基于模糊推理的五軸數(shù)控機床故障預警系統(tǒng)研究.pdf

1、在未來的工業(yè)4.0時代，將實現(xiàn)人與設備“對話”、設備與設備“對話”，要求設備具有智能，將智能方法用于設備狀態(tài)預測的研究日趨活躍。作為國家的基礎(chǔ)裝備，數(shù)控機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)控機床實時狀態(tài)數(shù)據(jù)進行知識獲取，運用基于模糊Petri網(wǎng)的推理方法預測五軸數(shù)控機床可能發(fā)生故障的概率，從而達到故障預警的目的。本文重點研究了五軸數(shù)控機床實時狀態(tài)數(shù)據(jù)建模及模型評價、通過數(shù)據(jù)挖掘技術(shù)進行知識獲取以及基于模糊Petri

2、網(wǎng)的故障推理等，主要研究內(nèi)容分為以下四個部分：
　　1．基于時間序列模型的五軸數(shù)控機床實時狀態(tài)數(shù)據(jù)建模研究。五軸數(shù)控機床實時狀態(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間序列模型，在此基礎(chǔ)上建立了設備狀態(tài)模型、設備狀態(tài)預測模型、設備知識獲取模型，并在此基礎(chǔ)上進行了模型度量的定義。
　　2．基于數(shù)據(jù)挖掘的五軸數(shù)控機床故障知識獲取方法研究。通過分析五軸數(shù)控機床的實時狀態(tài)數(shù)據(jù)，在設備知識獲取模型及度量的基礎(chǔ)上，運用相似性預測算法

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