数控机床主轴轴承故障知识获取的研究.pdfVIP

数控机床主轴轴承故障知识获取研究 谢小正，赵荣珍 （兰州理工大学 数字制造技术与应用省部共建教育部重点实验室，兰州，730050） 摘要：文章提出一种基于粗糙集理论的主轴轴承组件故障识别方法，针对具有连续属性的实验数据，将等间距聚类法引入连 续属性离散化，通过应用区分矩阵算法进行决策表条件属性约简，提取了清晰、简明的故障模式规则。结果表明，该方法可 以实现数控机床主轴轴承组件故障模式识别，在实际模式识别中具有很好的应用价值，为数控机床机械部件故障诊断提供方 法和依据。 关键词：粗糙集 区分矩阵 属性约简 知识获取 主轴组件故障 中图分类号： 引言 1 相关基础理论简介 故障诊断是数控机床调试和使用过程中的重要 [13-14] 1.1 粗糙集理论基本概念 环节，也是目前制约数控机床发挥正常作用的主要 因素之一[1-3]。数控机床的常见运行故障主要包括电 由波兰学者 Pawlak1982 年提出来的粗糙集理 气系统故障和功能部件故障。当前大部分数控系统 论，是有效处理不精确、不完备、不相容信息的数 已具有一定的自诊断功能，能够诊断常见的电气系 学工具。这一理论将知识看成是论域基于某种等价 统故障及简单的与系统相连部件的故障，但是不能 关系的划分，利用上、下近似的概念来刻画划分的 诊断出引起机床加工质量下降的机械类故障[4-5]，即 不相容性。这一方法的主要特点是无需提供除数据 机械部分的故障自诊断目前基本上还是盲点。主轴 以外的任何先验知识，对问题的不确定的描述相比 作为数控金属切削机床中的一个关键组件，其故障 于模糊集而言是客观的；而且这一算法得到的知识 在此类故障中占了相当比重。由于支承并带动工件 是以规则的形式描述的，容易被人理解和利用。 或刀具完成表面成形运动，同时还起着传递运动和 粗 糙 集 理 论 处 理 的 知 识 系 统 可 表 示 为 扭矩、承受切削力和驱动力等载荷的作用，主轴组 S =U, A, V, f ，其中 U 是非空有限论域； 件的运行情况直接影响到工件的加工精度、刀具寿 命与加工效率[6]。主轴在运转时做高速回转运动， A C ΥD 是属性集合；V =Υ Va 是属性的值域， a A 有很多能表现其运行特征的信息，这些信息通过它 ∈ 的振动、温度状态等表现出来，其中尤以振动信息 [7] 其中Va 是属性a ∈A 的值域；f 是信息函数： 对其运转特征的表现最为全面 ，是一个动态状态 信息库[8]。但是，面对庞大的振动信号动态信息库 f : U ×A →V, f (x , a) ∈V (l) 这个数据“矿山”，如何从其中实现故障信号的特 i a 对R ⊆A ， 在U 上不可区分关系定义为： 征提取以及找出蕴藏其中极深的知识“金块”，这 R 成了问题关键。换言之，数据丰富、知识贫乏已成 Ind (R ) {(x