数控机床故障预测研究.pdfVIP

总第235期现代工业经济和信息化Total235

2024年第1期ModernIndustrialEconomyandInformationizationNo.1,2024

技术创新D0I:10.16525/ki.14-1362/n.2024.01.032

数控机床故障预测研究

李晟，邓玲

（新余学院工程训练中心，江西新余338000）

摘要：数控机床故障会导致生产效率下降、产品质量问题和维修成本增加等一系列问题。旨在开展数控机床故障

预测研究，通过问题分析、算法优化、信号处理、特征提取以及数据采集等步骤，以提前识别数控机床可能出现的故

障,从而降低故障对生产和质量的不良影响。

关键词：数控机床；故障；预测

中图分类号：TG659文献标识码：A

1研究现状网络、深度学习、智能优化算法等，以对数控机床运行

从20世纪70年代开始,智能检测、故障诊断、故

状态数据进行分析和预测，从而成功实现机床设备故

障预测以及健康管理等技术开始在工程领域广泛应障的预测。故障预测技术未来有广阔的发展前景。国

用。最初,故障诊断与健康管理技术是由美国军方提内在故障预测技术方面的研究需要更多地在敏捷、网

出的，主要用于航空、航天、装备制造和军事等领域，络、智能化和精准化等方面加强。因此,本文以实际工

以确保复杂系统的安全性和可靠性。随着电子和机械业生产为焦点，以数控机床主轴作为研究对象，坚持

行业的迅猛发展，这些技术逐渐扩展到各个工程领低成本和易操作的原则，旨在研究并开发基于无线传

域,推动了工业生产和经济效益的提高。国内外数控感器网络的数控机床故障预测系统。

机床领域的专家学者借鉴该技术的思想原理和操作2问题分析

方法，应用神经网络、智能优化算法等技术监控数控当轴承的潜在故障没有被及时发现，随着运行时

机床生产，从而可以在数控机床发生故障之前采取预间的增加，故障程度将逐渐加剧,导致轴承温度特性

防措施，避免故障对生产效率和经济利益的影响，当曲线偏离正常工作范围。因此,通过对数控机床主轴

前国内外研究的主要焦点集中在机床结构、刀具技术轴承温度进行预测，可以实现对主轴轴承故障的预测。

以及加工过程三个方面。本文主要对数控机床本体故基于BP神经网络和基于DSSA算法的模型均能

障预测进行研究,在这方面,ZuoY等研究团队提出了够高效地实现数控机床主轴轴承的温度预测。BP神

数控机床远程状态监测和故障知识库系统，以增强数经网络是一种按误差逆传播算法训练的多层前馈网

控机床的智能维护水平和提高使用效率[1]。智刚及络，能学习和存贮大量的输入一输出模式映射关系，

其研究团队运用模糊C均值聚类算法，成功创建了用通过不断调整网络中的权重和偏置来减小模型预测

于机床加工过程中主轴故障识别的模型，通过对机床值与实际值之间的误差，以提高模型的性能。

主轴振动、转速、温度等数据信号进行分析和预测，并X1,x2,,xn为输人量,Y1,Y2,,m为输出量,h

利用提取的特征参数作为输人信号，成功实现了在线为输出层至隐含层的权值，の为隐含层至输出层的

故障预测,达到了高达99%的准确率[2]。JingL等研究权值。

者提出了一种融合卷积神经网络的方法，可直接从机