数控系统故障预测和剩余寿命评价方法研究

The fault of a CNC systems applied for machine tool is predicted based on the reliability measurements such as MTBF and failure rate in China. However, it is impossible to avoid sudden downtime incidents and safety accidents due to insufficient maintenance, and avoid waste of resources and economic losses caused by excessive maintenance. This project researches on the problem of how to predict and evaluate the remaining useful life (RUL) of CNC systems by using the actual operating state data. The performance degradation Index of the CNC system will be established by merging Multi-source physical signal data under variable load. An adaptive fault prediction model is established based on the Bayesian updating model. Through experimental analysis and theoretical proof, the method of determining prognostics is established. Based on computer simulation test, the method on how to evaluate RUL and analyze its uncertainty will be provided. At last, a systematic method is presented to lay the technical foundation of making reasonable maintenance decisions and improving availability and competitiveness of CNC systems.

目前依据MTBF、故障率等指标对机床数控系统进行故障预测时，无法避免因维护不足而导致突发停产事故和生产安全事故，以及因过度维修而造成的资源浪费和经济损失。本项目拟以华中数控系统为研究对象，针对如何基于实际运行状态数据进行机床数控系统故障预测与剩余寿命评价的问题进行研究，通过融合变负载下多源物理信号数据建立数控系统性能退化指标；基于贝叶斯更新模型建立数控系统的自适应故障预测模型；通过试验分析与理论推证，建立数控系统故障预兆测算方法；基于计算机模拟分析，确定数控系统剩余寿命评价及其不确定分析方法；形成系统的方法规范，解决机床数控系统故障预测与剩余寿命评价问题，将为制订最优维修决策、提升国产数控系统可用性和竞争力奠定技术基础。

数控机床作为高端制造的“工业母机”，是用于生产高端设备的高端设备，而数控系统则是数控机床的灵魂和大脑。项目针对数控装备运行状态监控时效性差、故障预测精度不高，预测性维护技术缺乏的问题，围绕数控系统运行状态智能感知与运维等关键基础科学问题开展了研究，取得的主要研究进展如下：.（1）基于数控装置退化机理分析结果，确定了电源电压以及脉冲频率等可作为表征性能退化的特征参数及其监测技术，提出了基于改进逼近理想解法的健康状态量化模型，实现了对健康状态等级进行量化分级的方法。.（2）通过融合定子电流中永磁同步电机退磁故障、转子偏心故障的特征，建立了考虑定子电流谐波和转子磁场谐波的转矩解析计算模型；提出了利用实测定子电流、反电动势等参数测算转矩波动系数的方法；验证了利用转矩波动系统能够表征永磁同步电机的健康状态的劣化过程；建立了以转矩波动系数、偏心指标以及退磁指标为特征参数的特征矩阵，提出了基于理想解法实现对永磁同步电机健康状态的量化方法。.（3）分析确定了机床进给系统中的永磁同步电机轴承故障表征参数；提出了一种基于KKT（Karush-Kuhn-Tucker）方法对VMD的模态分解数K和惩罚系数α进行组合优化的方法；提出了一种VMD参数优化准则，形成了一种特征提取技术；利用L2范数融合指标集合中的永磁同步电机轴承状态信息构建了一种永磁同步电机轴承状态数值指标。基于广义回归神经网络模型进行训练，构建出一种永状态指标预测模型；并基于自适应过滤法，提出一种自适应评估永磁同步电机轴承剩余寿命的方法。.（4）针对机床进给系统中永磁同步电机故障诊断方法研究，通过试验分析，确定了电流信号的裕度因子、脉冲因子和峰值因子等时域特征指标和动态偏心状态特征频率幅值之比可用作故障特征，并提出了一种受负载和转速干扰小的特征指标构建方法；确定了振动信号的裕度因子、峰峰值、脉冲因子和偏度等时域特征指标和经过固有模态函数分解的频域指标也可作为故障特征，并提出了一种基于分形盒维数的特征指标构建方法；基于支持向量机与DS证据理论相结合(SVM-DS)的建模方法，建立了电流信号与振动信号的特征指标融合模型，实现了对永磁同步电机不同故障程度的诊断。