基于神經網絡和案例推理的機床主軸伺服系統(tǒng)故障診斷.pdf

1、當前數控機床已經在很多機械產品加工行業(yè)得到了廣泛的應用,數控機床是一個復雜的精密的綜合加工平臺,隨著多學科問的交叉融合,特別是計算機技術、人工智能技術、傳感器技術、信息處理技術等得到廣泛的應用,這對傳統(tǒng)故障診斷領域產生了深遠的影響。數控機床集機械、電子、液壓等系統(tǒng)與一體,發(fā)生故障的頻率較傳統(tǒng)機床高,所以能夠準確的利用人工智能方法對故障做出準確的診斷顯得尤為重要,精確的故障診斷系統(tǒng)可以提高企業(yè)的生產效率。
　　 1.介紹了目前國內

2、外故障診斷技術現(xiàn)狀、研究方法,對比分析了各種技術的特點和不足之處,,研究了數控機床故障診斷的關鍵技術,分析研究了數控機床的主軸伺服系統(tǒng)的結構、故障原因、并對故障現(xiàn)象和故障原因進行了歸納總結。
　　 2.介紹了BP神經網絡的基本結構,通過試湊法構建一個三層結構的BP神經網絡,并綜合主軸伺服系統(tǒng)故障現(xiàn)象和故障原因構造出神經網絡的訓練樣本庫,針對BP算法的不足,提出了基于PSO融合和RS屬性約減的優(yōu)化改進方法,針對神經網絡單一性的特點

3、,將模糊邏輯與神經網絡相結合,使故障現(xiàn)象參數可以模糊化表示,最后通過Matlab仿真實驗證明,改進的BP算法誤差收斂速度快,該方法具有較高的診斷準確性。
　　 3.研究了案例推理的關鍵技術,包括案例的表示、案例庫構建、在對案例的預處理過程中,提出了一種案例屬性特征的二維空間映射方法,以便于案例聚類,針對傳統(tǒng)FCM聚類算法的不足,提出基于FCM迭代增強與劃分的聚類方法,用于對案例庫預分類,構建了案例檢索模型,提出了基于粗糙集動態(tài)分

4、配屬性權值的案例最鄰近檢索方法,并通過實例說明了案例隸屬空間匹配和子空間數據匹配的過程,通過案例二維空間點集分類仿真證明了改進FCM算法分類質量高,可以提高案例檢索效率。
　　 4.論證了構建神經網絡和CBR技術集成診斷系統(tǒng)的可行性,提出了數控機床主軸伺服系統(tǒng)故障診斷專家系統(tǒng)模型,研究了C++和Matlab混合編程的必要性和關鍵技術,通過C++和Matlab相結合開發(fā)出原型系統(tǒng),典型故障案例診斷證明了集成診斷系統(tǒng)準確度高,具有廣