发动机传动单元体机匣和齿轮精密度要求高,国产数控设备难以实现高效率生产,提高国产数控加工设备智能化程度是有效解决手段,为提高机匣及齿轮生产线数控加工设备利用率,降低设备故障率,本文开展了加工设备状态监测与预警技术研究。介绍了机匣和齿轮生产线上的典型数控加工设备以及伺服驱动器接口和CAN模块的接口,并且研究了通过硬件接口接入的数字信号和模拟信号在软PLC中的定义方法,从而明确了PLC内核和CNC内核中参数对象含义,进一步基于Socket协议开发设备通讯程序,并且开展了通讯验证试验,读取了各轴位置、电机温度、负载率、随动误差以及设备状态等参数,验证了基于Socket通讯方案的可行性,为开发数控设备监测系统提供基础技术支持。分析了生产线设备监测系统的开发需求,采用浏览器/服务器(B/S)架构和前后端分离的开发模式。基于React设计了Web端界面,实现了登录注册功能、单台/多台设备监测功能、生产线监测功能以及信息记录查询功能。基于Python语言Flask框架结合多线程技术开发了服务端程序,实现了基于Socket协议读取数控设备状态信息,并应用ORM框架实现了对PostgreSQL数据库的存储查询。进一步对监测系统进行了测试优化,服务器端API平均响应时间为毫秒级,优化后前端响应速度提高了约13.3倍,并且应用Locust工具测试了监测系统多用户操作功能,验证了监测系统的实用性。进一步分析了反映数控设备状态的关键参数,确定了基本运动参数的预警值,结合实验数据,研究了振动和噪声信号的预警处理方法,分析了电机温度以及随动误差的预警方法,创新提出基于机器学习算法实现数控加工设备多源参数综合预警的方法,从设备多源信息中提取预警模型训练数据集,对比分析了使用决策树算法、k-最近邻算法、多层神经网络算法以及支持向量机算法建立的预警模型,用测试数据集对模型进行测试,核函数为RBF的SVM预警模型准确率可达到100%,并且研究实现了预警报告的自动生成及推送。