基于粗糙集神經網絡的數(shù)控機床滾珠絲杠副故障診斷研究.pdf

1、數(shù)控機床是裝備制造業(yè)的基礎，滾珠絲杠副是數(shù)控機床使用最廣泛的關鍵傳動部件，它的狀態(tài)直接影響數(shù)控機床的工作狀態(tài)。隨著國家將數(shù)控設備研發(fā)列入十一五重大科技專項，進一步促進了滾珠絲杠副的生產和研發(fā)，越來越多的滾珠絲杠副被用于各式各樣的數(shù)控設備中，以滿足高精度與高性能的需求。然而，滾珠絲杠副是數(shù)控機床進給系統(tǒng)中易發(fā)生故障的部件，一旦發(fā)生故障，往往會導致機床加工精度降低、甚至無法正常生產，造成經濟損失。因此，對數(shù)控機床滾珠絲杠副進行狀態(tài)監(jiān)測和故障

2、診斷，具有重要的經濟和實用意義。
　　 本文基于滾珠絲杠副典型的結構以及工作原理，分析了滾珠絲杠副典型的故障形式、故障特征以及其對數(shù)控機床進給系統(tǒng)的影響，提出了基于振動信號、溫度信號、機床內部信號等多源信息融合的故障診斷方法，深入研究了外置傳感器檢測技術和機床內部信息提取技術、基于粗糙集數(shù)據優(yōu)化的神經網絡信息融合方法，并開發(fā)了基于多源信息融合的數(shù)控機床滾珠絲杠副故障診斷系統(tǒng)。
　　 首先，研究了滾珠絲杠副的結構和工作原理

3、，在此基礎上，分析了滾珠絲杠副傳動系統(tǒng)典型的失效形式及各種失效形式的故障現(xiàn)象和故障原因;分析了滾珠絲杠副常見故障對數(shù)控機床進給系統(tǒng)的影響，建立滾珠絲杠副故障時進給系統(tǒng)表現(xiàn)的故障現(xiàn)象和故障原因的映射關系;深入分析了滾珠絲杠副振動機理及振動信號的特性。
　　 其次，研究了西門子數(shù)控機床內部維修信息與絲杠故障之間的聯(lián)系及機床內部信息的提取技術，機床數(shù)據中的伺服軌跡信息獲取及其與計算機間的數(shù)據傳輸技術，從而獲得機床的內部信息，并利用La

4、bVIEW和MATLAB軟件進行繪圖和特征提取。研究了滾珠絲杠副故障非平穩(wěn)振動信號的經驗模態(tài)分解處理方法，并基于LabVIEW中的MATLAB腳本文件，實現(xiàn)對振動信號的經驗模態(tài)分解，得到多個從高頻到低頻的本征模函數(shù)(IMF)分量，計算各分量的能量，獲得絲杠故障振動信號的特征向量。
　　 再次，研究了粗糙集理論，并將該理論與神經網絡結合應用于數(shù)控機床滾珠絲杠副故障診斷。建立了粗糙集神經網絡模型，實現(xiàn)多源信息的有效融合，最終對滾珠絲