数控车床故障诊断的几个表现

vtoall

分析数控车床故障机理，以最有效的方法获取反映数控车床设备状态（静态）、运行状态（动态）的特征量或故障诊断预报知识，并据此建立合适的故障模型。
      目前有人以数控车床的具体部件为对象进行研究，如刀具切削状态监测与预警、加工主轴振动监测与诊断预报、主轴伺服系统监测与诊断预报、加工工件的质量监测预警等。相应的诊断预报方法以传感器技术、信号处理及分析技术和多传感器信息融合技术为主，通过一定的监控诊断预报模型实现状态判定与故障预报，或依靠数学模型来分析诊断预报对象的某种动态特性的尝试也取得了一定的成果。这些研究从全局制造过程出发，建立过程仿真模型，注重状态的变迁及原因和结果之间的联系，如Petri网、有限状态机、有向图模型的应用。从分析诊断预报对象的功能、原理、结构等方面入手，并结合人类专家经验，以建立诊断预报知识库为目标，诊断预报过程以知识推理为主，机理模型、功能模型及故障树模型也是常用的方法。
      总体上，数控设备故障诊断预报技术的研究主要是沿着诊断预报系统架构研究、职能诊断预报方法研究、故障机理及故障模型研究和系统集成技术研究等四个方向深入开展。数控车床的故障诊断预报不仅有一般设诊断预报的特点，而且表现得更复杂，更特殊，主要表现在以下几个方面：
      ⑴故障发生的高可能性 数控设备的高度柔性，必然要求系统内部具有高度灵活性和运行模式的多样性，增长了系统的不确定因素和在模式转换过程中故障发生的高可能性。
      ⑵数控设备复杂，同时加工以柔性任务为目标，加工类型、过程、工况多样，因此难以全面搜集正常与异常状态的先验样本和模式样本。
      ⑶故障快速定位难度大 由于数控设备各部件间的动态联动性、离散性致使故障的传播性、故障源的分散更加明显。www.vtoall.com同时过程状态及故障的断续性、突发性、模糊性、关联性及时变性的明显，致使故障征兆信息和设备状态信息的获取难度大。
      ⑷易产生误诊、漏诊 加大过程中随机干扰因素影响大，使诊断预报系统的误诊、漏诊的可能性更大，诊断预报推理的精确性和结论的可信度都有所下降。
      ⑸加工过程中信息量大而繁杂 适合于监控、诊断与预报的信息资源需要挖掘，对监控策略、故障特征提取和诊断预报知识库管理等环节提出来了挑战。