随着全球制造业朝着智能化方向发展,数控机床已经成为核心制造装备,然而机床在使用过程中故障时有发生,严重制约制造业的高效高质量发展。为了监测机床状态,尽可能避免故障的发生,本文针对立式加工中心和数控卧式车床两种典型数控机床设计了一种状态监测系统,通过采集机床关键部件的状态数据,对其状态进行监测,并实现对机床健康状态的评估,最终达到预测性维护和降低机床故障率的目标。本文主要研究工作包括:(1)对数控机床的故障进行统计分析,通过故障模式分析法确定了机床的关键机械部件,并根据故障诊断机理,选用振动和温度来监测机床机械部件的状态。并通过对机床的振动、温度信号和数控系统的故障机理进行了分析,确定了外加传感器和基于以太网的数据采集方式,实现对机床状态数据的准确高效采集。(2)从功能需求出发,设计了数据采集监测系统的硬件和软件结构。其中,硬件主要包括硬件平台搭建和传感器安装位置优化布局,软件是基于C++语言和MATLAB软件开发的图形界面应用程序,可以实现数据采集、状态数据监测和数据分析功能。(3)对系统采集的振动数据进行了消除趋势项和小波阈值降噪等预处理,并对振动数据进行了时域、频域、时频域特征值提取,最后通过跑机、轻载切削和重载切削三种实验选取了最能反映机床健康状态的敏感特征值对机床进行健康评估。(4)建立基于模糊灰色聚类法和组合赋权法的机床健康状态评估方法。首先将机床健康状态分为健康、亚健康、可用及故障四种状态,然后采用灰色聚类法对机床的关键部件作健康评估,在得到关键部件健康状态的基础上,采用模糊评判对机床整机做健康评估。最后,采用神经网络方法对评估结果进行快速评估和验证,神经网络方法得到结果与模糊灰色聚类法和组合赋权法的评估结果一致,进一步证明了评估方法的准确性和可用性。