数控设备状态监测与智能维护交大

主讲人：王太ywang@189.cn第二部分数控装备状态监测与智能诊断系统研究与设计主讲人：王太勇

博士/教授/博导

天津大学数字化制造与测控技术研究所所长北京交通大学数字化制造与智能测控技术中心主任中国机械工程学会机床专委会主任中国振动工程学会机械动力学学会理事长中国振动工程学会机械故障诊断学会副理事长中国计量测试学会常务理事及在线检测技术专委会主任天津市机械加工学会理事长电话/p>

邮箱：tywang@189.cn

网址：主要从事数控技术与数字化制造、智能诊断与动态测控技术、机械动力学、CAD/CAE/CAM/PDM及制造业信息化等研究工作。主持国家和省部级各类项目50余项，获省部级一等奖2项、二等奖4项，国家发明专利等10余项，发表论文300余篇，被SCI/EI收录100余篇次。“天大精益”数控系统及数控机床等主要学术成果已在形成产业化，前景广阔。数控装备状态监测与智能诊断的研究现状与趋势数控装备状态监测与故障智能诊断理论技术数控装备故障诊断和智能维护技术数控装备状态监测与智能诊断系统研究与设计1.数控装备状态监测与智能诊断的研究现状与趋势1.1状态监测与故障诊断技术介绍1.2最新发展动态1.3重点讲述

制造系统的自动化、最优化、柔性化、集成化、智能化、精密化和高速化趋势，对数控设备的状态监测和故障诊断提出越来越高的要求。智能化的监测手段和诊断方式已经成为提高数控装备稳定性的必要手段。

1.数控装备状态监测与智能诊断的研究现状与趋势1.1状态监测与故障诊断必要性按技术水平的高低，数控装备状态监测与故障诊断技术可分为三类：

第一类：手工诊断技术，诊断结果是建立感官和专业经验基础上，仅对诊断信息作简单的处理。

第二类：以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等。

第三类：智能诊断技术。至90年代初期以后，由于数控装备设备的大型化、复杂化以及连续高速运行的需要，基于知识的专家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应用，使得故障诊断技术更多的融入了人工智能的技术。

1.1状态监测与故障诊断必要性1.数控装备状态监测与智能诊断的研究现状与趋势近年来，世界上各大数控厂商不断推出具有自诊断、自修复、基于人工智能和远程诊断维护技术的高端数控系统。如西门子ePS和FANUC18i系列监测系统等,在国内天津天大精益数控技术有限公司也研制成功了具有在机质量检测、在线状态监测与智能诊断功能的网络化数控系统。西门子天大精益发那科1.2最新发展动态1.数控装备状态监测与智能诊断的研究现状与趋势

(1)西门子新一代状态监视技术——ePS(electronicProductionsystem)网络服务

在2005年的EMO行业展览会上，西门子工业自动化与驱动技术集团第一次展示了其新一代状态监视技术——ePSNetworkServices。1.2最新发展动态ePS网络服务整体实施过程ePS通过定期执行预先设定的测试序列，采集测试数据，并上传到网络服务器进行自动数据分析

ePS能够实时把握设备运行状态，在设备维护时能有效地得到设备提供方、高等院校和其它相关部门的技术支持，大大提高维护效率和生产质量。1.数控装备状态监测与智能诊断的研究现状与趋势

(1)西门子新一代状态监视技术——ePS(electronicProductionsystem)网络服务1.2最新发展动态ePS对数控设备状态进行各种标准测试ePS可对数控设备状态进行各种标准测试，包括，圆度测试、恒速轴测试、通用轴测试、PLC监控等。通过这些测试可准确把握机床状态。例如，通过新的PLC负荷监视器，可以对每个机器部件进行负荷分析，从而可以对机床的轴和主轴的状态做出判断。1.数控装备状态监测与智能诊断的研究现状与趋势

(2)天大精益数控系统有机集成多种监控技术

在加工过程中，应时刻保持机床处于良好或最优工作状态。尤其对于单件加工成本较高的工件以及复杂精密机床。其产品报废及机床损坏甚至是加工效率的降低都将造成巨大损失。在此情况下，需要及时掌握加工状态信息，以便迅速做出调整。传统上采用巡检或定期检测的方式，以保持机床性能。但这种方式不足以防止加工过程中的异常发生。

天津大学数字化制造与测控技术研究所提出了数控机床在线状态监测与在机质量检测的新方法，并结合最新的网络技术，提出了数控装备的远程状态监测与智能故障诊断方法，并将其成功应用在了自主开发的高档数控系统TDNC-H8上。1.2最新发展动态1.数控装备状态监测与智能诊断的研究现状与趋势

(2)天大精益数控系统有机集成多种监控技术——在线状态监测1.2最新发展动态天大精益TDNC-H8在线状态监测模块功能1.数控装备状态监测与智能诊断的研究现状与趋势

(2)天大精益数控系统有机集成多种监控技术——机质量检测1.2最新发展动态天大精益在机质量检测技术实施流程天大精益在机质量检测系统构成1.数控装备状态监测与智能诊断的研究现状与趋势

(2)天大精益数控系统有机集成多种监控技术——远程状态监测与智能故障诊断1.2最新发展动态具有远程状态监测与智能故障诊断功能的天大精益数控系统1.数控装备状态监测与智能诊断的研究现状与趋势

(3)行业新标准——MTConnect、TDNC-Connect1.2最新发展动态MTConnect实施过程2009年，由美国机械制造技术协会（AMT）联合美国通用电气等世界制造业主要企业推出了机床通信新标准——MTConnect，目的在于解决数控设备状态监测数据交换不统一问题。MTConnect协议是XML编程语言中的一个标准，可以将机床连接到互联网上。通过使用统一的数据交换标准，有利于数控设备状态监测与智能诊断技术大范围推广应用。1.数控装备状态监测与智能诊断的研究现状与趋势

(3)行业新标准——MTConnect、TDNC-Connect1.2最新发展动态值得提及的是，考虑到MTConnect标准在数控装备故障诊断和状态监测数据描述中的不足，天津大学数字化制造与测控技术研究所开发出了对数控装备故障诊断和状态监测数据进行更加详尽描述的TDNC-Connect传输协议，该协议不仅包含了数控机床的固有属性，同时也包含的传感器获取的机床物理状态信息，能够更加全面的反映出数控设备的各种状态。1.数控装备状态监测与智能诊断的研究现状与趋势本部分课程在结合数控装备状态监测与智能诊断最新的发展动态的基础上，将从与状态监测与智能诊断相关的基础理论入手，先介绍基本的数据采集与信号分析方法，然后讲述各种智能诊断系统所使用到的人工智能技术，最后讲述数控装备智能维护的相关技术。1.3重点讲述1.数控装备状态监测与智能诊断的研究现状与趋势状态监测与智能故障诊断技术：新兴综合性科学技术2.数控装备状态监测与故障智能诊断理论技术概述状态监测与故障智能诊断技术的主要内容：数控加工设备、加工过程状态检测与故障诊断技术研究的主要内容，同时也是需要突破的技术关键是：在复杂多变的工况与过程中快速有效地识别状态；进行动态、关联、离散设备的状态监测与故障诊断；在无法完全获取状态及故障的先验知识样本及故障类别时进行识别分类；简捷地实现实际加工现场环境下的检测与诊断；概述2.数控装备状态监测与故障智能诊断理论技术状态监测与智能故障诊断技术作用：安全生产预防设备恶性事故故障前兆代替定期检修经济效益每年设备故障处理费用可减少25-50%关键设备实时监测有的放矢处理故障，节约处理时间传统故障处理时间分配概述2.数控装备状态监测与故障智能诊断理论技术2.1信号的定义与分类2.2信号的采集与预处理2.3时域分析方法及其在数控机床故障诊断中的应用2.4频域分析方法在数控机床故障诊断中的应用2.5随机共振算法研究及其在数控机床故障诊断中的应用2.6典型的故障诊断理论技术

2.数控装备状态监测与故障智能诊断理论技术目录2.数控装备状态监测与故障智能诊断理论技术2.1信号的定义与分类工程上所遇到的大多数信号均为动态信号，我们可以按以下几种方法对其进行分类：(1)确定性信号和随机信号可以用明确的数学表达式描述的信号称为确定性信号。

随机信号所描述的物理现象是一种随机过程，它在某个点上的取值是随机变量，不能用数学关系式描述。(2)能量信号和功率信号若信号在所分析的区间能量为有限值，则该类信号称为能量信号。若区间变为无穷大时，上式仍然大于零，则信号具有有限的平均功率，此类信号称之为功率信号。(3)时限与频限信号时域有限信号在有限区间内定义，其幅值在区间外恒等于零。频域有限信号是指信号经过傅立叶变换，在频域内占据一定带宽,其幅值在区间外恒等于零。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理根据信号采集后的分析方式，目前的故障诊断系统可分为：离线式故障诊断系统。(2)在线式故障诊断系统。(3)网络化远程故障诊断系统。离线监测与故障诊断

定期或不定期的巡检的方式采集现场数据，然后回放到计算机，由计算机软件进行监测与诊断分析。

特点：离线分析，对突发故障无能为力，但可精细分析例如：基于便携式数采仪的故障诊断与预测维修系统2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理离线监测与故障诊断国外：SKF、日本理音、美国艾默生、ENTEK等；国内：天大精益、北京西马力、上海华阳、北京振通、上海容知、东昊测试2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理离线监测与故障诊断（

EMERSON艾默生便携式机械设备诊断分析仪）★内置智能诊断功能模块，使得在现场的数据采集成为机电设备维修的决策支持信息。★提供先进的数字信号处理技术，可对机械设备中早期故障进行报警，并做故障趋势分析。★该便携式机械设备诊断分析仪能够扮演临时在线监测仪的角色，能够长时间自动采集并存储各种故障特征频率振动，持续的监测设备健康状态。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理离线监测与故障诊断（天大精益IDPM－4A型便携式数采分析仪）离线监测与故障诊断（天大精益IDPM－4A型便携式数采分析仪）离线检测故障诊断仪天大精益公司研发和设计了基于ARM和DSP的双CPU便携式数据采集分析仪，该系统将故障诊断技术与嵌入式技术相融合，充分利用DSP强大、快速的数据处理能力和ARM强大控制能力的优势，功能强大，体积小，成本低，针对性强，符合国内一般厂矿企业的需求。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理离线监测与故障诊断（天大精益IDPM－4A型便携式数采分析仪）离线检测故障诊断仪数采分析仪采用ARM+DSP的双CPU的设计思想,将复杂的运算和系统的控制分开，利用DSP实现振动信号的采集和数据处理,主处理器ARM主要负责接口控制和数据传输等任务。这样能充分发挥两种处理器的优势,既能实现信号的精确采集,又能保证运算处理的实时性与准确性。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理离线监测与故障诊断（天大精益IDPM－4A型便携式数采分析仪）四通道，单通道转换频率为150K,16位A/D灵敏度：1.0Mv/(m/s2)输入范围：-15V～+15V频响范围：5Hz～150kHz通信接口:串口USB网络存储功能：SD卡，USB外接海量存储键盘输入：功能键、数字键、字母键显示：6.4寸彩色LCD分辨率为640×480，有背光采样点数：512、1024、2048FFT分析分析频谱线=200、400、800、1600；分析功能：时域、频域、时频域环境条件：0～80℃2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理在线监测与故障诊断

由传感器及高速实时数采硬件、控制计算机及监测分析软件组成。特点：在线监测，可以给出设备的当前状态，捕捉突发故障并进行及时分析。例如：在线故障诊断与自动报警系统2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理艾默生CSI6000在线设备监测系统强大的预测分析工具（图谱、趋势、瞬态、频谱分析、PeakVue技术、统计分析）基于Web的性能监测基于Web的设备优先等级和维修计划振动和过程参数趋势分析事件/报警记录分析2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理天大精益SD150设备状态在线监测系统●采用高性能ICP、电荷等传感器，高精度，抗干扰性强●连续大样本数据采集、存储与分析●主从分布网络化远程监控设备状态，便于故障的实时、精细诊断与远程决策●多通道、多机组主从分布实时采集与监测●在线监测、实时报警，便于捕捉突发故障●自动数据采集、存储并远程备份●配备强大的信号分析软件（时域、幅值域、频域、时频域）和先进的故障诊断方法（BP神经网络、灰色理论等）●设备、测点路径管理，后台数据库支持，并可与企业ERP等无缝集成2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理前瞻性的故障诊断模式：

以网络技术和计算机技术为基础，开发出主从分布式网络化集成在线监控与诊断系统。特点：充分挖掘和发挥网络信息交换、资源共享的优点，充分利用科研院所的专家资源，实现“移动的是数据而不是人”，在网络层面上实现故障信息的挖掘和故障类型的确诊。例如：中国设备远程诊断网2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理前瞻性的故障诊断模式：数控机床状态监测与故障诊断主要包括如下几个环节：机电设备状态信息的获取状态特征的提取状态判断与决策测取的信号应能反映设备的状态与故障信息，具体包括：振动、声、力、温度、超声、油污染、锈蚀、转速、扭矩、功率、电流、电压等。其中：振动信号最常用，方法成熟，信息量大；声信号采用非接触测量，测取方便，信息量大，但容易受干扰。方法：以振动测量为例，可测：加速度、速度、位移等物理量。通常采用加速度传感器。

2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理典型的采集过程2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理压电加速度传感器

加速度传感器输出的电荷量与振动加速度成正比。传感器必须与前置电压放大器、电荷放大器或测量放大器配用。直接放大可测加速度，经过一次积分可测速度，经过二次积分可测位移。加速度传感器一般具有很高的固有频率，适于测量高频振动或设备振动中的高频成分。例如齿轮箱的捏合频率、滚动轴承的特征频率等。加速度传感器测量的是被测物体的绝对振动。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理速度传感器速度传感器固定在被测物体上，物体振动时，传感器输出的电量与振动速度成正比。经过一次积分可测位移，经过一次微分可测加速度。速度传感器测量的是被测物体的绝对振动。速度传感器的频响范围较加速度低一些，不适合测量太高频率的振动。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理电涡流式位移传感器涡流传感器属于非接触式传感器一类，在旋转机械中应用最多。可以用来监测转子系统的运动状态，例如转子的径向振动、轴向振动、轴心轨迹、轴心位置、油膜厚度、转子转速等信息。涡流传感器测量的是被测物体与传感器探头端面之间的距离。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理t0t0t0模拟信号离散量化

传感器输出的信号一般都是诸如电压、电荷、电阻变化值、电容变化值等模拟信号，在利用计算机对其进行处理之前必须对其进行离散量化成数字信号。模拟信号到数字信号转换的过程如下图所示。模拟信号的采集2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理◆采样频率采样周期的倒数表示采样快慢的物理量多少时间采一个点/每秒采样多少个点采样定律：fs>=2*fmax

fs

：采样频率

fmax

：信号最高频率一般最小为fs>=2.5*fmax采样定理2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理足够的采样率下的采样结果

过低采样率下的采样结果

2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理◆能够正确显示信号而不发生畸变的最大频率叫做Nyquist频率，它是采样频率的一半。◆信号中所包含的频率高于Nyquist频率的成分，将在直流和Nyquist频率之间发生畸变，称为混叠。◆解决方案在A/D前加入低通滤波器，将信号中高于Nyquist频率的信号成分滤去，称为抗混叠滤波器。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理◆零均值化处理◆消除趋势项◆加窗处理：对长序列信号截断后得到有限长信号(滤波)(a)记录到的信号(b)趋势项(c)真实信号2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理◆数控机床弱耦合监测单元。◆采集前对采集通道数，分析频率，采样点数，传感器灵敏度，存储文件位置等进行设置。2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理数控机床在线监测单元采集界面强耦合监测单元弱耦合监测单元2.数控装备状态监测与故障智能诊断理论技术2.2信号的采集与预处理状态特征的提取（信号处理）

信号处理的方法：时域分析、幅值域分析、频域分析、时频分析等信号处理的目的：采用各种技术和手段挖掘信号中内含的本质，即信息。具体到机电设备状态监测和故障诊断中就是提取设备相关信号（包括振动、声音、温度、压力等）的特征，对设备当前状态作出准确的评价和预测，对已发生的故障进行确诊，提出正确的维修建议。2.数控装备状态监测与故障智能诊断理论技术2.3时域分析方法2.3时域分析方法◆概率密度，概率密度矩（均值、均方、歪度、峭度）◆自相关函数，互相关函数◆最大值、最小值、均值、方差、波形指标、峰值指标，脉冲指标◆轴心轨迹◆时间历程波形2.数控装备状态监测与故障智能诊断理论技术均值（一阶矩）：描述信号的稳定分量方差（二阶中心矩）：描述信号的波动分量信号的时域波形偏斜度（三阶矩）：反映信号中大幅值成分的影响2.3时域分析方法——概率密度2.数控装备状态监测与故障智能诊断理论技术峭度（四阶矩）：反映信号中大幅值成分的影响信号的概率表示：概率密度函数的物理意义信号的概率密度函数：2.3时域分析方法——概率密度2.数控装备状态监测与故障智能诊断理论技术

直接应用于机器状态的诊断。例如，图为车床变速箱的噪声概率密度函数p(x)，a—新车床，b—旧车床，显然新、旧车床变速箱噪声概率密度函数p(x)值有较大差异。车床变速箱噪声概率密度函数a)新车床噪声p(x)b)旧车床噪声p(x)2.3时域分析方法——概率密度2.数控装备状态监测与故障智能诊断理论技术(a)新变速箱概率密度(b)旧变速箱概率密度◆新变速箱中的噪声为随机噪声，反映在时域信号是大量无规则、量值小的随机冲击，其幅值概率分布比较集中。◆旧变速箱，随故障的出现，随机噪声中会出现周期信号使噪声功率增加，使概率密度分散度加大，曲线顶部变平缓。◆概率密度：信号幅值的概率表示动态信号某一瞬时幅值发生的几率。概率密度是指该信号单位幅值区间内的概率。2.3时域分析方法——概率密度2.数控装备状态监测与故障智能诊断理论技术1、自相关函数是偶函数，即。2、当时，自相关函数等于信号的方差3、当时，自相关函数的值总是小于，即小于方差信号的自相关函数：描述信号自身的相似程度重要规律：周期信号或者其他非随机信号的自相关函数不随变量的变化而衰减；随机信号的自相关函数当变量增大时将趋向于零。因此，自相关函数是在机器噪声中查找周期信号或者瞬时信号的重要手段。2.3时域分析方法——自相关函数2.数控装备状态监测与故障智能诊断理论技术◆特点：信号的周期性分量在自相关函数中不衰减且保持原来的周期，自相关函数可从被噪声干扰的信号中找出周期成分。◆应用：区别信号类型；检测混杂在随机信号中的周期成分。◆自相关函数：反映了信号自身取值随自变量时间前后变化的相似性。◆自相关函数2.3时域分析方法——自相关函数2.数控装备状态监测与故障智能诊断理论技术应用：正常运行状态—机器噪声是大量的、无序的、大小接近的随机冲击结果，有宽而均匀的频谱。运行不正常状态—随机噪声将出现有规则、周期性的脉冲，其大小比随机冲击大的多。例如;机构中轴承磨损间隙增大时，轴与轴盖就会有碰击现象。首先运用自相关函数查找出隐藏的周期分量，进而依靠其幅值和波动的频率可以查找出机器的缺陷所在。图C630型车床主轴箱噪声的自相关函数2.3时域分析方法——自相关函数2.数控装备状态监测与故障智能诊断理论技术

(a)原始信号(b)自相关函数

故障状态下机床振动信号的自相关分析

正常机床振动是大量无规则的随机扰动，其自相关函数与宽带随机噪声的自相关函数接近；不正常运行状态下的振动信号，通常是在随机信号中出现有规则的周期性的脉冲，其大小也往往比随机信号强得多。通过观察自相关函数，可以发现其中隐藏的周期分量，根据自相关函数的幅值和频率，可以进一步确定故障或缺陷发生的原因。该方法在故障初期周期信号不明显时，非常有效。2.3时域分析方法——自相关函数2.数控装备状态监测与故障智能诊断理论技术信号的互相关函数：描述两个信号之间的相似程度或相关性性质：1、互相关函数不一定是偶函数。2、当时，互相关函数不一定是最大值。3、互相关函数具有反对称性。重要规律：若互相关函数出现峰值，则表示两个信号相似；若互相关函数几乎处处为零，则表示两个信号不相关。2.3时域分析方法——互相关函数2.数控装备状态监测与故障智能诊断理论技术应用一：相关测速2.3时域分析方法——互相关函数2.数控装备状态监测与故障智能诊断理论技术应用二：故障定位2.3时域分析方法——互相关函数2.数控装备状态监测与故障智能诊断理论技术发动机与司机座的相关性较差，而后桥与司机座的互相关较大，可以认为司机座的振动主要是由汽车后轮的振动引起的。应用三：传递通道的相关测定2.3时域分析方法——互相关函数2.数控装备状态监测与故障智能诊断理论技术信号的幅值参数（2）平均幅值（3）均方幅值（4）峰值（1）方根幅值2.3时域分析方法——幅值参数，无量纲参数2.数控装备状态监测与故障智能诊断理论技术（2）峰值指标（3）脉冲指标（4）裕度指标信号的无量纲指标=均方幅值/平均幅值=峰值/均方幅值=峰值/平均幅值=峰值/方根幅值（1）波形指标2.3时域分析方法——幅值参数，无量纲参数2.数控装备状态监测与故障智能诊断理论技术汽车后桥齿轮加速度信号的无量纲指标

如图所示是对28只汽车后桥齿轮在不同运行状态下振动的加速度信号经过计算得到的无量纲指标。由图课件，波形指标K的变化很小，没有足够的诊断能力；脉冲指标I最好，可以作为齿轮运行状态的优良诊断指标。峰值指标C比起脉冲指标I要差一些。2.3时域分析方法——幅值参数，无量纲参数2.数控装备状态监测与故障智能诊断理论技术齿轮故障时的时域波形故障现象：存在明显的周期性冲击信号时域波形的应用2.3时域分析方法——时间历程2.数控装备状态监测与故障智能诊断理论技术轴心轨迹：轴心轨迹的获取是利用相互垂直的两个非接触式传感器分别安置于转子某一截面上，同时采集数据绘制而成。如图所示。通过分析轴心轨迹的运动方向与转轴的旋转方向，可以确定转轴的进动方向（正进动和反进动）。轴心轨迹在故障诊断中可以用来确定转子的临界转速、空间振型曲线以及部分摩擦，如不对中、摩擦、油膜振荡等。2.3时域分析方法——轴线轨迹2.数控装备状态监测与故障智能诊断理论技术轴心位置：借助于相互垂直的两个电涡流传感器，监测直流间隙电压，就可得到转子轴颈中心的径向位置。如图所示。通过轴心位置图可判断轴颈是否处于正常位置，对中好坏、轴承标准高是否正常、轴瓦有否变形等情况，从长时间轴心位置的趋势可以观察出轴承的磨损情况。轴心位置图是指转轴在没有径向振动情况下轴心相对于轴承中心的稳态位置。2.3时域分析方法——轴线轨迹2.数控装备状态监测与故障智能诊断理论技术缺陷时域轴心轨迹诊断不对中典型的严重不对中油膜涡动与不平衡相似且涡动频率较慢，小于轴转速的0.5倍摩擦接触产生花状，叠加在正常的轴心轨迹上不平衡椭圆形轴心轨迹轴心轨迹的应用2.3时域分析方法——轴线轨迹2.数控装备状态监测与故障智能诊断理论技术◆频谱分析和FFT◆频谱的定义：频谱反映了信号的频率成分及分布情况。◆理论基础：连续傅立叶变换及其逆变换，由于其不能直接用于计算机计算，对于离散的数字信号，需进行离散傅立叶变换DFT。FFT快速傅立叶算法是离散傅立叶变换DFT的一种快速算法，使DFT的运算在实际中真正得到了广泛的应用。

2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术2.4频域分析常用方法简谐振动的时间历程及频谱合成振动的时间历程及频谱2.数控装备状态监测与故障智能诊断理论技术旋转机械不平衡时的波形和幅值谱

从波形上看为一个准周期信号，从频谱图上则显示多个频率成分，且以1次谐波幅值最为突出，表现出明显的转子不平衡。◆幅值谱：反映振动信号中各个简谐分量的幅值及频率关系。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术◆自功率谱：表示振动信号中各谐波分量的频率及能量关系。

旧轴承在所在频率上的振动能量增加，根据频谱的前后变化及突出峰值判断轴承的故障情况。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术功率谱倒谱

倒谱更加突出主频率成分，谱线更清晰，当功率谱谱线较为复杂时，倒谱有时具有更好的频率分别效果。◆倒谱：自功率谱取对数再进行傅里叶逆变换（功率谱的功率谱）。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术不平衡振动频率成分单一表现为转子的基频等于转子的转频，有时还会激起微弱的倍频。旋转机械的不平衡现象旋转机械的不对中现象特点为激起多倍转频振动。针对不同的不对中类型，频率略有差异。如平行不对中激起二倍转频，角度不对中为一倍转频。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术由松动引起的振动具有一定的非线性，其振动信号的频率除基频外，还产生高次谐波和分频振动，频谱结构成梳状。由松动引起的振动方向性明显，如地脚螺栓的松动表现出垂直方向强烈的振动。电机地角松动时振动频谱2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术现象：旋转机械在启动升速时，当达到某个转速，有时会出现振动急剧增大的现象。原因：旋转机械固有频率在其转频附近时，出现的共振现象。◆共振2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术基于网络的智能维护系统轴承数据库及故障识别2.4频域分析常用方法◆网络版在线监测软件2.数控装备状态监测与故障智能诊断理论技术为钢球数；为钢球直径；为滚道节径；为接触角；为回转频率。滚动轴承的常见故障主要有：磨损、疲劳（点蚀、剥落）、塑性变形、腐蚀以及断裂、胶合等 其他失效形式。滚动轴承的故障诊断轴承的特征频率计算公式：（1）内圈剥落：（2）外圈剥落：（3）钢球剥落：（4）保持架不平衡：2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术滚动轴承的故障诊断滚动轴承常用分析方法：带通滤波法共振解调法——包络谱脉冲冲击法SPM

频谱分析法油样分析（铁谱、光谱、磁塞）轴承温度：如高速机车的轴温监测2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术滚动轴承的故障诊断右图为某外圈有剥落206轴承振动信号的频谱和包络谱图。7500Hz附近为测试棒引起的高频固有振动。以15200Hz为中心频率，以带宽3200Hz进行包络分析得到下图。其上408Hz、816Hz谱线非常明显，这分别是外圈故障特征频率的一倍频和二倍频。在三倍频1224Hz处也有谱峰存在，但不明显。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术齿轮振动信号的频率成分：齿轮啮合频率：齿轮齿数×旋转频率齿轮自振频率：有缺陷的齿轮运行中产生的冲击将激起齿轮的固有频率是齿轮失效的重要指标。齿轮边频带：齿轮故障时载荷波动产生的幅值调制。◆齿轮诊断2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术齿轮箱的故障诊断齿轮箱常见故障断裂：41%疲劳（点蚀、剥落）：31%齿面划痕：10%磨损：10%其他：如塑变、腐化：8%1、啮合频率及其高次谐波2、磨损时谐波较基频幅值增加快3、由调制效应产生的边频带（除磨损外）4、寄生成分：加工分度误差引起，载荷大寄生力大齿轮箱故障信号特征：2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术1、啮合频率及其高次谐波

齿轮在啮合过程中载荷的分配是变化的，载荷的变化会引起齿轮刚性的变化，从而引起齿轮的振动，这种振动通常称为啮合振动。该振动在频谱图上会出现啮合频率及其高次谐波。均匀磨损后啮合频率及其高次谐波振动分量的幅值都会上升，但基频增长较慢，而高次谐波分量的增长比基频快。齿轮传动的振动波形及其频频2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术2、由调制效应产生的边频带

在一对齿轮啮合过程中，其啮合频率及其高次谐波可以看作一个高频振荡（载波），而那些在每周呈现出一次或二次的振动信号，如齿面上的点蚀、剥落后引起的振动信号（故障信号）可视为缓变信号（调制信号）。两种信号同时出现时，就会产生调制效应。在频谱图中，两谱线间的间隔就是调制信号的频率，这是非常有价值的诊断信号。找出调制信号的频率，就可判断其相应的故障。幅值调制过程2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术3、寄生成分（鬼线）

鬼线是频谱图上的一个频率分量，其产生的原因为加工过程给一个齿轮带来的周期性缺陷，缺陷来源于分度涡轮、蜗杆及齿轮的误差。鬼线是由一定的几何误差产生的，载荷改变对其影响很小。磨损使鬼线分量幅值减小，却使其啮合频率下的幅值增大。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术

频谱细化分析是近几年发展起来的一项信号处理的新技术。能够以指定的、足够高的频率，分析频率轴上任一窄带信号的频谱结构，获得更高的频率分辨率。右图是某齿轮箱振动加速度信号。细化后发现啮合频率2252Hz附近调制了大量的低速轴的转频谱线，判断齿轮存在严重磨损或断齿。停机检修断定诊断是正确的。某齿轮箱振动加速度信号波形、频谱及其细化谱2.4频域分析常用方法4、频谱细化分析2.数控装备状态监测与故障智能诊断理论技术

倒频谱分析能区别出因调制而引起的功率谱中的周期分量，诊断出调制源。倒谱将信号变换到一个新的时间域－倒频域。倒频谱能将原来谱图上成簇的边频带谱线简化为单根谱线，以便观察。从而可是别处复杂频谱图上的周期结构，分离和提取出密集信号中的周期成分。这对于具有周期成分及度成分边频带等复杂信号的识别尤为有效。倒频谱的基本步骤2.4频域分析常用方法5、倒频谱分析2.数控装备状态监测与故障智能诊断理论技术5、倒频谱分析

右上图是某齿轮箱的时域波形，中图是其倒频谱图，下图为低频信号扩展后的频谱图。图中可以清楚地看到主要特征频率对应地时域点，如5轴和6轴啮合频率3.695Hz对应地269.87ms。可以判断这两轴的啮合齿轮之间出现了均匀磨损。同时还可看到点击的转动频率16.93Hz及其2倍频33.77Hz出幅值较大，由此可以判断蹲在电机转子初始不平衡和不对中现象。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术波德图：波德图是反应及其振幅和相位随转速变化的关系曲线。如图所示。图中以转速为横坐标，振幅和相位角为纵坐标。这种图形一般用跟踪矢量滤波器在机器起动或停车阶段测得。从波德图上可以得到：（1）转子系统在各种转速下的振幅和相位。（2）转子系统的临界转速。（3）转子系统的共振放大系数。（4）转子振型。（5）系统的阻尼大小。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术奈奎斯特图：奈奎斯特图是把振幅与相位随转速的变化关系用极坐标的形式表示出来。如图所示。图中用一旋转矢量的点代表转子的轴心，该点在各转速下所处位置的极半径表示轴的径向振幅，角度就是相位角。从奈奎斯特图上可以得到比波德图更多的信息，例如转子不平衡质量的方位。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术瀑布图：瀑布图是三坐标图，x轴为振动频率，y轴为转速或者时间间隔，z轴为振动幅值。如图所示。瀑布图常用来表达机器振动在骤变过程或者启动停车过程中各频率成分的幅值变化，可以判断机器的临界转速、振动原因以及系统的阻尼情况。例如，机器过临界转速、轴承发生油膜振荡、零件磨损以及各种突然发生的亚异步振动等，均能在瀑布图上获得分析故障原因的有用信息。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术趋势分析：趋势分析是把所测得的特征数据值和预报值按一定的时间顺序排列起来进行分析。如图所示。这些特征数据可以是通频振动、1倍频振动、2倍频振动、0.5倍频振动、轴心位置等。时间序列可以按前后各次采样、按小时、按天等。趋势分析在故障诊断中起着重要的作用。2.4频域分析常用方法2.数控装备状态监测与故障智能诊断理论技术

传统信号处理领域中傅里叶变换时一种常用的方法。

缺点：从公式中可以看出，傅立叶变换与信号在整个实轴上的整体性质有关，因而很难反映出信号在局部时间范围中的特性。

2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换◆我们想知道信号频谱随时间变化的情况，就需要使用时间和频率的联合函数来表示信号，即信号的时频分析。

短时傅里叶变换小波变换（最常用）Gabor变换Hilbert-Huang变换Wigner-Ville分布2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换一维正交小波分解与重构运算

可以简单的将小波变换方法理解成一组正交的高通低通滤波器组，可以将信号的不同频率成分通过多层小波变换分解开来。也可以通过逆运算将分解开的信号重构回去。2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换主要理论依据是，

系数幅值.经小波分解后，信号的小波系数幅值要大于噪声的具体处理过程为：将含噪信号在各尺度上进行（正交）小波分解，保留大尺度（低分辨率）下的全部分解值；对于小尺度（高分辨率）下的分解值，可以设定一个阈值，幅值低于该阈值的小波系数置为零，高于该阈值的小波系数或者完整保留，或者做相应的“收缩（shrinkage）”处理。最后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号。阈值的选取方法，

这里介绍最常用的VisuShrink，这种方法采用全局统一阈值

小波阈值去噪法:小波阈值收缩法

2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换算法描述

1）计算含噪信号的正交小波变换。常采用周期延拓方法。

2）对小波系数进行非线性阈值处理为保持信号的整体形状不变，保留所有的低频变换系数

对每个小波系数，采用软阈值和硬阈值方法进行处理

(a)

硬阈值方法(b)软阈值方法特点:软阈值法获得的重构信号具有更好的光滑性,但误差相对较大.硬阈值法获得的重构信号具有更好的逼近性,但有附加振荡.3）进行小波逆变换。2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换原信号含噪信号软域值法(Sym8)软域值法(Haar)2.数控装备状态监测与故障智能诊断理论技术2.4信号分析特殊方法——小波变换2.数控装备状态监测与故障智能诊断理论技术随机共振的原理当保持驱动信号强度不变而增加输入噪声强度时，在双稳系统的输出端，系统的输出信噪比（SNR）会增加，出现力学中人们熟知的单峰（或多峰）共振曲线。

“共振”点或“共振”区本质上：随机共振是非线性系统中的一种能量转移机制。作为一种新的信号分析和处理方法，可在一定程度上增加噪声的同时，不仅不会降低信噪比，反而会在某一“共振”点处大幅度提高信噪比，从而使得原来被噪声淹没的信号突现出来。可以有效的实现淹没在噪声中的微弱信号的提取。2.5随机共振算法研究及应用2.数控装备状态监测与故障智能诊断理论技术2.5随机共振算法研究及应用随机共振在机床故障诊断中的应用

右图1是在一台CAK6136P卧式数控车床上采集的金属切削过程的振动信号，从时域波形上只能看到大量的噪声，图2的频域分析也主要是第一阶主模态的振型。图3利用双稳随机共振的非线性低通滤波特性，将高频能量向低频转移，在滤除高频成分的同时，低频特征成分的能量也得到增强。经过3级双稳系统后，主轴转频（12.5Hz)及其倍频成分明显的体现出来，有效的提取了淹没在强噪声中机床的加工信息。目前典型的故障诊断理论技术主要有：故障诊断专家系统故障树故障诊断系统多智能体故障诊断系统网络远程故障诊断系统2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术

专家系统是一种“基于知识”的人工智能诊断系统，它的实质是在某些特定领域内应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统定义：

设备故障诊断专家系统是将人类在设备故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以汇集众多专家的知识，进行分析、比较、推理，最终得出正确的诊断结论。现场技术人员可以充分利用各种信息和症兆，在计算机系统的帮助下有效地解决工程实际问题，2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统特点：（1）启发性专家系统能运用专家的知识与经验进行推理、判断和决策。（2）透明性专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理的过程。（3）灵活性专家系统能不断地增长知识，修改原有知识，不断更新。（4）能够根据不确定的知识进行推理，善于解决不确定性、非结构化的或没有算法的困难问题。（5）能高效、准确、周到、迅速和不知疲倦地进行工作，解决实际问题时不受周围环境影响。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统

专家系统是一类相当广泛的系统，其技术还处于不断发展时期，因此，专家系统的结构也没有一个固定不变的模式。不同的专家系统其功能和结构可能不同，但一般包括人机接口、推理机、知识库、动态数据库、知识获取机构和解释机构这六个部分。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统专家系统在设备故障诊断领域的应用非常广泛，目前已成功推出的有旋转机械故障诊断专家系统、往复机械故障诊断专家系统、发电机组故障诊断专家系统以及汽车发动机故障诊断专家系统等。设备故障诊断专家系统除了具备专家系统的一般结构外，还具有自己的特殊性。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统软件结构：信号采集模块通过设置采样参数,采集机械加工过程中的信号,并以数据文件的形式存储在数据库中。知识库包括诊断对象的征兆库、诊断字典库、诊断规则库。通过知识获取单元实现系统与使用人员的交互,完成诊断知识的收集。推理机系统的核心,当用户输入了诊断对象的征兆后,推理机便应用知识进行推理求解。信号分析模块包含了各种常规的时、频域的信号分析方法,可以对采集到的数据进行分析,提取征兆。诊断解释模块实现系统和用户之间的交互,对其推理过程加以解释说明,增强了系统工作的透明性。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统硬件结构：传感器：在线测试,且具有一个可移动传感器。前置处理：对信号进行放大、滤波等处理后送入采样保持器,保证对输入信号同时采集。下位机：主要是完成机加工时信号的采集存储、状态监控及数据库的管理。上位机：为一离线分析系统,主要完成知识管理及故障诊断。其所需的机床加工信号由在线的下位机传入,两机之间通过接口进行通讯。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障诊断专家系统故障树分析法(FaultTreeAnalysis，FTA)是由美国贝尔实验室的H.A.Walson首先提出，运用在民兵导弹的控制系统设计上，为预测导弹发射的随机失效概率做出了贡献。目前，FTA己广泛应用于宇航、核能、电子、电力、化工、机械、交通乃至土木建筑领域。简介2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统故障树指用以表明产品哪些组成部分的故障或外界事件或它们的组合将导致产品发生一种给定故障的逻辑图故障树是一种逻辑因果关系图，构图的元素是事件和逻辑门事件用来描述系统和元、部件故障的状态逻辑门把事件联系起来，表示事件之间的逻辑关系故障树相关概念2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统帮助判明可能发生的故障模式和原因；发现可靠性和安全性薄弱环节，采取改进措施，以提高产品可靠性和安全性；计算故障发生概率；发生重大故障或事故后，FTA是故障调查的一种有效手段，可以系统而全面地分析事故原因，为故障“归零”提供支持；指导故障诊断、改进使用和维修方案等。故障树作用2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统自上而下的图形演绎方法；灵活性高；综合性强：硬件、软件、环境、人的因素等；主要用于安全性分析；故障树特点2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统M1螺纹不执行X1主轴编码器M2螺距不对X2螺纹参数M3M4M5螺纹乱牙螺纹尺寸短螺纹精度差X3X4X5CNC系统齿轮轴承M6零脉冲不良X6润滑M7时钟不同步X7主轴参数M8主轴未调好X8X9X10主轴箱与床身连接螺钉松动脉冲编码器主轴与位置编码器连接车削螺纹的故障列表2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统车削螺纹的故障树2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-故障树故障诊断系统定义：多智能体技术通过采用各智能体间的通讯、合作、协调、调度、管理及控制来表达实际系统的结构、功能及行为特性,为各种实际问题提供了一种统一的框架。目标：大的复杂系统(软硬件系统)小的、相互通讯及协调的、易于管理的系统简化2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统特征：具有并行性、智能性和柔性分布式自主系统基于协商的决策多智能体技术是人工智能技术的一次质的飞跃！2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统通过智能体之间的通讯，可以开发新的规划或求解方法，用以处理不完全、不确定的故障诊断；通过智能体之间(包括个人经验)的协作，不仅改善了每个智能体的基本能力，而且可从智能体的交互中进一步理解数控装备；可以用模块化风格来组织系统。以基于多智能体的FMS远程故障诊断系统为例说明2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统基于多智能体的FMS远程故障诊断系统：FMS介绍：

柔性制造系统简称FMS(FlexibleManufactureSystem)，是一组数控机床和其他自动化的工艺设备，由计算机信息控制系统和物料自动储运系统有机结合的整体。柔性制造系统作为复杂系统，由于设备功能和结构的复杂性和分布式特性，单个智能体因个体所拥有的知识、计算资源和视图的限制，已经不能适应多领域问题求解的需求。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统基于多智能体的FMS远程故障诊断系统：系统工作原理：2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统基于多智能体的FMS远程故障诊断系统：系统总体结构：2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-多智能体故障诊断系统传统诊断服务模式存在以下问题：故障诊断方式和手段受地域限制，影响服务及时性和服务成本及工作效率;故障诊断知识、技术与信息不能共享系统出现严重的故障时，不能快速的利用各方面技术力量解决问题为了实现故障诊断的敏捷性、高效率和低成本，就必须克服地域限制，实现远程故障诊断，网络远程故障诊断技术能充分利用远程专家的技术支持和共享数据，大大提高了诊断效率。2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统对于设备制造供应商而言，具有以下优势:.(1)提供更及时有效的服务;.(2)大量减少人员长途出差;.(3)对用户设备可迅速进行故障诊断;.(4)提高全球规范服务的能力;.(5)提高维修服务工作的效率;对设备最终用户而言，具有以下优势:.(1)加快维修需求的响应能力;.(2)可更快地进行故障诊断和排除故障;.(3)停机维修费用降低;.(4)可缩短因设备故障而造成的设备停机时间。

远程故障诊断系统的优势：2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统

远程故障诊断系统的基本组成：设备远程诊断过程一般可分为五个基本部分：信号采集信号处理信号传输诊断分析决策报告

诊断系统工作原理2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统远程诊断系统体系结构：

整个远程诊断系统由诊断服务中心和多个设备现场监测工作站共同构成一个分布式诊断系统。系统的核心是远程诊断服务中心，它可向多个设备提供诊断服务。现场工作站对本地设备进行监测，在设备故障时，现场工作站将采集到的实时信号传输到远程诊断中心，远程诊断中心对现场设备进行故障诊断。诊断服务中心和现场工作站。

系统体系结构如下图所示：2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统诊断计算机诊断计算机诊断计算机网络服务器数据库服务器数据库远程诊断服务中心Internet制造设备监测计算机数据库制造设备监测计算机数据库数据库制造设备监测计算机

系统体系结构图2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统

远程诊断系统的实现主要包括的三个方面:(1)现场监测工作站功能: a.现场数据采集分析 b.实时视频音频信息采集与传输 c.监测数据存储(包括设备各监测点及传感器数据;设备运行设置参数; 设备历史维护数据)(2)远程诊断服务中心实现： 主要功能有：中心资源调度实现；专家信息数据库调度。(3)

诊断服务中心专家工作站功能: a.交互式的诊断功能 b.文件传输 c.诊断中心知识查询 d.诊断数据存储2.数控装备状态监测与故障智能诊断理论技术2.6典型的故障诊断理论技术-网络远程故障诊断系统3.数控装备故障诊断和智能维护技术3.1数控机床的故障诊断3.2数控机床的智能维护3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(一)故障诊断的步骤无论是处于哪一个故障期，数控机床故障诊断的一般步骤都是相同的。数控机床一旦发生故障，首先要沉着冷静，根据故障情况进行全面的分析，确定查找故障源的方法和手段，然后有计划、有目的地一步步仔细检查，切不可急于动手，凭着看到的部分现象和主观臆断乱查一通。这样做具有很大的盲目性，很可能越查越乱，走很多弯路，甚至造成严重的后果。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断对数控机床故障的分析3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(1)详细了解故障情况例如，当数控机床发生颤振、振动或超调现象时，要弄清楚是发生在全部轴还是某一轴；如果是某一轴，是全程还是某一位置；是一运动就发生还是仅在快速、进给状态某速度、加速或减速的某个状态下发生。为了进一步了解故障情况，要对数控机床进行初步检查，并着重检查荧光屏上的显示内容，控制柜中的故障指示灯、状态指示灯等。当故障情况允许时，最好开机试验，详细观察故障情况。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(2)根据故障情况进行分析，缩小范围，确定故障源查找的方向和手段对故障现象进行全面了解后，下一步可根据故障现象分析故障可能存在的位置。有些故障与其他部分联系较少，容易确定查找的方向，而有些故障原因很多，难以用简单的方法确定出故障源的查找方向，这就要仔细查阅数控机床的相关资料，弄清与故障有关的各种因素，确定若干个查找方向，并逐一进行查找。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(3)由表及里进行故障源查找对故障现象进行全面了解后，下一步可根据故障现象分析故障可能存在的位置。有些故障与其他部分联系较少，容易确定查找的方向，而有些故障原因很多，难以用简单的方法确定出故障源的查找方向，这就要仔细查阅数控机床的相关资料，弄清与故障有关的各种因素，确定若干个查找方向，并逐一进行查找。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断（二）故障诊断的方法故障诊断的方法一般要求简便有效、故障诊断的所需的时间尽可能短。下面介绍几种常用的故障检查方法。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(1)直观检查法即维修人员充分利用自身的眼、耳、鼻、手等感觉器官查找故障的方法。通过目测故障电路板；用手摸并轻摇元器件；用一些简单工具，如万用表、蜂鸣器等，检查各电源之间的连接线有无断路现象；并注意有无烟、尘、噪声、焦糊味、异常发热的现象，以此发现一些较为明显的故障。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(2)自诊断功能法现代的数控机床已经具备了较强的自诊断功能。所谓自诊断是指依靠数控系统内部计算机的快速处理数据的能力，对出错系统进行多路、快速的信号采集和处理，然后由诊断程序进行逻辑分析判断，以确定系统是否存在故障，并对故障进行定位。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(3)故障现象分析法对于非破坏性故障，必要时维修人员可让操作人员再现故障现象，最好会同机械、电气、液压等技术人员一起会诊，共同分析出现故障时的异常现象，有助于尽快而准确地找到故障规律和线索。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(4)报警显示分析法数控机床上多配有面板显示器和指示灯。面板显示器可把大部分被监控的故障识别结果以报警的方式给出。对于各个具体的故障，系统有固定的报警号和文字显示给予提示。出现故障后，系统会根据故障情况、类型给以故障提示或者同时中断运行而停机等待处理。指示灯可粗略地提示故障部位及类型等。程序运行中出现故障

时程序显示能指出故障出现时程序的中断部位；坐标值显示能提示故障出现时运动部件的坐标位置；状态显示能提示功能执行结果。维修人员应利用故障信号及有关信息分析故障原因。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(5)换件诊断法当系统出现故障后，维修人员把怀疑部分从大缩至小，逐步缩小故障范围，直至把故障定位于电路板级或部分电路、甚至元器件级。此时，可利用备用的印制电路板、集成电路芯片或元器件替换有疑点的部分，或将系统中具有相同功能的两块印制电路板、集成电路芯片或元器件进行交换，即可迅速找出故障所在。这是一种简便易行的方法。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(6)测量比较法数控系统生产厂在设计印制电路板时，为了调整、维修的便利，在印制电路板上设计了多个检测用端子。用户也可利用这些端子比较、测量正常的印制电路板和有故障的印制电路板之间的差异。可以检测这些测量端子的电压或波形，分析故障的起因及故障的所在位置。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(7)参数检查法数控参数能直接影响数控机床的性能。参数通常存放在磁泡存储器或存放在需由电池保持的CMOSRAM中，一旦电池不足或由于外界的某种干扰等因素，会使个别参数丢失或变化，发生混乱，使数控机床无法正常工作。此时，通过核对、修正参数，就能将故障排除。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(8)敲击法当数控系统出现的故障表现为时有时无时，往往可用敲击法检查出故障的部位所在。这是由于数控系统是由多块印制电路板组成，每块板上又有许多焊点，板间或模块间又通过接插件及电缆相连。因此，任何虚焊或接触不良，都可能引起故障。当用绝缘物轻轻敲打有虚焊或接触不良的疑点时，故障会重复再现。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(9)原理分析法根据数控系统的工作原理，维修人员可从逻辑上分析可疑元器件各点的电平和波形，然后用万用表、逻辑笔、示波器或逻辑分析仪进行测量、分析和对比，从而找出故障。这种方法对维修人员的要求最高，维修人员必须对整个系统乃至每个电路的原理有清楚的了解。但这也是检查疑难故障的最终方法。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(10)接口信号法。由于数控机床的各个控制部分大都采用I/O接口来互为控制，利用数控机床各接口部分的I/O接口信号来分析，则可以找出故障出现的部位。利用接口信号法进行故障诊断的全过程可归纳为：故障报警—故障现象分析—确定故障范围(大范围)—采用接口信号法—逻辑分析—确定故障点—排除故障。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断(11)机床物理状态监测与故障诊断它集传感器技术、动态测试技术、信号处理技术乃至人工智能于一体、涉及机械、电子、光学、信息学等多门学科的技术综合。该技术主要用于了解和掌握设备在运行过程中的状态，判断其整体或局部是否正常，以便预防故障的发生或尽早发现故障及其原因，避免更大的损失。根据是否采用人工智能(AI)，现代故障诊断技术又可分为常规诊断及智能诊断。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断常规诊断以传感器技术和动态测试技术为基础，以信号处理技术为手段，主要研究如何获取征兆信息并进行变换处理和特征分析，借此实现设备的诊断。检测手段和信号分析、数据处理方法构成了这一阶段设备诊断技术的主要研究和发展内容，它仍然是一个信号检测与数据处理系统，缺乏智能性。而智能诊断以人工智能(AI)技术为支持、以知识为基础、以知识处理为核心。3.数控机床的故障诊断和智能维护技术3.1数控机床的故障诊断智能诊断以人工智能(AI)技术为支持、以知识为基础、以知识处理为核心。此时的信号检测与数据处理仍起着十分重要的作用，甚至占着诊断工作的大部分或绝大部分。同时在诊断过程中起主导作用的是人类专家的知识。诊断过程中从信息检测到特征提取，从状态识别到故障分析，从干预决策到维修计划都实现了知识化，实现了信号检测、数据处理与知识处理的统一。3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护3.2.1故障的提前预判3.2.2故障发生后的应急响应与排除3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护3.2.1故障的提前预判对于故障的提前预判主要是利用各种监测技术、手段、设备等，通过各种智能算法实现对于数控机床某一特定部件运行性能评估、预测，尤其是对于故障的提前获知。3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护1)实验设备课题以自主研发的TDNC-H8型八轴五联动数控铣床为实验验证平台，进行了本章的在线监测稳定性预报理论及基于稳定性预测的在线寻优控制理论的动态测试验证实验。由于本课题所进行的各项理论实验验证均为对铣削过程中振动、力等动态信号的采集和分析，考虑铣削实验成本较高等因素，采用多台自主知识产权的多通道信号采集仪器同时进行课题研究所需的各种信号的采集。3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护实验平台：TDNC-H8型八轴五联动数控铣床3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护(1)

SD150型8通道振动测试及模态分析系统3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护(2)

IDPM-4A型4通道便携式数采分析仪3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护(3)基于LabVIEW的4通道故障诊断分析系统3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护(4)PSDA-II型2通道手持片上数采仪分析仪3.数控机床的故障诊断和智能维护技术3.2数控机床的智能维护(5)K