专利名称：一种数控机床的智能故障诊断方法
技术领域：
本发明属于故障诊断领域，具体涉及一种数控机床的智能故障诊断方法。
背景技术：
目前，数控机床在现代制造业中的应用日趋普及，但是数控机床在使用中经常出现故障，使连续生产系统无法正常工作。若设备出现故障而未能及时发现和排除，结果不仅导致机床本身损坏，甚至可能造成机毁人亡的严重后果。因此，在实际生产中用较短的时间和较低的维修成本，对数控机床所发生的故障及时做出准确判断，查明故障部位，找出故障原因和排除方法，能大大减少维修的盲目性，它对提高生产经济性和安全性具有重要的意义。数控机床是机电一体化紧密结合的典范，是一个庞大的系统，涉及机、电、液、气、 电子、光等各项技术，其结构复杂，部件多样。目前故障诊断基本上还是采用如下几种传统的方法
(1)直观检查法。直观检查法是不借助任何仪器仪表就能诊断出故障的一种简便有效方法。问问现场人员故障产生的过程、故障现象及后果，询问故障是渐发性的还是突发性的等内容；看看机床各部分是否处于正常工作状态，电控装置有无报警信息，熔丝是否熔断，元器件烟熏烧焦，电容器膨胀、开裂，电子元件有无断脚、虚焊等；看工件的表面粗糙度、 颜色、伤痕等；听听异常响声和机床运转声；闻闻电气元件焦糊味及其它异味等；摸在整机断电条件下用手感来判别机床的故障，如温升、振动、伤痕、波纹、爬行、松紧等。(2)综合诊断法。仪器检查法利用万用表等检测仪器仪表，对故障疑点进行电流、 电压等测量，将测量值与正常值进行比较，从中找寻故障所在位置；接口状态检查法现代数控系统多将PLC内置其中，而CNC与PLC之间以接口信号相互通讯。有些故障与接口信号错误或丢失相关，有的接口信号可在相应的接口板和输入/输出板上有指示灯显示，有的可通过简单操作在CRT上显示，或用PLC编程器观察接口信号状态来诊断故障；参数检查法数控系统、PLC、伺服驱动系统都设置了许多可修改的参数，以适应不同机床、不同工作状态的要求，这些参数是保证机床正常运行的前提条件。一旦因电池电量不足或受到外界干扰，可能导致部分参数丢失或变化，使机床无法正常工作。通过核对、调整参数，有时可以迅速排除故障。(3)部件替换法。随着现代技术的发展，电路的集成度越来越高，按常规方法很难查找故障，现代诊断数控机床故障方法中，越来越多的采用部件替换法。部件替换法就是在故障范围大致确认，外部条件完全正确的情况下，利用同样的印制电路板、集成电路芯片或元器件替换有疑点部分，把故障范围缩小到印刷电路板或芯片一级的方法。替换部件可以是系统的备件，也可用机床上相同部件。(4)交叉换位法。当发现了故障板或疑是故障板，又没备件时，可将系统中两个相同或相兼容的板互换，从中判断出故障板或故障部位。注意硬件接线的正确交换和相应的参数交换。
(5)原理分析法。从系统的工作原理上分析各点的电平和参数，用万用表等仪器仪表对其进行测量和比较，进而对故障进行系统检查的一种方法。(6)敲击法。当系统故障表现为时而正常时而不正常时，基本可以断定为元器件接触不良或焊点虚焊，用敲击法敲击到虚焊或接触不良部位时，故障就会重现。(7)信号跟踪法。按照控制系统框图从前往后或从后往前逐一跟踪有关信号的有无、大小及不同运行方式下的状态，与正常情况进行比较。针对传统方法故障诊断成本高，速度慢的缺点，目前有很多专家开展了一系列故障诊断方法和技术的研究。典型的研究成果有
(1) FTA分析法它是对复杂系统进行安全性、可靠性分析的一种好方法，用它来预测和诊断故障，在数控机床的运行和维修中能收到良好的效果。(2)CBR推理法CBR技术已经发展成为一套解决实际问题的方法论。CBR故障诊断的基本思想是当寻找诊断方案时，在过去类似诊断方案成功案例基础之上进行推理， 通过类比和修改来完成当前故障诊断任务。CBR技术的特点使其在数控机床故障诊断领域有着独特的优势。(3)进化Monte Carlo优化法是一种基于总体的蒙特卡洛方法，它将遗传算法中的变异和交叉运算引入到模拟回火的框架，是一种具有“学习”能力的马尔可夫蒙特卡洛方法。但是，以上几种故障诊断方法仍然不能从根本上解决数控机床故障诊断的快速性和准确性。
发明内容
本发明针对上述现有技术的不足，提供了一种具有快速性和准确性的数控机床智能故障诊断方法。本发明是通过如下技术方案实现的
一种数控机床的智能故障诊断方法，包括如下步骤
(1)确定故障特征参数集、故障类型集和样本集，所述故障特征参数集中包含多个故障特征参数，所述故障类型集中包含多个故障类型；
(2)根据故障特征参数集和故障类型集，建立最小二乘支持向量机模型；
(3)利用样本集，训练并优化最小二乘支持向量机；
(4)检测数控机床的多个故障特征参数，将多个故障特征参数作为故障诊断的数据
源；
(5)将所述数据源输入到优化后的最小二乘支持向量机，得出故障诊断结果。进一步的，所述故障特征参数集包括数控机床的温度、检测元件的输出量、高低压电流、振动频率、噪声强度和伺服控制的输出电压；所述故障类型集包括伺服单元，加减速时间设定，检测元件，可控硅，旋转编码器，负载量，传动链润滑，可编程控制器或微处理器， 检测控制系统或主轴驱动系统，继电器，熔断器，电源变压器。进一步的，所述最小二乘支持向量机模型的输出向量为故障类型集，输入向量为故障特征参数集中每个故障特征参数的主元特征值。进一步的，步骤(3)中采用不完全交叉验证网格搜索法在线优化最小二乘支持向量机。进一步的，步骤(5)包括以下子步骤 (5. 1)将数据源进行小波去噪处理；
(5. 2)计算数据源中每个故障特征参数的主元特征值；
(5. 3)将步骤(5. 2)中计算出的主元特征值输入到优化后的最小二乘支持向量机，得出故障诊断结果。进一步的，所述主元特征值的计算方法为
(a)计算故障特征参数
权利要求
1.一种数控机床的智能故障诊断方法，包括如下步骤(1)确定故障特征参数集、故障类型集和样本集，所述故障特征参数集中包含多个故障特征参数，所述故障类型集中包含多个故障类型；(2)根据故障特征参数集和故障类型集，建立最小二乘支持向量机模型；(3)利用样本集，训练并优化最小二乘支持向量机；(4)检测数控机床的多个故障特征参数，将多个故障特征参数作为故障诊断的数据源；(5)将所述数据源输入到优化后的最小二乘支持向量机，得出故障诊断结果。
2.根据权利要求1所述的智能故障诊断方法，其特征在于，所述故障特征参数集包括数控机床的温度、检测元件的输出量、高低压电流、振动频率、噪声强度和伺服控制的输出电压；所述故障类型集包括伺服单元、加减速时间设定、检测元件、可控硅、旋转编码器、负载量、传动链润滑、可编程控制器或微处理器、检测控制系统或主轴驱动系统、继电器、熔断器和电源变压器。
3.根据权利要求1所述的智能故障诊断方法，其特征在于，所述最小二乘支持向量机模型的输出向量为故障类型集，输入向量为故障特征参数集中每个故障特征参数的主元特征值。
4.根据权利要求1所述的智能故障诊断方法，其特征在于，步骤(3)中采用不完全交叉验证网格搜索法在线优化最小二乘支持向量机。
5.根据权利要求1所述的智能故障诊断方法，其特征在于，步骤(5)包括以下子步骤 (5. 1)将数据源进行小波去噪处理；(5. 2)计算数据源中每个故障特征参数的主元特征值；(5. 3)将步骤(2)中计算出的主元特征值输入到优化后的最小二乘支持向量机，得出故障诊断结果。
6.根据权利要求3或5所述的智能故障诊断方法，其特征在于，所述主元特征值的计算(a)计算故障特征参数 的信息熵
全文摘要
本发明提供了一种数控机床的智能故障诊断方法，包括如下步骤(1)确定故障特征参数集、故障类型集和样本集；(2)根据故障特征参数集和故障类型集，建立支持向量机模型；(3)利用样本集，训练并优化支持向量机；(4)检测数控机床的多个故障特征参数，将多个故障特征参数作为故障诊断的数据源；(5)将所述数据源输入到优化后的支持向量机，得出故障诊断结果。本发明根据数控机床部件故障的发生机理及特点，当数控机床部件发生故障时，通过检测数控机床，对检测数据进行处理后输入最小二乘支持向量机，得到诊断结果。本发明实现了对数控机床快速、有效的故障诊断，同时其故障诊断能力强、确诊率高、误判率低。
文档编号G05B19/406GK102566505SQ201210045490
公开日2012年7月11日 申请日期2012年2月27日 优先权日2012年2月27日
发明者万毅 申请人:温州大学