论文部分内容阅读
为减少数控机床的维护维修成本,减少机床停机时间,依据小波神经网络建立数控机床部件的故障预测模型,并对振动信号、电流信号以及速度信号进行处理,提取各信号的特征值训练机床部件故障预测模型.通过训练后的故障预测模型对滚珠丝杠副、导轨副以及主轴系统等进行故障预测,综合部件故障预测结果和机床传统维修方案制定最优的维修方案、维护计划和备件计划,避免因备件数量不当、维修不当及保养不佳造成的机床维护维修成本.智能维护系统有效保证了数控机床的加工精度并提高生产效率.