基于人工智能的机床主轴故障诊断研究.pdfVIP

技术前沿

FORWARDTECHNOLOGY

基于人工智能的机床主轴故障

诊断研究

文／宜宾职业技术学院智能制造学院

宅伍倪燕

1.前言图像数据。它在机床故障诊断中的应用主要集中

于分析机床运行过程中产生的图像数据，如振动

机床作为制造业的核心设备，其自动化、高

图像、温度图像等。通过CNN，可以有效提取图

精度的加工特性使人工智能技术的应用变得尤为

像中的特征，用于机床故障的分类和识别。石永

显著，引入人工智能技术使机床实现了更加精准、

芳等利用CNN从机床振动图像中提取特征，并

高效的生产。通过传感器与通信设备的联动，机

床能够实时感知和响应各种关键信息，包括设备结合支持向量机(SupportVectorMachine,SVM)

运行状态、温度和振动等数据。借助ICT（信息进行分类，实现了对机床常见故障的有效识别，

为图像数据的分析提供了有力工具。

通信技术）的系统分析，研究人员能深入了解机

床的运行状况，及时诊断潜在问题，并通过远程长短时记忆网络（LongShort-Term

管理手段实现对设备的优化控制。Memory,LSTM）是一种适用于时序数据处理的

循环神经网络(RecurrentNeuralNetwork,RNN)

机床的关键组件之一是主轴，主轴发生偏心

模型。在机床故障诊断中，LSTM主要应用于分

等故障可能导致生产工件质量下降，因此准确诊

析机床运行时产生的时序数据，如传感器数据、

断主轴故障显得至关重要。

控制信号等。薛锦泽利用LSTM模型学习机床运

为了验证人工智能技术在机床主轴故障诊断

行数据中的长期依赖关系，并预测故障的发生时

方面的适用性，本文作者建立机床测试平台。通

间，结果表明LSTM在机床故障预测中具有较好

过调整螺栓人为引发主轴的偏心故障，并利用加

的性能，为时序数据的分析提供了一种有效手段。

速度传感器采集的数据，采用3种用于分类问题

自编码器（Auto-Encoder,AE）是一种无监

的人工智能模型进行学习，比较和分析它们对主

督学习模型，主要用于降维和特征提取。在机床

轴7种状态的分类准确度。为了有效将人工智能

故障诊断中，AE被用于对机床运行数据进行降

技术应用于机床领域，文中还提出必要的数据收

维，从而提取故障特征，提高故障诊断的准确率。

集和处理方法，以及人工智能模型开发的策略。

王巍巍采