数控机床故障诊断技术的研究现状及未来的发展趋势

2019-01-16张瑞浠

中国设备工程 2019年2期

张瑞浠

（四川成都 610200）

数控机床作为一种高精尖端的加工设备，应用于许多关键性零件的加工，但如果故障发现不及时，会导致工件的报废，人员的人身安全受到威胁，同时降低企业的生产效率，增加企业生产成本。因此，研究并发展数控机床故障诊断技术不仅对我国数控机床核心技术领域有着重要意义，同时对制造业也有很大的帮助。

1 数控机床故障诊断技术的研究现状

数控机床故障诊断主要面临着以下几个问题：故障位置不明显且难以发现，容易出现误诊；加工环境复杂，获得故障信息繁复，机床发生故障概率高；现阶段机床故障诊断知识不完备等。目前主要的故障诊断方法可分为两类：人工诊断方法和智能诊断方法。

1.1 人工诊断法

人工诊断法是基于操作者经验的方法，其中又能大致分为外观故障检查、软故障检查、接插件接线与电缆检查、机床数据检查等项。外观检查法是操作者利用自身的嗅觉、视觉、听觉等判断机床是否出现故障。软故障检查法是操作者使用外观检查法后，查阅机床近期维修记录，了解机床近期运行情况，然后排查机床可能存在的隐患。接插件接线与电缆检查法是指操作者使用指令来检查机床的各个部件的连接，同时还需要仔细检查各部件之间的线路连接情况。机床数据检查是通过分析机床故障现象，参考机床相关故障数据进行故障排查并校正机床数据。但这些方法的缺点是人为主观性强，诊断结果不可靠，诊断效率不高，故障来源定位不准确，容易造成机床停机时间过长，维修困难。

1.2 智能诊断法

目前数控机床故障诊断的主流方法是智能诊断方法，它是将计算机，人工智能等技术运用于故障诊断领域，其主要分为以下几种方法。

（1）故障树分析法：故障树分析法是将可能造成机床故障的因素从总体到局部，逐渐递减进行分析排查。故障树分析法不仅能排查系统软件故障和硬件故障，还能排查人为因素；不仅能排查单一部件导致系统故障原因，还能分析出两个及两个以上部件导致的系统故障原因。这是一种能综合整体考虑系统失效原因的分析方法。但它的缺点是故障机理不清楚，构造故障树的多余量繁复，难度大，且只适用于常规故障诊断，无法发现个别特殊故障。

（2）单一功能监测法：单一功能监测法是通过传感器收集机床各部件运转过程中的信号，如温度，功率，声发射，振动等信号，建立相应的数学模型，对信号进行分析，提取故障特征信号，判断机床是否发生故障及发生故障的位置。它的缺点是传感器容易受环境干扰；接收故障信号繁杂且不全面，信号处理效率不高，容易发生误判或无法及时判别机床的故障。

（3）模式识别与训练模型的应用：模式识别与训练模型的应用是指建立数控机床故障样本库，利用已知数控机床故障因素，建立实验样本，训练神经网络、支持向量机等模型，利用它们快速判别机床是否发生故障。但它的缺点是该方法无法判断机床故障位置，同时由于机床设备造价昂贵，建立试验样本困难，无法采集大量样本来训练模型。

2 研究难点及可能的解决方案

数控机床是一个复杂而精密的大型设备，它受到各种因素的影响，极易发生故障。如操作人员操作不当，所加工的工件难加工，加工环境恶劣等，都会导致数控机床发生各种各样的故障。从目前的研究来看，人工诊断方法由于效率低下，准确率不高，无法及时准确的发现故障所在位置，正在逐步被淘汰，而智能诊断方法因其高效的诊断速度以及准确可靠的诊断效果而受到越来越多企业的青睐。目前智能诊断技术还不成熟，它们仍存在着许多的不足，因此可以从以下几方面进行改进。

（1）为了解决构造故障树繁杂且难度大等问题，可以将模糊理论和专家系统以及故障树有机融合，首先利用模糊推理方法，减少现有知识库中的规则数量，增强知识库中应用知识的灵活性和适应性。随后建立故障树与专家系统知识库的关系，通过推理确定系统的故障模式。

（2）为了解决单一功能监测法中传感器容易受到环境干扰和采集信号不完整的问题，采用多传感器融合技术，通过多个传感器采集机床各部位的运转信息，综合多信息来源来提高判别故障的概率，建立高效的信息处理数学模型，提高信号的处理效率和提取准确的故障信号特征。

（3）为了解决模式识别与训练模型的应用中样本少且无法定位机床故障位置等问题，可采用多方法融合故障诊断，即采用多种方法综合诊断机床故障。首先建立共享故障样本库，依靠训练模型及时迅速的判断机床是否发生故障，随后采用相应的方法如功能监测法或故障树法来定位机床故障位置。这样可以高效且准确的对机床故障进行诊断。