技術

隨著先進制造技術對制造質(zhì)量要求的不斷提高，以高速、高精度為代表的高端多軸數(shù)控機床作已成為航空復雜構(gòu)形零件的制造母機。因其對航空制造整體技術水平提升的重要意義，其技術創(chuàng)新和突破成為關系國家和產(chǎn)業(yè)安全的戰(zhàn)略關鍵。針對高檔數(shù)控機床結(jié)構(gòu)復雜、影響因素眾多的特點，如果不能及時準確地對加工狀態(tài)中的器質(zhì)性故障和精度誤差源進行診斷，將無法保障制造質(zhì)量和精度，會導致廢品增加、生產(chǎn)率下降，甚至造成機床報廢等重大損失。這就亟需引入動態(tài)測控與智能診斷技術，進行辨識加工狀態(tài)異常和智能維護理論的研究，開發(fā)可運行于機床的集成一體化動態(tài)測控和智能診斷軟件，實現(xiàn)高檔數(shù)控機床的狀態(tài)可顯示、故障可診斷、性能可預報，形成監(jiān)測信息、診斷結(jié)論和實時控制方案策略的統(tǒng)一，進而達到高精、高效加工的目的。
發(fā)展現(xiàn)狀及趨勢分析
高檔數(shù)控機床的常見運行故障主要包括電氣系統(tǒng)故障和功能部件故障。其中，電氣系統(tǒng)故障可通過數(shù)控系統(tǒng)自檢的方式實現(xiàn)，如對驅(qū)動電流、電機轉(zhuǎn)角、扭矩等運行狀態(tài)信號的監(jiān)測診斷，目前已開發(fā)出相應的商用監(jiān)測系統(tǒng)，如西門子ePS和FANUC 18i系列監(jiān)測系統(tǒng)等。機床功能部件故障一直是國內(nèi)外數(shù)控機床故障診斷領域的難題，其原因在于在線監(jiān)測的特征量如振動信號、聲發(fā)射信號等具有信號微弱或信噪比低導致的特征提取復雜性，以及機床功能部件種類復雜和多信號調(diào)制導致的運行狀態(tài)監(jiān)測信息多樣性。雖然已開發(fā)出一些面向單項功能部件的監(jiān)測診斷系統(tǒng)，包括瑞士Kistler切削力監(jiān)測系統(tǒng)和德國ARTIS刀具監(jiān)測系統(tǒng)等，實現(xiàn)了基于特定監(jiān)測信息的機床動態(tài)測控與故障診斷。但針對機床運行故障信號信噪比低和多信號調(diào)制復雜性的特點，仍需進一步深入研究機床早期故障微弱信號監(jiān)測與故障信號的快速特征提取技術，并建立有效的混合智能故障診斷模型，提高故障快速預報的準確性。
1 微弱信號監(jiān)測與特征提取
由于高精密加工中的制造質(zhì)量極易受到數(shù)控裝備器質(zhì)性故障的影響，早期故障一旦出現(xiàn)就會立刻引起加工精度的變化。但是反映早期故障的特征信號，如振動、電流、聲發(fā)射等幅值相對較小，且受到工作噪聲、數(shù)據(jù)采集裝置噪聲、信號傳輸中的耦合噪聲等的影響，信號信噪比極低。開展微弱信號監(jiān)測與特征提取的首要任務就是對信號的降噪，這就需要采用電子學、信息論、計算機和物理學等多種方法，對噪聲的來源、性質(zhì)、產(chǎn)生原因及傳播途徑進行研究。據(jù)被測信號和噪聲的統(tǒng)計特性及其差別，有針對性地尋找背景噪聲中的有用信號，實現(xiàn)噪聲中微弱信號的識別。此外，由于故障診斷快速性和實時性的要求，所采集的數(shù)據(jù)長度或采集持續(xù)時間往往會受到限制。因此，微弱信號檢測技術的發(fā)展應該歸結(jié)為兩個方向：一是提高檢測能力，盡可能降低其所能達到的最低檢測信噪比；二是提高檢測速度，最大限度地滿足現(xiàn)場實時監(jiān)測和故障診斷的要求。
目前常用的微弱信號檢測方法主要有時域法和頻域法，其中時域法包括取樣積分、數(shù)字平均、相關檢測、自適應消噪等，頻域法包括快速傅立葉變換、功率譜密度、濾波等。然而，對于短數(shù)據(jù)點、極低信噪比、噪聲頻率與信號頻率接近或重合的情況，上述微弱信號檢測方法存在一定的缺陷。如短數(shù)據(jù)點使得快速傅立葉變換頻率分辨率太低，不足以過濾掉噪聲而檢測出特征信號，在濾波抑制噪聲的同時，有用信號也不可避免地受到損害，這些問題的存在影響了常用微弱信號檢測方法的效果。近些年，涌現(xiàn)出一些新的微弱信號檢測方法，如：差分振子、小波變換[9]、循環(huán)統(tǒng)計理論和高階統(tǒng)計量、獨立分量分析、經(jīng)驗模式分解以及多種方法的綜合應用等。
基于隨機共振（Stochastic Resonance, SR）的微弱信號檢測技術是近幾年發(fā)展起來的一種新的信號處理技術。目前，針對大參數(shù)信號的隨機共振理論，其研究探索仍然以電路模擬試驗為主，相關研究在國外也很少。2005年，F(xiàn)auve等人利用隨機共振原理對轉(zhuǎn)子早期碰磨故障的微弱特征信號進行了模擬識別研究，但他們沒有考慮其它信號和噪聲參數(shù)之間的相互關聯(lián)性。在國內(nèi)，關于隨機共振工程的實際應用，基本是直接調(diào)節(jié)非線性雙穩(wěn)態(tài)方程的系統(tǒng)參數(shù)來解決強噪聲中的微弱信號檢測問題。這種系統(tǒng)參數(shù)調(diào)節(jié)方法的調(diào)節(jié)范圍很寬、尋優(yōu)時間長，且對不同問題參數(shù)調(diào)節(jié)的規(guī)律不容易尋找。
針對大參數(shù)信號隨機共振檢測中所存在的問題，筆者以非線性雙穩(wěn)系統(tǒng)為研究對象，提出變尺度隨機共振思想，對大參數(shù)的隨機共振現(xiàn)象進行了較深入的分析和研究，并將該研究成果初步應用到電機、軸承、輸油管道等的故障監(jiān)測與診斷，取得了很好的效果。此外，筆者還提出一種基于級聯(lián)雙穩(wěn)隨機共振降噪的經(jīng)驗模式分解方法，消除了經(jīng)驗模式分解的邊界效應，實現(xiàn)了對微弱非平穩(wěn)信號的提取。
2 多傳感器信息融合智能故障診斷策略
由于單個傳感器只能獲取局部的信息，對于功能部件多、故障信息復雜的數(shù)控機床，需采用多種傳感器來獲取不同種類、不同狀態(tài)的信息。多傳感器信息融合方法是用多種傳感器從多方面探測系統(tǒng)的多種物理量，利用計算機技術對系統(tǒng)運行狀態(tài)的多傳感器信息源進行監(jiān)測，進而綜合運用多種人工智能和現(xiàn)代信號處理方法的各自優(yōu)點，取長補短，優(yōu)勢互補，實現(xiàn)準確、及時地機械系統(tǒng)運行狀態(tài)判斷。該方法的特點在于，多傳感器信息融合系統(tǒng)能有效地利用傳感器資源最大限度地獲得有關被測對象和狀態(tài)的信息量。與單一傳感器系統(tǒng)相比，多傳感器信息集成與融合的優(yōu)點突出地表現(xiàn)在信息的冗余性、容錯性、互補性、實時性和低成本性。將系統(tǒng)中若干個相同類型或不同類型的傳感器所提供的相同形式或不同形式、同時刻或不同時刻的測量信息加以分析、處理與綜合，得到對被測對象全面、一致的估計。
由于機床功能部件種類復雜，多信號調(diào)制和監(jiān)測信號種類多樣性的特點，對機床的動態(tài)測控與智能診斷面臨被測對象多、分析處理數(shù)據(jù)量大及診斷過程中時變性、隨機性、模糊性等問題，使得單一的故障診斷方法難以對設備運行的故障狀態(tài)做出準確有效的預示，這是制約其實際應用效果的關鍵因素。因此，綜合運用多信息融合方法和混合智能故障診斷策略，是智能故障辨識的發(fā)展趨勢。
近年來，國內(nèi)外研究人員將專家系統(tǒng)、模糊理論、神經(jīng)網(wǎng)絡、聚類分析、進化算法等人工智能方法應用于數(shù)控機床的故障診斷中?；谏窠?jīng)網(wǎng)絡的智能故障診斷是近年來應用最為廣泛的一種方法。目前，此方法的研究主要集中在2個方面：一是把不同的神經(jīng)網(wǎng)絡模型應用到故障診斷中，如采用BP 神經(jīng)網(wǎng)絡、徑向基神經(jīng)網(wǎng)絡、概率神經(jīng)網(wǎng)絡和自組織特征映射神經(jīng)網(wǎng)絡等；二是改進現(xiàn)有神經(jīng)網(wǎng)絡學習算法或研究新的算法，以提高故障診斷與預報的準確性和效率。上述方法均具有一定的適用性和局限性，如存在診斷信息不完整、神經(jīng)網(wǎng)絡缺乏故障訓練樣本、早期故障與嚴重故障的關系等問題。而且大型復雜數(shù)控裝備需監(jiān)測的對象多，分析處理的數(shù)據(jù)量大，用單一的人工智能方法，難以完成對整個系統(tǒng)運行狀況的有效監(jiān)控。筆者在智能故障診斷方面做了大量的研究工作，深入分析了基于Web的專家系統(tǒng)體系結(jié)構(gòu)，提出基于Java技術的網(wǎng)絡專家系統(tǒng)實現(xiàn)方法，提出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡的故障診斷理論，應用一種Renyi熵測度下基于經(jīng)驗模式分解和最小二乘支持向量機的智能診斷模型。用以進行滾動軸承的故障診斷試驗，成功開發(fā)了機械設備智能診斷與預測維修系統(tǒng)，并在數(shù)控機床、汽輪發(fā)電機組等機械設備中投入使用。

網(wǎng)絡架構(gòu)下的具有集成監(jiān)測一體化嵌入式測試單元的開放結(jié)構(gòu)數(shù)控系統(tǒng)



數(shù)控機床動態(tài)測控與智能診斷應用的搭建
進行動態(tài)測控與智能診斷技術的理論研究，最終目標是將這些算法構(gòu)建在數(shù)控機床在線檢測平臺上，實現(xiàn)加工運行狀態(tài)的實時檢測與診斷。從現(xiàn)有的在線檢測設備來看，存在由于體積制約導致的安裝復雜性和設備外置性等特點，而定制專用嵌入式監(jiān)測模塊又存在研發(fā)周期長、監(jiān)測功能單一等缺陷，難以適應高檔數(shù)控系統(tǒng)開放式架構(gòu)和功能模塊可重構(gòu)的發(fā)展需求。特別是對于我國來說，由于國內(nèi)現(xiàn)有的高端航空制造數(shù)控機床基本依賴國外進口，技術壁壘效應導致數(shù)控系統(tǒng)開放性較差，實現(xiàn)機床故障診斷預警系統(tǒng)與數(shù)控系統(tǒng)集成更加困難。以下闡述了模塊化可重構(gòu)特點的在線檢測單元構(gòu)建方法，該數(shù)控系統(tǒng)在線監(jiān)測構(gòu)架融合了設備狀態(tài)監(jiān)測和智能診斷技術、網(wǎng)絡技術、數(shù)據(jù)庫技術和人工智能技術，實現(xiàn)基于網(wǎng)絡的數(shù)控機床智能診斷和遠程維護，代表了數(shù)控機床動態(tài)測控與智能診斷應用的方向。
下圖為開放式數(shù)控系統(tǒng)下具有模塊化可重構(gòu)特點的嵌入式狀態(tài)監(jiān)測診斷系統(tǒng)構(gòu)架，其特點為具有獨立于數(shù)控系統(tǒng)的中央處理器，在加工過程的在線監(jiān)測中，狀態(tài)監(jiān)測功能模塊和數(shù)控系統(tǒng)各自獨立運行，以確保數(shù)控指令的實施和加工狀態(tài)在線監(jiān)測功能的實時性。
嵌入式在線監(jiān)測單元與數(shù)控系統(tǒng)的連接采用基于Ethernet數(shù)控系統(tǒng)現(xiàn)場總線、Internet網(wǎng)絡、USB及串口等多種傳輸技術的監(jiān)測信息通用調(diào)用接口，實現(xiàn)在線監(jiān)測單元和數(shù)控系統(tǒng)信息的實時傳輸與交互，構(gòu)建了弱耦合無縫連接條件下的高速信息傳輸框架。該信息交互方式的運用強調(diào)了數(shù)據(jù)傳輸實時性，具有測控單元開放性、可移植性強的特點。
嵌入式在線監(jiān)測單元與遠程網(wǎng)絡監(jiān)控系統(tǒng)的連接采用Internet進行嵌入式，在線監(jiān)測單元與網(wǎng)絡構(gòu)架下狀態(tài)監(jiān)測診斷系統(tǒng)的監(jiān)測數(shù)據(jù)上傳及故障診斷代碼下載等實時性要求不高的信息交互。網(wǎng)絡架構(gòu)下面向復雜設備管理的狀態(tài)監(jiān)測與診斷系統(tǒng)采用C/S與B/S的混合架構(gòu)搭建。該系統(tǒng)提供多種常用的網(wǎng)絡數(shù)據(jù)庫供選擇( 如Sql Server，Oracle等)，整個系統(tǒng)框架可以分為三層網(wǎng)絡，包括基于C/S模式的設備狀態(tài)監(jiān)測與故障診斷網(wǎng)、基于B/S模式的設備管理信息網(wǎng)以及企業(yè)網(wǎng)，并最終構(gòu)建在企業(yè)的ERP系統(tǒng)中。
以數(shù)控系統(tǒng)、嵌入式監(jiān)測單元、遠程監(jiān)控系統(tǒng)為傳輸協(xié)議服務對象的TDNC-Connect傳輸協(xié)議，是建立在通用網(wǎng)絡通信協(xié)議基礎上的基于軟件的輕量級通信協(xié)議。該協(xié)議據(jù)對數(shù)控系統(tǒng)加工狀態(tài)的信息反饋，將傳輸內(nèi)容及格式分為故障診斷信息數(shù)據(jù)流傳輸協(xié)議及機床加工狀態(tài)信息數(shù)據(jù)流傳輸協(xié)議。故障診斷信息的數(shù)據(jù)流傳輸協(xié)議采用“工廠—監(jiān)測單元—測點—監(jiān)測量”的狀態(tài)信息描述方法，在嵌入式在線監(jiān)測單元、數(shù)控系統(tǒng)及遠程監(jiān)控系統(tǒng)軟件中構(gòu)建監(jiān)測信息數(shù)據(jù)庫，實現(xiàn)狀態(tài)信息型數(shù)據(jù)的測點信息精確定位。
確立監(jiān)測指標量為小數(shù)據(jù)流量的故障代碼型數(shù)據(jù)流傳輸格式，可實時傳輸至數(shù)控系統(tǒng)并進行故障代碼的數(shù)據(jù)庫查詢，完成小數(shù)據(jù)高信息量的數(shù)據(jù)傳輸。該協(xié)議主要包括以下4 部分內(nèi)容：（1）監(jiān)測起始數(shù)據(jù)段：標識監(jiān)測數(shù)據(jù)的起始，包括監(jiān)測日期、監(jiān)測時間等。（2）監(jiān)測全局數(shù)據(jù)段：提供狀態(tài)的獲取參數(shù)設置信息，如分析頻率、采樣點數(shù)、增益、總通道數(shù)、通道的參數(shù)設置。（3）監(jiān)測信息數(shù)據(jù)段：監(jiān)測到的具體機床狀態(tài)信號、波形。（4）數(shù)據(jù)結(jié)束標識段：標識監(jiān)測數(shù)據(jù)包的結(jié)束。
機床加工狀態(tài)信息數(shù)據(jù)流傳輸協(xié)議：針對機床狀態(tài)信息反饋過程中故障識別信息建立的傳輸協(xié)議，其傳輸對象為波形、頻譜等實時性要求相對較低的顯示型數(shù)據(jù)信息，可采用TDNC-Connect 機床加工狀態(tài)信息數(shù)據(jù)流傳輸協(xié)議格式，確保數(shù)據(jù)信息的準確率。主要包括以下4 部分內(nèi)
容：(1)設備信息數(shù)據(jù)段：機床編號、名稱、車間位置、故障發(fā)生時間和機床管理人員信息等。(2) 測數(shù)據(jù)指標數(shù)據(jù)段：加工狀態(tài)監(jiān)測位置測點號、監(jiān)測數(shù)據(jù)最大值和報警閾值等。(3)故障機理分析數(shù)據(jù)段：故障位置、產(chǎn)生原因和發(fā)生概率等具體故障診斷結(jié)論等。(4)故障維修報表數(shù)據(jù)段：故障維修具體方案、維修計劃、維修報表等。
在線監(jiān)測單元的構(gòu)建包括獨立的PC104 PLUS總線架構(gòu)的嵌入式工控主板，自主開發(fā)的信號調(diào)理模塊、數(shù)據(jù)采集卡、安裝在CF卡上的嵌入式操作系統(tǒng)XPE和在線監(jiān)測軟件，作為裝備運行狀態(tài)監(jiān)測、先進信號處理、故障診斷、智能維護功能和遠程監(jiān)控的數(shù)控機床現(xiàn)場端應用平臺。該單元實現(xiàn)了其硬件功能設計( 數(shù)據(jù)采集模塊、與數(shù)控系統(tǒng)接口、與遠程故障診斷中心接口等) 和軟件功能(數(shù)據(jù)采集軟件、在線監(jiān)測軟件、與數(shù)控系統(tǒng)通訊協(xié)議、與遠程故障診斷中心通訊協(xié)議等) 的集成。測控單元針對在數(shù)控機床上構(gòu)建的力、振動、噪聲、溫度綜合監(jiān)測信息獲取平臺，融合多種信號處理及故障診斷的方法，實現(xiàn)了多傳感器信息下的診斷與智能維護，確保了數(shù)控機床高精高效的運行。同時，通過測控單元或數(shù)控系統(tǒng)的網(wǎng)絡接口及TDNC-Connect傳輸協(xié)議，使數(shù)控系統(tǒng)成為工廠自動化網(wǎng)絡中的一個智能節(jié)點或終端。促使了多臺開放式數(shù)控系統(tǒng)與故障診斷網(wǎng)的信息交互、網(wǎng)絡化數(shù)據(jù)管理、專家系統(tǒng)和遠程診斷功能的實現(xiàn)。
結(jié)束語
多年來，人們在復雜制造系統(tǒng)運行狀態(tài)檢測、故障預警和診斷的技術研究中，進行了加工過程微弱信號特征提取技術、多傳感器信息融合混合智能診斷建模和在線監(jiān)測驗證平臺搭建的大量研究，已經(jīng)取得了令人鼓舞的成果。但應該指出的是，動態(tài)測控和智能診斷至今還存在誤報、漏報以及及時性差等問題，特別是對于已預測到的故障進行智能化實時控制尚需進行進一步研究。深入開展動態(tài)測控和智能診斷理論及工程應用研究，對于提升我國航空業(yè)整體制造水平，具有重要的意義和工程應用價值。