基于多源信息融合的數(shù)控機(jī)床進(jìn)給系統(tǒng)復(fù)合故障診斷研究.pdf

1、數(shù)控機(jī)床是現(xiàn)代工業(yè)生產(chǎn)中最常用、最典型的機(jī)電一體化設(shè)備，進(jìn)給系統(tǒng)作為數(shù)控機(jī)床中的重要環(huán)節(jié)，其性能參數(shù)和進(jìn)給效率直接影響數(shù)控機(jī)床的加工精度和生產(chǎn)質(zhì)量。滾動(dòng)軸承和滾珠絲杠副是進(jìn)給系統(tǒng)中的兩大主要部件，分別起到支撐和傳動(dòng)的作用，若二者發(fā)生故障，則會(huì)影響整個(gè)傳動(dòng)系統(tǒng)的傳動(dòng)效率，進(jìn)而對(duì)數(shù)控機(jī)床產(chǎn)生巨大影響，甚至損壞。因此，開展關(guān)于數(shù)控機(jī)床進(jìn)給系統(tǒng)的性能檢測(cè)和故障診斷研究，對(duì)保障數(shù)控機(jī)床安全、可靠、高效的運(yùn)行具有十分重要的意義，對(duì)實(shí)際工程應(yīng)用也具有

2、很高的實(shí)用價(jià)值。
　　本文以數(shù)控機(jī)床進(jìn)給系統(tǒng)中的滾動(dòng)軸承和滾珠絲杠副為研究對(duì)象，綜合分析國內(nèi)外復(fù)合故障的研究現(xiàn)狀，針對(duì)單一傳感器信息量小、信息來源有限的缺陷，提出了基于多源信息融合的復(fù)合故障診斷方法。采用振動(dòng)傳感器、噪聲傳感器和溫度傳感器采集復(fù)合故障的多源信息，并借助MATLAB和LabVIEW平臺(tái)進(jìn)行編程，實(shí)現(xiàn)對(duì)復(fù)合故障的模式識(shí)別和故障診斷。
　　分析了滾動(dòng)軸承和滾珠絲杠副的故障機(jī)理及常見失效形式，確定了研究的十種復(fù)合故障

3、類型，利用NI數(shù)據(jù)采集卡和五個(gè)外置傳感器，并設(shè)計(jì)基于MATLAB的LabVIEW編程對(duì)故障信號(hào)進(jìn)行采集和存儲(chǔ)。利用時(shí)域、頻域以及時(shí)頻域中的EEMD方法對(duì)故障信號(hào)進(jìn)行特征提取。引入SLLE降維方法對(duì)龐大的特征向量進(jìn)行簡(jiǎn)化、篩選，為提高診斷的速度和精度打下了基礎(chǔ)。
　　在分析其振動(dòng)信號(hào)特征的基礎(chǔ)上，提出了基于EEMD-FastICA的復(fù)合故障振動(dòng)信號(hào)分離方法。通過MATLAB平臺(tái)建立了滾動(dòng)軸承復(fù)合故障的仿真數(shù)學(xué)模型，并與試驗(yàn)結(jié)果進(jìn)行對(duì)

4、比分析。
　　分析了故障數(shù)據(jù)結(jié)構(gòu)特點(diǎn)，提出了流形聚類分析的復(fù)合故障診斷方法，用流形距離來描述數(shù)據(jù)之間的相互關(guān)系，對(duì)復(fù)合故障進(jìn)行分類識(shí)別和診斷。并與其它方法進(jìn)行對(duì)比，發(fā)現(xiàn)該方法診斷過程更加直觀、簡(jiǎn)單，診斷結(jié)果準(zhǔn)確率較高。
　　建立了BP、RBF和GRNN三種神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)，對(duì)復(fù)合故障篩選之后的特征值進(jìn)行特征級(jí)融合。通過試驗(yàn)對(duì)比研究三種網(wǎng)絡(luò)的識(shí)別性能，結(jié)果表明，GRNN神經(jīng)網(wǎng)絡(luò)在復(fù)合故障診斷中更具有優(yōu)勢(shì)，診斷結(jié)果更準(zhǔn)確。