从低采样率工业数据流中利用G代码辅助重建高分辨率数控机器数据

《JOURNAL OF MANUFACTURING SYSTEMS》：G-code informed reconstruction of high-resolution CNC machine data from low-sampling rate industrial data streams

　　

将稀疏机器数据转换为基于刀具路径的详细洞察的框架。
实现对加工过程在G代码层面的理解。
校正不均匀的数据采样，以实现一致的运行间比较。
在原始机器数据的限制之外提高可用的细节。
在空间上定位过程变化，以调查其对零件质量的影响。

**引言**

在更广泛的工业4.0和数字化议程下，现代数控加工越来越倾向于进行仪器化装备，期望过程数据能通过监控、优化和决策支持来推动生产率、质量和可持续性的提升。基于特征的方法[1,2]和数字线程概念[3]进一步提高了要求：数据不仅要被收集，还必须与上游工件（如CAD/CAM工艺计划和零件程序）中编码的制造意图进行关联，才能具有可操作性。

在工业实践中，机器信息通常通过标准化通信框架提供，最值得注意的是MTConnect和开放平台通信统一架构（OPC-UA）。MTConnect已被广泛采用作为车间执行数据接口[4,5]，而OPC-UA关于机床的伴生规范则强调跨供应商监控和作业总览功能[6]。这些标准实现了可扩展的集成，但其设计目标并非提供适用于特征级分析的统一、同步、高速率参考。供应商文档和实证研究表明，代理更新间隔、客户端读取间隔、缓冲以及通信中断可能导致重复值、缺失观测值和不规则的采样行为[7,8]。即使在重复执行相同程序的情况下，采样差异和协议中介也会导致时间索引数据集无法直接比较。

当目标从机器级监控转向特征级分析——从"机器是否在运行？"转向"在这个特征上、这条路径段上、这个位置上发生了什么？"——这些局限性变得更加明显。数控执行的形状受到控制器特定的插补、混合、平滑和约束执行的影响。因此，实际执行的运动和过程特征与仅从指令进给速度推断的结果不同。近期研究表明，加工时间和进给速度曲线必须通过学习或建模来考虑控制器插补和运动学约束[9,10,11,12]。这些研究证明，特定机器的执行动态显著影响实际轨迹和时序。与此同时，近期 efforts 试图利用控制器暴露的OPC-UA数据流构建封闭架构机床控制器的数字模拟器[13]，并将使用G代码驱动工作流生成机床控制器数字孪生的过程形式化[14]。这些方法强调了从外部可用的工业数据推断控制器内部行为的价值和挑战。

同时，数控（NC）程序——通常以G代码表达——在工业环境中仍然代表工具运动意图的最一致可用的表示形式。嵌入式CNC架构和开放控制技术的综述强调了G代码在定义运动语义方面的核心作用[15]。近期研究利用逐行G代码解释进行能量建模[16]、功率预测[17]和数字路径优化[18]。公开的加工数据集越来越多地将NC代码与高频传感器数据打包在一起，隐含地承认NC代码是可实现可重复加工分析的关键锚点[19]。

尽管已有上述认识，但稳健地将"计划中的"NC程序与"执行中的"控制器数据进行关联仍然充满挑战。已经提出映射方法，利用空间-时间配准和自动分割将MTConnect控制器轨迹与NC代码对齐[20,21]。这些贡献提供了重要的基础，但其主要目标是配准质量，而非保证在采样变异性下多次执行间可比性的确定性空间索引。

基于位置的监控和数字孪生框架进一步强化了将信号与几何上下文关联的重要性[22,23,24,25]。然而，此类方法通常假设可以访问高速率内部信号或定制的同步策略，而非低频工业遥测数据。因此，尽管NC感知建模和执行对齐均已取得进展，但在建立一个不受控制器限制的、以几何为参考的索引层方面仍存在缺口，该索引层能够容忍稀疏、不规则的工业采样并实现一致的特征级比较。

如上所述，低频工业数据采集系统（如MTConnect和OPC-UA）提供了便捷的CNC控制器信息访问途径，但引入了显著的采样不规则性，限制了详细的过程分析。与控制器内部插补循环不同，这些系统以相对稀疏且非均匀的间隔报告机器状态。因此，产生三个主要挑战：(i) 名义上相同加工运行间样本总数存在变异性，(ii) 沿刀具路径的空间采样位置不一致，(iii) 连续样本之间的时间间隔不均匀。这些不规则性使运行间比较、特征级分析和过程事件的空间定位变得复杂。

所提框架的目标是基于零件程序几何形状构建一个不受控制器限制的、确定性的空间参考域。机器样本被映射到该参考域中，以产生一个一致的分析空间，在该空间中：(1) 各运行的样本数量一致，(2) 空间索引标准化，(3) 时间属性以几何一致的方式实现规则化。该框架离线运行，依赖三个主要输入：控制器报告的机器数据、已执行的零件程序（G代码），以及可选的外部采集高频传感器数据用于验证。

本文其余部分组织如下：第2节介绍所提G代码引导的重构框架方法。随后，第3节介绍实验平台、工业数据采集架构以及用于评估的原始MTConnect（FANUC FOCAS）和OPC-UA数据集的特性。第4节报告几何重构结果及与高频控制器原生数据的验证。第5节对该技术进行讨论，并通过一个案例研究展示进给速度覆盖（FRO）条件下的特征级诊断能力。第6节最后提供结论，总结贡献并展望未来研究方向。

**章节片段**

**方法论**

设一次机器运行（Rk）由一系列机器数据样本组成 Rk=si, i=1,…,Nk，其中Nk表示第k次运行中观测到的样本数量。在实际中，即使执行相同的零件程序，对于运行k≠l，Nk≠Nl。每个样本si包含控制器报告属性的子集，包括机器位置、程序标识符、主轴信息、覆盖参数和状态指示器。此外，样本之间的时间增量Δti=ti+1?ti通常不是常数。由于样本是……

**实验设置与数据采集**

本节描述了用于评估所提重构框架的工业平台、数据采集架构、测试程序和原始数据特性。本节的目的是刻画真实加工条件下原始工业数据流的特性和局限性。这些特性证明了第2节中所述的空间索引重构框架的必要性。

**结果与验证**

本节展示了将所提重构框架应用于从Makino a51nx（FOCAS，1 Hz）和DMG Mori DMU 60 eVo（OPC-UA，10 Hz）平台获取的工业数据集后得到的结果，分别针对特征1至4进行了评估。目的是评估该方法如何有效地将不规则的控制器报告数据流转换为确定性的空间索引表示，从而实现对几何的一致性解释和运行间比较。

**结构解释与重构行为**

第4节中呈现的结果表明，通过映射算子φ将不规则的控制器报告样本si投影到确定性的空间域TG=pj, j=1,…,NT中，产生了一个独立于原始样本索引的几何规则化表示。图12、图13、图14和表5、表6、表7中观察到的结构行为可以直接通过重构弧长参数化和映射索引序列ji=φ(si)的性质来解释。

**结论**

本工作解决了工业数控数据采集系统的一个根本性局限性：MTConnect和OPC-UA等低频、事件驱动的工业数据流无法提供加工过程的空间一致表示。尽管这些数据流已广泛部署且易于访问，但其非均匀时间采样、可变的样本数量和异步报告机制阻止了可靠特征级比较、事件空间定位和结构化运行间……

**CRediT作者贡献声明**

Akash Tiwari：写作 – 审阅与编辑，写作 – 原稿，可视化，验证，项目管理，方法论，调查，形式化分析，数据整理，概念化。Jaydeep Karandikar：写作 – 审阅与编辑，项目管理，调查，资金获取，概念化。Vladimir Orlyanchik：写作 – 审阅与编辑，资金获取，概念化。Josh Davids：软件，资源，数据整理。Chris Hamlin：软件，数据

**利益冲突声明**

作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。

**致谢**

本工作在合作研究与开发协议（CRADA）NFE-23-09833下，作为橡树岭国家实验室制造示范设施内的技术协作开展。该项目由美国能源部、能源效率与可再生能源办公室、先进材料与技术办公室赞助，依据与UT-Battelle, LLC签订的合同DE-AC05-00OR22725执行。

Akash Tiwari | Jaydeep Karandikar | Vladimir Orlyanchik | Josh Davids | Chris Hamlin | Christopher Tyler