图论框架下基于优化灰色关联度的机床故障定位与诊断

为有效降低机床故障发生概率,在图论理论基础上提出基于优化灰色关联度模型的机床故障诊断方法。联合故障传播有向图定义机床故障的表征形式,并引入灰色关联度算法模型确定故障之间的关联关系,实现对故障点的精确定位。从机床故障数据特征着手,建立完整的集成诊断机制,进而实现对机床故障定位与检测。以FB260型数控锁床滑枕进给系统为例,验证提出的故障诊断方法的有效性,并将其故障诊断定位结果与传统FMEA方法对比,结果表明提出方法的节点深度控制的一致性更优。     

基于网络的远程智能故障诊断系统开发

为保证加工中心在加工过程中的安全,避免重大事故,提高生产率和机床利用率,开发远程智能故障诊断系统加强机床的运行管理。针对加工中心的实际情况,通过提取加工中心的报警信息,利用VB开发远程故障诊断系统对加工中心运行状态进行监测。将提取的数控系统参数和报警信息进行分类,便于在机床发生故障时,能够快速、及时地对数控系统的信息进行查找咨询,方便用户识别设备在运行过程中的有关状态,从而达到故障诊断的目的。     

用模糊专家系统诊断机床故障

由模糊专家系统构成的机床故障诊断系统，能应用模糊推理的方法，自动地合成若干个专家的知识和技能。该系统的数据亦可根据新的情况随时进行修改，应用该系统时不需要预先整理各种知识，也不需要考虑各知识间的联系，只要随机地输入各种知识和技能，即能自动构成专家系统，省去了许多繁琐的人工整理工作．与一般的专家系统相比，系统的开发时间可缩短到十～合。这种故障诊断系统已用于日本小松制作所粟津工场的齿轮加工机床和大型5面加工机上。由该系统提供的信息有两种：①“故障原因一览表和故障状况一览表”：②“故障原因与故障状况的…     

基于数据驱动和本体建模的数控机床主轴故障诊断与推理

针对目前数控机床主轴系统故障诊断存在方法单一及智能化程度低的问题,提出基于数据驱动和本体建模的机床主轴故障诊断与推理方法。采用EMD对传感器采集的蕴含故障特征的原始信号进行数据处理与分析,提取原始统计特征,在此基础上,构建DBN-RF诊断模型实现深度特征自适应挖掘与故障模式识别。利用Protégé5.1工具结合领域知识构建机床主轴故障本体知识库,将DBN-RF诊断模型的故障辨识结果与本体知识库中的实例进行语义映射,实现故障知识推理,获得故障原因和故障解决策略。基于采集的不同工况下轴承故障数据验证了DBN-RF诊断模型的有效性,最高故障诊断平均准确率可达92.93%;构建实例验证了本体知识库的可重用性和推理功能;最后,设计开发了数控机床主轴健康管理服务系统,实现主轴系统状态实时感知和故障诊断与推理。     

基于多源信息融合与随机映射的机床故障诊断

在采用多源信息进行机床故障诊断时,需要特征降维以降低模型复杂度,但传统的特征降维方法因涉及矩阵分解等原因时效性不高。针对此问题,提出一种基于多源信息融合与高斯随机映射的数控机床故障诊断方法。该方法针对多源信息的高维度特征,采用高效的随机映射(RP)方法进行降维,然后将降维后的特征向量输入到支持向量机(SVM)进行分类识别。实验表明,在处理高维数据时,随机映射在准确性以及时效性方面优势明显,利用该方法可以实现机床多种类型故障的高效、准确诊断,具有重要的工程实用价值。     

机床传动系统的故障诊断

机床传动系统故障往往会影响到机床的加工精度.正确选择故障诊断方法、准确提取典型故障的特征是机床传动系统故障诊断的关键,文中介绍了几种常用故障分析方法和机床传动系统常见故障的特征,包括传动齿轮的齿形误差、齿轮均匀磨损、箱体共振、轴轻度弯曲、断齿、轴不平衡、轴向窜动、轴承疲劳剥落和点蚀等故障发生时其振动信号的时域和频域特征,并结合实例介绍故障诊断方法的应用,可供有关工程技术人员参考.     

基于图卷积网络的滚动轴承智能故障诊断

基于非欧几里德空间的数据包含着数据点以及数据点之间的关系信息，而基于深度学习模型的故障诊断方法通常忽略了数据点之间的关系信息。对此，通过结合可视图算法和图卷积网络，将基于非欧几里德空间的不规则数据应用到轴承故障诊断领域。首先，将原始信号利用可视图算法转换为图数据，以图数据显示时域特征，极大丰富了输入信息；其次，利用构建的图卷积网络对故障特征进行学习，以达到故障诊断的目的。实验结果表明，图卷积网络在单一轴承故障分类任务上能够达到97%以上的准确率，这表明利用可视图算法提取的关系信息对轴承故障的识别具有重要作用。     

基于循环神经网络的数控机床故障诊断研究

为快速对数控机床故障进行在线定位与诊断,提出基于循环神经网络的数控机床故障诊断技术。通过提取网络节点,建立基于循环神经网络的“门”判别结构;引入模糊边界理论,对机床故障特征空间进行分类;通过组织故障诊断样本的方式,完成规则可信度率的统计与判别,实现对数控机床故障的在线诊断。以CAK6150数控机床作为研究对象,经过数据归纳可知,在循环神经网络支持下,故障诊断数据的实际输出与理论值非常接近,且收敛速度较快,能够较好解决制造类企业的机械设备应用故障问题。     

基于改进邻域粗糙集与S_Kohonen神经网络的滚动轴承故障诊断研究

针对现有滚动轴承故障诊断技术中,存在输入属性冗余过多、故障识别率不高等缺点,提出了基于改进邻域粗糙集与S_Kohonen神经网络的故障诊断方法。由于传感器采集的故障信息大多为数值型数据且数据维数较大,文中引入邻域粗糙集理论并对基于邻域粗糙集的经典前向贪心算法进行改进,利用改进算法约简故障数据,大大减小了算法复杂度;对Kohonen神经网络进行改进,在其原有结构基础上添加输出层构成S_Kohonen神经网络,使其输出类别满足给定分类要求;分别采用前向贪心算法、改进算法约简故障数据,将约简前、后的故障数据分别输入S_Kohonen神经网络、BP神经网络识别滚动轴承故障状态,试验结果证明邻域粗糙集可有效消除属性之间的重复信息,改进算法提取故障属性信息更能反映故障状态的本质,S_Kohonen神经网络具有良好的故障识别能力,两者配合使用,改进邻域粗糙集——S_Kohonen神经网络模型具有很好的故障诊断能力。     

基于分级特征库的机床故障诊断系统设计与实现

针对机床故障诊断中人工诊断效率低、实时性差、误差大的缺点,研究提出使用分级特征库进行机床故障诊断,该研究将特征分为典型特征和非典型特征两级,在底层汇聚节点完成振动特征提取和典型特征(即A级特征)机床故障诊断,实现故障现场预警,提高了现场预警的实时性。在控制中心完成对非典型特征(即B级特征)综合处理和分析,同时对两级特征数据采用机器学习中SVM算法完成故障特征库的完善和更新,提高了机床故障诊断的准确性。通过实验证明该研究在基于特征库的机床故障诊断领域具有理论研究价值和工程应用价值,提高了数控机床故障诊断的实时性和精确性。     

基于网络的数控机床故障预警与诊断平台设计与实现

以大型数控曲轴磨床、重型轧辊磨床和用于核电装备制造的重型数控镗铣床等为研究对象,研究了这类装备关键部件信号采集、故障诊断与预警技术,研制了现场监测与故障诊断仪,建立了这类装备的故障诊断知识库,开发了数控机床故障预警与诊断模型和数控机床故障预警与诊断平台,实现了轧辊数控磨床、数控曲轴磨床和重型数控镗铣床等机床的状态显示、故障诊断和性能预报。     

数控机床健康诊断图形化动态交互平台的开发

为实现对数控机床智能化的状态监测与故障诊断,通过对数控机床健康诊断系统分析模型与交互特性的分析,根据数控机床故障类型与结构特点,利用Python开发一个图形化交互的数控机床健康诊断系统的动态交互平台,详细设计了系统的总体架构、数据采集模块、数据处理模块、诊断服务模块、人机交互界面。该平台可实现数控机床的动态监控、故障分析、状态数据显示及信息的发布与预警功能。     

基于FP-Growth算法的数控机床故障特征分析北大核心

数控机床故障问题的及时响应、故障原因精准判断以及解决方案的快速识别是实现制造单元智能化的关键。基于数控机床历史运维数据,采用关联规则挖掘FP-Growth算法实现数控机床故障模式、原因的关联规则挖掘。首先对运维数据进行故障特征分析,构建基于关联规则的故障诊断模型;其次,通过对历史故障模式及其相应故障原因进行挖掘,生成故障诊断关联规则;最后结合关联规则的支持度、置信度等评估指标进行分析,并推演出关联概率的大小,验证了FP-Growth算法用于数控机床故障特征分析的可行性和合理性。     

一种数控车床故障诊断方法

通过对数控机床可靠性增长技术的研究，利用MTBF值（平均故障间隔时间：Mean Time Between Failures）对国产数控机床进行故障诊断。根据采集的数控车床故障数据，对其进行了可靠性分析，计算出了可靠性评定指标，建立了故障间隔时间分布模型。对数控车床进行了故障模式、影响及危害度（FMECA）分析，剖析了数控车床的故障发生机理，找出了产品的薄弱环节，提出了部件或子系统的可靠性改进建议。     

基于Web的CNC机床远程故障诊断系统

对基于Web的Multi-agent 的远程故障诊断技术进行了研究,提出基于知识的Multi-agent的数控机床(CNC)的远程故障诊断系统,该系统由诊断和学习agents(DLA)、远程设备agents(RMA)和中央管理agent(CMA)组成.通过这些Agents之间的协作和通信,实现CNC机床的远程监测和故障诊断.     

基于5G通信的数控机床智能监控与诊断系统设计

针对目前数控机床智能监控水平较低、智能化不足的问题,提出基于5G通信的数控机床智能监控与故障诊断系统。该系统以高性能STM32为硬件核心,搭载AliOS Things嵌入式操作系统实现机床电机工作电流、电压、温度和振动信号的实时监测;再提取信号时频域特征,进行故障状态识别,通过5G通信智能网关将异常状态数据上传到远程智能监控服务平台。该平台还能下发指令给监控系统,提示并辅助工作人员对存在故障风险的数控机床进行及时维护。经测试,该系统能够实现高并发海量数据的采集与高速传输,5G通信传输速度在500 Mb/s,传输时延在20 ms以内,平均数据丢包率在2%内。测试结果表明该系统性能稳定可靠,在满足数控机床智能监控同时,为数控机床设备的智能升级提供技术方案。     

数控机床回参考点故障的分析与排除

结合具体数控机床介绍参考点回归原理及过程，并对机床回参考点过程中各种形式的故障进行分析、诊断及总结。     

数控机床参考点回归的方式综述及其常见故障诊断

在广泛调研的基础上，对当前数控机床常见的参考点回归方式进行阐述和归纳，并结合实例对机床回参考点过程中各种形式的故障进行分析、诊断及总结。