论文部分内容阅读
当前数控机床已经在很多机械产品加工行业得到了广泛的应用,数控机床是一个复杂的精密的综合加工平台,随着多学科问的交叉融合,特别是计算机技术、人工智能技术、传感器技术、信息处理技术等得到广泛的应用,这对传统故障诊断领域产生了深远的影响。数控机床集机械、电子、液压等系统与一体,发生故障的频率较传统机床高,所以能够准确的利用人工智能方法对故障做出准确的诊断显得尤为重要,精确的故障诊断系统可以提高企业的生产效率。
1.介绍了目前国内外故障诊断技术现状、研究方法,对比分析了各种技术的特点和不足之处,,研究了数控机床故障诊断的关键技术,分析研究了数控机床的主轴伺服系统的结构、故障原因、并对故障现象和故障原因进行了归纳总结。
2.介绍了BP神经网络的基本结构,通过试凑法构建一个三层结构的BP神经网络,并综合主轴伺服系统故障现象和故障原因构造出神经网络的训练样本库,针对BP算法的不足,提出了基于PSO融合和RS属性约减的优化改进方法,针对神经网络单一性的特点,将模糊逻辑与神经网络相结合,使故障现象参数可以模糊化表示,最后通过Matlab仿真实验证明,改进的BP算法误差收敛速度快,该方法具有较高的诊断准确性。
3.研究了案例推理的关键技术,包括案例的表示、案例库构建、在对案例的预处理过程中,提出了一种案例属性特征的二维空间映射方法,以便于案例聚类,针对传统FCM聚类算法的不足,提出基于FCM迭代增强与划分的聚类方法,用于对案例库预分类,构建了案例检索模型,提出了基于粗糙集动态分配属性权值的案例最邻近检索方法,并通过实例说明了案例隶属空间匹配和子空间数据匹配的过程,通过案例二维空间点集分类仿真证明了改进FCM算法分类质量高,可以提高案例检索效率。
4.论证了构建神经网络和CBR技术集成诊断系统的可行性,提出了数控机床主轴伺服系统故障诊断专家系统模型,研究了C++和Matlab混合编程的必要性和关键技术,通过C++和Matlab相结合开发出原型系统,典型故障案例诊断证明了集成诊断系统准确度高,具有广泛的研究应用价值。