数控机床智能故障诊断技术的研究现状与展望

杨道平

摘  要：在数控机床运行过程中，可能产生故障原因较多，当对其进行诊断处理时，通常会花费许多人力与物力，因此，在对数控机床进行故障诊断时，智能故障诊断技术成为科研人员重要讨论话题。为了深入了解数控机床智能故障诊断技术，文章首先进行故障诊断特征的分析，然后对其研究现状进行阐述，最后研究其存在问题和展望，以期发挥数控机床智能故障诊断技术的价值。

关键词：数控机床;智能故障诊断技术;研究现状

数控机床（Computer numerical control machine tools）屬于典型自动化控制系统，数控系统的种类比较复杂化，且呈现功能增加和形式多样特点，通常涉及光学、电子和机械等方面，使其故障诊断难度持续提升。因此，如何在最短时间内完成数控机床的故障诊断，属于当前智能故障诊断技术的研究关键，只有保证数控机床故障部位得到具体明确，同时掌握故障原因、排除方法，才能使其诊断效率得到显著提升，并保证数控机床的正常工作。

一、数控机床智能故障诊断研究现状

整体来讲，在对数控机床进行故障诊断时，其特点主要包括：无法对故障进行准确判断;故障发生几率较高;在进行故障定位时，快速定位难度较高;经常出现漏诊、误诊等情况;在进行诊断知识的获取时，其诊断难度较高等。而对数据机床进行智能故障诊断时，其研究现状如下图1所示。

（一）智能诊断方法

在进行智能诊断时，其诊断方法具体包括：故障树的分析，即在CNC系统出现故障后，通过对其分析将数控系统划分成相应子系统，采取故障树的方式进行具体展现，以便于实现故障的推理和研究;单一功能诊断和监控，例如：时序、时域特征的分析，对比其功能参数和阀值等;应用决策方法、模糊理论进行故障诊断;人工智能和ANN等方法的结合应用，如8K型号电动机车中电气设备，通过专家系统和神经网络的联合应用，使其故障诊断效果得到显著提升。除此之外，还可以采取案例推理方式进行诊断，基于目前相关案例进行数控机床故障的诊断和推理，以达到故障及时解决的目的。

（二）系统架构诊断研究

在对系统架构进行诊断时，其主要表现为两方面，即分布式与集中式，同时还表现为在线实时诊断等结构。在设备远程诊断中，其研究领域包含以下内容：在Web网络知识库的基础上进行故障诊断;智能诊断技术的分析，通常需要在智能诊断程序和专家系统的前提下进行;基于图形编辑语言程序进行软件研究;专家的诊断环境研究。

（三）集成技术

当前进行数控机床的诊断时，其集成技术具体表现为：过程集成，对故障诊断环节集成;方法集成，对智能化诊断方法予以集成，极易呈现多种诊断模型和推理方法;信息集成，对不同诊断知识和数据进行综合应用，以达到最佳诊断效果;网络集成，通过网络与资源的应用，由现场故障至远程故障进行诊断。

（四）故障处理和故障模型

首先，对数控机床各部件进行深入分析，如变压器与刀具等故障诊断，然后将传感器技术或信号处理技术等作为诊断方法，利用监控诊断实现数控机床状态和故障的诊断。其次，结合诊断对象功能等特征，根据故障特征和诊断经验，以实现故障诊断知识库的构建。最后，以整体制造为主，重点关注状态变化原因、结果，创建仿真模型，例如：Petri网等。

二、数控机床智能诊断技术研究存在问题

众多学者进行数控机床的故障诊断分析时，已经随之取得一定成绩，但是，根据研究现状、研究特点发现，其研究过程仍然存在一系列问题，主要包括：其一，缺少有关知识表示，由于数据机床的种类比较复杂化，且知识库整体规模过于庞大，包含静态知识的同时，还存在动态知识，加之知识获取渠道各不相同，极易发生知识孤岛的情况，应该保证诊断知识表示、获取更加准确。其二，缺少统一远程诊断平台。其三，集成结构缺少合理性，在对故障诊断时，对于智能设计和实施方式的研究，尚未形成具体研究目标。其四，在对故障信号进行处理时，当前研究仅停留于设备局部诊断，普遍缺少故障信号的有效处理。其五，不具备完整知识学习体系，对于有效诊断系统来讲，除了具有完整故障识别功能之外，还具备丰富知识内容。但是，现有远程诊断系统并不具备丰富诊断经验，使其无法达到最佳故障诊断效果。

三、数控机床智能故障诊断技术展望

对数控机床的智能故障诊断技术进行研究发现，加大其研究力度，能够有效促进其诊断技术的发展，同时实现数控机床的正常运转，在进行未来发展方向的总结得出，其具体表现为以下几点。

第一，全新故障诊断知识表示与获取方法，例如：将本体（ontology）概念应用于数控机床智能故障诊断中，尽可能解决系统之间知识无序和表达不一等问题。本体概念主要目的为邻域知识共享和复用，同时具有规范领域概念、术语的优点，通过对各概念间关系的确定，以便于更好进行系统间的有效操作。

第二，分布式与网络化发展方向，近几年，在进行故障诊断时，其诊断系统逐渐由集中式转变为分布式和网络化，由于此类研究相对较晚，需要在Web基础上进行数控机床的故障诊断，可以有效提升系统各项性能，并成为其今后发展的重要趋势。

第三，数控机床进行故障诊断时，提升其诊断系统可重构性与可拓展性，需要通过诊断层次模型的合理应用得以实现，以分布式进行信息收集和处理，同时将其逐步进行向上集成，以便于构建完整故障诊断系统，从而更好进行数控基础的智能故障诊断。

第四，在数控机床智能故障诊断中，对于新技术和新方法、新理论的应用，不仅能够高效进行信息处理，而且还可以通过故障诊断理论、方法的应用，以达到故障诊断的目的。

第五，加大集成诊断的研究力度，近几年，伴随人工神经网络和遗传算法等技术的发展，将其运用于故障诊断中，可以实现数控机床故障的集成诊断，显著提升其诊断效率。

结束语：

通过分析数控机床发现，在目前制造业发展中，数控机床属于主要加工设备，提升其可靠性与诊断准确性，一直是人们关注的重点。因为数控机床的整体结构比较复杂，在对其进行故障诊断时，主要是以故障树分析和直观检查法等为主，均无法达到数控基础诊断需求。所以，我国在进行数控基础故障诊断研究时，可以将智能化诊断技术作为研究重点，通过人工智能系统或人工神经网络等技术手段的应用，以实现数控机床故障的高效诊断，进而保证数控机床的更好运行。

参考文献：

[1]李红卫，杨东升，孙一兰，等.智能故障诊断技术研究综述与展望[J].计算机工程与设计，2013，34（2）：632-637.

[2]张浩峰，陈之林.数控机床故障诊断方法与技术研究[J].宿州学院学报，2013，28（4）：82-84.

[3]王勇.在数控机床故障诊断中应用智能诊断融合技术[J].煤炭技术，2013，32（7）：180-181.

3783500589278