基于数据融合的数控机床故障诊断技术研究

◆解世超

基于数据融合的数控机床故障诊断技术研究

◆解世超

（邢台技师学院 河北 054000）

由于工作环境恶劣、加工零件复杂等多方面因素，数控机床工作期间经常会出现各种故障。如若相关故障未能及时发现并得到有效处理，则势必影响正常工作的进行，对于企业也会造成一定的损失。故此次就数据融合角度探讨针对数控机床故障的诊断技术，以期对相关单位有所帮助。

数据融合；传感器；机床故障

相较于传统机床设备，数控机床在加工的精度、质量以及柔性等各个方面均具有一定的优势，但其自身构造却十分复杂，整个运行过程的实现也是基于非常强大的技术基础以及复杂的各个组件之间的关系。数控机床一旦出现问题，往往伴有一定的复杂性，有可能是电气方面所致、也有可能是由于机械原因造成的，有时同一种故障表征甚至可能存在多种不同的故障原因，故而及时排查并诊断出数控机床的故障难度非常高。以往单就一个传感器希望实现对数控机床的诊断，不言而喻该方法存在一定的片面性，实际应用效果也不理想，而基于多传感器数据融合的诊断分析技术无疑更具科学性，应用价值也更高。

1 多传感器数据融合技术分析

多传感器的数据融合主要是指以计算机技术为核心，并基于设定的相关规则等自行的多个传感器以及信息等进行分析，从而得出结论。基于传感器的数据融合技术是现代化设备故障诊断与管理的重要技术之一，同时也是现代新型技术研究的热门之一。而随着数据融合技术的不断完善，基于多传感器的信息融合入势必成为一种智能化、精细化的数据集成与信息图像集合的专业技术。现代基于信息融合技术其主要原理为将各个不同应用功能的传感器对多层次以及更多的信息、优化空间的高度整合，最终达成相对一致性的结果，整个过程与人体大脑的运行机制十分类似。利用数据融合技术，就是将各个传感器信息整合，并对各个数据进行合理地支配与使用，从而得到更为有价值的数据信息。整个过程不但需要多个不同的传感器的协同配合，同时也对其他信息源数据进行科学化分析，大大提升了设备传感器系统的智能化水平。

2 D-S证据理论概述

实际可以应用的多传感器数据融合算法有许多种，而这其中D-S证据理论则是目前应用最为广泛的方法之一。而目前所引用的D-S证据理论大多较为复杂，且存在一定的局限性。故本文提出了以D-S证据理论为核心的，将多个传感器数据与数控机床故障诊断进行高度的结合。利用电信的样本的信度函数分配策略物理意义清晰且和实际工程故障诊断相符合，大大降低了对专家经验的依赖性。优化后的D-S证据理论可以大大规避证据完全冲突的情况发生，进而弥补难以识别证据所属子集范围的不足，从而可以更好地实现对多个传感器的证据的集合，进而提升对故障的判定准确性，提升工程的总的应用价值。

3 具体应用分析

以典型样本为基础的信度函数分配策略与优化D-S证据理论进行结合，从而构成了混合的D-S证据理论算法，实现将多个位于数控机床上的传感器数据进行科学性的融合，提升对故障的判断准确性。以典型样本为基础的信度函数分配策略可以为数控机床上的不同的传感器设置了不同的概率，并集合优化后的D-S证据理论规则得出不同目标故障情况下的各个传感器集合得到的概率分值，最后对其进行总的决策，并选择支持度较高的作为故障判定结果。

3.1 D-S证据理论识别框架

3.2 信度分配函数的获得

3.3 目标模式的决策机理

针对数控机床的目标故障模式进行分类判定，其主要规则如下，首先，判定的目标故障模式应当具备最高的信度函数值，其次，判定的目标故障模式与其他任何一种故障模式的信度函数值差值应当高于某一界限值，最后，不确定信度函数的整体结果应当低于某一界限值。

4 FCM和D-S理论对比

对于机械自动化程度较高的企业而言，设备数量较多且相互作用衔接，而监测传感器的数量则十分有限，也只是在一些被觉得相对重要的设备上所使用，安装了相关传感器，因此可以用于某个传感器故障的检测，并不能认定安装该传感器设备存在故障。也可能是由于其他设备出现故障从而导致了该设备的工作出现问题。因为故障的可传播性，多个传感器在较短的时间中可能均会演变为故障形态，从而故障源的诊断存在一定的困难，故而有必要第一步对故障状态数据框架中进行进一步的故障确定，从而降低故障诊断的无目的性。

如若故障数据对象分布处于不同的组之中，则将对象进行明确的分类为不想交的簇是一种相对可行的策略。但是在大部分情况下数据集合中的对象并不能很好地被划分为不同的簇，分配至一个对象一个特定的簇也存在一定的不确定性。因此可以定义Ynm作为对象Wi属于簇Rj的权值。不难看出，概率的方法可以提供这样的权值，不过一些情况下则很难确定一个相对合适的统计模型，该情况下则需要使用非概率的聚类技术提供相关功能。模糊聚类技术以模糊集合论为基础，是一种产生聚类的自然技术，基于模糊C均值聚类策略，模糊C均值算法也被称为FCM。基于D-S证据理论则是对数控机床故障事件发生的后果，找出导致故障的根本原因。预处理数据取决于数控机床上的不同的各个传感器的信息以及信息源，基于计算各个信息中的基本可信度情况，从而得到全部的信息的可信度结果，最后在特定决策规则下得到可信度值的最大信息作为最后数据融合的结果。基于D-S组合规律对信息融合故障诊断整个流程如图1所示。

图1 信息融合故障诊断流程

如上图所示，j表示为传感器的具体序号，An则表示为传感器所检测到的数据的状态中的故障位置，mj（An）则表示编号为j的传感器所检测到的数据状态中的故障位置An的信度函数结果，mj（An）则是基于D-S组合规律得到的全部传感器信息融合后的各个故障点位的融合信度函数结果，最终选择得到可信度较高的融合结果作为故障的判断点位。

5 结束语

近年来，工业经济在我国经济发展中扮演了越来越重要的角色。数控机床是现代工业零配件加工与生产的重要设备之一，已然成为工业经济的重要一部分。而实际由于数控机床需要长时间的工作、且工作环境尤为恶劣，因此设备经常会出现各种形式的故障，严重影响企业的正常运转。利用多数据融合的数控机床故障诊断技术，无疑实现对位于数控机床中的各个传感器信号进行统筹分析，并最终得出当前机床具体存在的故障形式以及故障原因，从而辅助检修人员更快地发现设备故障隐患，并及早制定解决措施。未来随着社会对于工业生产力量要求越来越高，诸如多传感器数据融合分析等技术形式势必会在现代工业体系中得到更多应用与发展。

[1]付振华，丁杰雄，张信，等.多传感器融合在数控机床故障诊断中的应用研究[J].机械设计与制造，2014（2）：140-142.

[2]李文俐，胡林桥，张小茜.基于多方法融合的数控机床故障诊断方法[J].中国科技论文，2015（10）：100-106.

[3]史晋芳.基于专家系统的数控机床故障诊断技术研究[J]. 机械设计与制造，2006（7）：11-11.

[4]马杰，张宇声.基于数据融合技术的凝汽器故障诊断研究[J].汽轮机技术，2009，51（2）：141-143.