基于分级预警的数控机床故障诊断方法技术

本发明专利技术的基于分级预警的数控机床故障诊断方法，包括：a).采集机床的信息，获得机床的振动、温度原始数据；b).数据处理和参数提取，提取包括振动幅值、振动突变值和温度在内的特征参数；c).判断是否存在故障，根据步骤b)中获取的特征参数是否超越预设下限值判断机床是否存在故障；d).判断预警等级，如果预警级别达到4级，则执行机床停机命令；如果预警级别为1～3级，则执行步骤f)；f).自动识别故障原因。本发明专利技术的机床故障诊断方法，满足了机床早期故障预警的快速性以及诊断的准确性要求，提高了数控机床故障诊断的准确性和可靠性，减少了停机时间，有效降低了维护成本，提高了数控机床的生产效率。

【技术实现步骤摘要】

本专利技术涉及一种，更具体的说，尤其涉及 一种通过判断组件的振动幅值、振动突变值和温度是否超阈值进行故障诊断的基于分级预 警的数控机床故障诊断方法。
技术介绍
作为大中型企业生产中的关键设备，数控机床的任何部分出现故障，都可能导致 加工精度降低，甚至机床停机、生产停顿，尤其是处于生产线关键核心部位的高档机床，将 会给整个生产线带来重大的停机损失，不仅造成巨大的经济损失，严重时还会危及到人身 安全。由于数控机床的先进性、复杂性和智能化高等特点，若现场操作人员不具备丰富的 维修经验，对于此类故障的诊断无从下手，只能停机等待诊断专家进行专门的维修。因此， 为了及早预防并及时排除故障，提高诊断效率，保证加工质量，对于数控机床的故障诊断与 智能维护技术的研究具有重要的现实意义。 现代数控机床故障诊断不断将自动控制以及人工智能相关领域的知识融合，实现 了故障诊断由简单到复杂、低级到高级、单一到综合智能化的过程。智能故障诊断技术的应 用，较好的表达了故障征兆与故障原因之间的非线性关系，一定程度上解决了由于对故障 机理的认识不足和专家经验的不足所引起的知识缺少而带来的故障误诊断问题，提高了机 床故障诊断的准确性。但由于智能算法本身往往具有一些固有缺陷，例如训练样本量大、运 算过程复杂、计算量大等，影响了对于实时性要求很高的机床类复杂系统的在线故障检测， 目前还无法满足机床故障的快速预报、诊断与实时控制的需求。 针对以上问题，本专利技术提供了一种，对机 床故障的预警、定位进行分级处理，满足了机床早期故障预警的快速性以及诊断的准确性 要求。
技术实现思路
本专利技术为了克服上述技术问题的缺点，提供了一种基于分级预警的数控机床故障 诊断方法。 本专利技术的，其特别之处在于，通过以下步 骤来实现：a).采集机床的信息，利用振动传感器、温度传感器对待监测机床进行实时监 测，获得机床的振动、温度原始数据；b).数据处理和参数提取，对步骤a)中采集的原始数 据进行降噪、FFT变换处理，根据不同组件的故障与特征参数的对应关系，分别提取组件的 包括振动幅值、振动突变值和温度在内的特征参数；c).判断是否存在故障，根据步骤b)中 获取的特征参数是否超越预设下限值判断机床是否存在故障，把采集的当前组件的特征参 数与预设下限值比较，如果存在SpAt>SpA_、AAt>AA_或者TT_，则认为机床出 现故障，其中：SpAtSt时刻某组件的振动幅值，AA,为t时刻某组件的振动突变值，T,为t时刻某组件的温度，SpA_、AA_、T_分别为相应组件的振动幅值、振动突变值、温度的预 设下限值；执行步骤d) ;d).判断预警等级，按照如下原则判断机床的故障预警级别：如果SpA_<SpAt<SpA或者TTt<T_，则属于1级预警； 如果SpA随彡SpAt或者T咖彡Tt，则属于2级预警； 如果AA_<AAt<AA_，则属于3级预警； 如果AAt>AA_，则属于4级预警； 其中，SpA_、AA_、T_分别为相应组件的振动幅值、振动突变值、温度的预设上 限值；e).判断是否停机，如果预警级别达到4级，则执行机床停机命令，以避免造成严重的 故障或损失；如果预警级别为1~3级，则执行步骤f) ;f).自动识别故障原因，采用智能的 故障诊断算法自动进行故障的定位，以便操作人员及时发现并排除故障。 本专利技术的，步骤e)中所述的故障诊断算 法通过以下步骤来实现：e_l).案例库的建立，根据机床工作过程中实际出现的故障，建立故障征兆与故障 原因的案例库，每个案例库中记载着一个故障原因、该故障原因对应的多个故障征兆以及 每个故障征兆的模糊数；e_2).实时参数采集，根据实际加工中的故障信号提取故障征兆，形成故障征兆集 合Rs={rr2,. . .，rj，其相对重要程度分别用权重{ ? ?2,. . .，《J表示，《i为第i个 故障征兆A的权重；e_3).检索符合条件的案例库，根据步骤e-2)中提取的故障征兆从案例库中检索 出符合条件的案例库，设符合条件的案例库共m个，记为C= {Cl，c2,. . .，cj，m个案例库对 应的故障原因集合为：Y= {y:，y2,. . .，ym};e_4).找出符合条件故障征兆，如果案例库Cl中的故障征兆与集合Rs中实际采集 的故障征兆一致，则认为案例库Cl中的该故障征兆符合条件，1 <i<m;设案例库ci中符 合条件的故障征兆所组成的集合为Rp=Irpl,rp2,. . .，rpf}，f< 1，集合Rp各故障征兆明显 程度的模糊数组成的集合为Mp={mpl,mp2,. . .，mpf};执行步骤e-5);e-5).计算权重和并判断，根据集合Rp中故障征兆在集合{? ?2, . . .，相应 的比重，由公式（1)计算Rp中所有故障征兆的权重和《 D1: 1=1 如果《D1彡0. 5,则执行步骤e-6);如果《 D1< 0. 5,则认为ci不是匹配案例库， 按照同样的方法对案例库C中的每个案例均进行判断，如果都不匹配，则执行步骤e-11); e-6).模糊数的拆分，从故障原因与故障征兆的模糊关系表中，取出集合Rp中故 障征兆rpi所对应的故障原因的模糊数，记为：若某故障原因与故障征兆无 关，则其模糊数fpi= 〇, 1彡i彡f;按照公式（2)计算出拆分系数 按照公式（3)将模糊数集合拆分成一个故障征兆rpi与对应故障原 因的t吴糊关系： 其中，1彡i彡f;e_7).获取引入关系系数的模糊关系，根据案例Cl中的故障原因，获取该故障原因 与故障征兆的关系系数，设关系系数所组成的集合为叫=|^，按照公式（4) 将关系系数与相应的模糊相乘，获取引入关系系数的模糊关系： 其中，1彡i彡f;e-8).获取案例的关系矩阵，按照e-6)至e-7)的步骤，分别获取案例c#所有故 障征兆rpl、rp2、…、rpf的丰旲糊关系G/、G2'、…、Gf' ；将集合G/、G2'、…、Gf'中的 元素分别作为矩阵的第一行、第二行、…、第f?行，形成案例Cl的关系矩阵，记为Gbl，其通过 公式（5)进行求取：e_9).获取关系向量GP1'，按照e-4)至e-8)的步骤，得到符合条件的m个案例 Ci、c2、. . .、cm的关系矩阵Gbl、Gb2、…、Gbm;从关系矩阵Gbl、Gb2、…、Gbm中查找出与故障征 兆rpi相关的行，设相关的行数为k，k个相关的行组成公式（6)中的向量关系表达式： 米用向量关系表达式中相应兀素的和作为故障征兆:1^与故障原因的关系向量 Gp/，向量Gpi'如公式（7)所示： Gpir = (7) 其中，向量Gpi'中的元素gi/通过公式⑶进行求取： /7=1e-10).获取故障原因组合，按照与步骤e_9)中相同的方法，分别得到故障征兆 rpi、rP2、…、rPf的关系向量Gpl'、Gp2'、…、Gp/ ;向量Gp/、G当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于分级预警的数控机床故障诊断方法，其特征在于，通过以下步骤来实现：a).采集机床的信息，利用振动传感器、温度传感器对待监测机床进行实时监测，获得机床的振动、温度原始数据；b).数据处理和参数提取，对步骤a)中采集的原始数据进行降噪、FFT变换处理，根据不同组件的故障与特征参数的对应关系，分别提取组件的包括振动幅值、振动突变值和温度在内的特征参数；c).判断是否存在故障，根据步骤b)中获取的特征参数是否超越预设下限值判断机床是否存在故障，把采集的当前组件的特征参数与预设下限值比较，如果存在SpAt≥SpAmin、ΔAt≥ΔAmin或者Tt≥Tmin，则认为机床出现故障，其中：SpAt为t时刻某组件的振动幅值，ΔAt为t时刻某组件的振动突变值，Tt为t时刻某组件的温度，SpAmin、ΔAmin、Tmin分别为相应组件的振动幅值、振动突变值、温度的预设下限值；执行步骤d)；d).判断预警等级，按照如下原则判断机床的故障预警级别：如果SpAmin≤SpAt＜SpAmax或者Tmin≤Tt＜Tmax，则属于1级预警；如果SpAmax≤SpAt或者Tmax≤Tt，则属于2级预警；如果ΔAmin≤ΔAt＜ΔAmax，则属于3级预警；如果ΔAt≥ΔAmax，则属于4级预警；其中，SpAmax、ΔAmax、Tmax分别为相应组件的振动幅值、振动突变值、温度的预设上限值；e).判断是否停机，如果预警级别达到4级，则执行机床停机命令，以避免造成严重的故障或损失；如果预警级别为1～3级，则执行步骤f)；f).自动识别故障原因，采用智能的故障诊断算法自动进行故障的定位，以便操作人员及时发现并排除故障。...

【技术特征摘要】

【专利技术属性】
技术研发人员：郝慧娟，王茂励，郝凤琦，罗旋，李娟，程广河，韩凌燕，张让勇，韩路跃，孙祥，孟庆龙，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：山东;37