数控机床故障特征分析和传感器布局研究

针对数控机床传动部件的传感器布局展开研究,通过对主轴、丝杠、导轨的故障特征分析,选取振动、噪声、温度3类特征信号表征机床的主要机械故障,结合理论分析、有限元分析、试验论证3种研究方法,确立了数控机床传感器合理布局的实施方案,初步实现了对机械部件故障特征信号的提取。     

航空发动机磨损故障分析及诊断技术述评

磨损类故障是航空发动机安全与高效运行的主要威胁之一。本文分析了发动机磨损类故障的组成以及相应诊断方法的研究现状,并结合机械设备故障诊断技术的发展趋势预测了航空发动机故障诊断技术的发展方向。     

基于桶消元的数控机床故障模糊贝叶斯网络推理方法

用模糊数描述节点的多种故障状态,用模糊子集描述根节点的故障概率,用贝叶斯网络的条件概率表描述节点间的不确定关系,构建数控机床故障的模糊贝叶斯网络;采用桶消元算法,对数控机床故障的模糊贝叶斯网络进行推理和计算,获得根节点的后验概率,为数控机床故障诊断与分析提供依据;最后,以数控机床刀架系统故障的贝叶斯网络推理过程为例,验证所提理论和方法的有效性。     

数控机床回零的控制方法及常见故障分析

数控机床有挡块返回参考点方式是数控机床上广泛采用的一种回零方式,同时,有挡块返回参考点在数控机床故障中发生的概率也比较大,快速而有效的排除此类故障是保证企业顺利生产的必然要求。本文重点介绍有挡块回参考点的工作原理、动作方式、参数设置、PMC控制及常见故障分析与排除方法,以期为数控机床此类故障的排除提供可借鉴的方法。     

基于状态分类评价的发动机故障诊断专家系统

传统的专家系统,完全在假设的情况下诊断,诊断效率不高,对监控数据很难量化,不易提供线上诊断.为了解决这个问题,提出基于状态分类评价的专家系统,依据发动机构造的特点,将技术状态分成2类:物理类和逻辑类.物理状态通过基本功能参数与零件几何特性关系建立动态故障模型,逻辑状态通过推理对专家知识采用D-S算法和预测故障程度相结合的方法.从而达到对发动机故障进行整体诊断.     

激光干涉仪在数控机床维修中的应用研究

介绍激光干涉仪工作原理,着重讲述激光干涉仪线性测量在数控机床维修中的应用。对于不同数控机床所出现的故障,检测出的图形和数据各不相同,通过对图形和数据进行分析,以尽快查明数控机床故障原因,提高维修效率。     

基于小波降噪和EMD-SVM的加工中心主轴系统状态监测技术

主轴系统是数控机床的重要功能部件,其运行状态直接影响机床的可靠性与加工精度。为了实现状态实时监测、故障预警和维修策略优化,针对加工中心主轴系统,设计了状态监测方案,研制和搭建了加工中心状态监测平台的硬件系统和软件系统。集成小波降噪方法和经验模态分解-支持向量机(EMD-SVM)算法对采集信号处理与分析,实现加工中心主轴系统的状态实时监测,进而对主轴系统典型故障状态进行识别与诊断。基于研制的加工中心主轴状态监测系统,进行了主轴系统皮带松动故障监测试验分析,验证其对主轴系统的典型故障状态识别的准确度。     

输入—输出过程脉冲型故障的统计检测方法与容错检测技术的研究

对于输入-输出系统的脉冲型故障,本文指出了系统运行过程中发生的输出部件故障和输入部件故障与时间序列分析领域AO型及IO型常数据之间的关系,系统地总结了过程故障统计诊断方法(特别是仿Jacknife法、假设检验法和影响分析法)的研究现状及其存在的不足之处,建立了两组容错辨识算法,并基于容错辨识技术提出了分别适用于第一类故障和第二类故障检测与辨识的有效方法。最后,通过仿真计算验证了新方法的有效性。     

基于改进主元分析的故障诊断方法研究

提出了一种主元分析与模糊聚类相结合的故障诊断方法,该方法首先用主元分析方法降维、提取故障特征,并计算出T2值和Q值,若超过阈值说明有故障发生,则用模糊聚类识别故障,具有诊断时间短、准确性高的优点.通过对田纳西-伊斯曼过程的仿真表明了该方法的有效性.     

采用信息化故障诊断技术 提高数控装备智能化水平

高档数控机床自动化程度高,一旦发生故障,检测和维修都比较困难。随着数控机床产品应用普及率的不断提高、高速化加工需求的不断增加,使得设备的故障诊断功能已成为用户选购数控机床产品时越来越重要的考虑因素。该功能既可以使机床制造商受益,又可以使机床制造商与用户建立起长期和密切的关系。     

聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用

采用网格化处理的思想,通过对基于密度的聚类分析方法进行改进,提出了一种新的聚类算法.这种算法通过对齿轮传动系统的故障信号进行测试、对故障类型进行了判定,对不同转速下齿轮传动振动信号进行谱熵计算、并采用网格划分方法将其表示在二维和三维空间分布平面内,可以较好地将正常、裂纹、磨损等类型的故障进行聚类和识别,并通过试验验证表明能够对不同工作状态的齿轮传动信号进行可靠的聚类与区分,聚类率为96%以上.说明该方法对齿轮故障进行区分与诊断是切实可行和有效的.      

数控机床光电输入机的常见故障及其维修

数控机床光电输入机是控制部分中的薄弱环节之一。据统计,数控机床在加工时,因轨迹走错而造成工件损坏的故障中,有百分之七十以上是由于光电输入机的误读而引起的。光电输入机的故障一般均造成轨迹走错,工件损坏,有时还会造成刀具、工夹具、甚至机床的损坏。为了保证数控机床的可靠性,首先必须提高光电输入机的可靠性,排除因光电输入机的     

航空发动机磨损故障诊断系统研究

本文介绍的系统,通过对滑油中的磨粒形态进行铁谱显微图像自动识别的方法监测、诊断机械设备的磨损状态和磨损类故障,并辅以光谱分析实现故障定位。本文介绍了系统的组成特点和状态监测、故障诊断、故障定位、趋势预测以及专家系统开发等系统的诊断技术原理。     

故障诊断技术

诊断故障是一项极其重要的工作。因为只有诊断出故障发生的原因才能排除故障,从而使工程正常的进行。不同类型的工程产生的故障也不同,我厂生产过程中,除发生机械工业中常有的一般故障外,还会产生不协调故障。下面介绍这两类故障的诊断技术。一、一般故障的诊断方法对于生产过程中经常发生的重复故障,必须深入进行调查研究,详细记录产生故障的各种因素,并画成排列图(主次图,图1)。排列图是全面质量管理中使用的七种工具中主要的一种,是找出产生故障主要因素的一种有效方法。     

国产数控机床可靠性技术综述

数控机床可靠性相关概念 根据国家标准GB-6583的定义,可靠性是指产品在规定的条件下、在规定的时间内完成规定任务的能力.数控机床产品的工作条件一般包括加工尺寸、切削用量、切削功率、使用环境条件、加工材料等设计规定的条件;规定的时间可以是设计确定的运行寿命,也可以是机床大修前的年限,还可以是考核时确定的任何年限;规定的任务是指机床设计时确定的功能,例如加工中心可以完成钻、铣、镗、铰、攻丝等功能. 数控机床的可靠性一般是以故障来表征的,可靠性高就意味着产品在使用过程中所发生的各种故障少. 数控机床属于可修复产品,一般采用平均故障间隔时间(Mean Time Between Failure:MTBF)来衡量其可靠性.MTBF是个统计学概念,一般可用式(1)计算.     

GA—HCM混合聚类算法及其在液体火箭发动机故障检测中的应用

针对HCM聚类算法对初始值和学习参数具有较强依赖性的缺点，提出了GA－HCM混合聚类算法。应用改进的基因算法为HCM算法选取初始种子解，使滑动数据窗上的聚类算法以功能层次分明的“导师一学生”制智能结构出现，从而实现了“精”与“初”相结合的解空间搜索算法，使HCM聚类算法能较快收敛到问题的最优解。同时针对液体火箭发动机系统动力学的特殊性，利用我们提出的一种适用于离线或在线系统故障检测与诊断的算法框架，基于实际试车数据对GA－HCM混合聚类算法进行了准实时的数字仿真。仿真结果表明该算法基本上克服了HCM算法的缺点，能有效地用于液体火箭发动机的事后故障分析或在线故障诊断。该故障诊断框架能区分干扰噪声、永久性故障或间歇性故障所引起的异常数据现象，并能形成当前系统的故障特征模式。对缓变故障的早期检测能力使该算法框架极富应用前景。     

神经网络集成在发动机故障诊断中的应用研究

提出一种基于A daBoost的集成神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,通过简单地训练若干个单一神经网络并将其预测结果进行合成,实现了对航空发动机多类故障的诊断。针对一个涡轮喷气发动机气路部件的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,便于工程应用。      

航空燃气涡轮风扇发动机故障识别诊断方法研究

航空发动机的故障预测诊断研究是视情维修制度的主要应用,以状态监控为基础的维修制度需要对航空发动机进行状态监测与故障诊断。故障状态监测与诊断研究方法的多样性使初涉者毫无头绪,为了更好地把握航空发动机故障状态监测与诊断的研究方向,选择方法的最优面组合杂交出更加有效的故障检测与诊断技术,可以解决更加复杂的系统故障问题。本文对较为典型的航空发动机故障检测与诊断技术进行简析与评价,从而更加深刻地把握航空发动机故障预测技术。     

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.