基于多源信息融合的數(shù)控機(jī)床進(jìn)給系統(tǒng)復(fù)合故障診斷研究.pdf

1、數(shù)控機(jī)床是現(xiàn)代工業(yè)生產(chǎn)中最常用、最典型的機(jī)電一體化設(shè)備，進(jìn)給系統(tǒng)作為數(shù)控機(jī)床中的重要環(huán)節(jié)，其性能參數(shù)和進(jìn)給效率直接影響數(shù)控機(jī)床的加工精度和生產(chǎn)質(zhì)量。滾動軸承和滾珠絲杠副是進(jìn)給系統(tǒng)中的兩大主要部件，分別起到支撐和傳動的作用，若二者發(fā)生故障，則會影響整個傳動系統(tǒng)的傳動效率，進(jìn)而對數(shù)控機(jī)床產(chǎn)生巨大影響，甚至損壞。因此，開展關(guān)于數(shù)控機(jī)床進(jìn)給系統(tǒng)的性能檢測和故障診斷研究，對保障數(shù)控機(jī)床安全、可靠、高效的運(yùn)行具有十分重要的意義，對實(shí)際工程應(yīng)用也具有

2、很高的實(shí)用價(jià)值。
　　本文以數(shù)控機(jī)床進(jìn)給系統(tǒng)中的滾動軸承和滾珠絲杠副為研究對象，綜合分析國內(nèi)外復(fù)合故障的研究現(xiàn)狀，針對單一傳感器信息量小、信息來源有限的缺陷，提出了基于多源信息融合的復(fù)合故障診斷方法。采用振動傳感器、噪聲傳感器和溫度傳感器采集復(fù)合故障的多源信息，并借助MATLAB和LabVIEW平臺進(jìn)行編程，實(shí)現(xiàn)對復(fù)合故障的模式識別和故障診斷。
　　分析了滾動軸承和滾珠絲杠副的故障機(jī)理及常見失效形式，確定了研究的十種復(fù)合故障

3、類型，利用NI數(shù)據(jù)采集卡和五個外置傳感器，并設(shè)計(jì)基于MATLAB的LabVIEW編程對故障信號進(jìn)行采集和存儲。利用時(shí)域、頻域以及時(shí)頻域中的EEMD方法對故障信號進(jìn)行特征提取。引入SLLE降維方法對龐大的特征向量進(jìn)行簡化、篩選，為提高診斷的速度和精度打下了基礎(chǔ)。
　　在分析其振動信號特征的基礎(chǔ)上，提出了基于EEMD-FastICA的復(fù)合故障振動信號分離方法。通過MATLAB平臺建立了滾動軸承復(fù)合故障的仿真數(shù)學(xué)模型，并與試驗(yàn)結(jié)果進(jìn)行對

4、比分析。
　　分析了故障數(shù)據(jù)結(jié)構(gòu)特點(diǎn)，提出了流形聚類分析的復(fù)合故障診斷方法，用流形距離來描述數(shù)據(jù)之間的相互關(guān)系，對復(fù)合故障進(jìn)行分類識別和診斷。并與其它方法進(jìn)行對比，發(fā)現(xiàn)該方法診斷過程更加直觀、簡單，診斷結(jié)果準(zhǔn)確率較高。
　　建立了BP、RBF和GRNN三種神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)，對復(fù)合故障篩選之后的特征值進(jìn)行特征級融合。通過試驗(yàn)對比研究三種網(wǎng)絡(luò)的識別性能，結(jié)果表明，GRNN神經(jīng)網(wǎng)絡(luò)在復(fù)合故障診斷中更具有優(yōu)勢，診斷結(jié)果更準(zhǔn)確。