基于性能特征和故障征兆的数控机床故障诊断方法

摘要

随着现代生产制造业的发展,数控机床已被广泛使用。由于数控机床的结构和功能复杂,因此一旦故障发生,故障的定位和诊断将非常困难。在数控机床发生故障后,快速、准确地进行故障诊断并实施维修,是企业设备维修维护中面临的一大问题。
　　针对数控机床故障诊断问题复杂的特点,本文开展了数控机床故障诊断方法研究。首先分析了数控机床的故障特征,并对国内外数控机床的故障诊断技术进行了概述,在比较各种方法的特点后选取了基于性能特征的智能诊断方法和基于故障征兆的专家系统诊断方法。分析了数控机床性能劣化与故障发生的关系,基于数控机床的性能特征,建立了SOM-BP神经网络相结合的人工神经网络模型及其训练算法,实现性能劣化故障诊断,并以精度特征数据为例,验证了诊断算法的正确性。分析了故障征兆与故障原因的关系,基于数控机床已发生的故障征兆,建立故障诊断的专家系统和CBR-RBR集成诊断机制,实现快速故障诊断,同时实现诊断知识库的持续学习增长。结合生产实际,设计并开发“大型数控机床故障诊断系统”原型系统,实现数控机床的故障诊断功能,实现数控机床结构和诊断规则的管理,具有一定的实用价值。最后进行了全文总结和工作展望。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的背景和来源

1.2课题研究的主要目的及意义

1.3机床故障诊断方法研究概况

1.4 本文的主要工作与结构

2 数控机床故障诊断方法研究

2.1 数控机床的组成和工作原理

2.2 数控机床的故障

2.3 数控机床故障特征分析

2.4 本章小结

3 基于性能特征的SOM-BP故障诊断方法

3.1 机床性能特征

3.2性能特征与故障诊断

3.3 SOM-BP智能算法介绍

3.4 基于精度数据的故障诊断

3.5 本章小结

4 基于故障征兆的故障诊断专家系统

4.1 故障征兆与故障诊断

4.2 基于RBR的数控机床故障诊断

4.3基于CBR的数控机床故障诊断

4.4 RBR与CBR集成诊断机制

4.5 本章小结

5 故障诊断原型系统的开发

5.1 故障诊断系统总体设计

5.2 系统功能模块设计

5.3 数据库设计

5.4 系统实例演示

5.5 本章小结

6 总结与展望

6.1 全文总结

6.2 研究展望

参考文献

致谢

附录1 作者攻读硕士学位期间发表的论文