模糊方法在数控机床故障诊断的应用

摘要：本文理论结合实际，分析了数控机床常见故障特点，然后提出故障诊断中引入模糊数学方法，通过最后的综合加权分析确定故障源；并在最后介绍了模糊方法诊断在进给伺服系统中的应用。

关键词：数控机床 故障诊断 模糊方法

数控机床故障产生原因是多方面的，而且产生原因与表现的运行状态并没有一一对应的关系，这给数控机床的诊断增加了相当的难度。现有的故障诊断方法基本都以顺序检查、逐个排除为主，这极大的增加了诊断的工作量，也降低了诊断结果的可靠性。所以开发并应用一个科学、系统的诊断方法理论在工程实践中具有重大意义。

1、模糊方法的机理

模糊数学理论被引入工程实践中，并结合实际经验成为数控机床故障诊断的一种手段。针对“病灶”、“病症”以及“病因”，模糊数学方法有效的解决了分析诊断过程。建立模糊数学模型的机理：(1)以实践经验为出发点，定性判断数控机床常见故障源、症状、以及原因。 (2)针对故障症状,以故障症状显著度、故障原因与症状密切度为参数，量化模糊变量，通过加权计算分析确定故障原因的可能性。(3)针对故障源，将故障源的充分程度进行量化并结合其与故障原因的密切度量化值进行分析，确定故障源的充分程度，判断故障的可能性大小。(4)综合个方面分析，进行加权计算，最终确定故障点、故障原因。

2、建立数控机床故障诊断的模型

针对数控机床的故障特征, 建立一套基于模糊数学理论的故障诊断模型。

(1)采用欧式几何向量A表示各种故障发生的原因：

，其中n指总的原因数。

(2)采用欧式几何向量B表示各种发生故障症状：

，其中m指总的症状种类。

采用X向量表示与B相对应的症状样本：

，其中代表B中症状的观察测量值。

建立隶属函数，任一对应的隶属函数值反应出了的明显程度，即为隶属度:。

其中取值为0,0.5,1分别代表无症状、症状较明显、症状很明显。

(3)采用欧式几何向量C表示各种故障源:。

采用Z向量表示故障源样本向量:；其中zi表示ci的观察测量值。

用表示故障充分程度隶属函：，其中取值分别为0，0.5,1代表故障源不存在、存在、充分。

(4)首先，以症状为变量，分析故障的可能性。

故障设备采集的症状样本数据为：；

与其对应的隶属度为。

建立起关系矩阵R：；

其中的取值范围为0,0.5,1，代表着症状与原因之间的联系为无关系、有关系、关系密切。

故障原因可能性用故障度集合Y1表示：

=。

求解故障度的相对值，提高诊断的准确性：

与故障原因可能性大小一一对应，求解得到其相对故障度得到：

；

其次，同理可得故障源求解出的相对故障度集合为：

；

用表示综合故障度集合：

对于任意一个，对应的和，然后计算与其相应的权系数分析其重要性。设定G1和G2是与对应的权数集合：

，

其中，。

求解得到的综合故障度集:,其中对应的可能性。

3、其解决实际问题案例分析

以进给伺服系统故障诊断为例说明：

3.1 定性确定进给伺服系统超速报警原因

造成伺服系统超速报警的故障源通常有4种:设计制造缺陷、电源异常、机床操作不当、负荷运行异常。

3.2 模糊量化

=(电路板异常，编码器异常，速度设置不合，超调过大，负载惯量过大)，即为故障原因集合。

=（接通控制电源超速,电动机运转过程超速,电动机启动超速），即为故障症状集合。

(设计制造缺陷,电源异常,机床操作不当,负荷运行异常)，即为故障源集合。

3.3 模型求解

，即为检测得到故障隶属度集合。

求解得到：；

；

；综合考虑对称性以及集合数目，取如下的权系数：

，；

求解得到。

3.4 模型分析

对Y的分析可知，给进伺服系统超速报警的原因可能是速度设置不合理，然后通过实地检测进行对比，再重新设定速度解决问题。

4、结语

模糊数学诊断模型将理论和实际紧密的结合起来，通过量化分析，对故障原因给出的直观数字解释，它的应用很好的避免了故障诊断过程中的盲目性，极大的提高了故障诊断的效率，增强了故障诊断的可靠性，是个有效的故障诊断办法。

参考文献

[1]吴今培.模糊诊断理论及其应用[M].北京:科学出版社,1995.

[2]吴国经.数控机床故障诊断与维修[M].北京:电子工业出版社,2005.

推荐访问:数控机床 故障诊断 模糊 方法

---