数控设备是装备制造业的基础,在制造领域用来加工各种大型、复杂、精密零件的作用无可替代,国家已将数控设备研发列入十一五重大科技专项。然而,数控设备在高速变载、振动冲击、摩擦磨损等工况下运行会使其性能变异,影响加工质量和精度,甚至产生故障导致设备报废。本项目基于多学科交叉与融合,研究数控设备状态信息、本体信息及伺服误差信息等多源信息的有效获取方法及其与设备故障间的内在关系、多源信息融合与特征提取的基本理论和方法;建立设备信息与故障间的映射模型和关联模型,研究模型的算法并开发功能软件,构建多模型聚合数控设备状态监测与故障诊断虚拟仪器系统;揭示数控设备故障的形成机理和演变规律。为数控设备状态监测、故障诊断和预测提供理论指导和实用技术。对实现在用数控设备预知维修、保证加工质量,提高我国自主研发数控设备的水平和国际竞争力具有重要的理论意义和实用价值,符合我国基础装备战略发展需求。
Numerical Control Machine;Information Fusion;Feature Extraction;Condition Monitoring;Fault Diagnosis
数控设备是现代装备制造业的基础设备,在加工制造领域广泛应用。然而,数控设备长期在高速变载、频繁换向、振动冲击、摩擦磨损等工况运行,易使其典型部件性能变异,影响加工质量和精度,甚至产生设备故障。因此,开展数控设备典型部件状态监测与故障诊断,对于实现设备的预防维护和预知维修、保证设备正常工作和工件加工质量至关重要。本项目基于多源信息融合,对数控机床滚珠丝杠副、滚动轴承、减速箱齿轮、工作台进给系统、电主轴、电机等典型部件状态监测与故障诊断进行了理论和试验研究。分析了典型部件的故障形式、故障特征和故障原因,研究了振动、温度、噪声等外部信息的多传感器采集方法及光栅尺、编码器等内部传感器信息的读取方法;从理论上对故障信号的分解、降噪、重构及故障信号的时域、频域、时频域特征的提取、筛选、降维与融合的多种智能方法进行了分析、比较和优化;深入研究了决策级信息融合的方法,分析了D-S证据理论算法,针对合成公式存在的不足,探讨了改进方法,提出了基于信息熵与判断矩阵的算法,降低了诊断的不确定性;基于LabVIEW平台,采用模块化和图形化编程实现了故障信息采集、特征提取与融合处理;建立了数控机床滚珠丝杠副、主轴轴承、进给系统滚动轴承、齿轮箱齿轮等典型部件的故障诊断模型和工作台伺服进给系统及其主要部件的两级故障诊断模型,开发了典型部件的故障诊断系统,并搭建了试验台、制作了故障试件,对上述方法、模型及诊断系统进行试验,取得了良好的效果。项目研究期间,完成硕士学位论文6篇;发表研究论文17篇;获2012年山东省优秀学士学位论文1篇。