数控机床设备分布式健康监测与智能维护系统MTAgent-v1.1融合了目前各种先进的信号处理以及信息分析算法以算法工具箱的方式，采用了一种开发的、模块化的结构实现信号各种分析处理，采用Python编程语言，满足不同平台需求(包括Windows、Linux)。在v1.0版本基础上，MTAgent-v1.1对大型生产线的各种数控机床运作过程的振动情况实施监控与故障诊断系统，新增的功能包括：机床关键部件的振动、位移、温度、声音等多传感信号融合分析与建模，变工况（变速、变温）自适应学习建模、多时间周期与多健康指标联合提供等，实现缺陷早期预示，健康趋势评估与预测，及时发现异常，并对其进行故障诊断、健康预诊与维修。

数控机床设备分布式健康监测与智能维护系统MTAgent-v1.1主要融合了目前各种先进的信号处理算法，人工智能算法、振动机理、以及多传感信号融合算法，采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现型机床故障诊断与健康预测。MTAgent主要包括：实时可视化监测模块、振动异常检测模块、趋势监测模块、信号分析模块、故障诊断模块、健康量化评估模块、剩余寿命预测模块、变工自学习模块、系统设置管理模块、维护报警管理模块、报表管理模块、数据存储管理模块等多个功能模块。预计在v1.2版本，将提供数控机床智能维护系统的关键部件基于数字孪生的智能维护功能19946089034。

（1）多传感信号采集与处理

在数控机床关键部件，如电主轴、轴承、丝杠、导轨、轴承等布置加速度传感器，转速、声音、温度等传感器，实时采集数控机床运行时的不同部件的多传感信号(可按需要布置相关传感器)。通过数据库管理与系统后台的自动运行脚本，实现数据实时数据的计算、分类与向数据库中定时保存，提供了对采集数据的计算、归并及根据存储功能。通过以上技术手段，保证系统数据的稳定读取、计算与保存。同时在不同的系统展示界面，对需要进行进一步分析的数据按照不同算法完成各类数值计算，实现各种分析需要的特征量提取。

数控机床多传感器安装

2．系统功能

本系统聚焦于大数据驱动与人工智能赋能的数控机床关键部件在线监控与故障诊断系统研制，将信号分析、信号处理、深度学习、自适应学习、统计学习等最新信号处理与人工智能理论与方法系统地引入到数控机床关键部件在线监控与故障诊断系统，在信号层和特征层对设备状态进行信号处理、融合、建模、监测、诊断及预测。

（1）分布式机床维护系统主驾驶舱

建立分布式机床的管理模型，实现工厂、机床、部件、测点四级设备树动态管理，建立主驾驶舱操作系统。

（2）机床健康监测与智能智能系统主体功能

针对丝杠、电主轴等关键部件，建立了变工况（变速、变温、变载荷）、多传感信息融合（振动、转速、位移、声音、温度等）的信号层与数据层的健康监测与智能维护系统，提供多时间周期多尺度的健康指标，评估机床部件的健康程度。

（3）多点矫正自适应学习模型

针对机床都运行在变工况（变速、变温、变载荷）条件下，研制了特有的变工况在线动态数据处理模型，显著减少系统的误报警，提高报警的正确性。

（4）深度变速模型自适应学习

研制了变转速信号与振动传感信号（如振动信号）联合学习的深度学习模型，实现对变转速的振动信号自适应学习，进而提供机床部件健康的量化评估指标。

（5）变温自适应学习模型

针对机床变温下对加工精度以及部件健康的显著影响，研制了变温信号与振动传感信号（如振动信号）联合学习的深度学习模型，实现对变温信号与振动信号融合自适应学习，进而提供机床部件健康的量化评估指标。

（6）健康评估模型

研制了基于超球模型、SOM、逻辑回归、各类深度学习模型的机床健康量化评估模型，适合只有健康数据，或者具备故障数据的各种健康状态建模场景。

（7）多传感融合与多指标的健康监测

研制了多传感信号融合（振动、温度、声音等），以及多指标自定义融合模型，开展可靠的机床部件健康在线量化评估，有效监测机床健康在线变化。

（8）预警事件监测与溯源模块

通过系统自动监测计算，形成预警事件监测与溯源模块，在线上报异常预警，并可溯源到该异常的时间点对应的数据、健康指标变化、信号诊断等功能，开展溯源分析。

（9）模型训练管理模块

实现对各个模型的训练、研制与测试流程：

附：数控机床设备分布式健康监测与智能维护系统MTAgent-v1.0

MTAgent-v1.0主要包括：实时可视化监测模块、振动异常检测模块、趋势监测模块、信号分析模块、故障诊断模块、健康量化评估模块、剩余寿命预测模块、系统设置管理模块、维护报警管理模块、报表管理模块、数据存储管理模块等多个功能模块。

（1）系统首页

系统首页为如图所示。主界面分为四块：左上部分位系统菜单导航区，供用户在不同的页面上切换；左中间部分为机床的工艺参数显示；左下部分为当前设备信号与工艺参数展示区；右侧为六个机床的24个测点实时监测可视化区域，可以直观判断当前不同机床测点的工作状态。

系统首页

主界面提供直观的可视化监测，机床设备工况复杂多变，直接监测记录费时费力，可以通过系统主界面用户能够直观的看到所要查看的设备相关部件健康状况。

系统数据采集与预处理流程描述如下，在每台数控机床布置四个加速度传感器（可按需布置产期），实时采集数控机床运行时的不同部件的振动信号。通过数据库管理与系统后台的自动运行脚本实现数据的读取、计算、分类与存储。

（2）设备健康监控与阈值设置

该界面为设备状态总览界面，可以直观看到每台机床的四个测点的雷达图，并实时显示每台的机床不同传感的当前状态。传统的分析手段速度较慢、无针对性的指标，该模块包括设备实时振动信号过程的分析，在信息设置栏中分别选择好设备、测点以后直接显示实时信号的特征指标图。所用的监测指标为加速度振动量、速度振动量、共振与支撑刚性，设置了预警线与故障线，当前指标超过预警线时，显示为黄色，当前指标超过故障线时，显示为红色。点击‘选择所要查看机床’可选择1号至6号机床，点击‘选择所要查看传感’可选择1号至4号传感。

（3）信号高中低频域分析

此界面为高中低频滤波分析界面，通过低通、带通、高通滤波对原始信号进行滤波，详细展示原始振动信号在不同频段所包含的有关设备运行的频域信息。

（4）信号分解分析

此界面为分解算法分析界面，辊面振动纹早期振动微弱，故障脉冲与特征难以发现，通过该功能模块依据实际采集的传感信号，通过变分模态分解算法进行噪声抑制与特征提取，抑制无关脉冲信息，抽取重要的特征。突出反映关键部件运行状态中较微弱的周期性脉冲以及相应的故障特征频率。

（5）三维频谱分析

此界面为三维频谱图界面，展示拥有相同的X轴数据（如相同的时间序列）、不同的Y轴数据（如不同的类别变量）和Z轴数据，可以清晰地展示不同数据在时间以及幅值上的变化关系。

（6）信号降噪处理分析

该界面为降噪算法与降噪后包络谱界面，通过降噪算法过滤设备原始振动信号中的噪声成分，并显示降噪后信号对应的频谱分析。减少信号中无关成分，突出能反映设备运行状态的周期性脉冲，使得时域图与频域图都更加的清晰，以便于故障特征频率的分析。

（7）健康评估与阈值设置

此界面为健康指标界面，可实现数据健康指标判别模型的训练与建立，依据健康指标可以有效区分设备振动异常与正常状态，通过正常工况数据进行训练，并对其他工况的数据验证健康指标的有效性。异常状态的数据以黄色与红色显示。

（8）寿命预测与阈值设置

此界面为寿命预测界面，根据日平均健康因子做时间序列预测，当预测值超过设定的警告阈值，则会输出可能失效的日期，从而在该时间节点之前采取相关维护计划。

（9）健康趋势监测

此界面为健康趋势分析，选取了对振颤故障最为敏感的两个指标：振动有效值趋势与异常共振有效值趋势进行显示。在设置栏中分别选择好开始日期、结束日期、所要查看的机床与所要查看的传感后点击查询，就可以显示相应时间段内的振动有效值历史趋势与异常共振有效值历史趋势。

（10）异常报警管理以及健康趋势分析

对实时监控异常报警事件后台进行自动管控，形成异常报警报表，进行闭环维护。

（11）异常报警溯源分析

针对异常报警事件，可进一步检索查看预警时间点前后指标情况，指标查看界面添加了下拉框，可以查看各类指标在异常发生前后的健康曲线变化，通过具体查看按钮跳转到按时间查询的多指标显示界面，实现异常溯源诊断。

（12）变转速处理以及自适应健康指标

针对机床加工过程处于不断变速状态，从而引起振动信号在线时变问题，为显著减少误报警，系统提供了信号自适应学习机制以及健康指标在线自适应预警模型。

（13）数据备份

此界面为数据备份界面，可以查询指定日期数据在各个表中的条目数量，并对手动备份的数据的情况有详细的数据参考，点击手动备份对选定的数据进行备份。

数据备份

系统依托算法工具箱：

数控机床设备分布式健康监测与智能维护系统MTAgent-v1.1依托两大算法工具箱进行了开发，机械设备信号处理工具箱SPAgent，设备智能维护工具箱SmartAgent：

机械设备信号处理工具箱SPAgent：

在机械设备信号处理算法软件包SPAgent，基于机械设备型号处理典型算法模型，以及近3年公开的各种学术文献，形成了信号处理各类经典算法模型以及最新的各类信号处理算法模型，融合了目前各种先进的信号处理算法（可处理振动信号、转速信号、位移信号、声信号等），合计包括近200套算法开发完成，集中于最新3年的新颖算法，可应用于各种机械部件对象（如滑动轴承、滚动轴承、转子、齿轮箱、电机等）），采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现机械系统故障诊断与健康退化预诊维护，能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（轴承、转子、齿轮箱等）的健康预诊与故障诊断需求。SPAgent所有算法模型可灵活地集成到各种设备诊断与健康预诊系统，提供完整的算法类调用接口，基于该工具箱的各种信号处理模型，可迅速建立起一套完整的设备故障诊断与健康预诊系统，也可支持各类系统研制与学术研究。SPAgent包含以下机械设备型号处理算法模块：

（1）时域频域信号处理模块：信号滤噪、频谱分析、时域统计分析、时频域分析、多传感信息融合、故障分离、故障诊断、多故障诊断、变转速诊断等功能；

（2）可视化监测与故障诊断模块：实时波形频谱图、设备振动实时趋势、设备运行状态、振动历史比较图、单多值棒图、三维瀑布图、伯德图、提纯轴心轨迹图、二、三维全息谱图、绘制阶次谱图、启停机转速谱图、频域谱细化图、变速信号处理、稀疏保持、信号变换、形态滤波、转子动静平衡测试等算法模型；

（3）信号降噪算法模块：形态滤波、梳状滤波、小波包滤波、带通滤波、一维Gabor滤波等

（4）信号分解算法模块：小波分解、小波包分解、经验模态分解、变分模态分解、局部均值分解、群分解、非负矩阵分解等

（5）变转速下的信号处理典型算法模块：阶次跟踪、广义解调、同步压缩变换、排列熵等典型算法模型；

（6）早期缺陷预示算法模块：形态分量分析、能量分离算法、正则化正交匹配追踪、子空间追踪等

（7）针对滚动轴承、滑动轴承、转子、变速箱、电机等典型关键机械部件提供各类信号分析处理算法；

（8）声纹处理工具箱：梅尔倒谱系数、梅尔滤波器、Bark倒谱系数、线性预测倒谱系数等；

（9）近3年公开的各种学术文献最新的各类信号处理算法模型。

设备智能维护工具箱SmartAgent：

在设备智能维护算法工具箱系统SmartAgent，包括了最新典型算法模型与最新发展的算法模型200多套，采用全Python语言，以B/S模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想实现机械系统故障诊断与健康退化预诊维护，能应用在不同场合的装备故障探测与故障诊断，满足不同类型机械设备与关键部件（轴承、转子、齿轮箱、联轴器、电机等）的故障诊断需求。

SmartAgent主要包含6大功能模块：信号处理模块、健康特征抽取与选择模块、设备衰退预测模块、设备健康预测模块、设备维护知识管理与健康可视化模块、设备故障诊断模块。不同的功能模块灵活组合完成不同的任务，这种开放式的结构使得新的算法模型可以随时增加进去，也可按照客户的需求或应用背景对SmartAgent中的模块进行组合和封装。

SmartAgent适用于各类设备或关键部件的性能退化预诊与故障诊断，研发了各种关键机械部件的性能退化预诊与故障诊断系统：轴承、齿轮箱、旋转轴、刀具等，及各类大型装备（如磨床、轧机、风机、数控机床、雷达、风电、引擎、各类移动机械、各类建筑结构）。该系统广泛应用于高校、工矿、科研院所的科研、教学、产品开发及人员培训等。