基於灰色預測模（mó）型的MKB1632 / H端麵外圓磨床數控係（xì）統故障分析-刀具網-數控機（jī）床市場網（wǎng）

您現在的位置：數控係（xì）統網> 技術前沿>基（jī）於灰色預測模型的MKB1632 / H端麵（miàn）外圓（yuán）磨床數控係（xì）統故障分析

基於灰色預測模型的MKB1632 / H端（duān）麵外（wài）圓磨床數控係統故障分析

2018-4-2 來源：上（shàng）海大學（xué）機電土程與自動化（huà）學院作者：孫麗萍屠（tú）大維

摘要:數（shù）控係統是數控機床的重要（yào）子係統，文（wén）章將MI}B1632/H數控端麵外圓磨床（chuáng）的數控係統看作灰色係統，采用灰色（sè）預測法，通（tōng）過GM(1,1)模型五個步驟:生成數據序列、檢驗數據光滑性、建立基本的灰色預測模型、模型參數估計以及三（sān）種模型檢驗，建立MI}B1632/H數控係統的故障預測模（mó）型。根據故障預測分析明:MKB1632/H的數控（kòng）係統大約在4000h發生（shēng）第10個故障，用戶可依據（jù）這些信息為故障及維修（xiū）做好提前準備。

關鍵詞（cí）:灰色預測;磨床;數控係統（tǒng）;故障預測

0、引言

預測是對尚未發生的事物進行預先（xiān）的估計（jì）和推測。數控機床這（zhè）種機、電、液混合的複雜係統在實際運行過程中出現故障在（zài）所難免，如果能夠對其故障進行提前預測，然後根據預測結果采取相（xiàng）應的預防措施，找出解決（jué）方法，這不僅能節省維修時（shí）間，節約機床的維護成本，還能夠指導用戶提前采取預防（fáng）措施，減少停機損失，延長（zhǎng）機床的運行時（shí）間，提高設（shè）備使用率。

故障的預測一般從係統信息已知和係統信（xìn）息部分已知這兩個方而進行分析。係統信息已知的預測是指在考核期（qī）內，根據已有的（de）故障信（xìn）息建立模型，並利用模型分析數控機床故障的變化趨勢。然而（ér）這種基於經驗的建模方法預測（cè）能力相對有限，所得的結果具有統（tǒng）計意義，對實際運行（háng）的機床指導有限。為了提（tí）高預測的精度（dù）並有效地指導（dǎo）機床的故（gù）障預測管理，提（tí）出了采（cǎi）用灰色預測法對實（shí）際運行機床（chuáng）進行故障預測分析。

灰色（sè）理論作為（wéi）一（yī）種成熟（shú）、係統的理（lǐ）論被（bèi）人們普遍應用。它主要以“部分信息已知”和“部分信息未知”的不確定（dìng）係統為研（yán）究對象，從已知的信（xìn）息尋找規（guī）律，挖掘未知（zhī）信息。灰色理論最大特點是針（zhēn）對“少數（shù）據建模”，同時建模無需任何假設。灰色理（lǐ）論主要包括（kuò）係統分析、信息處理(生成)、建模、預測（cè）和決策。由於灰色理論是研究“小樣本、貧（pín）信息”的有效（xiào）方法（fǎ），同時數控（kòng）機床及其子係統也屬於“部分信息已知”的係統（tǒng），因此，應（yīng）用灰色理論能夠（gòu）有效地解決故障預測問（wèn）題。

灰色預測是一種預測方法。它以灰色理論為基礎，能夠根據係（xì）統的行為特征數據（jù），尋找係統變量自身的（de）數學關係與變化規律。灰色預測（cè）的整個過程不需（xū）要任何假設，隻是（shì）從事物自身挖掘信（xìn）息並加以利用，同時需要的數（shù）據量（liàng）也不大。在（zài）使用時，將影響（xiǎng）事物變化的隨機變量看（kàn）作是在一定範圍內變動（dòng）的灰色量，根（gēn）據已知的信息建立（lì）灰色預測模型，從而預測（cè）事物未來發（fā）展變化規律。灰（huī）色預（yù）測法通過微分方程將原始數據序列進行處理，來（lái）尋找事物變（biàn）動的內在規律岡，同時為了使建立（lì）的灰色預測模型具有較高的精度，采用多種檢驗方（fāng）法對預測模型進行（háng）檢驗。

本文將MKB1632/H的（de）數控係統看作灰色係統，以故障實際發（fā）生時間為研究對象，通過分析故障發生時間的時序特（tè）性，基於灰（huī）色理論應用灰色預測（cè）法建立（lì）故障預（yù）測（cè）模型，以此（cǐ）探索MKB1632/H數（shù）控係統故障的發生規。

2、MKB1632/H數控係統故障預測模型的建立

MKB1632 / H是上（shàng）海機（jī）床廠生產的（de）數控（kòng）端而外圓磨床，它主要適用於圓柱類或多台階軸類及小錐度零件的批量加工。其數控係統是該機床的關鍵子係統（tǒng），該係統灰色預測模型的建立（lì）有以下五步:生（shēng）成數據序列、檢驗數據光滑性、建立基本的灰色預測模型、模型參數（shù）估計以及三種模（mó）型檢驗。

2.1 生成數據序列

為了建立灰色預測（cè）模型和弱化原始（shǐ）故障數據的（de）隨機性，首先要對原始故障數據進行生成（chéng）處理。累加生成法、累減生成法（fǎ）和鄰均值生成法是數據序列生成的方法最常用三（sān）種。在生成數據序列環節，將采用累加生成法和鄰均值生成法。累加生（shēng）成法是使灰色過程由灰變白的一種方法，就是將原始數據列通過累加生（shēng）成新的數據列。采用數據累加生成法使原始數據規（guī）律充分顯現。表1是（shì）MKB1632 /H數控（kòng）係統實際故（gù）障時間統計。

表1 MKB1632 /H數控係統實際故障時間

2. 2 檢驗數據光滑性

灰色模型是建立在符合光滑離散函（hán）數的數據基（jī）礎上（shàng）的預測模型，同時認定生成的（de）新數列具有準指數規律。因此，建立灰色預測模型時，首先要對數據進行光滑離散檢驗，然後進行準指數檢驗，當兩（liǎng）項檢驗都通過（guò）後才能建（jiàn）立灰色（sè）預測模型，否則不能采用灰色預測法。

滿足準指數規律。所以數控係統故障的時間序（xù）列滿足數據光滑性要求，可以建（jiàn）立GM(1.1)預測模（mó）型。

2. 3 建立GM (1.1)預測模型

2. 4 模型的參數估計

2. 5 模型（xíng）的三種（zhǒng）檢驗

對建立好的模型進行檢（jiǎn）驗是（shì）判斷模型是否正確的前提，一般認為通過殘差檢驗、關聯度檢驗及後驗差（chà）檢驗後的模型成立，否則建立的模型不正（zhèng）確。

表（biǎo）2 預測（cè）模型的殘差檢驗表

由表2可知，相對誤差值全（quán）部（bù）小於0. 3，經驗表明所建立的預測模型通過（guò）殘差檢驗。

表3 預測模型的關聯度檢驗（yàn）表

由表3預測模型的（de）關聯度檢驗表中各關聯係數的值，根據關聯度的計算公式:

從預測模型中分析可知，MKB1632 /H的數控係統大約將在（zài）4000小時發（fā）生第10個故障，用戶可依據這（zhè）些信息為故障及維修做好提（tí）前準備。

3、結束（shù）語

本（běn）文基（jī）於灰色預測理（lǐ）論以MKB1632 /H的數控係統實際故障（zhàng）數（shù）據為基礎，建立該子係統（tǒng）的故障預測模型，並通過殘差檢驗、關聯度檢驗及後驗差檢驗。這一故障預（yù）測模型能夠較準確的預測後（hòu）續故障（zhàng）的（de）發生時間，建模的方法是有效可行的。根據預（yù）測模型得出的後續故（gù）障的發（fā）生時間為機床及其子係統的預防性維修提供了依據（jù）。

投稿箱：
如果您有機床行業、企（qǐ）業相關新聞稿件發表，或進行資訊合（hé）作，歡迎聯（lián）係本（běn）網（wǎng）編輯部，郵（yóu）箱：skjcsc@vip.sina.com

更多相關信息

名企推（tuī）薦

業界視點

| 更多

行（háng）業數據

| 更多

博文選萃（cuì）

| 更多