复杂制造系统动态测控与智能诊断技术

《复杂制造系统动态测控与智能诊断技术》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、复杂制造系统动态测控与智能诊断技术随着先进制造技术对制造质量要求的不断提高，以高速、高精度为代表的高端多轴作已成为航空复杂构形零件的制造母机。因其对航空制造整体技术水平提升的重要意义，具技术创新和突破成为关系国家和产业安全的战略关键。针对高档数控机床结构复杂、影响因素众多的特点，如果不能及时准确地对加工状态中的器质性故障和精度误差源进行诊断,将无法保障制造质量和精度，会导致废品增加、牛产率下降，甚至造成机床报废等重大损失。这就亟需引入动态测控与智能诊断技术，进行辨识加工状态异常和智能维护理论的研究，开发可运行于机

2、床的集成一体化动态测控和智能诊断软件，实现高档数控机床的状态可显示、故障可诊断、性能可预报，形成监测信息、诊断结论和实时控制方案策略的统一，进而达到高精、高效加工的目的。发展现状及趋势分析高档数控机床的常见运行故障主要包括电气系统故障和功能部件故障。其中，电气系统故障可通过数控系统自检的方式实现，如对驱动电流、电机传角、扭矩等运行状态信号的监测诊断，目前已开发出相应的商用监测系统，如西门子ePS和FANUC⑻系列监测系统等。机床功能部件故障直是国内外数控机床故障诊断领域的难题，具原因在于在线监测的特征量如振动信号

3、、声发射信号等具冇信号微弱或信噪比低导致的特征提取复杂性，以及机床功能部件种类复朵和多信号调制导致的运行状态监测信息多样性。虽然已开发出一些而向单项功能部件的监测诊断系统，包括瑞士Kistler切削力监测系统和德国ARTIS监测系统等，实现了基于特定监测信息的机床动态测控与故障诊断。但针对机床运行故障信号信噪比低和多信号调制复杂性的特点，仍需进一步深入研究机床早期故障微弱信号监测与故障信号的快速特征提取技术，并建立有效的混合智能故障诊断模型，提高故障快速预报的准确性。1微弱信号监测与特征提取由于高精密加工中的制造

4、质量极易受到数控装备器质性故障的影响，早期故障一旦出现就会立刻引起加工精度的变化。但是反映早期故障的特征信号，如振动、电流、声发射等幅值相对较小，且受到工作噪声、数据采集装置噪声、信号传输屮的耦合噪声等的影响，信号信噪比极低。开展微弱信号监测与特征提取的首要任务就是对信号的降噪，这就需要采用屯子学、信息论、计算机和物理学等多种方法，对噪声的來源、性质、产生原因及传播途径进行研究。据被测信号和噪声的统计特性及其差别，冇针对性地寻找背景噪声屮的冇用信号，实现噪声屮微弱信号的识别。此外，由于故障诊断快速性和实时性的要求

5、，所采集的数据长度或采集持续吋间往往会受到限制。因此，微弱信号检测技术的发展应该归结为两个方向：一是提高检测能力，尽可能降低其所能达到的最低检测信噪比；二是提高检测速度，最大限度地满足现场实时监测和故障诊断的要求。目前常用的微弱信号检测方法主要有时域法和频域法，其中时域法包括取样积分、数字平均、相关检测、自适应消噪等，频域法包括快速傅立叶变换、功率谱密度、滤波等。然而，对丁•短数据点、极低信噪比、噪声频率与信号频率接近或重合的情况，上述微弱信号检测方法存在一定的缺陷。如短数据点使得快速傅立叶变换频率分辨率太低，不

6、足以过滤掉噪声而检测出特征信号，在滤波抑制噪声的同时,有用信号也不可避免地受到损害，这些问题的存在影响了常用微弱信号检测方法的效果。近些年，涌现出一些新的微弱信号检测方法，如：差分振子、小波变换[9]、循环统计理论和高阶统计量、独立分量分析、经验模式分解以及多种方法的综合应用等。基于随机共振(StochasticResonance,SR)的微弱信号检测技术是近几年发展起來的一种新的信号处理技术。目前，针对人参数信号的随机共振理论，其研究探索仍然以电路模拟试验为主，相关研究在国外也很少。2005年，Fauvc等人利

7、用随机共振原理对转子早期碰磨故障的微弱特征信号进行了模拟识别研究，但他们没有考虑其它信号和噪声参数之间的相•互关联性。在国内，关于随机共振工程的实际应用，基木是直接调节非线性双稳态方程的系统参数来解决强噪声屮的微弱信号检测问题。这种系统参数调节方法的调节范围很宽、寻优时间长，且对不同问题参数调节的规律不容易寻找。针对大参数信号随机共振检测中所存在的问题，笔者以非线性双稳系统为研究对象，提出变尺度随机共振思想，对大参数的随机共振现象进行了较深入的分析和研究，并将该研究成果初步应用到电机、轴承、输油管道等的故障监测与

8、诊断,取得了很好的效果。此外，笔者还提出一种基于级联双稳随机共振降噪的经验模式分解方法，消除了经验模式分解的边界效应，实现了对微弱非平稳信号的捉取。加工过程在线监测2多传感器信息融合智能故障诊断策略由于单个传感器只能获取局部的信息，对于功能部件多、故障信息复杂的数控机床，需采用多种传感器来获取不同种类、不同状态的信息。多传感器信息融合方法是用多种传感器从多方面探测系统的多