数控机床常见故障分类及诊断方法研究.docVIP

数控机床常见故障分类及诊断方法研究 　　同济大学中德学院 　　摘要：数控机床是技术密集和知识密集的自动化设备，机床的故障原因多种多样。本文对数控机床的常见故障进行了分类，并对其故障诊断方法进行了研究，通过实例分析讲解了数控机床故障的排除过程，实践证明这些方法大大提高了故障诊断效率。 　　引言 　　数控机床是高度机电一体化产品，对于数控机床的故障诊断，长期以来均是让维修人员和操作人员困扰的问题，由于机床操作人员的技术水平层次不齐，机床的故障原因各异，因此在故障诊断处理的时候往往会花费大量人力和物力，有时还无法达到预计效果。本文为了便于故障数据库的建立，对产生的故障进行了分类以及对故障诊断方法进行了研究，并对举例分析了故障诊断过程。 　　1.数控机床故障分类原则 　　1.1.按故障发生的频率分类 　　数控机床的故障在其使用期内发生的频率是不同的。参照机床在运行中的 “浴盆曲线”[1]，将故障类型分为初期故障、偶发故障和磨损故障，如图1所示。 　　A―初始故障期 B―偶发故障期 C―磨损故障期 　　初期故障是指机床使用初期的故障，故障发生频率相对较高。在这个时期，液压、电气和气动系统故障频率占整个初始故障的90%左右。 　　偶发故障是在正常运转阶段，由于操作和维护不良而造成的 　　磨损故障是由于年久失修和磨损而产生的故障，例如轴衬和液压缸的磨损等。 　　1.2.按故障发生的部位分类 　　数控机床故障按发生的部位来看通常可分为电气系统故障、机械系统故障、液压/气动系统故障[2-3]。 　　电气系统故障又可分为数控系统故障与强电线路故障。数控系统故障一般是因其硬、软件故障形成的；强电线路故障主要是由各种继电器及传感器等故障造成的。 　　机械系统故障表现在运动失效和精度超差两个方面。 　　液压/气动系统故障的出现一般是由机械电气引起的故障、液压/气动传动与控制故障造成的。液压传动与控制故障又可体现在驱动部分的故障、执行部分的故障、控制部分的故障和辅助部分的故障等。 　　1.3.按故障发生的性质分类 　　按性质可分为系统性故障和随机性故障。系统性故障通常是指只要满足一定的条件或超过某一设定的限度，运行中的数控机床一定会发生的故障。 　　随机性故障是指数控机床在同样的工作条件下仅偶然发生一次至两次的故障。这类故障的发生往往与安装质量以及工作环境影响等诸因素有关。由于其具有偶发性，进行故障诊断时较其它故障困难得多。 　　1.4.按故障发生的原因分类 　　按故障发生的原因可分为数控机床自身故障和外部故障。前一类故障是由于数控机床自身的原因引起的，与外部使用环境无关。外部故障是由于外部原因，如环境温度过高、供电电压波动较大等造成的。 　　1.5.按故障发生后有无报警显示分类 　　有报警显示的故障可分为硬件报警显示与软件报警显示。硬件报警显示通常是指各单元装置上的警示灯的故障状态指示。软件报警显示通常是指CTR显示器上显示出来的报警号和报警信息，包括NC报警和PLC报警。 　　2.数控机床故障诊断方法分析 　　目前故障诊断技术的研究主要沿着诊断系统架构研究、智能诊断方法研究、故障机理及故障模型研究和系统集成技术研究等4个方向深入开展。就故障诊断方法而言，按照国际故障诊断权威德国Frank教授的观点，所有的故障诊断方法可以分成基于信号处理的方法、基于解析模型的方法和基于知识的方法[5-6]。 　　2.1.基于解析模型的故障诊断方法 　　基于解析模型的方法发展得最早，此方法需要构建诊断对象较为精确的解析模型。然而复杂的系统一般是非线性的，因此系统的解析模型很难建立起来。 　　2.2.基于信号处理的故障诊断方法 　　这类方法不需要建立诊断对象的精确模型，其主要的诊断思想是：系统的输出在幅值、相位、频率及相关性上与故障之间存在一定的关系，这种联系可以用多种数学形式表示。一般有基于小波变换的诊断方法、基于输出信号处理的诊断方法、基于信息融合的诊断方法等。 　　2.3.基于知识的方法 　　基于知识的方法即基于人工智能的诊断方法。在控制系统变得越来越复杂的情况下，很多时候要想获得系统精确数学模型是非常困难的，而基于知识的方法不需要建立精确的数学模型，由此具有良好的应用前景。一般有以下的诊断方法： 　　2.3.1.基于专家系统的诊断方法：专家系统实质上是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。主要由专家知识库、数据库、推理机、解释程序、知识获取等部分组成。该方法是故障诊断领域中最为引人注目的发展方向之一，也是研究最多、应用最广的一类智能诊断方法。 　　2.3.2.基于人工免疫算法的故障诊断方法[7]：免疫系统从不同种类的抗体结构中构造自己―非己非线性自适应网络，在处理动态变化环境中起着重要的作用。人工免疫系统是对生物免疫系统的模