数控机床的数据传输处理方法、装置、数控机床及介质

技术领域

本发明涉及数控机床技术领域，尤其涉及一种数控机床的数据传输处理方法、装置、数控机床及介质。

背景技术

随着科学技术的迅猛发展，越来越多的新技术和新理念涌现出来，不断尝试与工业领域相结合，为数控机床系统带来了显著的改进。特别是OT(Operational Technology)和IT(InformationTechnology)的结合，将工业领域中的操作技术和信息技术相互结合,实现了更高效、更智能的协同工业运营。如:传统的现场总线得到了升级，转变为实时以太网，极大提升了数控机床系统的工作精度和数据处理能力。在这一过程中，OPC UA和TSN的引入对于数控机床系统的发展至关重要。两者紧密结合，OPC UA实现了各层之间的便捷交流，实现了层间的"普通话"传输，而TSN则使普通以太网具备了实时性，能够在保证实时性的同时传输多种数据，类似于"同声传递"，推动了实时数据和非实时数据的传输。此后，物联网和5G技术的兴起更进一步提升了总线的传输能力，从多个方面推动了数控机床系统的发展。

然而，数控机床系统仍面临一些挑战和问题。首先，对中心服务器过度依赖导致一旦中心服务器断电或故障，整个数控系统就会停止运行。其次，数控机床的检测和算法主要依赖工作人员完成，缺乏工业智能化，导致数控机床的控制精度较低，不符合工业5.0提出的要求。现亟需一种数控机床的数据传输处理方法，减少对中心服务器的依赖，并提高数控机床的控制精度。

发明内容

本发明实施例提供了一种数控机床的数据传输处理方法、装置、数控机床及介质，以减少对中心服务器的依赖，并提高数控机床的控制精度。

第一方面，本发明实施例提供了一种数控机床的数据传输处理方法，其包括：

获取目标设备的输入数据；

通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；

将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。

第二方面，本发明实施例提供了一种数控机床的数据传输处理装置，其包括：

输入数据获取单元，用于获取目标设备的输入数据；

分类数据生成单元，用于通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；

数据优化单元，用于将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。

第三方面，本发明实施例提供了一种数控机床，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的数控机床的数据传输处理方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的数控机床的数据传输处理方法。

本发明实施例提供了一种数控机床的数据传输处理方法、装置、数控机床及介质，该方法包括：获取目标设备的输入数据；通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。本发明实施例通过边缘计算设备对输入数据进行数据分析，避免直接通过中心服务器对数据进行处理，减少对中心服务器的过度依赖，同时通过对输入数据进行可视化处理和优化处理，有利于提高数控机床的控制精度。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的数控机床的数据传输处理方法的流程示意图；

图2为本发明实施例提供的数控机床的数据传输处理方法的子流程示意图；

图3为本发明实施例提供的数控机床的数据传输处理方法的子流程示意图；

图4为本发明实施例提供的数控机床的数据传输处理方法的子流程示意图；

图5为本发明另一实施例提供的数控机床的数据传输处理方法的流程示意图；

图6为本发明实施例提供的数控机床的数据传输处理方法的子流程示意图；

图7为本发明另一实施例提供的数控机床的数据传输处理方法的流程示意图；

图8为本发明实施例提供的数控机床的数据传输处理装置的示意性框图；

图9为本发明实施例提供的数控机床的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1为本发明实施例提供的数控机床的数据传输处理方法的流程示意图。本发明实施例提供的数控机床的数据传输处理方法，应用于数控机床中。

S1、获取目标设备的输入数据。

本申请实施例中，在数控机床系统下层部署边缘计算设备，使其成为数据处理和分析的节点。将一部分计算任务从中心服务器转移到边缘计算设备，在机床附近进行实时数据处理和分析，减少对中心服务器的依赖，降低数据传输量，从而减少对带宽的使用，并确保下层在中心服务器故障时的正常运行。这样既提高了系统的响应速度，又减轻了网络压力，同时也增强了对突发事件的抵抗能力，使得数控系统更加稳定可靠。

具体地，获取最下层的PLC、伺服电机、IO板和监控设备所输入数据，并将该输入数据通过边缘计算设备进行数据处理。

其中，边缘计算设备为边缘控制器、边缘网关、边缘AI加速器和边缘传感器中的任一种。

S2、通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据。

请参阅图2，图2示出了步骤S2的一种具体实施方式，详叙如下：

S21：通过所述边缘计算设备对所述输入数据进行数据过滤处理，得到过滤后数据。

S22：根据数据的时效性将所述过滤后数据进行聚合处理和分类处理，得到所述分类数据。

本申请实施例中，输入数据包括实时数据和非实时数据。通过在数控机床下层所部署边缘计算设备处理和存储来自机床的实时和非实时数据，并进行初步的数据过滤、聚合和分类处理，得到分类数据，从而避免直接通过中心服务器直接对这些输入数据进行计算，进而减少对中心服务器的依赖。

具体地，通过所述边缘计算设备对所述输入数据进行数据过滤处理，得到过滤后数据，根据数据的时效性将所述过滤后数据进行聚合处理和分类处理，得到所述分类数据。其中，分类数据包括伺服电机实时数据、监控实时数据和非实时数据。

S3、将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。

本申请实施例中，将边缘计算设备所计算生成的伺服电机实时数据发送到伺服电机，并将控制指令发送给伺服电机，使得伺服电机接收到新的目标信息，从而进行下一周期的位置处理。另外，将监控实时数据和非实时数据上传至云端服务器，使其进行数据可视化处理和优化处理，生成可视化数据和优化信息。

其中，伺服电机实时数据包括传感器数据、位置数据和监控数据。监控实时数据包括报警信息和监控数据信息。非实时数据包括历史数据、统计数据、机床参数和加工方案等。

请参阅图3，图3示出了步骤S3的一种具体实施方式，详叙如下：

S31：通过TSN交换机将所述伺服电机实时数据发送到伺服电机，以使得所述伺服电机根据控制指令和所述伺服电机实时数据生成控制信息。

S32：通过所述TSN交换机将所述监控实时数据发送到所述云端服务器中，以及通过所述TSN交换机将所述非实时数据按照预设周期发送到所述云端服务器中。

需要说明的是，预设周期根据实际情况进行设定，此处不作限定。

S33：在所述云端服务器中，对所述分类数据进行数据可视化处理和优化处理，生成所述可视化数据和所述优化信息。

本申请实施例中，通过TSN交换机实现多种数据的同时传输，并在TSN交换机中为报警信息预留足够的带宽，确保报警信息出现后能够第一时间获取和处理。TSN交换机将数据通过5G技术快速传输给中心服务器，结合云端服务器对实时数据和非实时数据进行处理分析，实现对数控机床系统的智能检测和性能优化。

具体地，对实时数据(比方说当前位置)进行处理计算然后发给伺服电机下一个周期的目标位置，使伺服电机继续转动。将报警信息和监控数据等关键信息实时上传给中心服务器，以便云端进行智能检测和优化。将历史数据、统计数据、机床参数和加工方案等非实时性数据周期性上传给中心服务器，再通过中心服务器上传至云端服务器。非实时数据进行上传是为了方便上层了解各个设备的情况，同时如果边缘控制器下的PLC、伺服电机或IO出现故障，这些信息也有利于维修人员对问题的定位。

请参阅图4，图4示出了步骤S33的一种具体实施方式，详叙如下：

S331：在所述云端服务器中，对所述监控实时数据筛选处理，以判定是否存在异常故障信息。

请参阅图5，图5示出了步骤S331之后的一种具体实施方式，详叙如下：

S331A：若存在所述异常故障信息，将所述异常故障信息上传至中心服务器。

S331B：通过所述中心服务器对所述边缘计算设备进行急停处理。

本申请实施例中，若存在异常故障信息，则在异常故障信息上传到中心服务器之后，中心服务器会立刻做出判断，对边缘计算设备进行急停，从而能够保证人员安全，同时会立刻上传给云端服务器，云端服务器通过无线来通知操作人员。

其中，中心服务器的主要作用是将各边缘计算设备的数据上传至云端服务器，将云端服务器处理完成的数据返还给各个边缘计算设备，相当于云端服务器和边缘计算设备的交换机；同时中心服务器作为opc ua的客户端，其利用opc ua实现了各层之间的数据交换，也保证了数据传输的安全性。

S332：若存在所述异常故障信息，则基于所述异常故障信息、所述监控实时数据和所述非实时数据进行数据可视化处理，生成所述可视化数据。

S333：若不存在所述异常故障信息，则基于所述监控实时数据和所述非实时数据进行数据可视化处理，生成所述可视化数据。

具体地，可视化数据处理包括监控实时数据、非实时数据和异常故障信息。若不存在异常故障信息，则不将该数据进行可视化处理。

其中，监控实时数据主要包括:(1)各轴的当前位置、速度、加速度；(2)温度传感器、压力传感器、负荷传感器；(3)刀具切削参数、进给速率、切削深度；电机转速、轴向力等等。非实时数据主要包括:(1)历史数据：过去某个时间段内的记录数据，如加工过程的历史数据和设备运行日志。(2)统计数据：基于一段时间内的数据进行的统计分析结果，如平均切削速度、加工时间等。(3)设备参数：机床的配置参数、设置参数或初始参数，如轴向行程范围、刀具尺寸要求等。(4)加工方案：非实时的加工工艺参数和加工路线规划，如切削路径、刀具选择等。异常故障信息主要为：机床故障、异常状态以及操作错误的实时报警信息。

具体地，在云端服务器上，使用高性能的计算资源执行VR/AR处理算法，实现数据可视化处理。这可能包括场景渲染、物体识别与追踪、虚拟内容叠加等操作。云端处理可以涉及图形渲染引擎、机器学习算法、计算机视觉技术等，根据需求对数据进行实时处理。

S334：对所述监控实时数据进行优化处理，以生成所述伺服电机的下一周期位置信息，并将所述下一周期位置信息作为所述优化信息。

请参阅图6，图6示出了步骤S334的一种具体实施方式，详叙如下：

S3341：对所述监控实时数据中所有的目标位置进行统计，得到统计结果。

S3342：根据所述统计结果对所述目标位置进行优化处理，生成所述伺服电机的下一周期位置信息，将所述下一周期位置信息作为所述优化信息。

具体地，优化处理主要是指对实时监控数据(比方说目标位置和算法)，云端服务器会将启动开始的所有目标位置进行统计，将算法进行优化；而算法的作用是在接收到伺服电机的当前位置后，经过算法的处理，得到下一个周期的目标位置，经过算法的处理后，伺服电机的运行曲线会变的平滑，从而使精度提高，并且算法优化可以使抖动降低。经过算法优化之后给边缘边缘计算设备，来使后面的位置曲线更加平滑。

请参阅图7，图7示出了步骤S3之后的一种具体实施方式，详叙如下：

S3A：将所述可视化数据通过无线传输至客户端中，以使得所述客户端对所述可视化数据进行渲染，生成可视化信息。

具体地，在云端服务器将数据进行AR(Augmented Reality)/VR(VirtualReality)的可视化处理之后，操作人员和远程处理人员都可以通过无线连接的AR/VR设备获取更直观和全面的机床系统信息，便于对机床系统进行处理和维护操作。

S3B：将所述优化信息基于TSN交换机传输至所述边缘计算设备中。

其中，TSN即Time-Sensitive Networking，中文名为时间敏感网络，是从传统以太网网络中衍生出来的一种技术，是指在非确定性以太网中实现确定性最小时间延时的协议族。TSN为标准以太网增加了确定性和可靠性，可实现对以太网网络功能的扩展，进而确保数据的实时、确定、可靠传输。而本申请实施例中的TSN交换机则是一种支持TSN技术的工业以太网交换机，属于以太网交换机的升级产品之一。

S3C：通过所述边缘计算设备将所述优化信息反馈至伺服电机中。

具体地，将优化信息基于TSN交换机传输至所述边缘计算设备中，再通过所述边缘计算设备将所述优化信息反馈至所述伺服电机中，避免直接通过中心服务器对数据进行处理，减少中心服务器的依赖。

本申请实施例中，获取目标设备的输入数据；通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。本发明实施例通过边缘计算设备对输入数据进行数据分析，避免直接通过中心服务器对数据进行处理，减少对中心服务器的过度依赖，同时通过对输入数据进行可视化处理和优化处理，有利于提高数控机床的控制精度。

本发明实施例还提供一种数控机床的数据传输处理装置，该数控机床的数据传输处理装置用于执行前述数控机床的数据传输处理方法的任一实施例。具体地，请参阅图8，图8为本发明实施例提供的数控机床的数据传输处理装置的示意性框图。

其中，如图8所示，数控机床的数据传输处理装置4包括输入数据获取单元51、分类数据生成单元52、数据优化单元53。

输入数据获取单元51，用于获取目标设备的输入数据；

分类数据生成单元52，用于通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；

数据优化单元53，用于将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。

进一步地，所述分类数据包括伺服电机实时数据、监控实时数据和非实时数据，数据优化单元53包括：

伺服电机实时数据发送单元，用于通过TSN交换机将所述伺服电机实时数据发送到伺服电机，以使得所述伺服电机根据控制指令和所述伺服电机实时数据生成控制信息；

云端服务器接收单元，用于通过所述TSN交换机将所述监控实时数据发送到所述云端服务器中，以及通过所述TSN交换机将所述非实时数据按照预设周期发送到所述云端服务器中；

优化信息生成单元，用于在所述云端服务器中，对所述分类数据进行数据可视化处理和优化处理，生成所述可视化数据和所述优化信息。

进一步地，优化信息生成单元包括：

数据筛选单元，用于在所述云端服务器中，对所述监控实时数据筛选处理，以判定是否存在异常故障信息；

第一可视化数据生成单元，用于若存在所述异常故障信息，则基于所述异常故障信息、所述监控实时数据和所述非实时数据进行数据可视化处理，生成所述可视化数据；

第二可视化数据生成单元，用于若不存在所述异常故障信息，则基于所述监控实时数据和所述非实时数据进行数据可视化处理，生成所述可视化数据；

优化处理单元，用于对所述监控实时数据进行优化处理，以生成所述伺服电机的下一周期位置信息，并将所述下一周期位置信息作为所述优化信息。

进一步地，优化处理单元包括：

数据统计单元，用于对所述监控实时数据中所有的目标位置进行统计，得到统计结果；

目标位置优化单元，用于根据所述统计结果对所述目标位置进行优化处理，生成所述伺服电机的下一周期位置信息，将所述下一周期位置信息作为所述优化信息。

进一步地，数据筛选单元之后还包括：

异常故障信息上传单元，用于若存在所述异常故障信息，将所述异常故障信息上传至中心服务器；

急停处理单元，用于通过所述中心服务器对所述边缘计算设备进行急停处理。

进一步地，数据优化单元53之后还包括：

数据渲染单元，用于将所述可视化数据通过无线传输至客户端中，以使得所述客户端对所述可视化数据进行渲染，生成可视化信息；

优化信息传输单元，用于将所述优化信息基于TSN交换机传输至所述边缘计算设备中；

优化信息反馈单元，用于通过所述边缘计算设备将所述优化信息反馈至伺服电机中。

进一步地，分类数据生成单元52包括：

数据过滤单元，用于通过所述边缘计算设备对所述输入数据进行数据过滤处理，得到过滤后数据；

数据聚合单元，用于根据数据的时效性将所述过滤后数据进行聚合处理和分类处理，得到所述分类数据。

本申请实施例中，获取目标设备的输入数据；通过边缘计算设备对所述输入数据进行数据分析处理，得到分类数据；将所述分类数据发送至云端服务器中，并在所述云端服务器中对所述分类数据进行数据可视化处理和优化处理，生成可视化数据和优化信息。本发明实施例通过边缘计算设备对输入数据进行数据分析，避免直接通过中心服务器对数据进行处理，减少对中心服务器的过度依赖，同时通过对输入数据进行可视化处理和优化处理，有利于提高数控机床的控制精度。

上述数控机床的数据传输处理装置可以实现为计算机程序的形式，该计算机程序可以在如图9所示的数控机床上运行。

请参阅图9，图9是本发明实施例提供的数控机床的示意性框图。该数控机床500包括通过装置总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。

该存储介质503可存储操作装置5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行数控机床的数据传输处理方法。

该处理器502用于提供计算和控制能力，支撑整个数控机床500的运行。

该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行数控机床的数据传输处理方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，本申请实施例所示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的数控机床500的限定，具体的数控机床500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，处理器502用于运行存储在存储器中的计算机程序5032，以实现本发明实施例公开的数控机床的数据传输处理方法。

本领域技术人员可以理解，本申请实施例所示出的数控机床的实施例并不构成对数控机床具体构成的限定，在其他实施例中，数控机床可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，数控机床可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与上述所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质，也可以为易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的数控机床的数据传输处理方法。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，后台服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。