论文部分内容阅读
数控机床是一种自动化程度高、结构复杂的先进加工设备,是企业生产中的关键设备。若发生故障而停机,由于维修周期长、维修费用高,会给企业造成巨大损失。数控机床自带的数控系统虽然可完成简单的与之关联部件的故障诊断,但对故障出现率高的机械系统的故障不能作出预报和诊断。要对数控机床的机械系统的故障进行预测,首先要对诊断对象所表现出来的信息(如振动、切削力、功率、声发射和切削温度等)进行预测,而机械系统的故障往往通过振动表现出来,振动预测的准确程度对故障预测的结果影响很大。因此,本文开发了数控机床远程监测系统,对数控机床振动进行远程监测,并对数控机床的振动趋势进行预测。论文首先,在对国内外研究现状分析的基础上,制定了数控机床远程监测的组织结构,并对各层组织结构进行分析,确定主要研究内容;提出了数控机床远程监测系统的设计目标,根据设计目标制定了系统设计流程,并对所用到的关键技术作了分析。接着,根据远程监测的设计目标,按照系统设计流程选用合适的硬件,进行硬件系统的设计;利用LabVIEW软件开发平台,对数据采集模块和远程监测模块进行开发。整合系统的各个软硬件,初步完成原型系统的开发。然后,对用于趋势预测的BP神经网络进行介绍,针对BP神经网络的缺点在深入研究BP神经网络的基础上,利用Levenberg-Marquardt算法改进BP神经网络,通过时间滚动的方法建立基于改进的BP神经网络的振动趋势滚动预测模型。最后,本文对数控机床远程监测原型系统进行测试并对振动趋势进行预测。对数控机床的刀架和主轴箱的振动状态进行实时在线远程监测,并对振动信号进行采集和特征提取后,把刀架的特征值输入建立的改进的BP神经网络模型和标准的BP神经网络模型,预测刀架未来时刻的振动值,对比后发现改进的BP神经网络模型预测速度快,预测精度高。然后,采用改进的BP神经网络模型对刀架未来时刻的振动曲线进行预测,为下一步数控机床的预测性维修提供了依据。经测试,该系统运行正常,满足数控机床远程监测与趋势预测的需求,具有友好的人机界面、高速稳定的处理单元、强大的数据分析处理功能、易于维护和扩展性好、可靠性和稳定性高等特点,具备良好的应用前景。为下一步进行预测性维修奠定了基础,弥补了数控系统自诊断功能不能诊断数控机床机械部件故障的不足。