基于贝叶斯网络的数控机床远程智能故障诊断研究

论文摘要

现代纷繁复杂的加工需求使得数控机床朝着智能化、网络化的方向发展,而融合了智能故障诊断的远程监控系统,是智能化、网络化机床不可或缺的部分。它不仅可以提高数控机床生产加工的效率,还可以提高其自动化程度以及制造柔性。因此,开展数控机床故障的智能故障诊断及远程监控的研究具有重要意义。本文结合浙江省重大机电装备专项项目(2006C11067)的科研任务,在分析了贝叶斯网络方法在研究不确定性问题上具有优势的基础上,设计并实现了以数控车床工件质量为研究对象的智能故障诊断模块。同时,还设计了数控机床的远程监控系统并将智能诊断模块软件实现。本文数控机床故障诊断的贝叶斯网络模型的结构确立,以传统的故障树分析为基础。首先确定变量集和变量域;其次,确定网络结构;再次,确定各节点先验概率表。在对贝叶斯网络理论研究之上,本文以数控车床加工工件的质量为具体的研究对象,详细的阐述了建立贝叶斯网络的具体过程。文中提出的模型结构清晰,计算简洁、易于理解。模型中的节点选择可根据实际的状况及实验条件增加或减少,而其先验概率可据样本及专家知识等灵活的调整。同时随着故障数据的积累,模型的推理精度会越来越高,这对数控机床的故障诊断研究有较强的参考意义。综合考虑已建立的贝叶斯网络模型及实验条件,本文理论设计了特征量提取的规则并通过测数控车床的三个点的振动信号来提取故障特征,以供模型推理。此外,本文还研究了智能故障诊断中状态信息量的获取系统,即是远程监控系统。该系统的主要功能是获取数控机床的状态信息。一方面,这些信息可以用于确定机床的当前状态,包括工序等;另一方面,当故障出现时,可以用来提取特征信息并通过贝叶斯网络故障诊断模块来推理引起故障的原因。基于其功能分析,本文还设计了柔性的人机界面,其可移植性好,且能够方便的添加删减模块。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 课题提出的背景和意义
• 1.1.1 课题的研究背景
• 1.1.2 课题的研究意义
• 1.2 数控机床远程监控与故障诊断的研究现状
• 1.2.1 数控机床远程监控的发展现状
• 1.2.2 数控机床故障诊断的发展现状
• 1.2.3 智能故障诊断方法的比较
• 1.3 论文的结构与主要研究内容
• 1.3.1 论文的总体框架
• 1.3.2 论文的主要研究内容
• 2 贝叶斯方法及贝叶斯网络理论
• 2.1 贝叶斯理论基础及方法
• 2.1.1 贝叶斯定理与概率论
• 2.1.2 图模型理论
• 2.2 贝叶斯网络推理
• 2.2.1 贝叶斯网络推理的分类
• 2.2.2 贝叶斯网络的VE算法
• 2.3 贝叶斯网络学习
• 2.3.1 贝叶斯网络结构学习
• 2.3.2 贝叶斯网络参数学习
• 2.4 本章小结
• 3 基于贝叶斯网络的数控机床故障诊断模型的建立
• 3.1 数控机床设备故障诊断系统的结构
• 3.1.1 数控机床故障的分类
• 3.1.2 数控机床故障的自诊断
• 3.2 基于贝叶斯网络的诊断方法及网络模型建立
• 3.2.1 故障诊断贝叶斯网络的建立过程
• 3.2.2 数控机床故障的贝叶斯网络搭建实例
• 3.3 数控车床工件质量贝叶斯网络模型的推理
• 3.4 本章小结
• 4 远程监控与故障诊断系统的软件实现
• 4.1 远程监控与智能诊断软件的需求分析
• 4.1.1 远程监控软件的功能分析
• 4.1.2 智能故障诊断模块的需求分析
• 4.2 系统开发环境
• 4.2.1 Visual C++与MFC
• 4.2.2 TCP/IP网络传输协议与Win Socket
• 4.3 图形用户界面模块的设计
• 4.3.1 用户信息管理模块
• 4.3.2 数控加工监控模块
• 4.3.3 报警诊断功能模块
• 4.3.4 管理与控制功能模块
• 4.3.5 图形界面开发中的注意事项
• 4.4 本章小结
• 5 数控机床故障诊断系统运行与测试
• 5.1 实验方案设计
• 5.2 实验数据采集
• 5.3 贝叶斯网络模型的实验验证
• 5.3.1 振动数据的预处理
• 5.3.2 贝叶斯网络模型验证
• 5.4 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 研究展望
• 作者攻读硕士学位期间发表的论文和参加科研
• 参考文献