|
|
摘要：远程监控系统对推动木工机床的智能化、网络化、数据可视化具有重要的实践意义。本文开发了一个木工机床远程监控系统框架。该监控系统框架采用S7.NET协议与西门子可编程逻辑控制器（Programmable Logic Controller，PLC）实时通讯采集加工过程中木工机床数据（温度、电流、振动等），存储于MySQL数据库，基于C#编程采用C/S结构，对数据进行分析和处理，实现PC端远程监控；同时运用MQTT协议数据实时上传到云端，运用Things Cloud平台开发移动端的远程监测系统，从而实现PC端和移动端相结合对机床内部数据进行实时远程监测。该框架基于开源软件，通用性好，为实现木工机床预测性维护提供方法。
关键词：木工机床；S7.NET协议；MQTT协议；远程监控
近年来，我国木材及其制品，尤其是人造板、家具、地板和木制工艺品的生产、消费及出口总量均位居世界前列。然而，我国木工机械制造技术与木产品的产销规模并不匹配。总体来看，国内木工机械制造企业多为中小规模，缺乏大型集团化企业，导致机械创新能力和智能化产品开发能力相对不足。长期以来，我国在木工机械领域多处于跟随和模仿国外先进技术的状态，在自动化生产线、状态智能监控及环保技术等方面与国际先进水平仍存在明显差距[1]。
随着智能化、网联化技术的发展，全球技术革命、产业革命正在如火如荼地进行，全球的经济格局正在飞快地改变。鉴于此针对我国当前木工机械制造领域的现状，开发木工机床实时远程监测系统，对木工机床数控系统数据进行全方位、全天候的监测，推动木工机械设备智能化、数字化、网联化，这将给木工机械带来新的发展契机并赋予崭新的内涵。
木工机床生产加工过程中机床会出现主轴轴承损坏、主轴过度磨损、刀具磨损等故障，这会使得木材加工质量下降，严重的甚至会造成生产事故，同时当故障发生时，机床数控系统内部数据如（电流、温度、振动）往往会产生异常变化，因此对数控系统内部数据进行实时监测，这对及时发现机床故障，进行预测性维修具有重要意义。对于机床状态的监测与诊断，杜道山等人利用89C51单片机搭建监测系统，实现和数控系统PLC进行通讯并从数控系统PLC中读取信号数据写入企业资源计划（Enterprise Resource Planning，ERP）中，完成了机床运行过程中数据的实时在线采集与监测[2]。杨家荣等人通过用于过程控制的OLE（OLE for Process Control，OPC）技术完成与西门子840D数控系统的实时在线通讯，实时采集西门子数控系统内置的状态参数和各种传感器信息，实现了对多台数控机床的集中管理和实时监控[3]。针对西门子840D和华中两类数控系统，结合图形处理器（Graphics Processing Unit，GPU）加速技术实现了加工过程的实时数据采集与可视化[4]。Adriano Fagali de Souza面向五轴数控机床，通过TCP/IP协议、Golang编程语言和一种非关系型数据库（Not Only Structured Query Language，NoSQL）开发了一个远程实时监控计算机数控（Computer Numerical Control，CNC）加工中心的系统[5]。单片机、PLC、C#.NET等技术在机床数据采集领域有广泛的应用，并且实现了高效的机床数据采集[6-10]。目前国内外研究人员对机床监测系统的研究开展的已经较为全面了，且已经取得了丰硕的成果，但是目前对于木工机床而言，对其进行数据监控的研究还较少，往往是机床出现问题，甚至停止运作，才开始对机床进行故障排查与诊断，而对其运行过程中产生的数据也缺少相应的利用，针对目前木工机床完整的集数据采集、分析、处理一体的监测系统的研究方案还较少这一问题，本文设计出一套木工机床实时远程在线监测系统，旨在实现木工机床数控系统数据的远程实时采集与处理，充分利用数控机床内部数据，为后续实现机床预测性维护，防止事故发生及时发现潜在隐患打下数据基础，减少设备的停机时间，提高设备生产效率，降低设备的维修、养护成本。
1 系统总体架构
1.1 软件功能开发以及开发环境选择
Win10系统软件兼容性强、稳定且成熟、应用生态极其庞大，能够作为开发本监控系统的电脑操作系统。C/S架构（客户端/服务器架构）是一种经典的软件体系结构模式，广泛应用于桌面应用、企业内部系统、工业控制系统等。本地服务器端应当拥有数据处理、数据存储、数据分析和与远程PC客户端、移动客户端进行实时通信的功能，客户端包括与服务器端通信和数据显示模块，从而实现高效、安全的数据交互。在系统中进行修改、添加数据的操作时，使用C/S架构的系统可以使其客户端功能强的优点得到充分发挥，同时提高了系统的安全性。C#是由微软开发的现代、面向对象编程语言，语法精炼且功能丰富，完美支持面向对象与函数式编程范式，因此选用C#语言作为主要的编程语言。由于C#和MySQL（My Structured Query Language）数据库具有较好的兼容性，所以本监控系统选择将数据储存在MySQL数据库中。MySQL是一种开源、轻量级的关系型数据库，广泛用于网站、应用程序和数据采集系统，同时MySQL数据库与当前主流的编程语言C#、Java等具有极强的适配性[11]。监测系统的开发环境如表1所示。
表1 木工机床实时远程监测系统开发环境表
在确定开发环境后需要对监测系统的功能进行规划与设计，分析监测系统的使用需求，归纳总结得出本监控系统需要具有数据采集与保存、数据处理与分析、远程数据传输、云平台中数据的储存、分析以及异常状态下进行报警等功能，得到木工机床实时远程监测系统的功能规划如图1所示。
width=274.05,height=132.55
图1 木工机床实时远程监测系统功能规划图
1.2 系统的总体设计
本木工机床实时远程在线监测系统采用C/S架构，主要由数控系统数据采集程序、网络层的MQTT（Message Queuing Telemetry Transport）数据传输、云端应用平台远程在线监测（PC端、移动端）等几个模块组成[12]，木工机床实时远程在线监测系统系统架构图如图2所示。
感知层的木工机床实时远程监测平台的核心在于依托部署于机床本体的多类型感知层传感器（如振动、温度、电流与噪声传感器等），将采集到的运行参数接入机床数控系统，实现对加工过程关键状态信息的实时获取。该平台能够对数控系统内部的数据进行持续在线监测，并对机床运行状态进行实时分析与判定。当系统检测到某一参数出现异常波动或偏离正常运行范围时，可迅速向设备管理人员发送告警信息，并基于历史数据与诊断规则推断可能的故障原因，提出相应的维修策略。与传统依赖人工经验的故障检修方式相比，该监测平台具有响应速度快、异常识别准确率高、预警能力强等优势，为木工机床的智能化运维提供了更高水平的可靠性与效率支持[13]。
width=239.55,height=195.85
图2 木工机床实时远程在线监测系统架构图
网络层的MQTT协议基于MQTT体系构建，是一种面向物联网场景的高效通信协议，特别适用于低带宽、高时延等受限网络环境。该协议采用发布/订阅机制，实现终端设备之间的异步消息交互，并支持一对一与一对多的数据分发方式，从而保证实时数据的高效传输。凭借其轻量、高可靠、实现复杂度低等特点，MQTT在智能家居、工业自动化与智慧城市等物联网应用领域得到广泛部署[14]。在数据传输过程中，MQTT通常对经预处理与结构化整理后的数据进行轻量化封装，常以JSON（JavaScript Object Notation）格式作为载体，并通过MQTT协议实现数据向云平台或远程监控中心的实时、可靠推送，从而为远程监测与数据驱动的智能决策提供支撑。
感知层采集程序基于C#环境开发，具备机床数控系统数据（振动、温度、电流）处理分析，智能监测机床运行状态，通过MQTT客户端实时推送最新数据等功能。
2 本地监控系统的开发
2.1 实时数据采集
西门子PLC具有卓越的可靠性和强大的处理能力、组态灵活、编程简单、模块化程度高、具有完整的产品生态系统，西门子PLC在木工机床中应用广泛。与西门子PLC通讯的方式主要包括：组态软件通讯（如 WinCC、组态王、力控）、自由端通讯（针对 S7-200/200 SMART 等小型 PLC）、OPC通讯（通过OPC UA连接PLC）以及编程方式连接（如S7.NET、Snap7）。在这些方式中，S7.NET是唯一完全免费的解决方案，而其他通讯方式均需要授权才能使用。相较于其他方式，S7.NET具有更高的灵活性和控制能力，支持 PPI、MPI协议及以太网通讯协议，因此在自定义开发和复杂控制场景下具有明显优势[15]。以太网具有传输速率高、可靠性强以及开放性较好等优点。西门子PLC数据存储区有I、Q、M、DB区等，I、Q、M区的访问速度很快，因为它们有固定的地址空间，DB块是最灵活、最常用的数据存储区，可以结构化地存储大量数据（如配方、设备参数、生产数据等）。为了便于数据的采集，运用博图V16对西门子PLC进行设置，将所需要的数据储存到提前预留的DB区中去，采集到的数据是Real类型，每个数据占据四位地址。在西门子PLC中将需要采集到的电流、温度、扭矩等数据放到相应的储存区中。在西门子PLC中所需数据的地址如图3所示。
width=443.5,height=193.5
图3 PLC中所需数据位置
上位机PC和西门子PLC的通信使用TCP IP的通讯方式，上位机通过IP地址访问西门子PLC中对应储存着所需温度、振动、电流数据的DB区，将所需数据采集到数据采集软件中。
在数据采集软件中输入对应的西门子PLC的地址，然后输入所需的采样频率，就可以对PLC中的数据进行实时的读取，数据采集界面如图4所示。在左侧生成对应数据的曲线图，该曲线图以采集数据的个数为横坐标，当前采集数据的值为纵坐标，当采集到的数据在允许的范围之内时，电流曲线为蓝色，温度曲线为黄色，振动曲线为红色，对应的数据不在允许的范围内，相对应的曲线不在规定范围内的部分就会变成黑色，提醒工作人员，设备可能发生了问题。在右侧以表格的形式生成对应数据的表格，在测试时表格的第1列为采集数据的时间，第2至第4列分别为采集到的振动、温度、电流的数值，当数据在允许的范围内时数字为黑色，不在允许的范围内时，数据会变成红色。当需要保存曲线图时，点击保存图片按钮可以将图形保存到想要的位置，点击保存数据按钮可以依据需要选择保存为Excel文件或者CSV（Comma-Separated Values）文件。
开启远程连接以后，程序会自动的把采集到的数据上传到EMQX（Elastic MQTT Broker）云平台中去，远程监控服务端可通过订阅的方式读取到数据采集程序上传到EMQX云平台中的数据，同时在EMQX云平台中可查询到连接到云平台的客户端的数量和状态如图5所示[16]。
在数据采集开始后，原始信号会被实时存储到数据库中，同时对采集到的数据进行特征提取，包括时域特征和频域特征。为保证监测的实时性，特征提取环节采用快速且稳定的算法对信号进行处理，从中获取时域特征（如极值、均值、方差、标准差等），并通过快速傅里叶变换（Fast Fourier Transform，FFT）获得实时频谱，以实现对信号的实时监控。
width=199.55,height=236.85
图4 数据采集界面
width=439.65,height=159.75
图5 EMQX云平台状态显示
2.2 数据分析
现场人员和远程监测人员需要对设备数据进行分析时，可以从数据库和保存的Excel文件或者CSV文件读取想要分析的数据。
在数据分析界面可以对数据进行分析，在采集数据的时候会受到环境、传感器本身特性、测量系统的影响，会使得我们采集到的数据会有噪声，所以当选择需要处理的数据以后，需要先对数据进行去噪处理，再进行滤波处理，提高数据的质量，为后续的故障诊断提供更加可靠的数据。
数据分析部分采用了小波去噪算法，小波去噪因其独特的多分辨率分析能力和优秀的时频局部化特性，在信号处理领域具有广泛的应用，特别适合用于处理包含丰富时变特征的工业监测信号。之后采用平均滤波算法，进一步平滑和平稳波去噪后化信号，消除残余波动和微小扰动，得到光滑稳定的最终信号[17]。
依据去噪和滤波后的数据采用时域分析的方法得到数据的统计特征参数，同机床正常工作状态下的参数进行对比从而进行故障诊断，得到机床的健康状态。当设备正常时会提示设备目前状态正常，当异常时会弹出窗口提示工作人员设备异常，并给出可能的故障原因，供工作人员参考。数据分析模块界面图如图6所示。
2.3 数据库设计
综合监测系统的功能，数据库需要储存的信息包括登录人员的信息、采集到的数据信息与设备的报警信息，这些信息需要供相关的工作人员进行调用，确定设备的维修保养计划。
监测系统数据库设计需兼顾实时性、可靠性与扩展性。采用分层架构：实时库存储原始采样数据，业务库存储特征值与事件，历史库用于长期趋势分析。核心表包括：实时数据表、诊断结果表、事件记录表等。
在设计的时候建立时序数据分区策略，按时间自动分表、设计复合索引提升实时查询效率、建立数据归档机制平衡性能与存储成本，通过规范化设计与优化索引策略为监测系统的正常运转提供坚实数据基础。数据库存储采集到的数据的情况如图7所示。
width=201.1,height=236.35
图6 数据分析界面
3 远程监测模块设计
3.1 移动端监测系统的开发
ThingsCloud作为物联网云平台，提供高并发、低延迟的设备接入能力，支持千万级设备稳定连接；其次，提供完整的数据pipeline服务，实现从数据采集、清洗、存储到分析的一站式处理；提供丰富的SDK和API接口，支持多语言开发（如Python/Java/Node.js），极大降低了设备接入和业务逻辑的开发门槛[18]。开发者可通过简洁的代码快速实现设备通信、数据订阅和规则触发功能，同时平台提供的可视化规则引擎允许通过低代码方式编排复杂业务流程，减少硬编码需求。
当采集程序采集到数据之后，通过MQTT传输协议将数据实时上传到ThingsCloud云平台中，通过在云平台中绑定数据源，可以将数据绑定到提前云平台中设计好的移动端软件之中，只需同步手机端的软件和云平台中的软件，技术人员就可以通过移动端的APP实时的远程查看机床数控系统内部数据（温度、电流、振动）。当监测到的数据异常时移动端的软件中的仪表板会提示异常，以便于技术人员及时发现设备故障，对设备进行及时的维保，保证生产过程的顺利进行，提供企业的经济效益。
移动端远程监测系统PC端界面图如图8所示。
width=374.8,height=217.25
图7 数据库中采集数据的图片
width=128.95,height=187.75
图8 移动端远程监测系统界面
3.2 PC端监测系统的开发
采集数据软件开启远程监控后，采集到的数据和本地监控软件的诊断结果通过MQTT协议自动上传到EMQX平台的云端，远距离PC端的监控软件通过订阅的方式读取云平台中的数据，实现数据由现场的监控软件到达远程的监测系统，实现数据的远程传输。对其到的数据实时的显示到左侧的表格之中，当需要对数据进行分析时，远程端的监控软件还可以对数据进行可视化，观察数据的波动，同时远程端的监控软件也能实现数据的保存，远程监测软件的界面图如图9所示。
4 结论
本文系统地介绍了木工机床远程实时监测系统的整体设计，包括其功能需求、系统架构以及各功能模块的工作原理。基于C#编程，该监控系统可以采集机床数控系统中的数据如（主轴的振动、温度、电流数据等），并运用小波去噪算法和平均滤波算法对采集的数据进行简单的处理，同时对机床进行故障诊断。运用EMQX云平台和ThingsCloud云平台，采用物联网的MQTT协议实时推送实时数据到云平台，分别运用C#编程，采用订阅的方式开发了PC端的机床数据远程监测平台和基于ThingsCloud云平台自有的编程语言开发了移动端的远程监控平台，为开发人员远程监测机床数据提供了新的途径。同时开发了相应的数据库和灵活的数据保存方式用来保存相应的数据。远程监测系统采用C/S架构，并结合前后端分离开发模式，使系统开发与运行耦合度较低，便于后续功能扩展，适用于高并发场景。在系统运行过程中，能实时、准确地采集机床数控系统的各类数据，并在出现异常时及时发出警示，提醒维护人员进行处理。
width=179.9,height=209.45
图9 远程监控系统PC端
该系统不仅能够显著降低机床的检修成本，延长设备使用寿命，同时对提升机床加工的智能化水平、实现数据可视化以及优化数控系统内部数据流通具有实际应用价值。此外，监测到的数据还能为机床故障诊断与分析提供可靠的数据支撑。 |
|
/1 
发表于 2026-5-31 20:42:03
