基于GA-BP神经系统数控机床远程智能故障诊断系统的设计

毕 业 设 计 论 文 任 务 书一、题目及专题：1、题目: 基于 GA-BP 神经系统的数控机床远程智能故障诊断系统 2、专题: 二、课题来源及选题依据数控机床是一种典型的机电一体化产品。我国是一个制造大国，数控设备在国民经济发展中起着举足轻重的作用，现代大工业的发展使得数控设备变得越来越复杂，自动化程度越来越高。由故障引起的生产停机造成的损失是巨大的，而企业的维护能力有限，所以迫切需要建立起远程实时监测和诊断系统，由设备提供商、企业技术人员和行业专家协同实现及时、准确地预防和诊断设备故障的功能。通过建立远程实时状态的检测以及智能故障诊断系统，能够实现及时、准确地预防和诊断设备故障，是解决问题的有效手段，因此用远程智能的电脑系统进行故障的诊断对数控类机床的发展具有举足轻重的地位。三、本设计（论文或其他）应达到的要求：（1）介绍数控机床远程监控终端的硬件工作原理； （2）网络环境下的信号采集； （3）建立基于 Internet 的数据传输系统； （4）故障信息基于 GABP 神经系统的故障诊断推理。 四、接受任务学生：机械 93 班 姓名 董苏华 五、开始及完成日期：自 2012 年 11 月 7 日 至 2013 年 5 月 25 日六、设计（论文）指导（或顾问）：指导教师签名签名签名教 研 室 主 任学科组组长研究所所长签名系主任 签名2012 年 11 月 7设计总说明CNC(Computerized Numerical Control machine，CNC machine)是一种典型的机电一体化产品,是现代制造业的主流设备,快速发展的数控技术,数控设备已遍布世界各地,从2003年开始,我国已成为世界上最大的消费国的数控机床。与广泛使用的数控机床,数控机床故障已迅速增加,生产和设备维修单位增加了很多的人力和财力,甚至造成重大事故和经济损失给用户。本设计首先回顾了开发过程的远程故障诊断技术的基础上,建立基于互联网的数控机床是提出这个想法的远程监测和故障诊断系统。数控机床的关键工具故障诊断的对象、功能需求的远程监测和故障诊断系统进行了分析,阐述了应注意的问题,在系统设计、开发和困难和关键技术采用。深入分析的基于互联网的数控机床远程监测和故障诊断系统的理论基础和具体实现技术。其中,数控机床主轴伺服系统故障分析,并选取了具有代表性的7个问题的起因/故障现象,总结了28为输入/输出故障样本集。GA - BP神经网络训练样本集,并使用MATLAB对实例仿真。结果表明,改进的BP网络的故障诊断数控机床伺服系统是有效的。关键词：数控机床；故障诊断；Internet；GA-BP神经网络DESIGN SUMMARYAs a kind of typical mechatronic product, CNC machine tools are the dominant equipments of the modern manufacturing. As CNC technology progresses rapidly, CNC machine tools are used all over the world. Since 2003, China has been the worlds largest consumer of machine tools. With the widespread use of CNC machine tools, CNC machine tool failure is increasing rapidly. It costs the manufacturer a lot of manpower and material resources to maintain the equipments. Even worse, serious accidents may happen and induce great economic loss. The development of the remote fault diagnosis technology is firstly reviewed in this thesis. Then a tentative plan based on Internet is proposed for the remote monitoring and fault diagnosis system. Focus on the NC machine tool failure diagnosis, the functional requirements of the remote monitoring and fault diagnosis system is widely analyzed. The problems and difficulties as well as key technologies which should be paid attention to during the systems design and development are discussed. An in-depth analysis is taken for he theoretical basis and specific realizing technology of the CNC machine tools in the Internet-based remote monitoring and fault diagnosis system. In the paper, the faults on the spindle servo system are analyzed, and 7 couples of representative fault appearance and summarize 28 couples of the input/output fault samples are selected. Then the fault samples based on GA-BP neutral network are trained. And at the same time, simulating with MATLAB, the results show that the improved BP neural network for fault diagnosis of CNC machine tool servo system is effective. Keywords: CNC machine; Fault Diagnosis; Internet; GA-BP neural network目录目录 .V第 1 章 绪论 .11. 1 本课题的意义 .11. 1. 1 研究意义 .11. 1. 2 远程监测和故障诊断技术的优点 .11. 2 数控机床故障诊断的研究现状及其存在的问题 .21. 2. 1 研究现状 .21. 2. 2 传统故障诊断服务模式存在的问题 .41. 3 本课题拟解决的关键性问题 .41. 4 本课题的研究内容 .5第 2 章 相关技术介绍 .62. 1 数控机床系统概述 .62. 1. 1 数控机床的结构 .62. 1. 2 数控机床故障分类 .62. 1. 3 数控机床故障诊断的方法 .72. 2 伺服系统的故障诊断 .92. 2. 1 伺服系统工作原理 .92. 2. 2 主轴伺服系统的故障分析 .92. 2. 3 主轴伺服系统的故障模型的建立 .122. 3 BP 神经网络 .132. 4 远程故障诊断系统体系结构的选择 .162. 4. 1 远程诊断体系的分类 .162. 4. 2 远程故障诊断系统的工作模式 .162. 5 系统构建所采用的关键技术 .172. 5. 1 嵌入式技术在控制网络中的应用 .182. 5. 2 工业以太网在车间网络化制造中的优势 .182. 6 本章小结 .19第 3 章 系统的设计和实现 .203. 1 系统总体框架结构 .203. 1. 1 在线检测系统 .203. 1. 2 故障信息系统 .213. 1. 3 网络数据传输系统 .223. 1. 4 远程故障诊断中心 .233. 2 系统工作过程设计 .233. 3 GA-BP 神经网络的工作原理 .253. 3 . 1 BP 神经网络的工作原理 .253. 3. 2 遗传算法的工作原理 .303. 3. 3 GA-BP 神经网络 .323. 4 基于 GA-BP 系统的伺服系统的故障诊断 .333. 4. 1 网络模型 .333. 4. 2 数控机床故障诊断系统的仿真 .353. 5 本章小结 .36第 4 章 结论与展望 .14. 1 结论 .14. 2 未来展望 .1参考文献 .2第 1 章 绪论1. 1 本课题的意义 1. 1. 1 研究意义在中国是一个制造业大国,数控设备起着重要的作用在国民经济的发展,数控设备故障监测与诊断系统是确保设备的正常运行,及时检测和故障诊断,缩短数控设备的 MTBF 方法。发展现代大工业使数控设备越来越复杂,自动化程度越来越高。生产停机失败导致的损失是巨大的,而企业的维护能力有限,因此迫切需要建立远程实时监测与诊断系统,设备供应商、企业技术人员和行业专家在一起实现及时、准确的预防和诊断设备故障函数。发展的概念网络数控设备远程诊断提高到一个新水平,使生产企业、研究机构和设备供应商有紧密的集成。远程协同故障诊断系统是在计算机科学、网络通信技术、移动计算技术和分布式人工智能与其他学科整合模式,故障诊断系统的基础上建构它可以在时空二维空间任务相关联的多个领域专家和技术人员提供一个环境开放的计算机支持的协同诊断、诊断和跟踪过程中,综合分析诊断结果,使他们可以为一个或多个任务有效的故障诊断。远程故障诊断系统,互联网技术和故障诊断技术的结合,可以有效降低企业由于缺乏技术人员、专家,由于该地区造成的损失是不到位的时间。根据德国的西门子、60%的问题可以被解决通过远程服务操作,清除出现场服务。远程故障诊断的需求增加和数控机床故障诊断专家之间矛盾的有效途径有限的资源。远程故障诊断的意义主要有:(1)可以实现远程故障诊断旋转机械设备如远程监控和管理,提供可靠的技术保障设备安全运行。(2)可实现远程诊断诊断知识和数据共享全国范围内,使用诊断网络有利于积累数据和共享资源,企业可以申请协作网络专家在不同地咨询,使设备故障诊断系统,多个服务相同的设备或多个设备共享相同的诊断系统,为了弥补不足的一个诊断系统知识,提高故障诊断的可靠性和智能化水平。(3)在实现远程诊断,有利于通信领域、诊断、手术专家和制造商联系,以获得更多的信息,并综合各方面的经验,在服务的设计、操作和维修;也可以使用诊断网络企业技术人员培训,提高他们的理论水平。(4)实现远程诊断可以缩短时间的故障信息收集,提高故障诊断的效率,带来了可观的经济效益,为企业增强企业的竞争力。(5)远程诊断可以加强技术合作在研究机构和生产企业这间。1. 1. 2 远程监测和故障诊断技术的优点远程故障诊断技术是网络通信技术相结合和故障诊断技术与网络通信技术结合的产物， 当现场设备出现问题时，设备现场监测系统通过 Internet 与远程故障诊断中心的系统建立通信连接，设备现场监测服务器将获得的实时数据进行远程传输到诊断服务中心，经过诊断和分析，然后得到诊断的结论，诊断服务器将诊断结论和解决问题的方法发送给现场的用户方，指导用户对设备进行维修。 较之传统的诊断方式而言，采用远程诊断服务的设备制造商，具有以下优势：（1）提供更大范围的资源共享，可以一次开发多次使用.。（2）降低了设备的故障率，通过 Internet 学习获得最新的诊断内容、诊断方法，提高了用户对新问题的解决效率，提高企业的故障诊断水平. （3）提高了设备供应商的设备的服务好评，设备供应商通过网络为用户提供故障诊断，可以锻炼企业的维修人员，从而实现“通过网络解决问题”节约了成本，提升了服务水准。 （4）生产方通过不断的发现问题，解决问题，不断的学习，从而再以后出现类似问题时可以及时解决问题，大大的增加了企业的机器质量，提升了企业人员的知识。远程故障诊断的研究内容主要是对远程在线监测模块和远程故障诊断模块两个方面的技术的研究.。通过将计算机技术和网络技术的应用，方便快捷的进行远程故障诊断和监测，优化了系统的结构，增加了系统的对外开放性、内部的稳定性、处理数据的鲁棒性等，使系统设计趋于简化，进一步提高系统性价比。对于远程故障诊断的研究，内容包括诊断方法的的说明、诊断方法的获取及其软件实现、诊断软件开发与应用、诊断知识的扩展实现等等；最后是远程诊断软件的实现。 1. 2 数控机床故障诊断的研究现状及其存在的问题1. 2. 1 研究现状故障诊断根据国际权威德国教授弗兰克的观点来看,所有的故障诊断方法可以分为基本的信号处理方法,该方法基于解析模型和基于知识的方法。当可以建立更精确的指控过程数学模型,基于解析模型的方法是首选,当能控输入和输出信号的过程,但很难建立被控过程的数学模型,可以采用该方法基于信号处理;当很难建立定量数学模型的控制对象,可以采用基于知识的方法。如今广泛研究基于知识的故障诊断方法包括:基于故障树的诊断方法、基于模糊理论的诊断方法、基于专家系统诊断方法和诊断方法基于神经网络等等。目前一般采用传统的“容易”,使用先进的测试手段“现代诊断方法”完成数控机床的故障诊断工具,利用振动信号进行故障诊断是一种最常见和最有效的方法。振动信号包含源信息、系统状态信息等。包括数控机床机械故障诊断机运行状态检测、故障特征提取和故障原因的判断。高立信等。提出了“数控机床远程机械故障诊断和服务体系、系统监测和控制中心和在线监测系统为企业建立联系,上传故障信息,分析结果为诊断信息的远程诊断中心,然后给用户。张 Kaiqing 等。提出了“系统的远程故障基于 web 服务”,远程故障诊断系统对于工业平台,服务全球的数控机床。徐司马迁等。提出了“数控机床故障诊断系统基于 IE 浏览器” 。系统组件作为一个单位、一个断层和元素和函数关系,从而得到失败的原因。三种常见的故障诊断方法如下:（1）故障树分析法参数 a故障树分析法（FTA）是从结果出发，将可能的原因全部查出来，然后一个一个的寻找可能原因的状况， 。然后来一个个排除，最后确定导致问题的原因。此方法是根据有关故障与原因的先验知识和故障率的知识，通过计算机自动或辅助生成故障树。它利用专门的计算机对不同的参数进行监测，他的判别条件是对参数高、低、正常做出判断，然后顺着故障树向下推导，最后得出可能的原因。利用故障树进行诊断的基本过程如图 1-1 所示。图 1-1 FTA 诊断方法（2）专家系统专家系统是通过经验来解决问题，通过以前的经验把知识库进行不断的扩充，在遇到问题时把新的问题转换成类似知识库中有的问题，从而得到已经有的解决办法，在专家系统运行的过程中，会不断的通过人机接口与用户进行交互，向用户提问，并向用户做出解释。（3）神经网络人工的神经元网络，简称为神经网络，模仿人大脑神经元的工作方式，通过数学模型的方法将它简化，进行模拟，从而建立非线性的网络系统。因为神经网络系统其具有处理很复杂，多模式和进行联系、推测、容误、记忆、自己适应、自学等的功能，作为参数 b 参数 c故障源1故障源21其他故障树其他故障树用于工况诊断的参数集参数 d故障源41参数 e故障源31高 低高高低一种新模式学习知识和储存知识进行处理问题的方法，人工神经网络BP系统在故障的诊断领域之中体现出了很大的应用能力，成为数控故障诊断新的方法。1. 2. 2 传统故障诊断服务模式存在的问题传统的故障诊断系统是封闭的系统开发的，其主要的诊断方法有 3：（1）通过老师傅的经验传授进行诊断。（2）通过技术人员现场解决问题方法。（3）建立维修点可以及时进行维护。 传统的故障诊断系统存在的问题主要有：（1）解决效率较低。（2）故障解决时间较长。（3）解决的成本较大。1. 3 本课题拟解决的关键性问题远程故障诊断的最大特点可以远距离诊断，在不同地域，他们通过网络进行信息交换。要使传统故障诊断技术的核心部分：信号采集、信号分析和故障诊断。能够通过网络在远程进行，需要解决如下几个问题：（1）信号采集要想得到相关的数据，要先确定使用什么模拟量信号进行监测，温度还是压力还是气压等等，选择正确的信号，可以获得更加准确的故障状况。如何选择信号，要看故障信号跟哪个因素线性关系最好。 （2）数据处理现成可能存在影响信号的因素，所以处理数据很关键，通过把模拟量信号转换成二进制数字进行网络传输，将有利于信号的抗干扰。 （3）数据传输故障信息包括实时数据信号及其他控制信号，不同的信号有不同的网络传递要求，同时在传输过程中需要有较好的安全性和实时性。数据处理和传输还要解决标准化问题，没有统一的数据格式就难于进行信息的交流和诊断。（4）故障诊断推理当数据网络传送到诊断中心那么通过哪种方式进行数据的诊断很重要，这将直接关系到故障诊断的成功还是失败。这些技术包括：特征提取技术，就是去除现场和网络传输中的信号干扰；模式识别技术，确定数据是需要检查还是判断，通过鉴定结果进行监理函数处理数据。1. 4 本课题的研究内容本文研究并设计了数控机床的远程监控和智能故障诊断系统. 以 GA-BP 神经网络对故障信号进行处理，建立以数控设备为单元的系统框架，同时基于 Internet 的设计，针对数控机床的远程监测的软件，实现了数控加工设备的加工状态及远程监控与智能故障的诊断。 基于以上的背景及意义，为了解决数控设备的故障诊断问题，在综合分析了故障诊断的发展概况、智能诊断技术的发展趋势等基础之上，利用人工智能技术、网络通讯技术、高级语言技术等，设计了一种基于网络与故障树相结合的远程故障诊断系统。本文针对以下几个方面开展了研究和设计：（1）第一章分析数控机床故障诊断技术的研究背景，对机床设备远程监控技术、智能诊断技术、智能维护技术的国内外发展现状和发展趋势进行简要的介绍，提出了本文拟解决的关键问题。 （2）第二章主要介绍数控机床系统及其伺服系统的故障理论，并对系统中涉及的两大关键部分 BP-GA 神经网络分析法和远程故障诊断系统体系结构的相关理论进行了阐述. （3）第三章根据数控机床的特点，给出了基于网络的数控机床远程故障诊断系统的总体框架设计和系统的故障诊断流程图，详细说明 GA-BP 神经网络在伺服系统故障诊断中的应用，给出了 GA-BP 神经网络的概述，针对数控机床伺服系统常见故障，确定故障样本集，对 GA-BP 神经网络的结构、算法作了说明，并进行仿真。（4）第四章对全文进行总结，并提出对未来工作的展望。第 2 章 相关技术介绍2. 1 数控机床系统概述2. 1. 1 数控机床的结构数字控制（NC-Numerical Control），数控机床主要有传递信息、数控装置、伺服系统装置、反馈装置、辅助控制装置和机械等几大部分组成。图2-1 数控机床结构2. 1. 2 数控机床故障分类数控机床是一种技术复杂的机电设备，其故障发生的原因一般都比较复杂。通常按故障性质、部位、起因、软硬件等进行分类，见表2-1。表2-1 机床故障表故障分类 故障特点 故障实例非关联故障 非关联性故障:由于运输、安装或 工作等原因造成的故障。 在设备安装过程中未按有关标准 而导致设备故障，如接地故障关联性 关联性故障分为系统性故障和随 机性故障。 机床因切削量过大产生过载报警 故障机械故障 机械一般为机械传动问题。 联轴器脱落导致电机带动的物体 不运动电气故障 电气原因多因为接线原因和元器 件损坏。 CNC 故障导致电机不运动软故障 软故障为程序问题。 程序紊乱导致步进电机方向走错硬故障 硬故障是硬件损坏。 电路板烧坏信息载体数控装置伺服系统机 床辅助控制装置信息检测装置本文主要研究的对象是加工工件品质因素。2. 1. 3 数控机床故障诊断的方法数控机床的故障诊断的三个步骤：（1）故障的检测机床进行测试，看有没有问题；（2）故障的判定和隔离判断故障性质，从而缩小产生故障的范围，分离出来发生故障其部件或者模块；（3）故障的定位将故障定位到了产生故障的模块或者元器件之中，从而方便及时的排除故障或者更换元件。数控机床的故障诊断的一些常规的方法：（1） 直观法维修人员通过观察机床的运行情况，根据经验来判断故障。 （2） 功能程序测试法通过编程人员编写程序输入到机床对机床单个功能进行检测，逐个排查结果，确定故障的原因。 （3） 替换法将不能工作的或者工作不正常的元器件进行更换。 （4） 隔离法某些的故障，像轴抖动、爬行，一时间难以判断到底是不是数控部分还是伺服系统或者是机械部分造成的，可采用这种隔离法；将机、电的系统进行分离、数控和伺服进行分离，可迅速找到其故障原因. （5） 测量法应用万用表等测量工具，对线路等进行电路电压等测量，找出出错的地方。（6） 自诊断功能自诊断是数控机床自带的诊断方法，厂家在机器出厂时将会编写一段诊断程序，当机器出现问题时将会自动启动诊断程序，将诊断的结果显示给用户。 （7） 参数检查法参数的数值控制系统是一系列的测试和调整来获得重要的数据,通常存在于内存, 当故障被发现机器应该及时检查,检查系统的参数,因为系统参数的变化将直接影响机器的性能,甚至会导致机器不能正常工作。 除此者外，电脑技术诊断方法将是数控机床的故障诊断的重要的发展的方向。目前来看应用较多的有：（1） 模糊诊断方法模糊诊断系统是用来描述和研究模糊事件,这是通过引入隶属函数的模糊规则、模糊推理、模糊诊断的智能可以实现。到目前为止,模糊理论在故障诊断的数控机床使用。 专家诊断方法通信接口故障诊断计算机机床模型诊断程序通信接口数控系统专家诊断系统领域的专家知识和维护经验的技术人员安排,利用推理方法进入计算机故障诊断程序来存储知识库。专家诊断系统主要由知识库、推理机两部分组成:知识库和存储在形式的各种规则的分析和判断故障的实际经验和知识、规则推理引擎知识库来解释,运行过程的推理,来寻找问题的原因和故障排除方法。 （2） 自修复方法自愈系统的配备备份功能模块在数控装置和自愈功能程序,这对于正常备用模块不参与工作。当一个模块发生故障,显示器显示其故障信息,断开故障模块的数控装置将备用模块在它。 （3） 通信诊断方法通讯诊断也称为远程诊断,它通常是借助网络通信手段的其他用户数字控制设备接口和电脑维修部的制造商,实现故障诊断的诊断通信。如图2 - 2,技术人员通过故障诊断的计算机给用户发送诊断程序,用于指导用户诊断程序相关测试工作,同时接收测试数据。在故障诊断的计算机诊断数控机模型和试验数据进行分析来确定故障的原因,并通知用户在故障诊断和治疗方法。 图 2-2 通信诊断（6）计算机仿真与检测方法 MATLAB仿真,是一种强大的MATLAB软件计算综合实时工程,广泛应用于各种工程领域,尤其是它附加超过30种不同导向的领域的工具箱,使它在一些领域的辅助设计、分析、算法的基础研究和应用开发工具和平台的选择。神经网络工具箱的神经网络相关的设计、分析和计算;利用小波分析理论的工具箱来实现小波分析 ;利用Simulink工具箱实现了控制系统的设计和仿真,使用GUI实现图形用户界面是人机界面的设计等等。因此,使用MATLAB实现数控机床故障诊断,设计和仿真也方便的和可行的。虚拟仪器测试:基于虚拟仪器技术和计算机技术改变了传统的测量和控制仪器的概念 ,它已成为测试仪器的发展方向。虚拟仪器是一种图形化的编程系统,其董事会和数据采集(DAQ)平台的虚拟仪器 ,可以使用这个平台做的很多功能检测仪器和用于数控机床故障诊断。位置检测测量与反馈进给速度伺服驱动速度控制CNC 位置控制指令位置环速度检查速度环速度反馈 + +位置反馈控制位置伺服电机控制位置（7）神经网络诊断方法神经网络诊断理论的研究成果的基础上对现代神经医学发达,这是一个很强的容错性和鲁棒性,善于联想和全面推广。神经网络技术应用于数控机床的故障诊断工具,传统的故障诊断提供更先进的诊断技术,这是数控机床故障诊断与维修技术的发展方向。2. 2 伺服系统的故障诊断2. 2. 1 伺服系统工作原理伺服驱动系统是由驱动控制单元和传动组件、机械传动系统是由机械传动部件和组件、检测装置是由检测元件和反馈电路,其原理如图2 - 3。 图2-3 伺服闭环控制系统原理图伺服系统是一个反馈控制系统,指令脉冲给定值的输入和反馈脉冲比较,比较之前和之后使用偏差值为系统自动调整,以消除偏差。所以伺服系统运动来源于偏差信号,它必须有一个反馈回路,总是在一个状态的转变。伺服系统也必须有一个常数输入的脉冲,再加上负脉冲可以被视为调节输入的系统。 2. 2. 2 主轴伺服系统的故障分析主轴驱动系统可分为直流传动系统和交流传动系统,现在看看数控机床主轴驱动控制方式主要是采用交流主轴电机配备变频器。可以检测主轴电机的位置并且配备了组件脉冲编码器,这种运动的的主轴驱动系统将被称为主轴伺服系统。主轴伺服系统的常见故障有以下几种：(1)干扰干扰故障现象：当主轴转速指示为零,将往复旋转主轴,调整平衡零速度和漂移补偿的同时也将无法消除故障。它的原因通常是电磁干扰、屏蔽和接地措施,使主轴速度命令或反馈信号会受到干扰,从而使主轴一个随机的没有常规的波动。(2)过载切割与重负荷和主轴是频繁,反向等均可导致过载报警。特定的性能是一个主轴电机过热,主轴驱动过流报警显示,等等。(3)主轴方向抖动必须停止使用主轴、刀具交换,纯按钮退刀和齿轮转变等等,有三种方式:机械的准停准,磁传感器电必须暂停和编码器必须停止。这必须停止所有正在经历减速过程,如减少或增益等参数设置不当,会导致方向抖动。(4)主轴速度和饲料不匹配当数控机床对螺纹切削或削减每转到命令,依靠脉冲编码器以匹配工作。当主轴速度和饲料不匹配,主轴编码器是经常出现的问题。(5)速度偏离价值的秩序当主轴速度偏离值的指令,可能是由于以下原因:电机的过载 ;主轴故障;主轴转速模拟输出的数控系统尚未实现值对应于一个转速和速度测量设备故障或速度反馈信号是断开的。(6)主轴异常噪音和振动这样的问题,首先需要确定是发生在机械部分的主轴是发生在电力传动部分。如果有减少的过程中,通常会引起传动装置,如果它是在恒定速度、主轴电机可以观察是否免费停车过程必须区分噪声和振动,如果任何,机械部分轴是否有问题,检查是否振动周期和速度,如果确实,你应该检查机械部分的主轴或速度传感器是否有故障,如果没有关系,通常是在主轴,有一个问题。(7)主轴电机不转数控系统的主要轴驱动器,除了它的速度模拟控制信号,也可以使用控制信号,通常是DC24V继电器。线圈电压故障现象将导致的原因是这种类型:主轴的传动装置故障或主轴电机故障。根据前面的伺服系统原理的介绍和分析的主轴伺服系统故障,基于数控机床主轴伺服系统7种常见的故障现象和故障原因如下:主轴伺服系统的7种故障现象：（1）主轴的转速随机的波动；（2）主轴的电动机过热；（3）主轴的定位抖动；（4）主轴的转速和进给的不匹配；（5）转速的偏离指令值；（6）噪声和振动；（7）主轴的电动机不转。主轴伺服系统的7种故障原因：（1）屏蔽与接地故障；（2）切削量的过大，操作的故障；（3）参数的设置故障；（4）主轴的编码器故障；（5）主轴的电机过载的故障；（6）主轴的驱动装置的故障；（7）主轴的机械故障。根据对主轴的伺服系统故障分析而知，上述的7对故障的现象、原因没有线性的关系，故障现象和故障原因之间比较复杂，具有比较强的藕合性. 它们之间的关系如图2-4 和图2-5 所示：主轴转速随机波动主轴电动机过热主轴定位抖动主 轴 转 速 与 进 给 不匹 配噪声及振动主轴电机不转动主轴偏离指令值屏蔽和接地故障切 削 量 过 大 ， 操 作故 障主轴编码器故障参数设置故障主轴机械故障主轴驱动装置故障主轴电机过载故障图2-4 单故障现象一多故障原因对应关系图图 2-5 单故障原因一多故障现象对应关系图2. 2. 3 主轴伺服系统的故障模型的建立本系统采用GA-BP神经网络，结构如图2-6所示. BP(反向传播 )的网络,是一种单向传播的多层前馈网络。它使用梯度搜索技术 ,以使网络的实际输出值与期望输出值的误差均方值最小。BP 算法的学习过程是由传播通过正相、反相、正相的过程中传输输入信息从输入层通过隐层可以一步一步处理,得出输出层,每一层的神经元(节点 )的状态只影响下一层神经元的状态。如果你不能得到期望的输出在输出层,于是传播逆转,连接误差信号沿原路返回,通过修改各层神经元的权重,减少了误差信号7。BP神经网络具有一定的局限性,但结合遗传算法产生的遗传算法优化 BP神经网络在远程智能故障诊断的数控机床有更多的优点。主轴转速随机波动主轴电动机过热主轴定位抖动主 轴 转 速 与 进 给 不匹 配噪声及振动主轴电机不转动主轴偏离指令值屏蔽和接地故障切 削 量 过 大 ， 操 作故 障主轴编码器故障参数设置故障主轴机械故障主轴驱动装置故障主轴电机过载故障图 2-6 本系统所采用的神经网络结构图本系统对伺服故障进行诊断，根据常见的故障现象和原因，选取 7 个故障现象与 7个故障原因. 网络结构选择 777 的 BP 网络：网络的输入向量为 ；网21,Pk络的目标向量为 . 是故障的征兆输入：当 的时候721,Tk7,21kP0k表示其不存在该故障的现象；当 的时候表示其存在该故障的现象；k是目标的输出：当 的时候表示其不存在该故障的原因；当7,21kT0时表示的是存在该故障原因. k2. 3 BP 神经网络 现代计算机有一个很大的功能就是计算和信息处理功能,但它对模式识别、认知和决策在复杂的环境问题,如处理能力远不如人,特别是,它只能通过预先编程的人,缺乏良好机械学习能力从环境、适应环境。在二十世纪早期,人们已经知道,人脑是由一个大量的基本元素( 即神经元) 在一个复杂的彼此连接,成为一个高度复杂的、非线性、并行处理的信息处理系统。人们在寻找一个新的模式的信息表示、存储和处理过程,根据操作模式的大脑中的神经元,模仿大脑智力,建立了人工神经网络(人工神经网络 ANN)系统。人工神经网络从微观结构和功能对颅神经和建立了一个模型系统的模拟,模拟部分的人脑思维运行方式，其特点主要有非线性,学习能力和适应性,是模拟人类智能的一个重要方式。它是由简单的信息处理单元( 人工神经元)组成的互联网络,可以接受和处理信息。网络的信息处理是由它们之间的交互处理单元,它是通过正确的表达问题成之间的连接处理单元处理。目前,人工神经网络在模式识别、图像处理、组合优化、自动控制、信息处理、其他领域的机器人和人工智能已广泛应用。输入信号人工神经网络是由简单的信息处理单元(人工神经元)互连网络,下面介绍知识,人工神经元人工神经元模型如图 2 - 7。图 2-7 人工神经元的模型图上图所示的人工神经元模型是一个多输入/多输出的非线性信息处理单元，其中：xk：神经元 i 的输入，它可与其它多个神经元通过权连接；yk：神经元 k 的输出；ki：神经元的连接权重；k：神经元 k 的阀值；()：神经元 k 的非线性激发函数. 神经元 k 的输入输出关系可用下式表示：， ， （2-iuxkv=netku)(kkvy1）(x)是一个作用函数（Activation Function） ，也称激发函数，常见的激发函数有阈值型函数、饱和型函数、双曲线函数、S 型函数（Sigmoid 函数） 、高斯函数等. 人工神经网络通过模拟技术来模拟人类大脑神经网络结构和系统的特点。我们使用人工神经元可以构成不同的拓扑结构的神经网络而言,主要连接的神经网络类型,有几十种不同的神经网络模型,包括前馈网络和反馈网络的两种典型结构模型。前馈神经网络也称为远期网络(前馈神经网络)。如图 2 - 8,神经元分层,输入层、隐藏层(也称为中间层,但有许多层)和输出层,每一层的神经元只接受前一层神经元在输入。k2kp()k1输出yk阈值kukx1x2xp图 2-8 前向网络模型从学习的角度来看,前馈神经网络是一种强大的学习系统,其结构简单,容易编程。从系统的角度来看,是一个静态前馈神经网络的非线性映射,通过一个简单的复合映射非线性处理单元、复杂的非线性处理能力可以被获得。但从计算的角度,缺乏丰富的动力学行为。大多数类型前馈神经网络是学习网络,他们分类和模式识别的能力通常强于反馈网络,BP 网络是一个典型的前馈神经网络。BP 网络是神经网络的一个分支,也称为误差信号反馈网络。误差的反向传播 BP 算法称为“BP 算法 ,这个想法是有一个老师学习,根据梯度下降法实现快速收敛。一个典型的网络三层前馈 BP 网络类(如图 2 - 9),输入层、隐藏层 (中间层)和输入层。一个三层 BP 网络来完成任何 n m 维非线性映射。图 2-9 BP 网络的结构示意图输入层