数控机床状态监控系统(文献综述).docVIP

文献综述 ——机床状态监控系统的设计 1．前言 　为了使数控机床加工过程安全、可靠、高效、高质量地进行，对加工设备进行状态监测就变得非常重要。本文分析了数控机床状态监测的主要内容，论述了设备状态监测系统的基本组成和状态监测系统实现的关键技术，并针对数控机床的加工过程，总结数控机床状态监测系统的工作流程和系统实现的具体结构。 2．主题 目前，国内大多数机床监控系统属于专用系统，其开放性较差，已不能满足当今制造业的发展需求，属于工厂内部典型的 “自动化孤岛”。而计算机软件技术及工业控制网络技术的发展，使得工厂自动化设备的互联成为可能。机床信息采集与监测技术研究已经得到许多科技工作者的高度重视。 数控机床多用PLC控制，同时计算机网络是快捷、高效、广普的信息传递媒介。PC—PLC网络因而成为数控机床数据采集与监控的主要研究方向。但是一方面由于数控机床的封闭性，实际应用中很难直接从PLC读取机床的各种信息；另一方面，一些数控机床厂商如SIEMENS，FANUC等开发有针对自己机床数据采集与监测的软件，但是大多价格昂贵[1～5]。 　　随着技术的进步，制造业设备的复杂程度和智能化程度不断提高，然而复杂设备因其结构的复杂性，而使其在提高功能或性能时，给系统的可靠性、安全性、可用性、经济性等方面带来了一系列难题，系统发生故障或失效的潜在可能性也越来越大[6]。对设备自动化加工过程进行状态监测的主要目的就是要保证加工系统的安全运行，合理并优化使用自动化设备，避免设备故障，保证加工工件质量，减少额外的辅助工作时间，提高生产效率和设备利用率。同时，设备的状态监测也是对设备进行故障诊断的基础[7]。 数控机床状态监测是指对数控机床加工过程中的某些工作状态数据进行数据采集和处理，通过将实际特征参数与正常值进行比较，从而掌握数控机床的实际工作状态，了解设备工作是否正常合理，同时为故障诊断和预测提供依据。主要包括机床状态监测、刀具状态监测、加工过程监测和加工工件质量监测等4个方面。数控机床的加工过程是一个复杂的物理化学过程，对其进行状态监测涉及很多相关技术。一般的设备状态监测与故障诊断系统主要包括信息获取、特征提取和状态识别3个主要方面。其实无论是状态监测还是故障诊断与预测，数据采集、传输与处理是基础。设计一个状态监测系统，其关键是要设计一个合理的数据采集与处理系统来实现状态监测。 　　信息获取是状态监测系统的首要一步。数控机床在加工过程中，反应过程状态的信号很多，包括切削力、电机功率、声发射信号、振动信号、切削温度、切削参数、切削扭矩等。这些信号需要通过若干相关的传感器来进行检测，信号检测直接决定监测系统的成败。特征提取是对检测信号进行进一步加工处理，主要是指信号的分析和处理，从大量信号中提取出与加工状态变化相关的参数，目的在于提高信号的信噪比，提高系统的抗干扰能力。提取的特征参数的品质对监测系统的性能和可靠性具有重要的影响。特征提取是状态监测与故障诊断中最为关键、核心、难度最大、理论性也最强的一个环节[8]。状态识别实质上是通过建立合理的模型，根据特征提取所获得的特征参数对加工过程的状态进行分类判断。该过程的关键是模型的建立，当前建模的方法主要有统计方法、模式识别、专家系统和神经网络等。但是现有的模糊模式识别方法和神经网络识别方法不太适用于加工过程状态的识别。 特征提取之后，需要根据特征提取结果来分析和判断设备系统的运行状态，其实质就是模式识别。其主要针对识别对象本身的模糊性或识别要求上的模糊性[9]。实现模糊模式识别的方法和途径有很多种，目前主要有隶属原则、择近原则、模糊聚类分析、模糊综合评判等[10]。其在加工过程监测系统中都有过具体的应用，如利用模式识别技术对切削过程进行识别，对刀具磨损状态进行识别等[11]。 　　典型的状态监测系统的工作流程包含了数据采集、数据预处理、数据传输、特征提取、数据融合和状态监测等环节[12]。数据的采集与传输，目前的发展体现在传感器的高精度、小型化、集成化、严酷环境适应性、可靠性(应比被监测对象更可靠)、低能耗、健壮与高速率传输的传感器网络等方面[13,14]。 设计数控机床状态监测系统时，一定要考虑到系统的针对性、可靠性和扩展性，即在充分分析数控机床的运行状态和常见故障的基础上，有针对性地进行特征信号的分析与传感器类型的选择，采用模块化结构设计，以使系统能够可靠地运行[15]。 不同的子系统在数控机床的状态监测中起着各自不同的作用，特征信号采集子系统以特定的频率采集机床运行过程中的特征信号，经过信号处理和传输后，通过网络智能学习子系统学习机床的工作状态，目的是监测数控机床当前的运行状态，最后通过运行状态分析显示模块，给出特征信号的分析以及数控机床当前运行状态的评价。 3．总结 数控机床加工过程状态监测系