduction of expert diagnostic system . 42 3.4 Summary . 43 Chapter Chapter 4 4 Training and application results of Training and application results of the modelthe model . 4545 4.1 Scrop of application of the model . 45 CONTENTS 4.2 Application of model in fault prediction . 45 4.3 Application in the efficiency of production line . 48 4.4 Servo calibration technology in machine energy saving. 53 4.5 Summary . 59 Chapter Chapter 5 5 ConclusionConclusion . 6161 ReferencesReferences . 6363 AcknowledgementsAcknowledgements . 6 67 7 摘要 摘 要 随着汽车业的快速发展，对于高速、高精加工的柔性数控机床的需求越来 越旺盛，以上汽通用公司为例，目前动力总成公司使用的常规数控机床，其直 线轴（例如 X 轴）的最大进给速度已达到 90 米/分钟，光栅尺的分辨率更是达 到了 0.1um，高速、高精、柔性等等技术指标，无疑还将继续引领着数控机床 的未来发展趋势。 对于动力总成厂而言，数控设备占到了全部设备的 90%以上，因此，在实 际生产运营环节，对于设备管理者一个最大的挑战就是：提高设备可靠性，降 低运行成本，不断精益化数控系统的运营指标。 基于上述需求， 利用网络技术， 对设备运行过程中产生的海量数据进行捕捉， 利用专家诊断模型，对这些状态数据进行解释，来实现故障的提前预判，提高设 备运行的可靠性，降低设备运营成本，这种应用工业 4.0 概念 1的预诊断模式， 称为：数控机床状态智能监测系统。 项目主要对下面三个方面进行了研究： 第一，利用 FANUC 开放的 Focas 动态链接数据库，开发基于网络技术的，伺 服状态数据高频取样技术（10 毫秒/次） 第二，研究了基于大数据的存储和管理方法。 搭建了上层数据管理框架平台， 使用开源的 Historian 实时数据库，对数据进行挖掘。 第三，建立诊断模型，解读抽象数据，与机床失效模式建立联系。项目把 工厂已有的两百多台高速、高精密的数控机床作为研究对象，对这些海量的 设备运行数据挖掘和筛选，并不断训练和优化专家诊断模型，预测问题的准 确度不断提高。 通过对这三项技术的研究，形成的数控机床状态智能监测系统，实现数控机 床状态的提前预判，已经在动力总成公司实现了故障时间的降低 9.18%（2014 年 与 2015 年前 5 月） 。同时，在伺服能耗降低，生产线节拍提升方面，也有了一些 成功应用。 关键词：互联网技术，数据挖掘，数控机床，故障诊断 ABSTRACT ABSTRACT With the rapid development of automobile industry, the growing demand for high speed, high precision machining flexible CNC machine, we used conventional CNC machines， the linear axis (such as X axis) maximum linear feed rate has reached 90 meters / minutes, the scale resolution is achieved 0.1um,High speed, high precision, flexibility , these indexes will continue to lead the future development of CNC machine . For the powertrain plant, CNC equipment accounted for more than 90% of all the machine. Therefore, in the actual production and operation part, for the machine management, it is one of the biggest challenges is to improve machine reliability, reduce operating costs, lean operation index of CNC system. Based on the above requirements, using network technology, massive amounts of data generated in the running process of the machine, to be captured, using expert diagnosis model, read these data, to predict the failure ,improve the reliability of machine, reduce operation cost, the pre diagnosis model using the concept of industrial 4.0 1, called: machine condition intelligent monitoring system. The project is mainly study on the following three aspects: 1). Based network ,servo data high frequency sampling technique (10 ms/cycle), to build the front data acquisition system, software design, innovative using FANUC open FOCAS dynamic link database, control FANUC servo viewer software, to realize automatic, high frequency sampling system . 2). Research of the storage and management of big data. To build a data management framework platform, using the open source Historian database, to filter and store the data. 3). Establish a diagnosis model, make the interpretation of abstract data, and machine failure. We used 200 sets of high speed and high precision CNC machines as the research object, database capacity has reached about 24 months. Based on these massive data of machine, training the diagnosis model, the prediction accuracy continues to increase. Based on the above research, the system has reduced down time of 9.18% (2014 and 2015 May). At the same time, in the servo energy consumption reduction, the production efficiency improvement, also have many successful applications Key words : Network; Data Mining ;CNC Machine ; Condition prediction; 第 1 章 绪论 1 第第 1 1 章章 绪论绪论 1.11.1 项目研究的背景项目研究的背景 自 2002 年开始，我国汽车行业迅猛发展，一跃而成为世界上最大的汽车消 费国，汽车行业的机床装备量，占到了整个机床销售总量的 40%以上，截至 2014 年，汽车业装备总量已经达到了 1300 亿元。 而另一方面， 随着汽车需求的飞速增加， 给机床维修管理带来了一系列挑战， 包括人员技能、生产线运行策略、设备管理方法等，目前大多数的汽车公司，都 采用市场拉动的营销模式， 决定了生产线运行策略往往是被动接受市场的瞬息变 化和波动影响，以动力总成公司为例，实际生产线的运行策略是满负荷的，即连 续的七天三班运转，这种运维模式，最先挤压的是原本属于传统 PM 和 TPM 的时 间，维修活动的介入，往往是机床故障引发的应急维修，这种被动的运维模式， 实际上给整个设备管理链路造成了很大的浪费：备件库存高，应急维修响应时间 长等。 综上所述， 一方面汽车行业装备总量不断增加， 另一方面传统的维保模式已 经无法满足日益增加的产能需求，而随着传感器技术、互联网技术、人工智能技 术的不断发展，这些新的技术和方法的出现，为设备管理者革新管理模式，提供 了技术保障。也可以说，正是有了互联网技术和设备维修的这次碰撞，便产生了 数控机床状态智能监测系统最初的构想。 1.2 1.2 国内设备管理模式的现状国内设备管理模式的现状 设备的定义：指可供企业在生产中长期使用， 并在反复使用中基本保持原有 实物形态和功能的劳动资料和物质资料的总称 2。按照其用途划分，可以分为： 专用设备和通用设备，从汽车行业用设备来讲，典型的专用设备，例如起重特种 设备、 测试设备、 环保设备等 2 。 通用设备则包括： 常规使用的数控加工中心、 磨床等。 .1 国内汽车行业设备类型国内汽车行业设备类型 本文所谈论的数控机床， 指的是汽车加工制造业所使用的设备，按照上面的 定义，也包含两类：通用设备和专用设备。下面按照汽车制造工艺对设备进行分 类介绍。 山东大学硕士学位论文 2 汽车制造过程分为五大工艺：冲压、车身、油漆、总装、动力总成。这五大工艺 中典型设备见表 1-1： 表 1-1 汽车制造装备分类 制造工艺名称制造工艺名称 设备种类设备种类 冲压工艺 开卷落料、冲压线、行车 车身工艺 焊接、焊枪以及搬运功能的机器人、机运线、雪橇等 油漆工艺 喷涂以及搬用功能的机器人、烘房、输送链、输漆输胶 系统等 总装工艺 底盘线 、门线、内饰线 、终检线等 3 动力总成工艺 数控加工中心、磨床等金属切削设备、精度检测设备、 清洗机等辅机、发动机装配线等 简单的制造工艺框图如下图 1-1 所示： 图 1-1 汽车制造工艺布局图 .2 2 传统设备管理方法传统设备管理方法 在常规的设备管理中， 衡量设备管理好坏的指标有几个：MTTR 和 MTBF 4， 其 中，MTTR 是衡量维修技能的指标，MTBF 是衡量主动维保的指标。因此，对设备 管理来说，其核心业务是：通过主动维保，避免故障的发生；当故障发生时，依 第 1 章 绪论 3 靠一只训练有素的维修队伍，组织抢修，降低故障修复时间，减少停机损失。 基于这些目标，传统的设备管理手段有下面几个： MTTR 降低：即应急维修时间降低。通过培训、带教、编写标准化操作流程等 手段，提高人员维护技能，降低每次故障维修的时间。 MTBF 提高：根据经验，例如设备制造商经验输入、建议，历史故障经验等， 编制 PM/TPM 5，对部件进行例行检查、更换，避免故障的发生。同时，通过各种 预测性维修手段，例如：振动检测、红外测量等等，对特定部件进行诊断，以达 到提前预判，避免故障发生的目的。 从设备角度来讲，汽车加工制造行业的五大制造工艺中，整车制造（冲压、 车身、总装、油漆）中的四大工艺，以高度自动化的流水线为主要特征。 动力总成工艺块， 其最主要的特征是： 高速 （普遍高于 60m/min） 、 高精 （0.1um） 的， 用于金属切削作用的数控加工中心。 由于生产线设备运行和使用环境的复杂 性，决定了设备管理手段的多样性。从设备运行情况来讲，汽车制造行业的生产 线产能规划，通过精益化的设计理念，即，产能设计的最精益化设计，需要根据 市场需求的波动变化，调整设备运行策略，多数情况下，都是需要做到满负荷运 转（每周 7 天三班连续运转） ，这种运行模式，最先挤压掉的就是设备 PM 保养时 间，如下图 1-2 所示。 这种严苛的设备运行模式，要求设备管理者，创新管理思路，以更加丰富的 管理手段， 来应对设备运行状况的紧迫性。正是由于汽车行业加工设备的复杂性 和运行状态满负荷性，给设备管理者提出了新的要求，从而，也促使管理者不断 思考，如何创新管理模式以应对越来越复杂的运行负荷。 下面以动力总成工艺为 例，介绍汽车行业一些最新的设备管理手段。 1） 、专项分级 PM 定义： 专项 PM， 是一种在常规 PM 的运作模式基础之上开发出来的一种分级、 跨区域运作的集约化管理模式，其发源于高产能下、带复线的柔性加工生产线， 目的是：最大限度的提高 PM 实施效率，降低浪费，最终达到降低设备故障率， 提高设备开动率的目的。 山东大学硕士学位论文 4 图 1-2 传统 PM 运行模式的弊端 这种运作模式有几个优点：提前策划保养内容，即，以模块为单位，分解保 养内容，以主轴单元为例，见表 1-2： 表 1-2 主轴单元常规 PM 保养内容 PMPM 任务描述任务描述 检查频次（单位检查频次（单位 月）月） 耗时（单位耗时（单位 人工时）人工时） 主轴拉力测量 3 0.5 拉头拆解清理 6 0.5 夹头深度测量 3 0.5 主轴静态精度测量 3 0.5 如上述四项 PM 内容，逐个执行需要工时：2 小时。 模块化设计的目的是：将同一个模块的 PM 内容，一次专项 PM 执行完毕，这 样可以减少：操作机床、走动、重复拆装的时间浪费。这四项工作，模块化集中 一次完成，所需要的时间可以控制在 60 分钟以内，从而大大提高 PM 执行的效 率。 第二，专人专项执行，可以提高人员的专业化程度，以标准化的形式，打通 相同部件 PM 经验传递的通道。灵活运用动力总成厂设备复线多的优势，利用间 隙时间，例如 停机、吃饭和休息时间，见缝插针的实施 PM。这种做法为满负荷 设备高负荷运 转 挤占保养时间 设备欠保养 故障率高 矛盾 第 1 章 绪论 5 运行的设备提供了一条实施 PM 的可能， 但是这种做法，并没有改变传统 PM 的缺 陷-过保养，也就是说，这种模式造成的保养浪费也是极大的。 2） 、基于状态的预测性维修 利用监测手段采集设备运行的振动、 温度、 压力、 信号、 电压、 电流等数据， 通过技术分析诊断，与设备允许标准进行对比，预知设备故障，根据设备所处状 态及发展趋势，采取相应措施与对策，提前预控停机风险。 目前已经有着成功应用的预测性维修工具有下面几种，详表 1-3。 表 1-3 现有预测性维修技术 序号序号 监测技术监测技术 适用对象适用对象 1 振动监测 电机/风机/泵 2 红外监测 电气柜 3 油液颗粒分析 液压油 4 钢丝绳断丝/磨损检测 行车 5 输送链磨损检测 三轨链机运线链条 6 超声波气体泄漏检测 天然气管路 7 声发射检测 机器人减速机 8 电机在线检测 电机 9 超声波无损探伤 传动轴/行车吊钩 10 激光对中技术 轴系对中/皮带盘平行度 1.31.3 最新的最新的预测维修预测维修技技术术 伴随着网络技术的飞速发展， 基于网络技术的局域离散控制也应运而生，例 如西门子的 MES 行业解决方案。 它提供一整套的设备全生命周期的解决方案， 为 离散制造的精细化生产和柔性制造提供信息化支撑， 帮助企业实现生产管理数字 化， 构建 “数字化工厂” 。 典型的离散行业应用包括汽车行业的 PMC&ANDON、 QDAS、 小型工控平台等。 这些智能化、 信息化的控制策略， 为设备数据抓取提供了可能。 目前， 基于网络技术， 把设备日常运行过程中产生的海量状态数据实时抓取上来， 进行分析、比对，输出诊断结果，最终达到预知设备运行状态的目的，这种工作 模式，在国外已经有了一些探索，例如 SIEMENS 的 EPS 6，它就是基于网络的机 山东大学硕士学位论文 6 床状态监控和远程诊断服务平台，通过在本地机床上安装的服务软件，根据 EPS 内部固化的逻辑，由操作人员在本地操作机床，伺服运行的数据就会通过网络， 上传给远程诊断服务器，西门子的专家对收集上来的数据，进行分析，并输出分 析报告。 这种工作模式的优点是： 它提供了一套机床状态监测的现实可行的途径， 可 以一定程度的预知到潜在失效。当然，其缺点也很明显：其一，数据必须通过网 络转移到远程服务器，对于信息安全是一个不小的挑战。另外，测试必须占用生 产时间，即，必须让机床停下来，来运行预先设定的程序。 所有这些尝试，是汽车制造行业内维修从业人员经过无数次探索、实践，得 出的行之有效的方法， 当然， 如上面所述， 这些方法， 在通往主动维修的道路上， 仍然只是一个过渡，如何开发便捷、快速、稳定的数据抓取和分析通道，让数据 状态及时回馈到现场维修人员那里， 做到主动化维修， 继而打造精益化维修的终 极目标，是摆在业内的一个很大的难题。 1.41.4 项目的主要内容及意义项目的主要内容及意义 综合上面的介绍， 目前汽车行业内的设备维保的现状是： 故障停机引发的应 急响应。如图 1-4 所示，是一张设备全生命周期的运行性能曲线，传统设备管理 手段介入的时间往往处于设备部件全生命周期的末端，即被动维修区域。由于故 障出现的不随机性和不可预知性，导致应急维修组织资源极大的浪费。例如 为 了避免缺备件导致的长停机， 而储备的大量库存备件； 应急维修的故障处理时间， 受制于维修人员的技能水平，给维修人员培养提出了很高的挑战。 图 1-4 设备全生命周期状态和性能曲线 第 1 章 绪论 7 为了最大限度的降低应急维修的时间， 如上面所讲的， 常规的设备管理手段 是：PM 和 TPM，即：预防性维修和全员生产维修，以 PM 和 TPM，这两种流行的设 备管理模式的出现为代表，预示着设备管理进入了预维修时代。经过改良后的 PM/TPM，可以通过大量的提前检查、更换等工作，规避被动停机风险。 传统的 PM 运作流程如图 1-5 所示： 图 1-5 传统 PM 运作流程图 但这两种维护模式，都有着明显的缺陷，如图 1-6 所示。 图 1-6 传统维修管理方式的缺陷比对图 为了解决预防性维护的弊端，设备管理进入全新的预测性维修阶段，即，通 过对部件状态的采集，通过大量数据的分析，预判故障，在故障爆发之前，及时 介入，避免故障的发生，如表 1-3 所示。 通过这些监测技术， 可以对特定部件， 开发诊断工具， 进行有针对性的检测。 例如针对轴承的振动测试，针对电气柜内的异常发热元件的红外测试等等。这些 预测性维修技术的出现，为一部分机床部件的状态侦测，提供了有效的途径，与 传统维保模式相比，这种做法的优势是：技术应用相对成熟，针对性强，当然， 劣势也很明显：涉及面较窄，成本相对昂贵。 诚如第 3 节介绍的，为了解决被动维保带来的种种弊端，国内外很多业内人 士进行了卓有成效的探索， 沈爱群 7老师、 田兴银8老师以及宋文学9老师等人， 对数控机床的远程监测和诊断、 机床刀具磨损及故障诊断等众多方面做了一定的 选取维护对象制定维护策略调用任务列表下达维护工单 山东大学硕士学位论文 8 研究。当然，与这些专业、有针对性的研究相比，机床加工过程，特别是数控机 床的状态监测在工艺优化方面的应用还比较少，但是， 国内外很多公司都在尝试 通过对机床数据的提取，来分析和优化加工过程。例如 OMAT 公司，他们尝试通 过监测主轴的功率负载以及切削力变化的捕捉，通过一定的算法和补偿， 来实现 切削进给倍率的优化。 通过设备状态监控，实现主动维保的前瞻预诊断维修工作模式， 将会引领设 备管理的理念的蜕变。 第 2 章 数控机床状态智能检测系统设计方案 9 第第 2 2 章章 数控机床数控机床状态智能监测系统状态智能监测系统设计方案设计方案 基于上述传统以及较为先进的设备管理方法的思考， 若能够在设备报警之前， 对设备状态提前预知， 及时下达维护指令， 就可以使设备寿命曲线得到不断延长， 最终实现设备在整个生命周期内的低成本,高可靠运行。如图 2-1 所示。 图 2-1 设备全生命周期状态和性能曲线 如图 2-1 所示，设备状态的缓慢衰变过程，给了状态预知的机会，如上图中 “设备状态预警区域” ，若能够对设备状态信息及时捕捉，利用大数据的分析手 段，与设备部件的实际物理意义进行关联，就可以表识出设备的状态，提示维保 措施，并对维保结果进行复测校核，从而实现真正意义上的主动维保。 2.12.1 项目研究对象以及技术难点项目研究对象以及技术难点 项目研究的对象主要针对配备 FANUC i 系列数控系统的数控机床，具备高 速、 高精的特点： 1） 、高速（普遍高于 60 米/分钟） 、 高精 （0.1um） 的数控机床； 2） 、高速执行部件（毫秒级） 。 鉴于上述特点，项目对应的存在如下技术难点：1） 、高速变化的数据，对取 样技术的要求极高 （最高 10 毫秒/次） ； 2） 、 海量数据存储和管理 （每台机床 10MB/ 循环） ；3） 、解读状态信号波形的物理意义，与机床的失效模式建立关系。 2.22.2 项目硬件架构设计项目硬件架构设计 针对上述的研究对象，开发项目的硬件架构，如图 2-2 所示。 山东大学硕士学位论文 10 图 2-2 项目硬件架构 从图中可以看出：设备级数据层的数据，通过以太网实时的传递到 Historian 实时数据库，在这里，利用数据挖掘技术，进行关联整理，并将结果 传递给历史数据库中，进行存储和分析，得出的结果通过 WEB SERVER 发布到网 络上，并通过各种展现形式进行广播，将结果展示给用户，途径包括大屏显示、 手机 APP、IE 浏览等。其中，数据传输层用于解决高速变化的数据的提取问题， 存储分析层用于解决专家系统分析和大数据存储的技术难点。 .1 流体流体数据提取方案数据提取方案设计设计 如上面介绍的，项目面临的三个技术难点，在硬件架构设计上，都予以了体 现，分别在数据传输层和数据存储分析层进行针对性的解决。下面，首先介绍流 体数据的提取的设计方案。 图 2-3 是项目的数据提取的硬件架构。 第 2 章 数控机床状态智能检测系统设计方案 11 图 2-3 数据提取模型 从图 2-3 可以看出，设备上需要提取的数据主要有三个部分：流体数据：用 于液压站、冷却站等相关部件的诊断；数字量：用于执行部件，例如气缸、液压 缸等相关部件的诊断； 伺服数据： 用于丝杠、 导轨、 电机等高精密部件的预诊断。 首先介绍一下针对流体数据的取样。 通过在设备流体回路（液压、冷却等）上增加取样接口模块,见图 2-4，自主 开发的前端数据采集器，集成了模拟量传感器、PLC 控制站、工控机、快速接入 端口、便携式手推装置等，当需要对设备进行采样时，将前端数据采集器推到现 场机床旁，将设备断电停机，把传感器插入新增的取样接口模块，采集器上电， 设备正常加工过程中，对数据进行取样，如图 2-5 所示： 图 2-4 流体数据取样接口 （1）传感器取样接口的堵头（2）模拟量传感器（3）取样接口模块 1 2 3 山东大学硕士学位论文 12 图 2-5 前端数据采集器 （1） 上位采样系统 （2）PLC 控制站 针对前端数据采集器中两个主要部件：PLC 控制站和上位采样系统进行详细 介绍，首先是 PLC 控制站，下面是其硬件设计框图： 图 2-6 PLC 控制站硬件设计框图 硬件组成清单如表 2-1 所示： 2 1 第 2 章 数控机床状态智能检测系统设计方案 13 表 2-1 硬件配置清单 硬件名称硬件名称 型号型号 品牌品牌 数量数量 PLC CPU 6ES7315-2EH14-0AB0 西门子 1 AI 模块 6ES7 331-7KF02-0AB0 西门子 2 温度传感器 ETS 4144-B-006-000 贺德克 2 流量传感器 EVS 3114-A-0060-000 贺德克 2 流量传感器 EVS 3114-A-0300-000 贺德克 1 压力传感器 HDA 4745-B-060-00 贺德克 1 压力传感器 HDA 4745-B-100-Y00 贺德克 2 上位采样系统是基于.NET 编程环境开发的，主要包括取样和分析两个部分。 取样部分：系统提供两种取样模式：手动和自动模式。自动模式下，为了避免网 络带宽影响，采用轮巡的顺序取样机制，即：在同一时间，有且只有一台机床在 采样。在设定周期内，对所有设备轮巡采样 1 个加工循环。如图 2-7 所示。 图 2-7 自动数据取样工作循环流程图 手动模式：提供手动取样功能，同时，为了方便同类设备间的横向比对，支 持群组式取样，即：设定一个同类设备比对的群组（如下图 2-8 红框所示） ，根 据系统提示进行采样，采样结束后，自动分析比对结果，以报表的形式，展示给 用户。 机床 1 机床 2 机床 3 机床 4 机床 5 。 。 。 山东大学硕士学位论文 14 图 2-8 同类设备比对图 开发展示窗口，来展示实际取样的数据，如图 2-9 所示。 图 2-9 相同设备比对功能 为了满足特殊需求，也提供手动取样功能，如下图 2-10 所示。 比对分析 报表展示 机床 1 机床 2 机床 3 第 2 章 数控机床状态智能检测系统设计方案 15 图 2-10 实际采样过程 以上是取样部分的介绍， 下面介绍一下分析软件： 如上面取样部分介绍的一 样，数据分析模式，主要有两种： 同类设备横向基准比对： 通过同类设备相同部件的表征物理量的比对，综合 历史故障数据， 设定基准值。 所有物理量无限趋近基准值， 是最理想的工作状态。 同一设备纵向趋势分析： 通过同一设备、 相同部件的表征物理量的趋势分析， 发现微观趋势变化，不断改进和优化部件运行表现。至此，整个模拟量数据的取 样过程介绍完毕。 .2 2 伺服伺服数据提取数据提取方案方案设计设计 在展开介绍之前， 首先需要说明系统的研究对象： 本文的研究对象主要针对 31i 以上版本的 FANUC 数控系统。针对数控系统的运行数据的取样，常规的做法 是通过 PLC 与 NC 的接口，利用 PROFIBUS 协议，这是一种集控制技术、网络技术 为一体的先进的工业控制网络技术 10， 通过该网络，实现 PLC 高速变化数据的抓 取，同时，为了满足数据的准确性和稳定性，必须在 PLC 中做缓存，朱冠仲、楼 佩煌等实验了一种应用 PROFIBUS-DP 工业网络 11，实现数控系统高速通讯方法， 刘路，宁倩等人 12，公开了一种基于网络的在线监测数控系统，通过这种接口， 实现故障数据的传输以及信息交互， 所有这些尝试，都为数控系统数据高频取样 提供了途径，但是从便捷性、稳定性以及开发成本上考虑，都有着种种弊端，本 文采用伺服系统供应商提供的免费软件，实现伺服数据的高速、稳定的采样，在 成本、 便携性上， 意义更加突出。 即采用 FANUC 的 SERVO GUIDE 软件 13内核 SERVO 山东大学硕士学位论文 16 Viewer，实