工業(yè)大數(shù)據(jù)分析案例剖析

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）

2021年12月

緒論

工業(yè)大數(shù)據(jù)分析作為工業(yè)智能化發(fā)展的核心之一，是實(shí)踐性

非常強(qiáng)的工作，現(xiàn)實(shí)中的失敗比例非常高。在《工業(yè)大數(shù)據(jù)分析

指南》中雖然已對(duì)通用的工業(yè)大數(shù)據(jù)分析方法和分析流程進(jìn)行了

歸納和總結(jié)，但其更加關(guān)注于具有普遍指導(dǎo)意義的方法論，為能

更好的指導(dǎo)企業(yè)開(kāi)展工業(yè)大數(shù)據(jù)分析實(shí)踐，我們選取了四個(gè)不同

行業(yè)中已經(jīng)落地應(yīng)用的典型案例，并依照《工業(yè)大數(shù)據(jù)分析指南》

的方法體系進(jìn)行了較為深度的剖析，形成了本案例集。

人們用工業(yè)大數(shù)據(jù)分析的辦法來(lái)發(fā)現(xiàn)知識(shí)并指導(dǎo)行動(dòng)。如果

錯(cuò)誤的認(rèn)識(shí)誤導(dǎo)了行動(dòng)，可能會(huì)給工業(yè)企業(yè)帶來(lái)非常嚴(yán)重的后果。

所以，工業(yè)界在實(shí)際應(yīng)用中，對(duì)數(shù)據(jù)分析結(jié)果的可靠性要求很高，

這對(duì)于工業(yè)大數(shù)據(jù)分析應(yīng)用的落地帶來(lái)了極大的挑戰(zhàn)。

傳統(tǒng)概率統(tǒng)計(jì)方法是從基本的理論假設(shè)開(kāi)始展開(kāi)研究，分析

結(jié)果的可靠性是由理論前提和假設(shè)保證的。科學(xué)家從事科研工作

時(shí)，可以根據(jù)分析工作的需求去采集和配置數(shù)據(jù)，從而得到可靠

的結(jié)果。工業(yè)大數(shù)據(jù)分析則是通過(guò)數(shù)據(jù)本身表現(xiàn)出來(lái)的特點(diǎn)來(lái)發(fā)

現(xiàn)規(guī)律。從事工業(yè)大數(shù)據(jù)分析時(shí)，人們往往只能根據(jù)工業(yè)現(xiàn)場(chǎng)已

有的數(shù)據(jù)進(jìn)行分析，而這些數(shù)據(jù)往往不是為特定數(shù)據(jù)分析工作而

準(zhǔn)備的。在某些場(chǎng)景下，數(shù)據(jù)可能從根本上就無(wú)法支撐分析的目

標(biāo)。從這種意義上說(shuō)，特別是數(shù)據(jù)量無(wú)法達(dá)到一定規(guī)模的情況下，

基于統(tǒng)計(jì)方法的數(shù)據(jù)分析建模不能夠準(zhǔn)確捕捉到工業(yè)現(xiàn)場(chǎng)問(wèn)題

與征兆之間的因果性，因而單純依靠數(shù)據(jù)分析模型做出決策存在

—1—

相當(dāng)程度的不確定性。

在追求確定性的過(guò)程中，有兩種常見(jiàn)的挑戰(zhàn)：一種是模型混

淆了相關(guān)與因果，一種是把特殊條件下的因果關(guān)系擴(kuò)大到一般情

況。要應(yīng)對(duì)這兩種挑戰(zhàn)，人們都必須借助對(duì)工業(yè)機(jī)理的認(rèn)識(shí)。實(shí)

踐證明：如果僅僅以精度為標(biāo)準(zhǔn)衡量模型和結(jié)果的好壞，就很難

保證成果的可用性，必須善于利用工業(yè)機(jī)理來(lái)選擇數(shù)據(jù)、分析結(jié)

論。從這種意義上說(shuō)，工業(yè)大數(shù)據(jù)的分析在實(shí)際應(yīng)用的落地過(guò)程，

也是工業(yè)機(jī)理與數(shù)據(jù)分析的融合過(guò)程。

本案例集選取的四個(gè)典型案例各有特色，案例1是工程機(jī)械

行業(yè)中利用機(jī)器學(xué)習(xí)技術(shù)開(kāi)展的故障診斷實(shí)踐，首先對(duì)液壓泵的

故障形成機(jī)理進(jìn)行了完善的分析，將問(wèn)題轉(zhuǎn)換為預(yù)測(cè)泵壓，并建

立了多個(gè)變量與泵壓之間的關(guān)聯(lián)分析，然后建立機(jī)器學(xué)習(xí)模型，

這是一種典型的利用領(lǐng)域知識(shí)完成問(wèn)題建模和特征抽取，然后輔

以數(shù)據(jù)分析方法建模的思路。

工藝參數(shù)優(yōu)化是工業(yè)大數(shù)據(jù)分析一類(lèi)特別典型的問(wèn)題。案例

2選擇在數(shù)控加工領(lǐng)域，關(guān)注效率、質(zhì)量與加工成本的多目標(biāo)優(yōu)

化問(wèn)題，如何通過(guò)工藝參數(shù)有效地實(shí)現(xiàn)多個(gè)目標(biāo)的同時(shí)優(yōu)化。方

案一針對(duì)粗加工場(chǎng)景關(guān)注單次切削時(shí)間而非質(zhì)量，通過(guò)試切操作

收集一系列數(shù)據(jù)，建立了單目標(biāo)優(yōu)化求解模型。方案二以日常加

工任務(wù)數(shù)據(jù)生成樣本數(shù)據(jù)，以進(jìn)給速度、主軸轉(zhuǎn)速、切寬及切深

建立能夠表征加工過(guò)程物理狀態(tài)的主軸功率（代替銑削力）預(yù)測(cè)

模型，進(jìn)而針對(duì)該模型進(jìn)行工藝參數(shù)優(yōu)化。在這個(gè)案例中我們既

可以看到如何直接利用優(yōu)化模型進(jìn)行較為粗顆粒度的控制調(diào)整，

—2—

也可以參考對(duì)控制過(guò)程建立擬合的機(jī)器學(xué)習(xí)模型，進(jìn)而實(shí)現(xiàn)對(duì)過(guò)

程感知的白盒調(diào)整方法。

案例3是面向材料微觀結(jié)構(gòu)性能規(guī)律的研究，是較為少見(jiàn)的

探索如何在研發(fā)過(guò)程利用數(shù)據(jù)方法建模的例子。案例3針對(duì)鋼鐵

材料的強(qiáng)度、塑性、韌性、硬度等力學(xué)性能預(yù)測(cè)問(wèn)題，通過(guò)數(shù)據(jù)

分析方法，既減少標(biāo)準(zhǔn)試驗(yàn)的代價(jià)，也試圖建立面向研發(fā)過(guò)程的

相對(duì)準(zhǔn)確、可靠的規(guī)律性結(jié)論。鋼鐵晶體組織的形成是一個(gè)動(dòng)態(tài)

的過(guò)程，由于大量研究結(jié)果是在特定成分和工藝條件下數(shù)據(jù)擬合

的結(jié)果，沒(méi)有統(tǒng)一的理論公式，因而，如何通過(guò)數(shù)據(jù)方法實(shí)現(xiàn)對(duì)

規(guī)律性知識(shí)的總結(jié)是這個(gè)案例帶給我們的重要啟示。

案例4針對(duì)橡膠行業(yè)中膠粒水溶液的濃度測(cè)量問(wèn)題，基于工

藝流程設(shè)計(jì)、生產(chǎn)過(guò)程數(shù)據(jù)、設(shè)備運(yùn)行機(jī)理等多維信息，建立膠

粒水溶液的軟測(cè)量方法預(yù)測(cè)模型，進(jìn)而對(duì)鹵化反應(yīng)階段的膠漿濃

度進(jìn)行有效控制，提升裝置的綜合運(yùn)行效能。這是流程制造業(yè)中

一類(lèi)非常典型的問(wèn)題，大型罐體內(nèi)部非常難以實(shí)現(xiàn)在線(xiàn)測(cè)量，當(dāng)

前多依靠人工經(jīng)驗(yàn)進(jìn)行控制，如何充分利用操作經(jīng)驗(yàn)、運(yùn)行機(jī)理

與數(shù)據(jù)科學(xué)融合的建模方法，實(shí)現(xiàn)對(duì)目標(biāo)物理量的軟測(cè)量方法，

仍是業(yè)內(nèi)的難題之一。本案例另一個(gè)非常有啟發(fā)的點(diǎn)是區(qū)分了穩(wěn)

定和非穩(wěn)定工況，分別采取了深度學(xué)習(xí)預(yù)測(cè)與機(jī)器視覺(jué)識(shí)別的方

法，這種復(fù)合式方法對(duì)于實(shí)際落地應(yīng)用效果會(huì)有較大的提升作用。

在本文的四個(gè)各具特點(diǎn)案例中，我們可以看到工業(yè)大數(shù)據(jù)的

實(shí)踐者們，如何將行業(yè)知識(shí)、機(jī)理與數(shù)據(jù)分析方法結(jié)合起來(lái)，通

過(guò)從業(yè)務(wù)理解一直到模型落地的閉環(huán)過(guò)程解決實(shí)際業(yè)務(wù)問(wèn)題。我

—3—

們希望通過(guò)對(duì)這些案例的深度剖析，把其中的成功經(jīng)驗(yàn)分享給大

家，幫助讀者少走彎路并帶動(dòng)這一領(lǐng)域的技術(shù)發(fā)展。目前，人們

對(duì)工業(yè)大數(shù)據(jù)分析的認(rèn)識(shí)還需要不斷深入，但我們相信，隨著數(shù)

據(jù)技術(shù)的不斷發(fā)展，數(shù)據(jù)條件會(huì)越來(lái)越好，成功的應(yīng)用也會(huì)越來(lái)

越多。

—4—

一、案例1：挖掘機(jī)液壓泵故障預(yù)測(cè)—天遠(yuǎn)科技

（一）案例背景

挖掘機(jī)又稱(chēng)挖掘機(jī)械，是用鏟斗挖掘高于或低于承機(jī)面的物

料，并裝入運(yùn)輸車(chē)輛或卸至堆料場(chǎng)的土方機(jī)械。挖掘機(jī)挖掘的物

料主要是土壤、煤、泥沙以及經(jīng)過(guò)預(yù)松后的土壤和巖石。從近幾

年工程機(jī)械的發(fā)展來(lái)看，挖掘機(jī)的發(fā)展相對(duì)較快，挖掘機(jī)已經(jīng)成

為工程建設(shè)中最主要的工程機(jī)械之一。由于挖掘機(jī)常常處于惡劣

的工作環(huán)境下，故障率持續(xù)上升，一旦出現(xiàn)重大故障，造成停機(jī)，

輕則造成延誤工期等經(jīng)濟(jì)損失，重則危害車(chē)上人員的生命安全。

因此通過(guò)機(jī)器學(xué)習(xí)手段提前預(yù)測(cè)挖掘機(jī)零部件故障具有至關(guān)重

要的意義。

發(fā)動(dòng)機(jī)，液壓泵，分配閥是人們常說(shuō)的挖掘機(jī)三大件，挖掘

機(jī)不像汽車(chē)一樣由發(fā)動(dòng)機(jī)提供動(dòng)力，經(jīng)過(guò)變速箱、傳動(dòng)軸驅(qū)動(dòng)整

車(chē)前進(jìn)，而是通過(guò)發(fā)動(dòng)機(jī)帶動(dòng)液壓泵轉(zhuǎn)動(dòng)，由高壓液壓油通過(guò)液

壓馬達(dá)、液壓油缸等液壓執(zhí)行元件帶動(dòng)整車(chē)動(dòng)作。

圖1挖掘機(jī)工作示意圖

—1—

液壓泵是為液壓傳動(dòng)提供加壓液體的一種液壓元件，是泵的

一種。它的功能是把動(dòng)力機(jī)（如電動(dòng)機(jī)和內(nèi)燃機(jī)等）的機(jī)械能轉(zhuǎn)

換成液體的壓力能。影響液壓泵的使用壽命因素很多，除了泵自

身設(shè)計(jì)、制造因素外和一些與泵使用相關(guān)元件（如聯(lián)軸器、濾油

器等）的選用、試車(chē)運(yùn)行過(guò)程中的操作等也有關(guān)系。

圖2液壓泵系統(tǒng)組成元件

液壓泵是液壓挖掘機(jī)中發(fā)生故障最多的元件，而液壓泵一旦

發(fā)生故障就會(huì)立即影響挖掘機(jī)液壓系統(tǒng)的正常工作，甚至不能工

作。液壓泵對(duì)于挖掘機(jī)的重要性不言而喻，因此預(yù)測(cè)挖掘機(jī)液壓

泵的故障也是一個(gè)相當(dāng)重要的課題。

液壓泵主要有葉片泵、齒輪泵、柱塞泵三種類(lèi)型，其常見(jiàn)故

障主要包括：

第一，齒輪泵的常見(jiàn)故障大部分是由其內(nèi)部摩擦副的磨損引

起。其正常磨損使徑向間隙和軸向間隙(即斷面間隙)增大，齒輪

泵內(nèi)泄漏現(xiàn)象加重，嚴(yán)重時(shí)泵體內(nèi)孔或兩側(cè)板無(wú)法修復(fù)。此外，

軸的密封也是經(jīng)常損壞的部件。

—2—

第二，葉片泵的正常磨損量很小，零部件使用壽命較長(zhǎng)。造

成葉片泵故障的主要原因是油液污染，這是因?yàn)槿~片泵的運(yùn)動(dòng)副

配合較精密，當(dāng)污染物進(jìn)入摩擦副后，容易產(chǎn)生異常卡滯或磨損。

另外，葉片泵的自吸性能不如齒輪泵，特別是小排量的葉片泵更

是如此，所以油液是否清潔和吸油是否暢通，是葉片泵運(yùn)行中需

要特別注意的兩個(gè)問(wèn)題。

第三，柱塞泵中的徑向柱塞泵在結(jié)構(gòu)和運(yùn)動(dòng)性能上的弱點(diǎn)是

徑向力較大、自吸能力較差以及柱塞與柱塞孔的配合精度高；軸

向柱塞泵的零件加工精度要求高。所以柱塞泵對(duì)油液的清潔度要

求高，亦即柱塞泵對(duì)油液的過(guò)濾精度要求比齒輪泵的高。

目前針對(duì)液壓泵的故障維修，采用的多是事后維修。與之不

同的是，預(yù)測(cè)檢修可通過(guò)對(duì)液壓泵之前的狀態(tài)進(jìn)行故障預(yù)測(cè)來(lái)安

排檢修活動(dòng)，具有自動(dòng)化、高效率等顯著優(yōu)勢(shì)。液壓泵的故障預(yù)

測(cè)利用傳感器來(lái)采集挖掘機(jī)的數(shù)據(jù)信息，借助合適的算法來(lái)評(píng)估

液壓泵的健康狀態(tài)，在故障發(fā)生前對(duì)其進(jìn)行預(yù)測(cè)。

（二）解決方案

1、業(yè)務(wù)理解

（1）認(rèn)識(shí)工業(yè)對(duì)象

液壓泵常見(jiàn)的故障原因主要可歸納為油品質(zhì)低或油污染程

度高、零件磨損兩方面。

液壓泵常見(jiàn)的故障表現(xiàn)有以下幾點(diǎn)：

1）液壓泵磨損嚴(yán)重，液壓泵的轉(zhuǎn)動(dòng)會(huì)不均衡，產(chǎn)生異響；

2）液壓泵磨損，內(nèi)泄量增大，液壓泵的出油量會(huì)減少，流

—3—

量低到一定程度時(shí)會(huì)導(dǎo)致壓力低（流量低會(huì)導(dǎo)致壓力低，但是不

是唯一的原因）；

3）液壓泵磨損后，殼體的泄漏量會(huì)增大，因?yàn)闅んw泄漏的

液壓油直接返回油箱，沒(méi)有經(jīng)過(guò)散熱器的散熱，所以可能導(dǎo)致液

壓油溫高。

（2）理解數(shù)據(jù)分析需求

數(shù)據(jù)分析需求：判定挖掘機(jī)液壓泵是否故障。

需求理解：液壓泵故障常與液壓泵磨損或油液污染有關(guān)，且

它的動(dòng)力來(lái)源于發(fā)動(dòng)機(jī)，因此特征選取方面需選取發(fā)動(dòng)機(jī)的參數(shù)

以及油液的相關(guān)參數(shù)。若液壓泵產(chǎn)生故障，根據(jù)故障的三個(gè)表現(xiàn)，

結(jié)合目前傳感器的數(shù)據(jù)，可采用預(yù)測(cè)泵壓的方式進(jìn)行分析：若液

壓泵故障，則會(huì)導(dǎo)致產(chǎn)生的泵壓（P）會(huì)與正常情況時(shí)的泵壓（P’）

產(chǎn)生偏差（△P），若當(dāng)天偏離度（△P/P）超過(guò)某個(gè)值（w）的

占比超過(guò)某個(gè)閾值（threshold）時(shí)，則判定為液壓泵故障。

假設(shè)每天的泵壓為yreal，對(duì)應(yīng)的預(yù)測(cè)值為y，即當(dāng)：

??????????

∑?=0(>?)

?????

?>?????????

?

其中：

N為當(dāng)天采集的數(shù)據(jù)量

w為高偏離度的設(shè)定值

threshold為設(shè)定閾值

則當(dāng)計(jì)算結(jié)果大于設(shè)定閾值時(shí)，預(yù)測(cè)為故障；否則，預(yù)測(cè)為

正常。

—4—

（3）數(shù)據(jù)分析目標(biāo)及評(píng)估

數(shù)據(jù)分析目標(biāo)：

1）根據(jù)傳感器每天傳入數(shù)據(jù)，選擇合適的特征及模型，計(jì)

算得到預(yù)測(cè)泵壓值；

2）根據(jù)預(yù)測(cè)值和實(shí)際值，計(jì)算得到每條數(shù)據(jù)偏離度；

3）計(jì)算每天不同偏離度的占比；

4）根據(jù)不同偏離度占比隨時(shí)間的變化圖結(jié)合故障信息，得

到w和threshold；

5）將所得到的模型和閾值保存；

6）根據(jù)每日數(shù)據(jù)，得到當(dāng)日故障預(yù)測(cè)結(jié)果，并將預(yù)測(cè)為故

障的結(jié)果保存。

圖3數(shù)據(jù)分析目標(biāo)架構(gòu)圖

評(píng)估：預(yù)測(cè)準(zhǔn)確度。最終預(yù)測(cè)結(jié)果的混淆矩陣查準(zhǔn)率和查全

率。

2、數(shù)據(jù)理解

—5—

（1）數(shù)據(jù)來(lái)源

傳感器是一種檢測(cè)裝置，能感受到被測(cè)量的信息，并能將感

受到的信息，按一定規(guī)律變換成為電信號(hào)或其他所需形式的信息

輸出，以滿(mǎn)足信息的傳輸、處理、存儲(chǔ)、顯示、記錄和控制等要

求。

本案例采用的數(shù)據(jù)均來(lái)源于某臺(tái)挖掘機(jī)傳感器從2020年6

月1日至2020年10月7日傳入的每分鐘實(shí)時(shí)數(shù)據(jù)，共計(jì)101359

行數(shù)據(jù)，有47列參數(shù)值。

（2）數(shù)據(jù)分類(lèi)及相互關(guān)系

所采集數(shù)據(jù)按數(shù)據(jù)取值范圍分為離散型變量和連續(xù)型變量。

連續(xù)型變量的值代表數(shù)值含義，但是離散型變量的值雖然也可能

是數(shù)值型，但是并沒(méi)有數(shù)值意義，需要經(jīng)過(guò)處理后使用，常見(jiàn)的

處理方式是將其轉(zhuǎn)變成啞變量。

表1數(shù)據(jù)集主要變量描述

變量名描述類(lèi)型

轉(zhuǎn)速發(fā)動(dòng)機(jī)每分鐘回轉(zhuǎn)數(shù)數(shù)值（0-2500）

實(shí)際發(fā)動(dòng)機(jī)輸出扭矩與發(fā)動(dòng)機(jī)最大

扭矩百分比數(shù)值（0-100）

輸出扭矩的比值

泵壓液壓泵提供的壓力數(shù)值

模式當(dāng)前發(fā)動(dòng)機(jī)工作模式字符串

共軌燃油壓力燃油壓力數(shù)值

扭矩當(dāng)前實(shí)際扭矩值數(shù)值

動(dòng)作挖掘機(jī)動(dòng)作編碼數(shù)值

動(dòng)作類(lèi)型動(dòng)作類(lèi)型二進(jìn)制字符串

（3）數(shù)據(jù)質(zhì)量

1）完整性：采用數(shù)據(jù)采集率熱力圖來(lái)查看數(shù)據(jù)采集的完整

—6—

性。

2）規(guī)范性：查看每個(gè)字段數(shù)據(jù)類(lèi)型及取值范圍是否合理，

不合理的取值當(dāng)作異常值。

3）一致性：檢查每個(gè)字段的數(shù)據(jù)類(lèi)型。數(shù)據(jù)讀入后，對(duì)應(yīng)

的每個(gè)字段的數(shù)據(jù)類(lèi)型也會(huì)有變化，需要調(diào)整成正確的

數(shù)據(jù)類(lèi)型。

4）準(zhǔn)確性：觀察變量的分布圖，結(jié)合挖掘機(jī)技術(shù)知識(shí)，觀

察數(shù)據(jù)是否符合實(shí)際。

圖4參數(shù)分布直方圖

5）唯一性：數(shù)據(jù)每分鐘傳入的數(shù)據(jù)有且只有一個(gè)。

6）關(guān)聯(lián)性：結(jié)合挖掘機(jī)工程技術(shù)知識(shí)，根據(jù)變量之間的相

—7—

互關(guān)聯(lián)、約束等條件，檢查數(shù)據(jù)的規(guī)范性。

3、數(shù)據(jù)準(zhǔn)備

建模數(shù)據(jù)需選取挖掘機(jī)正常狀態(tài)下的實(shí)時(shí)數(shù)據(jù)。根據(jù)正常狀

態(tài)下的數(shù)據(jù)建立一個(gè)預(yù)測(cè)模型，由這個(gè)模型去預(yù)測(cè)狀態(tài)未知情況

下的泵壓數(shù)據(jù)。

（1）數(shù)據(jù)預(yù)處理

該階段主要將采集到的原始數(shù)據(jù)經(jīng)過(guò)校驗(yàn)、處理轉(zhuǎn)變成可以

用于建模的干凈、完整的數(shù)據(jù)。首先需要校驗(yàn)每個(gè)字段的數(shù)據(jù)類(lèi)

型是否符合邏輯。再看其取值范圍是否符合實(shí)際，再經(jīng)過(guò)一系列

處理將原始數(shù)據(jù)轉(zhuǎn)換成我們所需要的數(shù)據(jù)。

表2數(shù)據(jù)的描述性統(tǒng)計(jì)

meanstdMin25%50%75%max

轉(zhuǎn)速1697.89476.75113.501002.61997.42042.02144.80

扭矩百分比44.1535.610.004.5044.5078.50100.00

水溫77.5613.598.0868.5877.1889.84103.21

扭矩345.76308.720.0038.97289.54620.581038.84

輸出功2.733.120.000.021.355.0610.82

動(dòng)作0.220.410.000.000.000.001.00

動(dòng)作類(lèi)型96.31308.550.000.0070.0089.0065535.0

工作模式22.000.0722.0022.0022.0022.0034.00

泵壓131.8789.5810.0034.00127.00208.00378.00

在進(jìn)行異常值、缺失值處理前，先將數(shù)據(jù)根據(jù)機(jī)號(hào)按采集時(shí)

間升序排序。

（2）異常處理

異常值判定方法：超出每個(gè)字段的實(shí)際取值范圍的數(shù)據(jù)均看

作異常值。

—8—

異常值處理方法：刪除。

（3）缺失處理

1）刪除空值占比>70%的列；

2）刪除除空值外，只有一個(gè)值的列；

3）刪除空值占比>70%的行；

4）連續(xù)型變量、離散型變量均使用向上填充方法填充缺失

值。

（4）歸約處理

連續(xù)型變量：采用Zscore標(biāo)準(zhǔn)化方法；

離散型變量：獨(dú)熱編碼。

4、數(shù)據(jù)建模

（1）特征工程

1）數(shù)據(jù)初步篩選

選擇跟液壓系統(tǒng)相關(guān)的參數(shù)，且在工作狀態(tài)中（即滿(mǎn)足發(fā)動(dòng)

機(jī)轉(zhuǎn)速>0且扭矩百分比>0等限定條件）的數(shù)據(jù)，這樣一來(lái)所選

數(shù)據(jù)均是有效的，能夠反映挖掘機(jī)工作狀態(tài)。經(jīng)過(guò)處理后，僅剩

98777行數(shù)據(jù)。

2）特征變換

在很多機(jī)器學(xué)習(xí)任務(wù)中，數(shù)據(jù)集中的特征取值并不都是連續(xù)

數(shù)值，而有可能會(huì)是類(lèi)別值。由于部分模型只支持?jǐn)?shù)值型的數(shù)據(jù)

作為輸入，因此，我們需要提前將數(shù)據(jù)集中的類(lèi)別型變量通過(guò)獨(dú)

熱編碼進(jìn)行預(yù)處理。

獨(dú)熱編碼即One-Hot編碼，又被稱(chēng)作“一位有效編碼”，它

—9—

將一個(gè)有m個(gè)可能取值的特征變成m個(gè)二元特征，并且這m個(gè)

二元特征每次只有一個(gè)被激活。

3）特征組合

獨(dú)熱編碼后，再結(jié)合挖掘機(jī)相關(guān)模式（P，E等）信息將變

量重組。

對(duì)于連續(xù)型變量，其內(nèi)在也存在著一些關(guān)聯(lián)關(guān)系，可以通過(guò)

一些運(yùn)算得到新的重要的參數(shù)，如扭矩、輸出功等。

4）特征篩選

首先根據(jù)專(zhuān)業(yè)知識(shí)可知，與泵壓關(guān)聯(lián)度較高的參數(shù)有液壓油

溫、液壓泵流量、液壓泵內(nèi)泄量、發(fā)動(dòng)機(jī)轉(zhuǎn)速、扭矩、扭矩百分

比等（其中液壓油溫、液壓泵流量、液壓泵內(nèi)泄量等數(shù)據(jù)目前無(wú)

法獲得），剔除掉跟研究變量無(wú)關(guān)的干擾參數(shù)。

再根據(jù)特征的相關(guān)系數(shù)，對(duì)相關(guān)系數(shù)超過(guò)85%的變量只保留

一個(gè)。

圖5特征相關(guān)系數(shù)熱力圖

—10—

最終我們選用的參數(shù)有：發(fā)動(dòng)機(jī)轉(zhuǎn)速、扭矩百分比、扭矩、

輸出功、模式P、模式E、動(dòng)作、動(dòng)作類(lèi)型等共八個(gè)特征。

（2）算法介紹：XGBOOST

XGBOOST是在GBDT基礎(chǔ)上發(fā)展起來(lái)的，全名叫Extreme

GradientBoosting，與GBDT相比有一定的改進(jìn)。傳統(tǒng)的GBDT

算法在優(yōu)化時(shí)只用到了損失函數(shù)的一階導(dǎo)數(shù)信息，XGBOOST則

對(duì)隨時(shí)函數(shù)進(jìn)行了二階泰勒展開(kāi)，同時(shí)使用了一階和二階導(dǎo)數(shù)的

信息。此外，XGBOOST借助OpenMP，能自動(dòng)利用單機(jī)CPU的

多核并行計(jì)算，大大提高了運(yùn)行速度。其次，與GBDT算法不

同，XGBOOST支持稀疏矩陣的輸入，并且，XGBOOST集成學(xué)

習(xí)框架自定義了一個(gè)數(shù)據(jù)矩陣類(lèi)DMatrix，會(huì)在訓(xùn)練開(kāi)始時(shí)對(duì)訓(xùn)

練集進(jìn)行一遍預(yù)處理，從而提高之后訓(xùn)練過(guò)程每次迭代的效率，

減少訓(xùn)練時(shí)間。

本案例采用XGBOOST，訓(xùn)練數(shù)據(jù)為2020年8月7日~2020

年8月31日沒(méi)有任何故障時(shí)的數(shù)據(jù)，80%作為訓(xùn)練集，20%作為

測(cè)試集，采用交叉驗(yàn)證方法進(jìn)行參數(shù)優(yōu)化。

經(jīng)過(guò)優(yōu)化后，模型R2=0.79。同時(shí)得到了特征重要度：

—11—

圖6XGBOOST特征重要度分布

5、模型驗(yàn)證

（1）驗(yàn)證邏輯

1）根據(jù)上述模型獲得泵壓預(yù)測(cè)值；

2）根據(jù)實(shí)際值與預(yù)測(cè)值計(jì)算每條數(shù)據(jù)的偏離度：△P/P；

3）計(jì)算不同偏離度（±5%，+10%等）每日占比；

4）結(jié)合故障時(shí)間與偏離度占比趨勢(shì)圖分析；

圖7泵壓偏離度趨勢(shì)圖

—12—

5）由上圖可以得到一組模型設(shè)定值：w=20%，

threshold=20%；

6）根據(jù)模型設(shè)定值，驗(yàn)證其他機(jī)號(hào)的預(yù)測(cè)精度；

7）調(diào)整模型參數(shù)，使其具有一定的泛化能力。

（2）方法評(píng)估

該項(xiàng)目最終的分析目標(biāo)是預(yù)測(cè)液壓泵是否故障，這是一個(gè)二

分類(lèi)問(wèn)題。混淆矩陣是評(píng)價(jià)分類(lèi)問(wèn)題精度的一種方法，對(duì)于二分

類(lèi)問(wèn)題，根據(jù)真實(shí)類(lèi)別與預(yù)測(cè)類(lèi)別的組合劃分為真正例、假正例、

真反例、假反例四種情況，令TP、FP、TN、FN分別表示對(duì)應(yīng)的

樣例數(shù)。

在該案例中，我們假設(shè)故障報(bào)修時(shí)間前5天已經(jīng)發(fā)生故障，

這樣我們得到的混淆矩陣如下表所示：

表3預(yù)測(cè)結(jié)果混淆矩陣

預(yù)測(cè)結(jié)果

真實(shí)情況

正例反例

正例126

反例2374

查準(zhǔn)率P=TP/(TP+FP)=12/(12+23)=0.34

查全率R=TP/(TP+FN)=12/(12+6)=0.67

結(jié)論：結(jié)果顯示，樣例中的3次液壓泵系統(tǒng)故障均被預(yù)測(cè)

到，但是誤報(bào)情況也時(shí)有發(fā)生，因此今后需要在判定方法上進(jìn)行

優(yōu)化，減少誤報(bào)。

（三）實(shí)施效果

1、模型部署

（1）模型部署的自動(dòng)化

—13—

考慮到實(shí)際中機(jī)器的型號(hào)不同，其參數(shù)、性能也有一定的差

別，在模型存儲(chǔ)方面，我們將不同型號(hào)的車(chē)輛單獨(dú)存儲(chǔ)，在運(yùn)行

中，會(huì)自動(dòng)調(diào)用對(duì)應(yīng)的模型去運(yùn)行結(jié)果。在自動(dòng)化部署方面，我

們實(shí)現(xiàn)了批處理程序的自動(dòng)化，減少了人的干預(yù)，節(jié)省了人力時(shí)

間成本。

（2）實(shí)施和運(yùn)行中的問(wèn)題

在實(shí)施和運(yùn)行中普遍面臨一個(gè)問(wèn)題就是：建立分析模型所用

的數(shù)據(jù)和運(yùn)行中所用的數(shù)據(jù)存在差異。導(dǎo)致差異的原因包括：數(shù)

據(jù)質(zhì)量問(wèn)題、精度劣化問(wèn)題、范圍變化問(wèn)題等。針對(duì)這些問(wèn)題我

們將會(huì)在數(shù)據(jù)提取階段檢查數(shù)據(jù)質(zhì)量，后續(xù)會(huì)根據(jù)預(yù)測(cè)結(jié)果對(duì)模

型做持續(xù)的優(yōu)化。

（3）問(wèn)題的解決方法

針對(duì)數(shù)據(jù)質(zhì)量問(wèn)題，根據(jù)實(shí)際情況采取限制應(yīng)用范圍的方

法，即當(dāng)某機(jī)器某天的采集數(shù)量過(guò)少時(shí)，停止計(jì)算當(dāng)天的模型并

備注。

針對(duì)精度劣化問(wèn)題，我們采用不定期地重新修正模型的方

法，實(shí)現(xiàn)模型的自動(dòng)修正。

（4）部署后的持續(xù)優(yōu)化

要想技術(shù)有生命力，模型運(yùn)行過(guò)程中就要進(jìn)行持續(xù)優(yōu)化。優(yōu)

化的內(nèi)容包括精度的提高、適用范圍的擴(kuò)大、知識(shí)的增加等。

模型精度很大程度上取決于數(shù)據(jù)的質(zhì)量。特定數(shù)據(jù)的質(zhì)量往

往取決于基礎(chǔ)的維護(hù)和管理水平，而在某些特定項(xiàng)目中的使用到

的數(shù)據(jù)其質(zhì)量往往很差。因此，對(duì)于模型所用到的原始數(shù)據(jù)、故

—14—

障數(shù)據(jù)等的規(guī)范化、標(biāo)準(zhǔn)化是我們優(yōu)化過(guò)程之中的重中之重。

2、應(yīng)用效果

模型部署后，我們重點(diǎn)監(jiān)控了6臺(tái)模型預(yù)測(cè)為故障的挖掘

機(jī)，并進(jìn)行了現(xiàn)場(chǎng)派工檢查。經(jīng)過(guò)調(diào)查發(fā)現(xiàn)：其中3臺(tái)挖掘機(jī)液

壓泵無(wú)任何異常，且用戶(hù)也沒(méi)有其他問(wèn)題反饋，另外3臺(tái)挖掘機(jī)

液壓泵雖無(wú)異常，但調(diào)查發(fā)現(xiàn)一些不影響挖掘機(jī)正常使用但跟液

壓泵有關(guān)聯(lián)的一些異常表現(xiàn)，如憋車(chē)、動(dòng)作慢等。總體來(lái)說(shuō)，目

前的實(shí)際應(yīng)用效果還有待進(jìn)一步提高，具體原因可能有以下幾

點(diǎn)：

一是目前數(shù)據(jù)缺少與泵壓相關(guān)的一些重要參數(shù)，尤其是液壓

油的一些參數(shù)，如油黏度指數(shù)；

二是實(shí)際問(wèn)題往往不是一個(gè)單一的算法可以解決的，需要多

個(gè)相關(guān)算法合理的搭配組合，再結(jié)合機(jī)理模型進(jìn)行綜合考慮；

三是液壓泵故障是一個(gè)復(fù)雜的問(wèn)題，液壓泵故障會(huì)導(dǎo)致泵壓

降低，但是反過(guò)來(lái)泵壓降低也有可能是其他零部件故障或操作異

常等導(dǎo)致的。

由于上述客觀問(wèn)題的存在，我們只能在現(xiàn)有數(shù)據(jù)條件的基礎(chǔ)

上進(jìn)行有限的優(yōu)化，比如：擴(kuò)大樣本量、試驗(yàn)不同的模型組合、

優(yōu)化異常判定模型等，以此來(lái)減少預(yù)測(cè)結(jié)果誤報(bào)率，提升預(yù)測(cè)結(jié)

果準(zhǔn)確率。

—15—

二、案例2：數(shù)控加工工藝參數(shù)優(yōu)化—華中數(shù)控

（一）案例背景

數(shù)控機(jī)床被稱(chēng)為“工業(yè)母機(jī)”，是傳統(tǒng)機(jī)床與數(shù)字控制技術(shù)相

結(jié)合形成的機(jī)械電子一體化產(chǎn)品。數(shù)控機(jī)床具有穩(wěn)定、高效、靈

活等各種優(yōu)異性能，開(kāi)創(chuàng)了傳統(tǒng)機(jī)械向機(jī)械電子一體化發(fā)展的先

河。數(shù)控機(jī)床等數(shù)控裝備是生產(chǎn)高新科技裝備和尖端產(chǎn)品的必要

工具，可以有效地提高生產(chǎn)效率、減少工人數(shù)量，實(shí)現(xiàn)自動(dòng)化、

智能化生產(chǎn)，在很大程度上減少了人員和成本投入。在當(dāng)今以產(chǎn)

品更新迭代快速、大批量生產(chǎn)、人員成本逐漸升高為特點(diǎn)的工業(yè)

時(shí)代，各類(lèi)數(shù)控裝備是實(shí)現(xiàn)先進(jìn)制造技術(shù)的關(guān)鍵。因此數(shù)控機(jī)床

成為了國(guó)民經(jīng)濟(jì)和國(guó)防建設(shè)發(fā)展的重要制造裝備。

在數(shù)控加工領(lǐng)域，對(duì)加工質(zhì)量、加工效率與加工成本的控制

能力是衡量加工能力強(qiáng)弱的指標(biāo)，而如何提升這種能力，亦即針

對(duì)于工藝參數(shù)優(yōu)化的研究，在數(shù)控加工領(lǐng)域占據(jù)著重要地位。在

工藝參數(shù)優(yōu)化問(wèn)題中，往往需要同時(shí)關(guān)注多個(gè)優(yōu)化目標(biāo)，效率、

質(zhì)量與加工成本的優(yōu)化需要同時(shí)被解決。而多個(gè)優(yōu)化目標(biāo)之間可

能彼此矛盾，亦即在提升加工效率的同時(shí)可能會(huì)造成加工質(zhì)量的

降低，提升加工質(zhì)量的同時(shí)又會(huì)造成加工效率的降低與加工成本

的提高，如何有效地實(shí)現(xiàn)多個(gè)目標(biāo)的同時(shí)優(yōu)化，是當(dāng)前工藝參數(shù)

優(yōu)化領(lǐng)域所面臨的一項(xiàng)重要任務(wù)。

對(duì)加工過(guò)程進(jìn)行優(yōu)化，不可避免地要對(duì)加工過(guò)程進(jìn)行建模。

加工過(guò)程模型一般包含有幾何模型及物理模型兩種，由于物理模

型往往能更直接地反映加工過(guò)程的力、熱特性，因此加工過(guò)程物

—16—

理模型被廣泛應(yīng)用在工藝參數(shù)優(yōu)化中。在大多數(shù)的研究中，常常

通過(guò)設(shè)計(jì)實(shí)驗(yàn)的手段來(lái)構(gòu)建加工過(guò)程物理模型，通過(guò)設(shè)計(jì)實(shí)驗(yàn)可

以在較短的時(shí)間內(nèi)獲得較為全面的特征數(shù)據(jù)以加快建模的進(jìn)程。

但設(shè)計(jì)實(shí)驗(yàn)也融入了人為的主觀因素與局限性，因此必然無(wú)法涵

蓋所有的加工工況。與設(shè)計(jì)實(shí)驗(yàn)不同的是，日常加工任務(wù)的加工

過(guò)程數(shù)據(jù)實(shí)際上涵蓋了大量的工藝信息，這部分信息中擁有設(shè)計(jì)

實(shí)驗(yàn)所無(wú)法涵蓋的特征數(shù)據(jù)，是非常具有價(jià)值的工藝信息。加工

過(guò)程數(shù)據(jù)具有數(shù)據(jù)量大、與工藝系統(tǒng)工藝特性強(qiáng)相關(guān)以及加工場(chǎng)

景日常等特點(diǎn)。

本案例以特定的工藝系統(tǒng)為研究對(duì)象，以工藝參數(shù)提取、基

于指令域分析的數(shù)據(jù)融合策略、優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型以及多目

標(biāo)優(yōu)化算法，實(shí)現(xiàn)了在特定工藝系統(tǒng)中的加工過(guò)程建模及銑削粗

加工進(jìn)給速度優(yōu)化。在滿(mǎn)足生產(chǎn)需求的前提下，選擇合理的加工

參數(shù)，充分發(fā)揮機(jī)床的性能，對(duì)于生產(chǎn)效率提升、改善刀具壽命

和降低工藝人員工作強(qiáng)度和產(chǎn)品的成本，提升企業(yè)競(jìng)爭(zhēng)力有重要

意義。

（二）解決方案

1、業(yè)務(wù)理解

在進(jìn)行數(shù)控加工編程時(shí)，加工工藝參數(shù)（如切深，切寬，主

軸轉(zhuǎn)速，進(jìn)給速度等）的確定至關(guān)重要，它們影響著零件的加工

質(zhì)量、效率、機(jī)床和刀具等制造資源的壽命等。當(dāng)工藝參數(shù)選擇

過(guò)于保守，機(jī)床和刀具等制造資源的效能會(huì)產(chǎn)生嚴(yán)重浪費(fèi)，影響

加工效率和經(jīng)濟(jì)性；相反，過(guò)于激進(jìn)的工藝參數(shù)會(huì)使加工中產(chǎn)生

—17—

諸如機(jī)床顫振、刀具磨損、加工質(zhì)量低下等異常情況，嚴(yán)重時(shí)甚

至?xí)?lái)制造資源的損壞，產(chǎn)生重大生產(chǎn)事故和經(jīng)濟(jì)損失。

由于在傳統(tǒng)的銑削加工過(guò)程中，不同的指令行所對(duì)應(yīng)的材料

去除率是不同的，如下圖所示，在優(yōu)化前，指令行1、2、3對(duì)應(yīng)

于切削厚度為h1、h2、h3，其中h3<h1<h2，但是往往采用了相

同的進(jìn)給速度F，這導(dǎo)致主軸功率波動(dòng)較大，且在切削厚度較小

的指令行的切削效率未得到充分的挖掘，為了降低主軸功率波

動(dòng)，提升切削的效率，可以通過(guò)將材料去除率較小的指令行的速

度提升，如指令行1和指令行3，而將材料去除率較大的指令行

的速度降低，如指令行2，最終在得到穩(wěn)定的主軸功率的同時(shí)，

提升加工效率。

優(yōu)化前優(yōu)化后

FF

（恒定）（優(yōu)化）

進(jìn)給速度123

h3指令行號(hào)h3

h2h2

h1優(yōu)h1

化

進(jìn)給速度123

指令行號(hào)

主軸功率

主軸功率123123

指令行號(hào)指令行號(hào)

圖8進(jìn)給速度優(yōu)化原理

在上述原理的基礎(chǔ)上，本案例提供兩種解決方案。

（1）方案一：基于指令域“心電圖”的加工工藝參數(shù)優(yōu)化

此種優(yōu)化方案，需要對(duì)零件進(jìn)行試切加工，并采集加工過(guò)程

中的切削負(fù)載數(shù)據(jù)，基于采集的實(shí)際負(fù)載數(shù)據(jù)對(duì)加工工藝參數(shù)進(jìn)

—18—

行優(yōu)化。需要多次實(shí)際加工進(jìn)行迭代優(yōu)化，以得到最終優(yōu)化后的

工藝參數(shù)。

（2）方案二：基于加工過(guò)程主軸功率模型的加工工藝參數(shù)

優(yōu)化

此種優(yōu)化方案，在優(yōu)化前需要建立切削加工工藝參數(shù)與切削

負(fù)載之間的映射關(guān)系（即模型）?；诮⒌哪Ｐ?，當(dāng)有新的零

件需要加工時(shí)，無(wú)需試切加工，即可利用模型對(duì)加工過(guò)程的切削

負(fù)載進(jìn)行預(yù)測(cè)，基于預(yù)測(cè)的切削負(fù)載數(shù)據(jù)對(duì)加工工藝參數(shù)進(jìn)行優(yōu)

化。此方案是基于模型預(yù)測(cè)結(jié)果離線(xiàn)迭代的切削工藝參數(shù)優(yōu)化。

兩種方案有著相同的優(yōu)化目標(biāo)：在優(yōu)化加工效率的同時(shí)、降

低切削功率波動(dòng)。

兩種方案各有優(yōu)點(diǎn)：方案1不需要事先建立模型，方法比較

簡(jiǎn)單，但是優(yōu)化前需進(jìn)行試切加工，主要適用于大批量工件的工

藝參數(shù)優(yōu)化；方案2需要通過(guò)試驗(yàn)建立模型，方案比較復(fù)雜，但

是優(yōu)化時(shí)卻不需要試切加工，主要適用于單件或者小批量產(chǎn)品的

加工優(yōu)化。

2、數(shù)據(jù)理解

G代碼是數(shù)控加工過(guò)程的關(guān)鍵，它涵蓋了加工過(guò)程的主要信

息并指導(dǎo)實(shí)際加工。傳統(tǒng)的數(shù)據(jù)分析方法大體可分為時(shí)域分析與

頻域分析兩種手段，而在數(shù)控加工領(lǐng)域，僅僅依靠上述兩種手段

無(wú)法實(shí)現(xiàn)對(duì)數(shù)據(jù)的有效利用與分析。基于此，本案例應(yīng)用基于指

令域的大數(shù)據(jù)分析方法，該方法以加工過(guò)程數(shù)據(jù)與G代碼指令

數(shù)據(jù)之間的對(duì)應(yīng)關(guān)系為基礎(chǔ)，將指令行作為數(shù)據(jù)分析及統(tǒng)計(jì)的基

—19—

本單位，從按時(shí)間分析、按頻域分析轉(zhuǎn)變?yōu)榘粗噶钚蟹治觯M(jìn)而

使得對(duì)數(shù)控加工過(guò)程數(shù)據(jù)的分析更加科學(xué)、準(zhǔn)確與全面，對(duì)分析

結(jié)果的應(yīng)用更加有效。

所謂指令域大數(shù)據(jù)，是指將數(shù)控加工過(guò)程通過(guò)制造資源、工

作任務(wù)和操作狀態(tài)進(jìn)行關(guān)聯(lián)描述。

1）制造資源。數(shù)控機(jī)床的制造資源（簡(jiǎn)稱(chēng)“MR”）是指執(zhí)

行加工任務(wù)所需的物理系統(tǒng)部件（包括主軸、絲杠、導(dǎo)軌、軸承、

電機(jī)、刀具等工藝系統(tǒng)數(shù)據(jù)）以及加工過(guò)程中的環(huán)境因素（如溫

度、振動(dòng)等），主要是數(shù)控機(jī)床的屬性數(shù)據(jù)、參數(shù)數(shù)據(jù)等。

2）加工任務(wù)。數(shù)控機(jī)床的加工任務(wù)（簡(jiǎn)稱(chēng)“WT”）是指數(shù)

控機(jī)床在給定的制造資源條件下完成特定的工作任務(wù)，即數(shù)控機(jī)

床的任務(wù)數(shù)據(jù)。

3）運(yùn)行狀態(tài)。數(shù)控機(jī)床的運(yùn)行狀態(tài)（簡(jiǎn)稱(chēng)“Y”）是指在工

作過(guò)程中產(chǎn)生的工作質(zhì)量和效率等可以表達(dá)的特征參數(shù)，包括主

軸功率、扭矩、振動(dòng)、進(jìn)給軸輪廓誤差等電控?cái)?shù)據(jù)，即數(shù)控機(jī)床

的邏輯數(shù)據(jù)和狀態(tài)數(shù)據(jù)。

通過(guò)式（1）建立制造資源數(shù)據(jù)、工作任務(wù)數(shù)據(jù)與運(yùn)行狀態(tài)

數(shù)據(jù)的映射關(guān)系Y=f(WT，MR)，輸入為制造資源MR和工作任

務(wù)WT，輸出為對(duì)應(yīng)的操作狀態(tài)數(shù)據(jù)Y。需要指出的是，式（1）

的表現(xiàn)形式為一組大數(shù)據(jù)。

Yf(WT,MR)（1）

數(shù)控機(jī)床的加工任務(wù)通過(guò)加工零件的G代碼程序進(jìn)行定量

描述。在已定的制造資源條件下，G代碼程序及其所包含的加工

—20—

指令共同描述工作任務(wù)數(shù)據(jù)，如被加工零件的形狀特征、尺寸、

加工模式等。G代碼通過(guò)指令行號(hào)定義指令執(zhí)行順序，構(gòu)成加工

系統(tǒng)的運(yùn)動(dòng)軌跡和加工模式。綜上所述，G代碼可以解釋為以插

補(bǔ)周期為間隔、由指令行號(hào)定義執(zhí)行順序的時(shí)序數(shù)據(jù)，顯式或隱

式地描述指定時(shí)刻（或指令行號(hào)）的加工參數(shù)，如刀具、夾具、

主軸轉(zhuǎn)速和進(jìn)給速度等，以及當(dāng)前時(shí)刻的振動(dòng)、溫度、電流、功

率等運(yùn)行狀態(tài)數(shù)據(jù)。因此，G代碼指令行號(hào)可以作為連接制造資

源、工作任務(wù)與狀態(tài)數(shù)據(jù)的“索引”，構(gòu)建數(shù)控機(jī)床的指令域大數(shù)

據(jù)，數(shù)據(jù)結(jié)構(gòu)可通過(guò)下圖表達(dá)。

Mm0m1mN

1111

Dd0d1dN

2222

Dd0d1dN

圖9指令域大數(shù)據(jù)結(jié)構(gòu)

m(MR,WT)t(0,,N)

其中，ttt；

MR為制造資源，包括刀具、夾具等；

WT為加工任務(wù)，主要以G代碼形式表現(xiàn)；

dt(0,N)

t，為狀態(tài)信號(hào)，包括位置環(huán)、速度環(huán)、電流環(huán)及

外部感知數(shù)據(jù)。狀態(tài)信號(hào)數(shù)據(jù)根據(jù)G代碼指令行號(hào)被有序“分

組”，從而實(shí)現(xiàn)制造資源、加工任務(wù)與運(yùn)行狀態(tài)數(shù)據(jù)的映射，成

為“加工換軌”這一重要加工事件的標(biāo)識(shí)。指令域大數(shù)據(jù)從表面

來(lái)看只是強(qiáng)調(diào)自身是基于G代碼行號(hào)的關(guān)聯(lián)數(shù)據(jù)，但實(shí)際上隱

—21—

含有時(shí)間屬性。

前面已經(jīng)提到本案例所提出的兩種解決方案均是建立指令

域大數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)進(jìn)給速度優(yōu)化目標(biāo)。

方案一基于指令域“心電圖”的工藝參數(shù)優(yōu)化，需在首次加

工過(guò)程中實(shí)時(shí)的采集加工過(guò)程中的程序行號(hào)、負(fù)載數(shù)據(jù)（主軸功

率或主軸電流），X軸、Y軸、Z軸指令位置和指令速度，以此

建立指令域“心電圖”以及進(jìn)給速度優(yōu)化模型。

方案二選用可從數(shù)控系統(tǒng)內(nèi)部直接獲得的且能夠表征加工

過(guò)程物理狀態(tài)的主軸功率代替銑削力，并以日常加工任務(wù)數(shù)據(jù)生

成樣本數(shù)據(jù)，進(jìn)而應(yīng)用神經(jīng)網(wǎng)絡(luò)建立主軸功率預(yù)測(cè)模型。該方案

以進(jìn)給速度、主軸轉(zhuǎn)速、切寬及切深建立針對(duì)特定工藝系統(tǒng)（固

定的機(jī)床、刀具及毛坯材料）的加工過(guò)程主軸功率模型并將特定

工藝系統(tǒng)的工藝特性擬合在模型當(dāng)中。

3、數(shù)據(jù)準(zhǔn)備

方案一中使用配備有華中8型數(shù)控系統(tǒng)的臺(tái)群機(jī)床T-500，

如圖10-a所示，加工零件為手機(jī)外殼，并采用多把刀具進(jìn)行加

工。

方案二中使用華中數(shù)控公司測(cè)試車(chē)間的Z540-B鉆攻中心

（配備有華中8型數(shù)控系統(tǒng)，如圖10-b所示）作為實(shí)驗(yàn)機(jī)床，

使用直徑8mm的三刃立銑刀作為加工刀具，毛坯材料為7075航

空硬鋁。

兩種方案中使用華中數(shù)控?cái)?shù)據(jù)采集軟件SSTT采集，實(shí)驗(yàn)測(cè)

量了不同工藝參數(shù)組合下的主軸功率并對(duì)行號(hào)以及各軸的實(shí)際

—22—

速度，通過(guò)SSTT數(shù)據(jù)采集軟件與數(shù)控系統(tǒng)通訊，利用數(shù)控系統(tǒng)

的開(kāi)放接進(jìn)行了采集，采樣頻率為1kHZ。如圖11所示為SSTT

數(shù)據(jù)采集軟件的采樣界面。

（a）T-500（b）Z-540B

圖10實(shí)驗(yàn)機(jī)床

圖11SSTT數(shù)據(jù)采集軟件采樣界面

在實(shí)驗(yàn)過(guò)程中，機(jī)床加工過(guò)程的運(yùn)行數(shù)據(jù)根據(jù)下圖所示的方

式進(jìn)行采集，數(shù)控裝置的總線(xiàn)及寄存器，會(huì)在每個(gè)控制周期更新

—23—

數(shù)控裝置下發(fā)給伺服控制器的指令數(shù)據(jù)，以及光柵尺、編碼器等

反饋的實(shí)際數(shù)據(jù)。將PC電腦與數(shù)控裝置通過(guò)網(wǎng)線(xiàn)連接，通過(guò)與

數(shù)控系統(tǒng)適配的數(shù)據(jù)采集軟件SSTT，即可采集得到數(shù)控機(jī)床的

實(shí)時(shí)運(yùn)行數(shù)據(jù)。

圖12數(shù)據(jù)采集演示

通過(guò)數(shù)據(jù)采集軟件SSTT，設(shè)置所需采集的數(shù)據(jù)類(lèi)型，即可

實(shí)時(shí)采集機(jī)床進(jìn)給系統(tǒng)的運(yùn)行數(shù)據(jù)，數(shù)據(jù)采集周期為1ms。其與

數(shù)控系統(tǒng)通信并實(shí)時(shí)地采集包括指令行號(hào)、各軸指令位置、各軸

實(shí)際位置、各軸指令速度、各軸實(shí)際速度、各軸加速度以及各軸

功率或電流在內(nèi)的各類(lèi)加工數(shù)據(jù)。

對(duì)于指令位置數(shù)據(jù)，在采集時(shí)需要記錄工件坐標(biāo)系在機(jī)床坐

標(biāo)系下的坐標(biāo)值，以便將采集得到的機(jī)床坐標(biāo)系下的指令位置數(shù)

據(jù)轉(zhuǎn)化為在工件坐標(biāo)系下的指令位置坐標(biāo)值。

（1）數(shù)據(jù)的預(yù)處理

機(jī)床工藝系統(tǒng)的運(yùn)行數(shù)據(jù)記錄了加工過(guò)程中的特征信息，反

—24—

映了系統(tǒng)的輸入與輸出之間的對(duì)應(yīng)映射關(guān)系。但是，機(jī)床工藝系

統(tǒng)的運(yùn)行數(shù)據(jù)種類(lèi)繁多，成分復(fù)雜，包含許多無(wú)用的數(shù)據(jù)及干擾，

且數(shù)據(jù)之間的量綱往往不同，我們所關(guān)心的特征可能會(huì)由于幅值

較小，在原始數(shù)據(jù)中僅占很小的部分，直接對(duì)原始數(shù)據(jù)進(jìn)行分析，

不容易找到數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。因此，在建立模型之前，需要

對(duì)運(yùn)行數(shù)據(jù)進(jìn)行分析處理，找出數(shù)據(jù)之間的因果關(guān)系，以及數(shù)據(jù)

的不同特征對(duì)實(shí)際響應(yīng)的影響效果，盡量分離出原始數(shù)據(jù)中對(duì)建

模無(wú)用的數(shù)據(jù)，有效避免各種干擾，放大特征，便于后續(xù)的建模

過(guò)程。

本案例中，方案一采用的數(shù)據(jù)預(yù)處理方法主要如下：

①工藝參數(shù)提取。從G代碼信息中，直接提取出主軸轉(zhuǎn)速、

進(jìn)給速度等工藝信息。

②數(shù)據(jù)濾波。通過(guò)SSTT軟件采集到指令數(shù)據(jù)中，主軸功率、

實(shí)際速度等含有高頻噪聲成分，或有其它噪聲干擾，需去除噪聲，

提升數(shù)據(jù)有效性。

③指令域分析。將每一行的工藝參數(shù)與實(shí)際的響應(yīng)數(shù)據(jù)在指

令域上進(jìn)行一一映射，可用于分析實(shí)際加工狀態(tài)。

本案例中方案二采用的數(shù)據(jù)預(yù)處理方法及流程主要如下：

①工藝參數(shù)提取。以毛坯幾何信息或STL模型作為毛坯Z-

map離散建模的輸入，對(duì)G代碼中的工藝信息進(jìn)行讀取并進(jìn)行

刀位點(diǎn)的離散?；陔x散的刀位點(diǎn)生成刀具掃掠體對(duì)材料去除量

切寬、切深進(jìn)行提取并將工藝信息在指令域表示。

②數(shù)據(jù)的無(wú)量綱化。對(duì)數(shù)據(jù)進(jìn)行歸一化操作，轉(zhuǎn)化成為“純

—25—

量”數(shù)據(jù)，各指標(biāo)數(shù)據(jù)處于同一數(shù)量級(jí)，便于不同單位或量級(jí)的

指標(biāo)進(jìn)行比較和加權(quán)，加快模型訓(xùn)練過(guò)程中梯度下降速度，改善

模型的收斂性。

③數(shù)據(jù)的濾波。采集得到的數(shù)據(jù)，如實(shí)際速度、實(shí)際位置、

跟隨誤差等均存在著大量高頻的波動(dòng)值，其波動(dòng)幅度小，頻率高，

規(guī)律性小。因此需要對(duì)數(shù)據(jù)進(jìn)行濾波，去除掉高頻波動(dòng)干擾，再

用于模型的訓(xùn)練。

④數(shù)據(jù)對(duì)齊與融合。工藝參數(shù)的提取按照距離進(jìn)行分隔，

SSTT的數(shù)據(jù)采集頻率為1kHZ，需要將二者在刀位點(diǎn)上細(xì)致對(duì)

齊，才能準(zhǔn)確反應(yīng)每一刀位點(diǎn)對(duì)應(yīng)工藝參數(shù)與響應(yīng)數(shù)據(jù)，保證生

成樣本的有效性。

（2）輸入輸出的確定

本案例中方案一通過(guò)主軸電流的變化可以反映進(jìn)給速度的

變化，而且主軸電流的變化還能夠反應(yīng)機(jī)床的負(fù)載狀態(tài)，因此選

用主軸轉(zhuǎn)速、進(jìn)給速度、主軸電流材料去除率作為模型輸入，以

進(jìn)給速度作為模型輸出。

本案例中方案二以主軸功率來(lái)表征切削力并進(jìn)一步地反映

實(shí)際加工狀態(tài)。實(shí)際影響切削力的因素包括有切削液、毛坯材料

硬度、刀具材料類(lèi)型、刀具直徑、順逆銑、切寬、切深、刀具磨

損情況、刀具前傾角、后傾角、刀具刃數(shù)以及機(jī)床及主軸的特性

等。考慮到工藝響應(yīng)與工藝系統(tǒng)工藝特性相關(guān)，因此本案例基于

特定的工藝系統(tǒng)建立主軸功率預(yù)測(cè)模型，將特定工藝系統(tǒng)（刀具、

毛坯材料及機(jī)床）的工藝特性擬合至模型當(dāng)中。選取進(jìn)給速度、

—26—

主軸轉(zhuǎn)速、切寬以及切深作為模型輸入，以主軸功率值（經(jīng)均值

濾波）作為模型輸出。

4、數(shù)據(jù)建模

與方案一對(duì)應(yīng)的是基于指令域“心電圖”的加工工藝參數(shù)優(yōu)

化，與方案二對(duì)應(yīng)的是基于加工過(guò)程主軸功率模型的加工工藝參

數(shù)優(yōu)化。

（1）基于指令域“心電圖”的加工工藝參數(shù)優(yōu)化

在進(jìn)行工藝參數(shù)優(yōu)化時(shí)，單次切削時(shí)間、零件表面質(zhì)量和刀

具壽命是首先要考慮的幾個(gè)方面。減少單次切削時(shí)間無(wú)疑會(huì)帶來(lái)

經(jīng)濟(jì)效益，但是在減少單次切削時(shí)間的同時(shí)會(huì)導(dǎo)致零件表面質(zhì)量

和刀具壽命在一定程度上都受到損害。因此，此方案中工藝優(yōu)化

主要有三個(gè)目標(biāo)分量分別是單次切削時(shí)間、零件表面質(zhì)量和刀具

壽命。

方案一主要的研究對(duì)象是粗加工，在粗加工中主要關(guān)注的是

加工的效率問(wèn)題，而對(duì)零件的表面質(zhì)量并沒(méi)有太大要求。所以在

優(yōu)化時(shí)，目標(biāo)函數(shù)首先是單次切削時(shí)間，要通過(guò)優(yōu)化加工參數(shù)減

少單次切削時(shí)間。其次是刀具壽命，通過(guò)對(duì)工藝參數(shù)的尋優(yōu)使得

加工過(guò)程中刀具的負(fù)載趨于均衡，有利于保護(hù)刀具壽命。

在以提升效率為目標(biāo)的粗銑加工工藝參數(shù)優(yōu)化過(guò)程中，刀具

壽命是最可能受到不利影響的因素。在本方案中，以主軸負(fù)載電

流的變化來(lái)反映進(jìn)給速度、材料去除率的變化。優(yōu)化的限制條件

也應(yīng)該反映到主軸負(fù)載電流上。具體來(lái)說(shuō)，將原始G代碼加工時(shí)

產(chǎn)生最大電流時(shí)的切削參數(shù)作為最大限制條件，即機(jī)床性能得到

—27—

充分發(fā)揮是能產(chǎn)生的電流最大值，優(yōu)化后的最大電流應(yīng)小于原始

G代碼加工產(chǎn)生的最大電流。在這約束條件下，材料去除率是在

機(jī)床和刀具所能承受的最大范圍內(nèi)。原始G代碼加工時(shí)產(chǎn)生的

最小電流也應(yīng)該作為優(yōu)化的限制條件之一。優(yōu)化后G代碼加工

產(chǎn)生的電流應(yīng)大于原始G代碼產(chǎn)生的最小電流，因?yàn)槿魞?yōu)化后

主軸電流變小則意味著進(jìn)給速度或是材料去除率變小，這樣就不

能達(dá)到提高加工效率的目的。另外在優(yōu)化進(jìn)給速度的時(shí)候要注意

到進(jìn)給速度的變化過(guò)大會(huì)造成機(jī)床的振動(dòng)、表面質(zhì)量不佳等情況。

優(yōu)化約束條件：

1）優(yōu)化后的主軸電流最大值應(yīng)小于原始G代碼的主軸電流

最大值；

2）優(yōu)化后的主軸電流最小值應(yīng)大于原始G代碼的主軸電流

最小值；

3）進(jìn)給速度平滑過(guò)渡；

4）優(yōu)化后的G代碼在加工后的零件滿(mǎn)足表面質(zhì)量要求。

（2）基于加工過(guò)程主軸功率模型的加工工藝參數(shù)優(yōu)化

人工神經(jīng)網(wǎng)絡(luò)是模仿動(dòng)物神經(jīng)中樞而建立的函數(shù)擬合模型，

其具備良好的非線(xiàn)性擬合能力。人工神經(jīng)網(wǎng)絡(luò)是由多個(gè)人工神經(jīng)

元聯(lián)結(jié)而成，單個(gè)神經(jīng)元一般以x1~xn為輸入向量，w1~wn為輸入

向量各分量所對(duì)應(yīng)的權(quán)值，b為偏置，f為激活函數(shù)，為閾值，

n

t為輸出，則tfwiixb。經(jīng)典的神經(jīng)網(wǎng)絡(luò)一般由多層神

i1

經(jīng)元所構(gòu)成，每一層神經(jīng)元都具備輸入及輸出。常見(jiàn)的多層前饋

—28—

神經(jīng)網(wǎng)絡(luò)一般包含輸入層、輸出層以及隱藏層，此種網(wǎng)絡(luò)亦被稱(chēng)

為多層感知機(jī)。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是通過(guò)訓(xùn)練集數(shù)據(jù)對(duì)各層權(quán)重及

神經(jīng)元的閾值進(jìn)行反復(fù)校正，直至網(wǎng)絡(luò)輸出的目標(biāo)值與實(shí)際目標(biāo)

值的相符程度達(dá)到一定的精度范圍，進(jìn)而完成訓(xùn)練。

前文對(duì)機(jī)床的加工過(guò)程數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)指令數(shù)據(jù)與工藝

信息數(shù)據(jù)之間進(jìn)行對(duì)齊融合、特征的提取與分析，確定了預(yù)測(cè)模

型的輸入、輸出。

反向傳播算法是一種常見(jiàn)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，它以網(wǎng)絡(luò)的

計(jì)算誤差為依據(jù)逐層更新權(quán)重向量，反復(fù)執(zhí)行正向傳播與反向傳

播兩個(gè)過(guò)程直至計(jì)算誤差達(dá)到允許范圍內(nèi)而完成學(xué)習(xí)。本案例即

采用基于反向傳播算法的BP神經(jīng)網(wǎng)絡(luò)來(lái)建立三軸銑削粗加工主

軸功率預(yù)測(cè)模型。本模型的結(jié)構(gòu)如下圖所示。

進(jìn)給速度Fz

主軸轉(zhuǎn)速S

SP主軸功率

Ae

切寬

切深A(yù)p

輸入層隱藏層1隱藏層2輸出層

圖13神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

在訓(xùn)練模型的過(guò)程中進(jìn)行實(shí)際測(cè)試，如圖13所示，根據(jù)訓(xùn)

練預(yù)測(cè)效果最終選用網(wǎng)絡(luò)結(jié)構(gòu)為輸入層—隱藏層—隱藏層—輸

—29—

出層，對(duì)應(yīng)節(jié)點(diǎn)數(shù)為4-10-10-1的神經(jīng)網(wǎng)絡(luò)模型作為最終的訓(xùn)練

模型。

5、模型驗(yàn)證

（1）基于指令域“心電圖”的加工工藝參數(shù)優(yōu)化

案例一中所加工的零件為東莞勁勝精密組件股份有限公司

代加工的某品牌手機(jī)模的二夾，工藝階段主要為粗加工。加工的

零件如下圖所示。加工所用的G代碼包括1個(gè)主程序和15個(gè)子

程序，一共使用了12把刀，刀具半徑從1mm到10mm不等。主

軸轉(zhuǎn)速的變化范圍為10000r/min到18000r/min，進(jìn)給速度范圍為

300mm/min到6000mm/min，具體信息如下表所述。在確定加工

零件、制造資源和G代碼后進(jìn)行實(shí)驗(yàn)并采集電流數(shù)據(jù)，采樣周期

為1kHz。

圖14手機(jī)模二夾零件圖

—30—

表4實(shí)驗(yàn)條件

以程序行號(hào)為橫坐標(biāo)，指令域的主軸電流均值為縱坐標(biāo)繪制

主軸電流。其中紅色為原始G代碼加工時(shí)的電流，藍(lán)色為優(yōu)化后

G代碼加工時(shí)的電流。從優(yōu)化前后主軸電流對(duì)比圖中可以直觀的

看出優(yōu)化后電流波動(dòng)小于優(yōu)化前電流波動(dòng)，加工的主軸電流趨于

均衡。并且在優(yōu)化后電流有整體的提升。優(yōu)化前單次切削時(shí)間為

7分49秒，優(yōu)化后時(shí)間為7分4秒，效率提升9.59%。

—31—

圖15優(yōu)化前后主軸電流對(duì)比

（2）基于加工過(guò)程主軸功率模型的加工工藝參數(shù)優(yōu)化

為驗(yàn)證上述所構(gòu)建的模型預(yù)測(cè)的精度，設(shè)計(jì)了變切寬銑削實(shí)

驗(yàn)、變切深銑削實(shí)驗(yàn)，生成測(cè)試集，并在多次加工過(guò)程中采用不

同進(jìn)給速度下進(jìn)行實(shí)驗(yàn)。兩種類(lèi)型的驗(yàn)證實(shí)驗(yàn)加工軌跡如下圖所

示。

—32—

10

Y

X

10

8

主軸轉(zhuǎn)速（進(jìn)給速度

加工次數(shù)切深mm切寬mm

r/min）(mm/min)

14000

25000

36000

、、

47000200400

600800、1000

580000.4、0.8、1.2、1.6

、1200、14000~8連續(xù)變化

69000、2.0

、1600、1800

710000、2000

811000

912000

1013000

圖16變切寬實(shí)驗(yàn)

3

加工次數(shù)主軸轉(zhuǎn)速r/min進(jìn)給速度mm/min切寬mm切深mm

14000300、500、700、

25000900、1100、1300

1、2、3、4、50~3連續(xù)變化

36000、1500、1700、

470001900、2100

—33—

58000

69000

710000

811000

912000

1013000

圖17變切深實(shí)驗(yàn)

將測(cè)試集輸入至主軸功率預(yù)測(cè)模型，其預(yù)測(cè)結(jié)果見(jiàn)下圖，分

別對(duì)誤差及預(yù)測(cè)結(jié)果進(jìn)行放大。從誤差圖中可以看到誤差值主要

在5%附近波動(dòng)，個(gè)別樣本點(diǎn)的預(yù)測(cè)誤差最低可達(dá)2%，最高會(huì)達(dá)

到15%，但模型整體的預(yù)測(cè)誤差為4.91%。

圖18主軸功率預(yù)測(cè)模型預(yù)測(cè)結(jié)果

—34—

圖19預(yù)測(cè)結(jié)果與誤差放大（第20000至40000樣本點(diǎn)）

圖20預(yù)測(cè)結(jié)果與誤差放大（第140000至160000樣本點(diǎn)）

（三）實(shí)施效果

1、基于指令域“心電圖”的加工工藝參數(shù)優(yōu)化

前面已經(jīng)提到本案例所提出的方案一：基于指令域“心電圖”

的粗銑加工工藝優(yōu)化是建立在試切（首件加工的程序行號(hào)，主軸

—35—

功率，指令位置，指令速度）基礎(chǔ)上的進(jìn)給速度優(yōu)化方法，因此

不同于傳統(tǒng)的工藝優(yōu)化方法在加工過(guò)程中實(shí)時(shí)的采集加工過(guò)程

中的負(fù)載數(shù)據(jù)，并實(shí)時(shí)調(diào)整進(jìn)給率。本案例提出的方法基于華中

數(shù)控的雙碼聯(lián)控技術(shù)，通過(guò)離線(xiàn)生成加工優(yōu)化代碼（第二加工代

碼，i代碼），并于G代碼共同控制機(jī)床運(yùn)動(dòng)，實(shí)現(xiàn)加工過(guò)程的

自適應(yīng)優(yōu)化，其過(guò)程如下圖所示。

實(shí)際加工過(guò)程中，通過(guò)i代碼修正原始G代碼程序中指定行

程序段的進(jìn)給速度，即F值。能夠有效平衡粗加工過(guò)程中切削負(fù)

載，降低主軸電流的波動(dòng)，在機(jī)床切削能力范圍內(nèi)合理地提高零

件的加工效率。

數(shù)控系統(tǒng)電控大數(shù)據(jù)

電時(shí)域

N01...F...流

N02...譯碼

N03...

...

時(shí)間

G代碼

指令域大數(shù)據(jù)分析

電指令域B

流

A

時(shí)間