数控机床故障诊断技术中PLC应用现状及未来发展趋势研究

吴义成

（马鞍山职业技术学院，马鞍山 243000）

数控机床是一种高度自动化的加工设备。在一个国家的工业体系中，经常把机床的数控化水平作为衡量工业发达程度的指标。在生产加工过程中，数控机床如果出现故障，会造成巨大的经济损失。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，而且对制造业大有助益[1]。常用的数控机床有高级数控镗铣床，其中龙门铣是最常用性价比最高的机床。就数控机床的故障诊断本身来说，主要存在两大问题：一是当数控机床出现故障时怎样及时查找故障源；二是如何解决数控机床维修的时效性问题，且数控机床经过维修后，一定时间内是否会重复出现相同的故障。因此，数控机床故障诊断技术需要具备较全面的专业知识和可实现的研究方法，才能实现数控机床故障诊断智能化和网络化，也是其未来的发展方向。对于一台数控机床的运行及故障诊断，可编程序控制器（Programmable Logic Controller，PLC）参与了其中很多过程和环节，是实现数控机床智能化和网络化诊断技术的基础部件。

1 数控机床运行及故障诊断技术中PLC的应用现状

数控机床是一个复杂的系统，由数控系统、可编程序控制系统、伺服系统、测量与检测组成的反馈系统、机床机械及网络通信等部分组成，涉及光、电、机、液、计算机等各个方面[2]。各部分的功能相辅相成，缺一不可，这就要求设计人员和工艺人员在设计及调试时确保信息统一，通用性高。PLC在数控机床控制系统中的作用主要体现在针对机床操作面板的控制、机床外部开关输入信号的采集、输出信号的控制及M、S、T功能的实现等。在数控机床电气控制中，虽然PLC顺序控制的任务随数控机床的类型、结构、辅助装置等的不同而有很大差别，但是主要可以归纳为如下几个方面：

（1）机床主轴的起停、正反装控制、主轴转速的控制及倍率的选择；

（2）机床冷却、润滑系统的接通和断开；

（3）机床刀库的起停和刀具的选择与更换；

（4）机床卡盘的夹紧与松开；

（5）机床自动门的打开与闭合；

（6）机床尾座和套筒的起停、前进及后退控制；

（7）机床排屑等辅助装置的控制。

当PLC参与到数控机床的控制和一些故障诊断中时，称之为可编程机床控制器（Programmable Machine tool Controller，PMC）。目前，通过PLC进行故障诊断主要是使用数控系统强大的控制功能，通过对PMC程序的编辑、监控及诊断，帮助调试及维修人员快速、准确查找故障原因。在数控机床的控制和故障诊断过程中，PMC与计算机数字控制（Computer Numerical Control，CNC）系统及机床之间能够进行丰富的信息交换，过程如图1所示。

图1 数控系统中PMC的信息交换

PLC是CNC与数控机床之间信号传递与处理的中间环节。机床侧的开关、按键、传感器等输入信号会先送给PLC处理，CNC对机床侧的控制信号也要经过PLC传递给机床侧的继电器、接触器、电磁阀及指示灯等电器元件，且PLC要把指令执行的结果及机床的状态反馈给CNC。如果这些信号中的任何一个信号没有到位，或者任何一个执行元件没有按照要求动作，都可能导致机床出现故障。在数控机床的故障中，和PLC相关的故障占有较高的比例。当机床侧的输入、输出元件发生故障时，主要通过PLC的信号检查来查找故障。因此，目前数控机床故障诊断技术中，PLC主要应用于这些开关量的信号检测及输入、输出控制方面。

另外，数控机床中的PLC也参与了伺服系统的控制。当伺服系统的故障涉及PLC的控制模块时，通常情况下系统显示器上会显示出报警号。伺服系统在工作前，CNC系统需要接收到PLC发回的使能信号，否则伺服系统不能正常启动。

2 数控机床故障诊断技术面临的主要问题

目前，数控机床故障诊断方法主要是人工诊断法和智能诊断法。就诊断方法的发展方向而言，智能化诊断水平将会不断提高，可将人工智能技术应用到数控机床故障诊断技术中，即依靠采集的信号，借助多传感器信息融合技术或神经网络技术进行逻辑推理和判断，进而诊断出故障原因。当前数控机床故障诊断技术主要面临以下几个问题。

2.1 故障诊断的及时性

很多数控机床出现机械故障时，很难第一时间查找出原因，实现智能化的故障诊断目标。因此，机械故障智能化诊断方法具有很大的研究空间。目前，很多机械元件或结构故障还没有开发出相应的诊断技术，无法与数控系统建立连接，也无法实现数控机床完全意义上的智能诊断。由于数控机床设备具有复杂性和运行环境的不稳定性，可以使用多传感器信息融合技术作为数控机床故障诊断方法[3]。

2.2 算法的完善程度不够

智能诊断技术在算法上还不够完善，如神经网络技术依据数控机床上传感器采集到的信号进行算法推断，故障诊断准确率低于90%。例如：一台数控机床出现某一类故障时，可能是多个原因造成的，但根据智能诊断技术算法并不能完全推定出造成故障的具体原因，甚至导致误判而不能清除故障。近年来，很多研究人员将量子理论引入神经网络技术，不断改进算法，从而产生了量子神经网络，是解决故障诊断模糊性问题的一个新方向。量子神经网络相比于传统神经网络，是把量子理论中的运算优点应用于神经网络，利用量子理论中量子并行性的特点，解决传统神经网络并行计算能力较慢、不能处理复杂的数据库及缺乏模糊性等问题[4-6]。

2.3 系统自身资源不足

目前，网络化的智能诊断技术在硬件方面还需要不断完善。网络主要用来实现远程故障预警与诊断平台和现场监测与故障诊断仪之间的互联通信[7-8]。当数控机床出现故障时，通过开发联网通信程序将报警信息及时上传给网络终端，从而实现远程诊断。这一过程中，由于开发的联网通信程序一般基于数控系统，而数控系统在实现数控机床的控制方面已经占用了很多资源，此时再实现完全意义上的网络化智能诊断要求，可能会出现数控系统自身资源不足的问题。

为解决面临的系统硬件资源问题，需要对数控机床的系统架构进行优化，并使用具有更多点数和高档次的PLC来实现部分网络通信功能，以分担数控系统的任务，减少数控系统资源的消耗。同时，可以利用PLC来完成采集机械故障诊断技术需要的信号的任务，保证实现数控机床的智能诊断。具体CNC机床系统框图如图2所示。

图2 具有网络化智能诊断功能的CNC机床改进型系统框图

3 结语

本文分析PLC在数控机床中的应用情况，介绍目前PLC参与数控机床故障诊断技术的现状。为了实现数控机床故障诊断的智能化和网络化目标，分析存在的问题并阐述其发展方向，给出了达到网络化智能诊断目标所需要的新的CNC机床系统框图。只有充分使用PLC的资源，尽可能多地开发出针对数控机床机械故障智能诊断的方法，并完善并优化人工智能算法，深入研究量子神经网络应用于数控机床故障诊断技术存在的技术问题，才能不断提高数控机床故障诊断技术水平。