數控機（jī）床狀態監測和（hé）故障預測係統（tǒng）的關鍵技術-特種加工機床網-數控機床市場網

您現在的位置：特種加（jiā）工（gōng）機（jī）床網> 加工與維修>數控機床狀態監測和故障預測係（xì）統的關鍵技術

數控機床狀態監（jiān）測和故障預測係（xì）統的關鍵技術

2021-2-24 來源：江蘇海洋大學應用技術（shù）學院作者：趙中敏

摘要：狀態監測和故（gù）障預測技術是數（shù）控機床實現自主保障的一項關鍵技術，首先提出了狀態監測和故障預測維修的組成及功能，構建了數控機床維修係統的功能框（kuàng）圖並分析了其工作（zuò）流（liú）程；接著闡述了故障診斷與預測的具體實施（shī）結構體係，該結構能夠實現大（dà）型（xíng）數控機床狀態監測和故（gù）障預測，為（wéi）提高數控（kòng）機床的使用壽命及使用效率（lǜ），具有重（chóng）要的推廣價值；最後總結了如何開發適合我國（guó）國情的狀態監（jiān）測與故障預測係統。

關鍵詞：數（shù）控機床狀態監測故障預測工作流程結構體係

大型（xíng）數控機床係統的性能及可（kě）靠（kào）性決（jué）定了其工作壽命以及工作效（xiào）率，目前的（de）事後維修（xiū）和計劃性維修很（hěn）難預防（fáng）災難（nán）性的故障，而且常常（cháng）引起不必（bì）要的停機，存在引（yǐn）入維修損壞的風險。與以上兩種維修策略不（bú）同，視情維修 (CBM, condition basedmaintenance)是麵向設備實（shí）際狀態和發展趨勢的，根據對（duì）設（shè）備（bèi）當（dāng）前和將來狀態的（de）正（zhèng）確和可靠的預測來安排維（wéi）修活動（dòng）。因此對設備當前狀（zhuàng）態的描述，以及對（duì）下一時段狀態和故障的預測（cè）是實現視情（qíng）維修的根本，這也正是狀態監測和（hé）故障預測技術要著力解決的問題。狀態監測和故障預測（cè）技術使得設備維護人員可以預知故障的發生，從而采取一係列維修（xiū）或預防的（de）措施，而不必等（děng）到故障真正發生之（zhī）後再做出（chū）反應。

目前，數控機床正朝著大型（xíng）化（huà）、高速化、高精度化的（de）方向發展。在高速、高加速度、大（dà）載荷、大位移等（děng）非常規工況下，振動、衝（chōng）擊（jī）、變形等（děng）因素對機床的進給係統產（chǎn）生重大影響（xiǎng），導致絲杠、導軌、軸承、聯軸器、齒輪、蝸輪蝸杆等機械部件產（chǎn）生各種故障，由此引起數控機床的運動誤差、部件磨損甚至意（yì）外停機等問題。因此，在狀態（tài）監測和故障診斷領域內，正確評價大型數控（kòng）機床當前的狀態，預（yù）測機（jī）床運行狀（zhuàng）態的發展趨勢，為機床維護提供指導依據是一個亟待解決的問題。

1、數控（kòng）機床狀態監測和故障預測的組成及功能

通過在線檢測設備運行（háng）狀態（tài），參照設備正常的狀態參數標準，結合曆史維修知識庫，對設備的運行狀態（tài）進行分析，並對故障可能發生的情況進行（háng）預測，從（cóng）而作為（wéi）製定設備合理維修計劃的（de）依據。通過對運行狀態進（jìn）行（háng）監測，如果發現設（shè）備出現了故障，則立即進行診斷，確定故（gù）障部位和故障類型，提出維修建議，進而（ér）下達維（wéi）修任務和組織實施。其體係結構如（rú）圖１所示。

（1）設備層：由作（zuò）業車間中（zhōng）數控（kòng）加工設備構成。

（2）信息采集層：其主（zhǔ）要（yào）作（zuò）用是采集設（shè）備層的運行狀（zhuàng）態數（shù）據，並對這些數據進行濾波、整形、放大等處理後，提交給信息（xī）處理層。該層主要包（bāo）括各類傳感器、信息采集終（zhōng）端、直接數字（zì）控製（DirectNumerical Control，DNC），以及其（qí）他智能設備等。

（3）信（xìn）息處理層：該層（céng）的（de）功能是對信息采集層提交的（de）信息進行識別、轉化、分類、融合、特征提（tí）取、特征融合等，為應用層的功能實現提（tí）供支撐（chēng）。

（4）數據層（céng）：由維修數據庫、狀態（tài）知（zhī）識庫和設備信（xìn）息庫等相關數據庫及知識庫構成。維修數據（jù）庫存儲維修內（nèi）容、維修操作（zuò）、維修計劃、維修事件等相關數（shù）據信息；狀態知識庫存儲設備在不同工況下運（yùn）行的狀態參考值（zhí）、允許值和故障閾值等。

（5）應用層：由在線監控模塊、故障診斷模塊、故障預測模塊和（hé）維修管理模塊組成（chéng）。在（zài）線監控模塊實（shí）時獲取設備運行（háng）狀態數據，在對其進（jìn）行處（chù）理後，進行數據融合，向用戶顯示（shì）設備運行狀態，並將融（róng）合後（hòu）的數據提交給故障診斷模塊（kuài）；故障診斷（duàn）模塊在監控模（mó）塊提供監控（kòng）數據的基礎（chǔ）上進行特征提取，並對特（tè）征值進行融合，進而通過各種特征（zhēng）分類器進行分類，在進行數據的決策層融合後進行故障診斷，並輸（shū）出故障結（jié）果；故障預測模塊根據相關模（mó）型和算法對設備運行狀態特征進行故障預測，並對可能的故障部件、故障（zhàng）原因、故障（zhàng）類型等進行分析；維修管理模塊主要處理與設備維修相關的操作管理，包括維（wéi）修內容管理、維修（xiū）計劃管理、維修事件管理（lǐ）、維修控製等。

（6）用戶層：該層的用戶分為係統管理員、操作人員和維修（xiū）人（rén）員三類。

需要指出的是，上述體係結構中的各功能模塊之間並沒（méi）有明（míng）顯的界限，存在著數據信息的交叉反饋。國外對上（shàng）述各模塊中（zhōng）應用的一般技術(如傳感器、數（shù）據傳輸、數據處理等)和方（fāng）法(如係統框架模型、狀態監測和預測推理算法等)進行了大量的研究，同時也進行了大量的工程實踐。

圖 1 數控機床的狀態監測和故障預測的結構體係（xì）

2 、數控機床狀態監測和故障預測的工作流程

數控（kòng）機（jī）床狀態監測和故障預測係（xì）統包括兩種工作流程：

（1）設備運行狀態信息采集和（hé）故障診斷、預測流程；（2）設備維修管（guǎn）理流程，如圖 2 所示。

具體操作可劃分為四個階段。

圖 2 數控機床的狀態監測和故障預（yù）測工作流（liú）程

2.1 設備可監測的（de）運行狀態信息分析

（1）設（shè）備運行狀態實時采集與監控，通過對設備（bèi）可監測的運行狀態信息進行分析，選擇最佳（jiā）的狀態監測方（fāng）法，確（què）定所需的儀器和設備，進行設備運行狀態數據（jù）的采集。

（2）由於設備運行狀態的輸出大都為非線性，同時受溫度、電源波動（dòng）、噪聲和（hé）振動等環境因素的影響，使得所采集的（de）數據不能準確地反（fǎn）映測量（liàng）值，容易出現測（cè）量（liàng）準確度不高（gāo）、穩定性差等問題。因此，需要對采集到的數據進行處理（lǐ），剔除錯誤數據或偏差數據。

（3）對多源（yuán）同（tóng）類（lèi）傳感（gǎn）器進行一次數據融合，然後對異類傳感器進行二次數據融合，以提高獲取狀態信息的準確性。同時，根據融合後的（de）數據（jù）輸出設備的（de）運行狀（zhuàng）態信息。

2.2 基於融合後的設備運行狀態（tài）信息進行（háng）故障診（zhěn）斷

（1）由於實時采（cǎi）集的設備運行狀態信息的數據量相當巨（jù）大（dà），為了對設備運行狀態進行分析和診斷，需要根據融合後的運行狀態數據，提取設（shè）備運行的關鍵特征，構建設備運行狀態的特征向（xiàng）量。

（2）根據信息融合理論（lùn）進行設備（bèi）運行狀態的特征融合。

（3）構造特征分類器，進行決策層融合。同時（shí），參（cān）考設備運行（háng）狀態參考值、允許（xǔ）值和故障閾值，進行故（gù）障診斷，並（bìng）輸出診斷結果。如果診斷（duàn）結果是（shì）有故（gù）障，則進行故障報警，並輸出（chū）故障信息，同時進入維修管理；如果診斷結果是無故障，則（zé）進入故障預測階段。

2.3 故障預測

雖然故障診斷的結果是未發生故障，但設備存在發生故障的可能性。故障預測的（de）目的就是分析這種可能性的大小，並做出是否需要進行維（wéi）修的判斷。預測的方法有（yǒu）基於模型的方法、大數據（jù）驅動的方法和（hé）基於統計的方法三種。經過預測後，如果判定（dìng）為不必進行維修，則返回設備（bèi）運行狀態實時采集與監控；如果判（pàn）定為需要進行維修（xiū），則進入維修管理。

2.4 維修管理

（1）如果設備需要（yào）進行維修，則查詢相關維修數（shù）據庫，製定維（wéi）修計劃。

（2）對維修計劃進行費用分析，並生成維修任務。該步驟由相關人員組織實（shí）施。

（3）對維修任務進行控製，維修任務完成後，把相（xiàng）關維修信息輸（shū）入維修數（shù）據（jù）庫。

3、數控（kòng）機床狀態監（jiān）測和故障預測的結構體係

針對監測對象的特點，選擇不同的傳感器對各（gè）個部件的運行狀態進行監控，具體（tǐ）結（jié）構如圖 3 所示。

圖 3 數（shù）控機（jī）床的（de）狀態（tài）監測和故（gù）障預測結構體係

1）數控係統

數控係統運行參數可以通過軟件直接讀取，係統故障代碼顯示（shì）各種（zhǒng）報警信息。有（yǒu）故障特征融（róng）合特征融合

2）導軌副

X 向、Y 向和 Z 向導軌（guǐ）采（cǎi）用（yòng）滑動導軌，機油潤滑，在滑動體上安裝三向振動傳感器監測導軌的變形及（jí）磨損。

3）絲杠副

由（yóu）於設備運動部件的性能（néng）及精度變化主要反（fǎn）映在振動頻率及幅值的變化上，在 X 向、Y 向及 Z 向滾珠絲杠副（fù）的絲母座上分別（bié）安裝 1 個三向振動傳感器，監測絲杠由於磨損、偏心、絲杠滾道表麵（miàn）缺陷、滾珠缺陷（xiàn）等導致（zhì）的（de）振動及衝擊脈（mò）衝。絲杠兩側的（de）支撐端分（fèn）別安（ān）裝 1 個（gè）單向振動傳感器（qì），監測由於絲杠彎曲、前後（hòu）支（zhī）架不同心、軸承故障等（děng）導致（zhì）的振動形態（tài）變化。為提高故障預警和診斷的精度，在絲母座及兩個軸承座上分別（bié）安裝 1 個貼片式溫度傳感（gǎn）器，監測性能變化導致的溫度增加。

4）主軸係統

主軸係統由電機（jī）、齒輪箱和主軸構成。在主（zhǔ）軸前端安裝聲發射傳感器和振動傳感器，在齒輪箱上安裝振動傳感器，監測主軸的運（yùn）動精度、軸承狀態及（jí）齒輪（lún）齧合（hé）狀態。

5）伺服係統

采用 3 個電（diàn）流傳感（gǎn）器分別監測（cè）主軸電機和 2 個給（gěi）電機的實際（jì）負載狀況及功率變化，通過切削力實驗，對電（diàn）流信號（hào）進一步分析處理，可以建（jiàn）立電流與負載力之間的（de）映（yìng）射關係。驅動器故障由其內部報警代碼提供（gòng）解決方案。

6）潤滑係統監測

潤滑係統的（de）壓力及流量分別采用壓力傳感器和流量傳感器實時監測，油箱機油溫度（dù）和液位高度采用（yòng）溫度傳感器和液位傳感器獲（huò）取，防（fáng）止異常狀況和漏油（yóu）的發（fā）生。

7）電氣控製係統

采用可編程控製器（ programmable logiccontroller ,PLC）直讀技術（shù）獲取 PLC 點位信息，構成狀態矩陣，並采用圖形化方式（shì）將電氣原（yuán）理圖進行（háng）對（duì）照輸出，以便快（kuài）速診斷和維修故障。上述傳感器信號通過模／數(analogue/digital,A/D)采集卡轉換後輸入（rù）工控機進（jìn）行分析與計算，分析獲得的設（shè）備狀（zhuàng）態監測數據送入數據服務器存儲，並同時在設備的人機界麵 HMI上實時滾動顯示，以便於操（cāo）作人員掌握設備（bèi）各個部件（jiàn）的運行及狀態信息。

4、結語

雖然各種數控設備狀態（tài）監測與故障診斷係統（tǒng）已逐步得到應用，但還（hái）遠沒有達到工程實用（yòng）化的程度。目前還僅在部分關鍵的（de）係統和部件中應用。並且對大（dà）多數（shù）係統尤其是數控設備的故障機理了解還不深入，有些還（hái）僅是故障的檢（jiǎn）測，還不具備故障預（yù）測的能力。此外，何正確有效地預測係統的狀態，並做出優化的維修決策等都（dōu）需要大量的研究工作。難點工作主要在於如何規（guī）劃特定被監測係統的係統體係結構，如何有效地（dì）選用一些較成熟的技術用於構建狀態（tài）監測與故障預測係統。應首（shǒu）要確定需要進行研究的關鍵（jiàn）技術（如對於數控設備關注故障（zhàng）機理的基礎性研（yán）究），進而（ér）開發出適合我國國情的狀態監測（cè）與（yǔ）故障預測係統（tǒng）。

投稿箱：
如果您有機床行（háng）業（yè）、企業相關新聞稿（gǎo）件發表，或進行資訊合作，歡迎聯係本網編輯部，郵箱：skjcsc@vip.sina.com

更多相關信息

名企推薦

業界視點

| 更多（duō）

行（háng）業數據

| 更多

博文選萃

| 更多

數（shù）控（kòng）機床