基于模糊推理的五軸數(shù)控機(jī)床故障預(yù)警系統(tǒng)研究.pdf

1、在未來的工業(yè)4.0時(shí)代，將實(shí)現(xiàn)人與設(shè)備“對話”、設(shè)備與設(shè)備“對話”，要求設(shè)備具有智能，將智能方法用于設(shè)備狀態(tài)預(yù)測的研究日趨活躍。作為國家的基礎(chǔ)裝備，數(shù)控機(jī)床的智能化研究顯得日益重要，本文通過數(shù)據(jù)挖掘技術(shù)對五軸數(shù)控機(jī)床實(shí)時(shí)狀態(tài)數(shù)據(jù)進(jìn)行知識(shí)獲取，運(yùn)用基于模糊Petri網(wǎng)的推理方法預(yù)測五軸數(shù)控機(jī)床可能發(fā)生故障的概率，從而達(dá)到故障預(yù)警的目的。本文重點(diǎn)研究了五軸數(shù)控機(jī)床實(shí)時(shí)狀態(tài)數(shù)據(jù)建模及模型評價(jià)、通過數(shù)據(jù)挖掘技術(shù)進(jìn)行知識(shí)獲取以及基于模糊Petri

2、網(wǎng)的故障推理等，主要研究內(nèi)容分為以下四個(gè)部分：
　　1．基于時(shí)間序列模型的五軸數(shù)控機(jī)床實(shí)時(shí)狀態(tài)數(shù)據(jù)建模研究。五軸數(shù)控機(jī)床實(shí)時(shí)狀態(tài)數(shù)據(jù)具有海量數(shù)據(jù)的特征，本文提出一種多維時(shí)間序列模型，在此基礎(chǔ)上建立了設(shè)備狀態(tài)模型、設(shè)備狀態(tài)預(yù)測模型、設(shè)備知識(shí)獲取模型，并在此基礎(chǔ)上進(jìn)行了模型度量的定義。
　　2．基于數(shù)據(jù)挖掘的五軸數(shù)控機(jī)床故障知識(shí)獲取方法研究。通過分析五軸數(shù)控機(jī)床的實(shí)時(shí)狀態(tài)數(shù)據(jù)，在設(shè)備知識(shí)獲取模型及度量的基礎(chǔ)上，運(yùn)用相似性預(yù)測算法

3、以及聚類分析中的K-Means算法對機(jī)床實(shí)時(shí)數(shù)據(jù)進(jìn)行挖掘，從而獲取機(jī)床實(shí)時(shí)數(shù)據(jù)所蘊(yùn)含的知識(shí)，預(yù)測得到機(jī)床未來可能的狀態(tài)，為后續(xù)通過知識(shí)推理進(jìn)行機(jī)床故障預(yù)警奠定了基礎(chǔ)。最后通過對某數(shù)控機(jī)床的實(shí)時(shí)采集數(shù)據(jù)的分析實(shí)驗(yàn)，驗(yàn)證了模型和算法獲取機(jī)床狀態(tài)知識(shí)的有效性，并提出了改進(jìn)的方法。
　　3．基于自適應(yīng)模糊Petri網(wǎng)（Adapt Fuzzy Petri Net，簡稱AFPN）的五軸數(shù)控機(jī)床故障知識(shí)推理研究。在通過數(shù)據(jù)挖掘預(yù)測了設(shè)備未來的數(shù)