数控机床电气系统故障诊断与排除方法研究

数控机床常见的电气系统故障涉及机床电气控制电路、数控系统参数设定及PMC程序三个方面。为了快速确定故障点并采取合理的方法排除机床故障,以FANUC系统数控机床为研究对象,基于故障发生的机理和维修实践经验,从机床电气控制电路、常见系统报警和PMC程序三个方面研究了故障排除方法。通过分析,依据故障类型采用相应的故障排除方法,有利于提高数控机床维修效率。     

PMC诊断法维修数控机床的I/O故障PMC诊断法维修数控机床的I／O故障

由PMC控制的输入输出故障是数控机床运行过程中最常见的故障。阐述了数控机床PMC诊断中常见的四种途径的实施方法、注意事项,以期达到对于故障的快速诊断、高效排除的目的。     

利用电气手册进行数控机床故障诊断分析

介绍了数控机床电气手册的组成部分及各部分内容;结合实例,阐述了利用电气手册进行数控机床故障诊断的方法步骤,为机床维修提供了借鉴。     

数控机床常见故障

数控机床因结构复杂,其故障的确诊和排除不易确定.对数控机床的机械部分、电气部分、进给伺服系统三个方面产生故障的原因、特点进行了分析和介绍,为采取相应的处理方法提供参考.     

虚拟现实技术在数控维修软件开发与教学中的应用

基于虚拟现实技术开发了数控维修软件系统,建立了数控机床模型和机床故障数据库。通过数据库之间的交互关系对数控机床故障诊断与排除方法进行了探究,并将开发的软件系统应用于实际的教学中。学习者可以根据系统提供的任务与故障来解决实际问题,提高了学生的认知能力,实现了虚拟与现实之间的优势互补。     

基于SINUMERIK 802C的经济型机床电气元件的分析

经济型数控机床是适合我国工业生产的一种机床。SINUMERIK 802C base line是专门为中国数控机床市场而开发的经济型CNC控制系统,在802C的数控系统的背景下,对经济型数控机床的电气元件伺服驱动器、变频器和电动刀架等进行了系统的介绍和分析,有助于机床参数的设置及技术改进。     

机床电气控制中PLC的应用探讨

机床是一种机械和液压以及电气三者为一体的控制通用的机床.由于它的电气配合时间和液压都是属于控制部分,所以很容易出现很多的故障,故障的现象种类不仅多样化,同时还存在很大的难度.本篇论文在介绍了机床电气控制中PLC控制系统的相关特点之后,又对其使用的工作环境进行了阐述,此外,还对PLC的安装原理进行了详细的说明,并全面使用PLC所具有的可靠性以及时间控制的精确性对相机床电气进行改造,将会取得良好的效果.     

基于知识图谱的数控机床故障问答系统研究

当前数控机床故障方面的查询机制尚不完善,机床工人在查找故障原因所在时往往需要花费较多的时间.为改善现状,从内蒙古某机械厂的数控机床故障数据中抽取其三元组,构建数控机床故障知识图谱,在此基础上开发知识图谱问答系统.构建数控机床故障知识图谱问答一般会包括4个步骤：数控机床故障问句实体识别;数控机床故障属性映射;数控机床故障实体链接;答案返回.设计ALBERT+Attention+BiLSTM+CRF模型识别问句中的数控机床故障实体;然后在所创的数控机床故障知识图谱中找到对应实体的三元组进行返回;通过训练属性映射模型,选择得分较高的几个三元组作为预选答案,最后通过实体链接重排序返回答案.在内蒙古某机械厂数控机床故障知识图谱数据集上分析并验证了所提方法的有效性.     

基于随机时间序列的数控机床伺服系统故障频率预测

数控机床作为装备制造业的工业母机,拥有十分精密的结构。机床的各个部位都可能出现不定期的故障,此时所体现的随机性的变化特点,就是使用随机时间序列法对数控机床故障频率预测的理论依据。数控机床伺服系统的性能决定了数控机床的速度和精度等技术指标,因此,研究数控机床伺服系统故障频率的发展趋势十分重要。本文通过随机时间序列法建立某型国产数控机床伺服系统的故障频率预测模型,并对其进行预测,以保证故障频率预测值的准确度。为后续的使用和设计提供度量,也可以作为今后改进设计的依据。     

SIMODRIVE 611馈电模块的功能分析及故障诊断

在数控机床中,驱动系统是实现机械部件与电气部分良好匹配的关键,也是保证数控机床稳定性、加工精度以及动态响应性能的关键。针对实际应用中的要求,分析了SIMODRIVE611系列驱动馈电模块的基本功能,通过功能框图的形式,描述控馈电模块的运行机制与电源转换。同时,分析了馈电模块的故障诊断机制以及各类故障的解决方案。     

基于人工免疫的故障检测及诊断模型

提出了一种基于人工免疫的故障诊断进化学习模型及其相应的算法，通过对检测对象正常工作状态下获得的自己模式串的阴性选择，随机产生初始检测器；用基于人工免疫的进化学习机制实现对检测对象异常工作状态下获得的非己模式串的学习和记忆利用进化学习结果和系统故障信息库知识区分和标记不同故障在状态空间上对应的区域，应用于机床齿轮箱故障检测和诊断问题，实验结果表明了所提出方法的有效性。     

基于线性判别分析和分步机器学习的变压器故障诊断

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析（LDA）的特征选取方法,建立基于分步机器学习的诊断模型. 该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分. 最终实验诊断准确率为97.27%,诊断时间为4.87 s. 与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率. 实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.     

基于轴心轨迹自动辨识的高速主轴系统故障诊断研究

提出一种轴心轨迹自动辨识方法实现高速主轴系统故障诊断。结合使用中值滤波和小波滤波去除轴心轨迹中的脉冲噪声和高斯噪声,将轴心轨迹转换成轴心轨迹图像,然后采用线矩计算不变矩识别轴心轨迹特征,通过建立的BP神经网络进行高速主轴系统的故障诊断。在高速主轴轴承系统试验器进行实验,通过对不平衡故障和不对中故障的诊断,验证了本方法的正确性,为有效保证数控机床主轴系统的可靠性提供了保障。     

基于模型的故障诊断方法仿真研究

介绍了一种以典型的电液控制系统为目标,利用SIMULINK平台的仿真功能,虚拟化地再现了该控制系统及其几种常见的故障的虚拟故障诊断实验系统.通过系统模型和虚拟故障系统的输出特性对比,直观地描述了基于模型故障诊断方法的全部环节.     

基于窥孔结构LSTM的电力系统跳闸故障诊断

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而，这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用窥孔长短时记忆网络（LSTM）提取多源数据的时间特征，缓解了循环神经网络（RNN）在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力；使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响；引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明，与现有的数据挖掘方法相比，所提方法具有分类准确性高的优点.最后，对实际应用进行讨论，证明了所提方法在实际场景中的可行性.     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

旋转机械故障诊断的计算机仿真方法研究

以往的旋转机械故障诊断技术研究主要包括对经验案例的汇集和在小型转子试验台上的工况模拟试验,由于故障发生某些关键点采集数据存在实际困难,加上试验条件的有限,因此该技术有很大局限。深入的研究必须建立起数学模型,研究故障机理,然后用计算机仿真方法对故障进行定量分析,作出诊断。用旋转机械故障诊断的计算机仿真方法计算了不平衡转子上关键点的振动烈度,和试验台测试数据基本一致,表明该仿真方法切实可行。     

基于软件模拟的虚拟机系统故障插入工具

对虚拟机系统故障插入工具所涉及的故障模型、插桩方式、触发机制和监控跟踪等进行研究.通过统计分析各种虚拟机系统的故障症状,给出虚拟机系统的典型故障模型（包括故障类型、故障位置、发生模型和持续时间等）及实现代码.在研究虚拟机系统架构和故障插入实现原理的基础上,采用软件模拟方法基于Xen系统设计一个故障插入工具——SFIVE,介绍相应的插桩方式、触发机制和监控机制.实验分析表明,SFIVE具有较高的虚拟机系统故障覆盖率,能够激活和监控与大部分虚拟机相关的插桩故障.     

基于模糊逻辑的数控机床故障分析

针对数控机床故障发生的实际特点,提出将模糊故障树分析与模糊危害度分析相结合的故障分析方法。以某型号数控机床为例,对根据其现场故障数据建立的模糊故障树进行了定量分析,确定了顶事件及各次级事件的模糊故障率,并在此基础上进行了模糊危害度分析,确定了关键元件和薄弱环节,为可靠性改进提供了理论依据。