(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210453927.5 (22)申请日 2022.04.24 (71)申请人 南通透灵信息科技有限公司 地址 226200 江苏省南 通市启东经济开发 区林洋路5 00号 (72)发明人 王凌云　张赪琛　 (74)专利代理 机构 北京真致博文知识产权代理 事务所(普通 合伙) 11720 专利代理师 苏畅 (51)Int.Cl. G06K 9/62(2022.01) G01D 21/02(2006.01) (54)发明名称 基于物联网的线切割机床板材切割异常监 测方法 (57)摘要 本发明涉及基于物联网的线切割机床板材 切割异常监测方法， 属于机床加工技术领域。 该 方法是一种驱动机构所用的控制方法， 可以适用 于工业自动控制系统装置制造以及机床现场总 线控制系统、 机床可编程控制系统等其他金属加 工机械制造。 根据电流序列、 温度序列以及振幅 序列， 得到历史正常运行时间段内各切割机床对 应的稳定指标； 根据各类别中各切割机床对应的 稳定指标、 预测电流序列、 被切割板材切割处的 预测温度序列、 被切割板材切割处的预测振幅序 列、 被切割板材的预测形态向量， 判断各切割机 床在未来运行时间段内是否出现切割异常现象。 本发明能可靠的对切割机床板材切割进行异常 监测。 权利要求书3页 说明书10页 附图1页 CN 114925752 A 2022.08.19 CN 114925752 A 1.基于物联网的线切割机床板材切割异常监测方法， 其特征在于， 该方法包括如下步 骤： 获取历史正常运行时间段内各切割机床对应的电流序列、 对应的被切割板材切割处的 温度序列、 对应的被切割板材切割处的形态向量、 对应的被切割板材的振幅序列； 根据所述电流序列、 温度序列以及振幅序列， 得到历史正常运行时间段内各切割机床 对应的稳定指标； 根据所述电流序列、 温度序列、 振幅序列、 形态向量以及稳定指标， 得到历史正常运行 时间段内任意两个切割机床之间的关联程度； 根据所述关联程度， 得到各类别对应的各切 割机床； 根据所述电流序列、 温度序列、 振幅序列以及形态向量， 得到未来运行时间段内各切割 机床对应的预测电流序列、 对应的被切割板材切割处的预测温度序列、 对应的被切割板材 切割处的预测振幅序列、 对应的被切割板材的预测形态向量； 根据所述各类别 中各切割机床对应的稳定指标、 对应的预测电流序列、 对应的被切割 板材切割处的预测温度序列、 对应的被切割板材切割处的预测振 幅序列、 对应的被切割板 材的预测形态向量， 判断各切割机床在未来 运行时间段内是否出现切割异常现象。 2.如权利要求1所述的基于物联网的线切割机床板材切割异常监测方法， 其特征在于， 所述根据所述电流序列、 温度序列以及振 幅序列， 得到历史正常运行时间段内各切割机床 对应的稳定指标的方法， 包括： 利用中值滤波器对所述电流序列、 温度序列以及振幅序列进行滤波， 得到各切割机床 对应的滤波电流序列、 对应的被切割板材切割处的滤波温度序列以及 对应的被切割板材的 滤波振幅序列； 根据所述电流序列与 所述滤波电流序列之间的差异、 所述温度序列与 所述滤波温度序 列之间的差异以及所述振幅序列与所述滤波振幅序列之 间的差异， 得到各切割机床对应的 波动电流序列、 对应的被切割板材切割处的波动温度序列、 对应的被切割板材 的波动振 幅 序列； 根据所述波动电流序列的方差、 所述波动温度序列的方差、 所述波动振幅序列的方差、 所述波动电流序列的长度、 所述波动 温度序列的长度以及所述波动振 幅序列的长度， 得到 历史正常运行时间段内各切割机床对应的稳定指标。 3.如权利要求2所述的基于物联网的线切割机床板材切割异常监测方法， 其特征在于， 根据如下公式计算历史正常运行时间段内各切割机床对应的稳定指标： 其中， Qi为历史正常运行时间段内第i个切割机床对应的稳定指标， I1i为历史正常运行 时间段内第i个切割机床对应的波动电流序列的方差， T1i为历史正常运行时间段内第i个 切割机床对应的波动温度序列的方差， F1i为历史正常运行时间段 内第i个切割机床对应的 波动振幅序列的方差， I2i为历史正常运行时间段 内第i个切割机床对应的波动电流序列的 长度， T2i为历史正常运行时间段内第 i个切割机床对应的波动温度序列的长度， F2i为历史 正常运行时间段内第i个切割机床对应的波动振幅序列的长度。 4.如权利要求1所述的基于物联网的线切割机床板材切割异常监测方法， 其特征在于，权　利　要　求　书 1/3 页 2 CN 114925752 A 2所述根据所述电流序列、 温度序列、 振幅序列、 形态向量以及稳定指标， 得到历史正常运行 时间段内任意两个切割机床之间的关联程度的方法， 包括： 计算任意两个切割机床对应的电流序列之间的相似程度以及任意两个切割机床对应 的被切割板材切割处的温度 序列之间的相似程度； 计算任意两个切割机床对应的被切割板材的振幅序列之间的差异程度； 计算任意两个切割机床对应的稳定指标之间差的绝对值； 计算任意两个切割机床对应 的形态向量之 间的余弦相似度； 计算任意两个切割机床对应的形态向量模长之 间差的绝对 值； 根据所述电流序列之间的相似程度、 所述温度序列之间的相似程度、 所述振幅序列之 间的差异程度、 所述稳定指标之间差的绝对值、 所述形态向量之间的余弦相似度以及所述 形态向量模长之间差的绝对值， 得到历史正常运行时间段内任意两个切割机床之 间的关联 程度。 5.如权利要求4所述的基于物联网的线切割机床板材切割异常监测方法， 其特征在于， 根据如下公式计算历史正常运行时间段内任意两个切割机床之间的关联程度： 其中， Si,j为历史正常运行时间段内第i个切割机床和第j个切割机床之间的关联程度， PPMCC(Ii,Ij)为历史正常运行时间段内第i个切割机床对 应的电流序列与第j个切 割机床对 应的电流序列之间的相似程度， PPMCC(Ti,Tj)为历史正常运 行时间段内第i个切 割机床对应 的被切割板材切割处的温度序列与第j 个切割机床对应的被切割板材切割处的温度序列之 间的相似程度， Tj为历史正常运行时间段内第i个切割机床对应的被切割板材切割处的温 度序列与第j 个切割机床对应的被切割板材切割处的温度序列之间的相似程度， Fi,j为历史 正常运行时间段内第i个切割机床对应的被切割板材 的振幅序列和第j个切割机床对应的 被切割板材的振幅序列之 间的差异 程度， Qi,j为历史正常运行时间段内第i个切割机床对应 的稳定指标与第j切割机床对应的工作性能指标之间差的绝对值， H1i,j为历史正常运行时 间段内第i个切割机床对应的形态向量和第j个切割机床对应的形态向量之间的余弦相似 度， H2i,j为历史正常运行时间段内第i个切割机床对应的形态向量的模长和第 j个切割机床 对应的形态向量的模长之间差的绝对值。 6.如权利要求1所述的基于物联网的线切割机床板材切割异常监测方法， 其特征在于， 所述根根据所述各类别中各切割机床对应的稳定指标、 对应的预测电流序列、 对应的被切 割板材切割处的预测温度序列、 对应的被切割板材切割处的预测振 幅序列、 对应的被切割 板材的预测形态向量， 判断各切割机床在未来运行时间段内是否出现切割异常现象的方 法， 包括： 根据所述稳定指标、 所述预测电流序列、 所述预测温度序列、 所述预测振幅序列、 所述 预测形态向量， 得到未来运行时间段内各切割机床对应的目标预测电流序列、 对应的被切 割板材切割处的目标预测温度序列、 对应的被切割板材切割处的目标预测振幅序列以及对 应的被切割板材的目标 预测形态向量； 根据所述各类别中各切割机床对应的目标预测电流序列， 得到未来运行时间段内各类 别中各切割机床对应的标准预测电流序列；权　利　要　求　书 2/3 页 3 CN 114925752 A 3