智能制造背景下,随着企业对数控机床可视化监控系统的智能化需求不断提高,海量的监控过程数据被实时采集。它们具有数据量大、数据增长快、数据价值大等特点,如何压缩并存储这些海量的数据成为企业信息化进程中一个亟待解决的难题。因此,本文对数控机床监控过程数据进行了深入的研究,在此基础上提出了监控过程数据的压缩策略,并将它们应用于数控机床可视化监控系统的开发中。本文的主要研究内容如下:(1)通过对现有压缩算法的研究,分析将它们用于数控机床监控过程数据压缩的局限性。深入研究机床监控过程数据的结构、特点及规律,针对监控过程中的开关量数据、三维轨迹数据与模拟量数据,利用数据不同的变化规律,分别提出对应的压缩策略。(2)针对机床监控的三维轨迹数据,本文提出一种基于NC程序解析的数据压缩方法。通过研究三维轨迹数据与NC代码之间的对应关系,提出了实时数据的NC代码匹配方法及异常数据的识别方法。利用实时坐标与NC代码解析的理论轨迹之间的位置误差作为压缩过程的判断依据,通过误差限的动态调节来获得更好的压缩效果。(3)针对机床监控的模拟量数据,提出一种基于相似性匹配的改进型SDT数据压缩算法。构建了监控过程模拟量数据的实时状态模型和历史状态矩阵。针对状态模型与历史状态矩阵的子序列间可能存在时间延迟而导致相似度计算不准确的问题,提出一种基于窗口平移的状态模型相似度量方法。针对不同压缩区间,通过该相似度量方法将实时状态模型与历史状态矩阵的子序列相匹配,从而动态调整SDT算法的门限值,使算法适应监控过程模拟量数据的变化趋势。(4)将本文提出的压缩方法应用于数控机床可视化监控系统的开发中,验证算法的可靠性和实用性。利用Unity3D和Eclipse平台完成监控系统的开发,通过实时数据的压缩、解压缩为监控系统提供数据支撑,从而实现系统的三维可视化监控、历史数据查询、数据统计等功能。