基于数控机床的机器故障预测与诊断模型研究

发布时间：2017-10-08 13:24

  本文关键词：基于数控机床的机器故障预测与诊断模型研究

  更多相关文章： 预测 错误诊断 错误演变 状态维护

【摘要】：过程的安全性和可靠性对于大规模、高度集成的现代化工业是极其重要的,但是工业生产机械故障是不可避免的,而且长期的故障困扰会影响工业的正常运转、致使利益下降和技术上的危机。为了检测故障,论文提出一种新的故障分类模型和一个融合了模型神经网络、动态贝叶斯网络和粒子滤波思想的单一平台故障检测算法。这个新的模型将故障分为两大类：第一类是短暂的、即时的故障；第二类故障是长期的、有发展过程的故障,此类故障在初始阶段就产生并在整个过程中都存在。依据改进的Taylor公式可知,在整个机器生命周期中故障存在的时间越长,机器的寿命就会越短。 对于错误诊断来说,我们的框架有两个部分组成：第一个部分主要是在线错误诊断；第二个部分涉及在线和离线两个模块错误诊断详细实现。在第一个部分,我们引入了一个模糊神经预测器来对设备故障维护或海量错误的诊断作为相应的决策。对于一个即将发布的错误诊断命令,仅仅当一个错误不断发展到超出一个严格的阈值时—CBM限制时,第二个部分才开始发挥作用。在这个过程中,DBN和PF技术被用作一种智能错误诊断系统来对错误的数量和错误发生时间和错误发生的位置进行确定。这种方法的可行性已经过测试,在模拟环境下使用CNS机器作为个案研究的结果进行研究和分析。图25幅,表1个,参考文献93篇。
【关键词】：预测 错误诊断 错误演变 状态维护
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TG659;TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• Chapter 1 Introduction9-13
• 1.1 Background9-10
• 1.2 Problem Statement10-11
• 1.3 Objectives11
• 1.4 Organization of The Thesis11-13
• Chapter 2 Literature Review13-36
• 2.1 Introduction13-19
• 2.2 Fault Diagnosis and Prognostics19-21
• 2.3 Prognostic Approaches21-28
• 2.3.1 Bayesian Networks26-27
• 2.3.2 Particle Filtering27-28
• 2.4 Neural Networks28-29
• 2.5 Fuzzy Logic29-32
• 2.5.1 Degrees of truth30-31
• 2.5.2 Applying truth Values31
• 2.5.3 Linguistic variables31-32
• 2.6 Illustration32-34
• 2.6.1 Propositional fuzzy logics33
• 2.6.2 Decidability issues for fuzzy logic33-34
• 2.6.3 Fuzzy databases34
• 2.7 Data clustering34-36
• Chapter 3 Fault Diagnosis Expert System36-54
• 3.1 Expert System36-37
• 3.2 Knowledge Acquisition System(KAS)37
• 3.3 Inference Engine37-38
• 3.4 The CNC Machine38-42
• 3.4.1 Tool/Machine Crashing39-41
• 3.4.2 Introduction and Problem Solution41-42
• 3.4.3 Solution Methodology42
• 3.5 Performance Metrics of Numerically Controlled Machines42-43
• 3.6 Performance Evaluation of Existing Machines43-46
• 3.7 Lathe Accuracy Turning Accuracy(Precision turning)46-48
• 3.8 Cutting tools48-49
• 3.9 Tooling for CNC Automatic Lathes49-52
• 3.10 Conclusion52-54
• Chapter 4 Classification Model and Solution54-72
• 4.1 Definition54
• 4.2 Degree-2 Fault Evolution Analyses54-58
• 4.3 Proposed System Framework58-59
• 4.4 Neuro-Fuzzy Predictor59-63
• 4.5 CNC Fault Diagnosis63-65
• 4.6 Uncertainty65-66
• 4.8 Interfaces66-67
• 4.9 Traceability67-70
• 4.10 Thread Tooling for External Threading70
• 4.11 Measurement set-up70-71
• 4.12 Conclusion71-72
• Chapter 5 Experiment and Results72-80
• 5.1 Experimental Set-up72-74
• 5.2 Results and Analysis74-77
• 5.3 Error Analysis77-78
• 5.4 Conclusion78-80
• Chapter 6 Conclusious and Future Work80-81
• REFERENCE81-90
• ACKNOWLEDGEMENT90-91
• PUBLISHED PAPERS91

【共引文献】

中国期刊全文数据库 前10条

1 杨恒;徐格宁;韩子渊;;基于模糊失效阀值的性能退化数据可靠性分析[J];中国工程机械学报;2013年04期

2 李威霖;傅攀;李晓晖;;无先验知识下基于CHMM的刀具磨损监测技术[J];机床与液压;2013年15期

3 蒋觉义;李t，

本文编号：994269