一种数控机床故障诊断方法与流程

技术特征：

1.一种数控机床故障诊断方法，包括下述步骤：

步骤一：将整个数控机床系统部件划分为n个组件；根据采集的数控机床现场故障信息，借助于数据计算、故障致因分析和系统结构功能方面的相关经验确定故障时间，建立各个组件与故障时间间对应关系及组件间故障传播关系；

步骤二：根据故障致因分析建立组件故障传播有向图，并用矩阵对数控机床系统组件故障传播有向图进行描述；

步骤三：引入基于链接分析的网页排序算法计算数控机床系统组件故障影响；

步骤四：应用解释结构模型法经矩阵转换将故障传播有向图转化为故障传播层次化模型；

步骤五：基于时间相关的数控机床系统组件故障率建模；

步骤六：基于故障传播层次化模型、故障影响及组件故障率模型定位故障主因，进行数控机床故障诊断。

2.根据权利要求1所述的数控机床故障诊断方法，其特征在于：

步骤二中所述的建立数控机床系统组件故障传播有向图及描述矩阵是指：

以系统组件为节点集合V＝{v₁,v₂,...,v_n}，组件节点之间的故障传播关系为有向边集合E＝{e_ij}(1≤i,j≤n)，构建故障传播有向图G＝(V,E)；

用邻接矩阵A＝[a_ij]_n×n对故障传播有向图模型进行描述；

当i≠j时，

当i＝j时，a_ij＝0。

3.根据权利要求1所述的数控机床故障诊断方法，其特征在于：

步骤三中所述计算数控机床系统组件故障影响，是指按照以下步骤计算数控机床系统组件间故障被影响度ρ_ck和影响度ρ_CI：

(1)将邻接矩阵A的每行元素除以此行元素的总和，得到转移概率矩阵A′，然后对转移概率矩阵A′进行转置变换得到其转置矩阵(A′)^T；

(2)利用式(1)进行迭代运算，得到系统组件的故障被影响度ρ_CK值；设系统由n个组件组成，定义一个n维向量ρ_CK，它的分量分别是各个系统组件要素的ρ_ck值，(ρ_CK)^x、(ρ_CK)^x+1分别表示第x次、第(x+1)次迭代所得的各系统组件的故障被影响度值组成的(n×1)阶矩阵；

${\left({\mathrm{\ρ}}_{CK}\right)}^{x+1}=\frac{1-d}{n}\×E+d\×{\left(A^{\′}\right)}^T\×{\left({\mathrm{\ρ}}_{CK}\right)}^x............\left(1\right)$

其中，d——阻尼因子，取试验中关联故障数与总故障数的比值；

E——(n×1)阶矩阵，并且元素全为1；

迭代初始条件为：(ρ_CK)⁰＝[1 1 … 1]^T；

设ε为指定的迭代收敛平稳阀值，迭代计算当满足|(ρ_CK)^x+1-(ρ_CK)^x|＜ε时，迭代结束；

(3)将邻接矩阵A转置得到矩阵A^T后，将A^T的每行元素除以此行元素的总和，得到矩阵(A^T)′；

(4)利用式(2)进行迭代运算，得到n个组件组成系统的故障影响度ρ_CI值，(ρ_CI)^x、(ρ_CI)^x+1分别表示第x次、第(x+1)次迭代所得的各系统组件的影响度值组成的(n×1)阶矩阵；

${\left({\mathrm{\ρ}}_{CI}\right)}^{x+1}=\frac{1-d}{n}\×E+d\×{\[{\left(A^T\right)}^{\′}\]}^T\×{\left({\mathrm{\ρ}}_{CI}\right)}^x............\left(2\right)$

迭代初始条件为：(ρ_CI)⁰＝[1 1 … 1]^T；

设ε为指定的迭代收敛平稳阀值，迭代计算当满足|(ρ_CI)^x+1-(ρ_CI)^x|＜ε时，迭代结束。

4.根据权利要求1所述的数控机床故障诊断方法，其特征在于：

步骤四中所述将故障传播有向图转化为故障传播层次化模型步骤如下：

(1)可达矩阵求解；

将邻接矩阵A加上单位矩阵I经过r步布尔自乘运算，当有(I+A)^r-2≠(I+A)^r-1＝(I+A)^r,r≤n-1成立时，令M＝(I+A)^r，M即为可达矩阵；

(2)系统组件故障传播层次化模型构建；

M中行值为1的要素对应的列要素组成可达集R(S)，可达矩阵中列值为1的要素对应的行要素组成前因集A(S)，满足R(S_i)∩A(S_i)＝R(S_i)成立的要素S_i就是系统的最高级别L₁中组件要素；

可达矩阵M中去掉最高级组件要素，重复步骤1，可分出系统的第2级、第3级…直至最低级组件要素；

按照组件要素的等级顺序将其分层，然后将组件要素间连接关系用有向线相连；对于强连接关系，即可达矩阵M中若m_ij＝m_ji＝1，则组件要素S_i与组件要素S_j是强连接关系，绘制双向线，据此建立系统组件故障传播层次化模型。

5.根据权利要求1所述的数控机床故障诊断方法，其特征在于：

步骤五中所述基于时间相关的数控机床系统组件故障率建模步骤如下：

(1)针对定时截尾试验带来的右截尾数据，根据数控机床系统n个组件故障时间，采用Johnson法对故障时间的故障顺序号计算；

将数控机床故障数据与右截尾等所有k个数据从小到大按整数排列，记这列编号为j(1≤j≤k)；对数控机床该组件m个故障数据从小到大按整数排列，记这列编号为i(1≤i≤m)，则该组件第i个故障数据的顺序号r_i用公式(3)计算：

r_i＝r_i-1+(k+1-r_i-1)/(k+2-j)……………………(3)

式中：r₀＝0；

(2)数控机床组件故障率模型参数估计；

设数控机床组件故障数据服从分布函数为t≥0，故障率为λ＝βθ^β(t)^β-1的两参数威布尔模型，对1-F(t)两边取两次自然对数得将该式左侧与右侧lnt做线性回归模型的拟合，可以得到威布尔模型参数；

(3)数控机床组件故障率模型假设检验；

采用线性相关系数检验法计算模型检验值ρ，根据故障时间数据量n及显著性水平α,计算相关系数起码值ρ_α，当ρ＞ρ_α时，则认为lnt与是线性相关的，故障数据服从假设分布，否则拒绝假设。

6.根据权利要求1所述的数控机床故障诊断方法，其特征在于：

步骤六中所述定位故障主因步骤如下：

(1)识别关键故障源；

在故障传播层次化模型中，最低级层次系统组件要素即为故障源，若最低级层组件要素多于两个，则比较该层组件要素影响度ρ_ci与故障率乘积值，值大者是关键故障源；

(2)识别关键路径；

①识别关键故障节点；

比较各组件节点要素故障率值，数值越大，与其相连的上一层故障传播路径越关键；若出现L₁层组件节点要素故障率相等，则要结合被影响度ρ_ck值，故障率与被影响度ρ_ck之积值越大节点组件节点要素S_i越关键，即为最高层L₁关键故障节点L₁(S_i)；

根据故障传播层次化模型，比较与L₁(S_i)相关联的L₂层中各节点组件节点要素影响度ρ_ci与故障率之积值，数值越大，与L₁(S_i)相连L₂组件节点要素越关键，可确定关键故障节点L₂(S_j)；同理按照L₂层关键故障节点确定方法，可以确定中间层各关键故障节点；

②依据故障传播层次化模型，将(1)、①步确定的关键故障源组件要素节点与关键故障组件要素节点连接的各有向边即为关键故障传播路径；

至此定位故障主因，实现数控机床故障诊断。