论文部分内容阅读
重型数控机床面向大型和特大型零件的加工,主要服务于国家命脉行业和重点工程建设项目一旦机床出现故障,就会造成一系列不同程度的损失为了减小和避免损失,企业迫切需要掌握机床的健康状态及时对机床进行维护和维修健康状态评估技术可以评估机床的健康状态,是企业开展主动维护的支撑技术,它可以减小和避免恶性事故的发生提高数控机床的使用效率保障机床的正常服役时间因此,重型数控机床健康评估技术具有重要的研究价值本文对国内外健康状态评估以及隐Markov模型(Hidden Markov Model, HMM)的研究现状进行了分析和归纳,总结了健康状态评估的研究方法详细介绍了HMM模型解决的问题以及解决问题的算法结合重型数控机床的特点,定义了重型数控机床的健康状态,并对健康状态进行量化分级,赋予健康状态评估结果以明确的物理意义利用K-means聚类算法初始化隐Markov模型,使其初始化参数趋向于全局最优解;改进隐Markov模型的算法,建立了面向多性能参数多观测序列的健康状态评估模型,解决了隐Markov模型只能面向单性能参数观测序列建模的难题采集重型数控机床性能数据,应用多性能参数的多观测序列健康状态评估模型对重型数控机床滚珠丝杠进行了健康状态评估在JAVA环境中开发数控机床健康状态评估原型系统,实现了数控机床性能特征数据的管理和健康状态评估功能最后,进行全文总结与展望