數(shù)控機(jī)床故障診斷技術(shù)的研究現(xiàn)狀及未來的發(fā)展趨勢(shì)

張瑞浠

（四川 成都 610200）

數(shù)控機(jī)床作為一種高精尖端的加工設(shè)備，應(yīng)用于許多關(guān)鍵性零件的加工，但如果故障發(fā)現(xiàn)不及時(shí)，會(huì)導(dǎo)致工件的報(bào)廢，人員的人身安全受到威脅，同時(shí)降低企業(yè)的生產(chǎn)效率，增加企業(yè)生產(chǎn)成本。因此，研究并發(fā)展數(shù)控機(jī)床故障診斷技術(shù)不僅對(duì)我國數(shù)控機(jī)床核心技術(shù)領(lǐng)域有著重要意義，同時(shí)對(duì)制造業(yè)也有很大的幫助。

1 數(shù)控機(jī)床故障診斷技術(shù)的研究現(xiàn)狀

數(shù)控機(jī)床故障診斷主要面臨著以下幾個(gè)問題：故障位置不明顯且難以發(fā)現(xiàn)，容易出現(xiàn)誤診；加工環(huán)境復(fù)雜，獲得故障信息繁復(fù)，機(jī)床發(fā)生故障概率高；現(xiàn)階段機(jī)床故障診斷知識(shí)不完備等。目前主要的故障診斷方法可分為兩類：人工診斷方法和智能診斷方法。

1.1 人工診斷法

人工診斷法是基于操作者經(jīng)驗(yàn)的方法，其中又能大致分為外觀故障檢查、軟故障檢查、接插件接線與電纜檢查、機(jī)床數(shù)據(jù)檢查等項(xiàng)。外觀檢查法是操作者利用自身的嗅覺、視覺、聽覺等判斷機(jī)床是否出現(xiàn)故障。軟故障檢查法是操作者使用外觀檢查法后，查閱機(jī)床近期維修記錄，了解機(jī)床近期運(yùn)行情況，然后排查機(jī)床可能存在的隱患。接插件接線與電纜檢查法是指操作者使用指令來檢查機(jī)床的各個(gè)部件的連接，同時(shí)還需要仔細(xì)檢查各部件之間的線路連接情況。機(jī)床數(shù)據(jù)檢查是通過分析機(jī)床故障現(xiàn)象，參考機(jī)床相關(guān)故障數(shù)據(jù)進(jìn)行故障排查并校正機(jī)床數(shù)據(jù)。但這些方法的缺點(diǎn)是人為主觀性強(qiáng)，診斷結(jié)果不可靠，診斷效率不高，故障來源定位不準(zhǔn)確，容易造成機(jī)床停機(jī)時(shí)間過長，維修困難。

1.2 智能診斷法

目前數(shù)控機(jī)床故障診斷的主流方法是智能診斷方法，它是將計(jì)算機(jī)，人工智能等技術(shù)運(yùn)用于故障診斷領(lǐng)域，其主要分為以下幾種方法。

（1）故障樹分析法：故障樹分析法是將可能造成機(jī)床故障的因素從總體到局部，逐漸遞減進(jìn)行分析排查。故障樹分析法不僅能排查系統(tǒng)軟件故障和硬件故障，還能排查人為因素；不僅能排查單一部件導(dǎo)致系統(tǒng)故障原因，還能分析出兩個(gè)及兩個(gè)以上部件導(dǎo)致的系統(tǒng)故障原因。這是一種能綜合整體考慮系統(tǒng)失效原因的分析方法。但它的缺點(diǎn)是故障機(jī)理不清楚，構(gòu)造故障樹的多余量繁復(fù)，難度大，且只適用于常規(guī)故障診斷，無法發(fā)現(xiàn)個(gè)別特殊故障。

（2）單一功能監(jiān)測(cè)法：?jiǎn)我还δ鼙O(jiān)測(cè)法是通過傳感器收集機(jī)床各部件運(yùn)轉(zhuǎn)過程中的信號(hào)，如溫度，功率，聲發(fā)射，振動(dòng)等信號(hào)，建立相應(yīng)的數(shù)學(xué)模型，對(duì)信號(hào)進(jìn)行分析，提取故障特征信號(hào)，判斷機(jī)床是否發(fā)生故障及發(fā)生故障的位置。它的缺點(diǎn)是傳感器容易受環(huán)境干擾；接收故障信號(hào)繁雜且不全面，信號(hào)處理效率不高，容易發(fā)生誤判或無法及時(shí)判別機(jī)床的故障。

（3）模式識(shí)別與訓(xùn)練模型的應(yīng)用：模式識(shí)別與訓(xùn)練模型的應(yīng)用是指建立數(shù)控機(jī)床故障樣本庫，利用已知數(shù)控機(jī)床故障因素，建立實(shí)驗(yàn)樣本，訓(xùn)練神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等模型，利用它們快速判別機(jī)床是否發(fā)生故障。但它的缺點(diǎn)是該方法無法判斷機(jī)床故障位置，同時(shí)由于機(jī)床設(shè)備造價(jià)昂貴，建立試驗(yàn)樣本困難，無法采集大量樣本來訓(xùn)練模型。

2 研究難點(diǎn)及可能的解決方案

數(shù)控機(jī)床是一個(gè)復(fù)雜而精密的大型設(shè)備，它受到各種因素的影響，極易發(fā)生故障。如操作人員操作不當(dāng)，所加工的工件難加工，加工環(huán)境惡劣等，都會(huì)導(dǎo)致數(shù)控機(jī)床發(fā)生各種各樣的故障。從目前的研究來看，人工診斷方法由于效率低下，準(zhǔn)確率不高，無法及時(shí)準(zhǔn)確的發(fā)現(xiàn)故障所在位置，正在逐步被淘汰，而智能診斷方法因其高效的診斷速度以及準(zhǔn)確可靠的診斷效果而受到越來越多企業(yè)的青睞。目前智能診斷技術(shù)還不成熟，它們?nèi)源嬖谥S多的不足，因此可以從以下幾方面進(jìn)行改進(jìn)。

（1）為了解決構(gòu)造故障樹繁雜且難度大等問題，可以將模糊理論和專家系統(tǒng)以及故障樹有機(jī)融合，首先利用模糊推理方法，減少現(xiàn)有知識(shí)庫中的規(guī)則數(shù)量，增強(qiáng)知識(shí)庫中應(yīng)用知識(shí)的靈活性和適應(yīng)性。隨后建立故障樹與專家系統(tǒng)知識(shí)庫的關(guān)系，通過推理確定系統(tǒng)的故障模式。

（2）為了解決單一功能監(jiān)測(cè)法中傳感器容易受到環(huán)境干擾和采集信號(hào)不完整的問題，采用多傳感器融合技術(shù)，通過多個(gè)傳感器采集機(jī)床各部位的運(yùn)轉(zhuǎn)信息，綜合多信息來源來提高判別故障的概率，建立高效的信息處理數(shù)學(xué)模型，提高信號(hào)的處理效率和提取準(zhǔn)確的故障信號(hào)特征。

（3）為了解決模式識(shí)別與訓(xùn)練模型的應(yīng)用中樣本少且無法定位機(jī)床故障位置等問題，可采用多方法融合故障診斷，即采用多種方法綜合診斷機(jī)床故障。首先建立共享故障樣本庫，依靠訓(xùn)練模型及時(shí)迅速的判斷機(jī)床是否發(fā)生故障，隨后采用相應(yīng)的方法如功能監(jiān)測(cè)法或故障樹法來定位機(jī)床故障位置。這樣可以高效且準(zhǔn)確的對(duì)機(jī)床故障進(jìn)行診斷。

3 未來的發(fā)展趨勢(shì)

未來數(shù)控機(jī)床的發(fā)展將引領(lǐng)制造業(yè)，而數(shù)控機(jī)床故障診斷技術(shù)則在其中起著關(guān)鍵性的作用。隨著人工智能的不斷發(fā)展，智能診斷技術(shù)將更加成熟，判別結(jié)果將更加精準(zhǔn)，未來數(shù)控機(jī)床故障診斷技術(shù)的發(fā)展可以從以下幾方面著手。

（1）建立完善的診斷系統(tǒng)知識(shí)結(jié)構(gòu)和故障診斷知識(shí)庫。

（2）不斷的發(fā)展與研究高效的信息處理技術(shù)，綜合多來源故障信息，及時(shí)準(zhǔn)確的提取機(jī)床的故障特征。

（3）企業(yè)之間可以共享數(shù)控機(jī)床故障數(shù)據(jù)，合作建立并不斷的豐富機(jī)床故障樣本數(shù)據(jù)庫，為模式識(shí)別等訓(xùn)練模型提供龐大的樣本庫。

（4）優(yōu)化神經(jīng)網(wǎng)絡(luò)等模式識(shí)別算法，提高其自學(xué)習(xí)能力，在樣本不足的情況下可以提高數(shù)控機(jī)床故障診斷的效率。