论文部分内容阅读
在未来的工业4.0时代,将实现人与设备“对话”、设备与设备“对话”,要求设备具有智能,将智能方法用于设备状态预测的研究日趋活跃。作为国家的基础装备,数控机床的智能化研究显得日益重要,本文通过数据挖掘技术对五轴数控机床实时状态数据进行知识获取,运用基于模糊Petri网的推理方法预测五轴数控机床可能发生故障的概率,从而达到故障预警的目的。本文重点研究了五轴数控机床实时状态数据建模及模型评价、通过数据挖掘技术进行知识获取以及基于模糊Petri网的故障推理等,主要研究内容分为以下四个部分:1.基于时间序列模型的五轴数控机床实时状态数据建模研究。五轴数控机床实时状态数据具有海量数据的特征,本文提出一种多维时间序列模型,在此基础上建立了设备状态模型、设备状态预测模型、设备知识获取模型,并在此基础上进行了模型度量的定义。2.基于数据挖掘的五轴数控机床故障知识获取方法研究。通过分析五轴数控机床的实时状态数据,在设备知识获取模型及度量的基础上,运用相似性预测算法以及聚类分析中的K-Means算法对机床实时数据进行挖掘,从而获取机床实时数据所蕴含的知识,预测得到机床未来可能的状态,为后续通过知识推理进行机床故障预警奠定了基础。最后通过对某数控机床的实时采集数据的分析实验,验证了模型和算法获取机床状态知识的有效性,并提出了改进的方法。3.基于自适应模糊Petri网(Adapt Fuzzy Petri Net,简称AFPN)的五轴数控机床故障知识推理研究。在通过数据挖掘预测了设备未来的数据状态之后,使用模糊产生式规则将经验知识和学习到的故障预测知识表示为AFPN的形式,并通过AFPN的推理递推公式进行推理,最终得到故障预测结果,最后通过一个算例验证了AFPN推理算法的正确性。4.基于Microsoft DotNet平台开发了五轴数控机床故障预警系统,实现了基础数据和参数配置管理以及调用数据挖掘算法进行故障推理的核心功能,并通过不同数据进行了应用测试,证明了系统的预警正确性。