基于多源信息融合的數控機床進給系統(tǒng)機械故障診斷研究.pdf

1、數控機床是指采用數字控制系統(tǒng)的自動化機床，可實現自動換刀以及復雜曲線、曲面的加工，具有加工精度高、加工質量穩(wěn)定、生產效率高的特點，因而成為現代制造生產中的關鍵技術設備，其技術發(fā)展水平與擁有數目成為體現一個國家工業(yè)現代化水平的重要標志。從結構組成來看，數控機床是集機械、電子、液壓等技術于一體的復雜系統(tǒng)。在使用過程中，任何一個部分出現故障，均會影響機床的正常運行，尤其機械部分出現故障時，長時間的停機檢修，導致整個生產線停產，造成巨大的經濟損

2、失。目前數控機床機械部件仍然廣泛采用定期維護與定期更換的維修制度，這種維修制度下維修過度與維修不足的矛盾突出，一方面造成人力與物質資源的極大浪費，另一方面無法避免數控機床突發(fā)性故障的發(fā)生。因此，開展數控機床狀態(tài)監(jiān)測與故障診斷研究，實現維護方式由定期更換到預防維護、預知維修的轉換是非常必要的。
　　本文以信息融合技術為基礎，對數控機床狀態(tài)監(jiān)測與故障診斷的策略、信號處理與特征提取的方法、故障模式智能識別模型的建立以及全局綜合決策融合方

3、法等進行了深入地研究，設計了基于多層次信息融合的數控機床機械部件狀態(tài)監(jiān)測與故障診斷系統(tǒng)。
　　論文從切削力分析入手，根據數控機床載荷多變、高頻沖擊的工況以及加工多樣性的特點，得出其切削力傳播路徑上的機械零部件更易發(fā)生故障的結論，分析了數控機床上機械零部件與普通設備故障成因的不同，確定了論文的研究對象以及故障失效形式。研究了基于振動、溫度、電機電流、伺服誤差等多種參量的故障診斷機理，并按照參量信息來源的不同，構建了由外部傳感器、內部

4、信息、程序參數以及警報信息組成的數控機床多維感知狀態(tài)監(jiān)測體系，從機床本體、刀具磨損、加工過程、工件加工質量等多個角度、多個方面反映數控機床運行狀態(tài)，實現數控機床的全方面監(jiān)測，為后續(xù)診斷過程提供充足的信息。
　　通過實驗數據分析發(fā)現僅用傳統(tǒng)的時域與頻譜分析不能對復合故障進行有效地區(qū)分，為進一步挖掘隱藏在原始信號中的故障特征，本文提出了小波包與經驗模態(tài)分解聯合的信號處理方法，利用小波包對信號進行降噪，并將小波重構信號擴展為高頻與低頻兩

5、個窄帶信號，再分別對兩個窄帶信號進行EMD處理的方法。這種小波包與經驗模態(tài)分解聯合的信號處理方法，利用小波包對信號進行降噪，大大提高EMD分解的精度與質量，而且通過重構節(jié)點的擴展，可以更加細致地分析故障信息。提取EMD分解后每個IMF的能量作為特征，與時域特征、頻域特征組成多域混合特征集合?；谔卣髦g相關性分析的特征選擇方法，以模糊聚類為主要手段進行特征降維，獲取敏感特征子集。
　　根據數控機床需要診斷的對象及其故障多的特點，提

6、出了分級診斷的策略，將診斷劃分為故障定位、故障類別與程度兩個層次。主網絡在對故障定位的同時，負責局部子網絡模型結果的聚合;局部子網絡診斷具體的故障類型與程度。通過任務分工與協作，達到了簡化網絡結構的目的。研究了數控機床故障診斷的BP神經網絡模型、RBF神經網絡模型及支持向量機(SVM)模型的構建依據和方法，以敏感特征作為模型輸入，分別構建了基于BP、RBF與SVM的數控機床故障診斷主網絡與局部診斷子網絡的模型，對比研究了三種模型對不同故

7、障類別的診斷能力。
　　建立了基于模糊綜合評判的全局診斷模型與基于加權D-S證據理論的全局診斷模型，進一步地提高了故障識別率。首先針對數控機床模糊綜合評判建模的難點，提出了以多分類器的初步診斷結果為基礎，將評價因素由高維特征轉變?yōu)榈途S的初級診斷結果，降低了模型的復雜程度，成功構建了基于信息融合的數控機床單級模糊綜合評判故障診斷模型，并提出了從正確性與診斷精度兩個方面評價分類器分類能力的方法，構造了基于信息熵的評價函數以及分類器整體