（机械制造及其自动化专业论文）基于贝叶斯网络的数控机床远程智能故障诊断研究.pdf

浙江大学硕士学位论文摘要 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( 2 0 0 6 c 1 1 0 6 7 ) 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。 关键词：数控车床，智能故障诊断，贝叶斯网络，振动分析 i i i 浙江大学硕士学位论文 a b s t r a e t a b s t r a e t i nm o d e mm a n u f a c t u r i n g ，t h ev a r i o u sa n dc o m p l e xr e q u i r e m e n to fi n d u s t r y m a k e st h ec n cm a c h i n et o o l sm o r ea n dm o r ea u t o m a t i ca n dn e t w o r k i n g w h i l ea r e m o t em o n i t o r i n ga n dm a i n t e n a n c es y s t e mw i t ht h em o d u l eo fi n t e l l i g e n tf a u l t - d i a g n o s i si st h eb a s i ca n di n d i s p e n s a b l eu n i tf o ra u t o m a t i ca n dn e t w o r k i n gm a c h i n e t o o l s n l i sc a nn o to n l yi n c r e a s et h ee f f i c i e n c yo fp r o d u c t i v i t y , b u ta l s ot h ed e g r e eo f a u t o m a t i o na n df l e x i b i l i t y t h e r e f o r e ，r e s e a r c hc o n c e r n i n gt h ef a u l t d i a g n o s i sa n d r e m o t em o n i t o r i n gf o rm a c h i n et o o l si ss i g n i f i c a n ta n dm e a n i n g f u l t h et h e s i si sb a s e do na n ds u p p o r t e db yt h ep r o j e c to ft h es c i e n c ea n d t e c h n o l o g yp r o j e c to fz h e j i a n gp r o v i n c e ( n o 2 0 0 6 c 110 6 7 ) o nt h eb a s i so f a n a l y z i n gt h ea d v a n t a g e so fb a y e s i a nn e t w o r k sw h e nr e s e a r c h i n gp r o b l e m so f u n c e r t a i n t y , ac o n c r e t em o d e la b o u tt h eq u a l i t yo fw o r k p i e c eo fc n c l a t h ew a s e s t a b l i s h e d b e s i d e s ，ar e m o t em o n i t o r i n gs y s t e mw a sd e s i g n e da sw e l la n dt h e b a y e s i a nm o d e le s t a b l i s h e db e f o r ew a se m b e d d e di ne v e n t u a l l y t h ee s t a b l i s h m e n to fb a y e s i a nn e t w o r km o d e li n t h i st h e s i sr e p l i e so nt h e a n a l y s i so ft r a d i t i o n a lf a u l tn e tt r e e s f i r s t l y , d e t e r m i n e t h es e ta n dd o m a i no f v a r i a b l e s t h e n ，c o n s t r u c tt h es t r u c t u r eo fb a y e s i a nn e t w o r k f i n a l l y , f i n d t h e c o n d i t i o n a lp r o b a b i l i t yt a b l ef o re a c hv a r i a b l ei nt h em o d e l a c c o r d i n gt ot h es t u d y a r o u n dt h et h e o r yo fb a y e s i a nn e t w o r k , t h ep a r t i c u l a rp r o c e d u r eo fe s t a b l i s h i n ga b a y e s i a nn e t w o r ki se l a b o r a t e dc o n c e r n i n gas p e c i f i cr e s e a r c ht a r g e t t h eq u a l i t yo f c n cl a t h e s w o r k p i e c e t h e m o d e ld e s i g n e di ss t r u c t u r a l u n a m b i g u o u s l ya n d c a l c u l a t i v eb r i e f l ya sw e l la su n d e r s t a n d i n ge a s i l y t h ec h o i c e so fn o d e si nm o d e lc a l l b ei n c r e a s e da n dd e c r e a s e da c c o r d i n gt ot h er e a lc o n d i t i o n sa n de x p e r i m e n t a l e n v i r o n m e n t ，a n di t se x p e r i e n c ep r o b a b i l i t i e sc a nb ea d j u s t e db a s e do ns a m p l e sa n d e x p e r t sk n o w l e d g e w i t ht h ea c c u m u l a t i o n o ff a u l ts a m p l e s ，t h e p r e c i s i o no f r e a s o n i n gi nt h em o d e lw i l l b em o r ea n dm o r ea c c u r a t e l y t h i si sr e f e r e n t i a l l y m e a n i n g f u lt ot h er e s e a r c ho ff a u l t d i a g n o s i sa b o u tc n c m a c h i n et o o l s c o n s i d e r i n gt h ee s t a b l i s h e db a y e s i a nn e t w o r k sa n de x p e r i m e n t a lc o n d i t i o n s ，t h e t h e s i sd e s i g n e dt h er u l e so ff e a t u r ee x t r a c t i o n sa n do b t a i n e df e a t u r e sf o rr e a s o n i n gb y m e a s u r i n gt h ev i b r a t i o ns i g n a l so f t h r e ep o i n t so fc n cl a t h e k e yw o r d s ：c n cl a t h e ，i n t e l l i g e n tf a u l t - d i a g n o s i s ，b a y e s i a nn e t w o r k ，v i b r a t i o n a n a l y s i s i v 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得逝江盘堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 签字日期：年月 日 学位论文版权使用授权书 本学位论文作者完全了解逝鎏态堂有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 签字日期：年月日 导师签名： 气 签字日期：o - 。f 口年3 月“日 致谢 七年的浙大求学生涯即将结束，值此论文完成之际，我要在此感谢多年来关心帮助过 我的老师、同学、朋友。 本学位论文是在导师傅建中教授的精心指导下完成的。我要深深地感谢傅老师在我三 年多的学习和生活中所给予的谆谆教诲和悉心关怀。在日常学习、课题研究和论文撰写的 过程中，自始至终得到了导师的精心指导和热情帮助，从论文的选题、方案拟定、理论和 实验研究到定稿，无不凝聚着导师的智慧和汗水。导师渊博的学识、敏锐的洞察力、求是 的治学作风、扎实勤勉的工作态度和诲人不倦的高尚品德，时刻影响和激励着我，并将使 我终生受益。 特别感谢姚鑫骅讲师和贺永博士后。本学位论文是在他们两位的指导和帮助下完成 的，论文中的许多工作都凝聚着他们的智慧和心血。他们严谨的治学态度、不断开拓进取 的创新精神以及对科研敏锐的洞查力，使我受益匪浅。 衷心感谢实验室梅德庆教授、王文副教授等老师在学习和课题研究中给予我的帮助和 指导。感谢课题组沈洪壶博士、李欣博士、甘文峰博士、姚酷赫博士、林谢昭博士、林伟 青博士、李晟博士，白福友、蔡力挺、黄斌、范永强、何振亚硕士及焦慧锋、钱文杰硕士 给予我的支持和帮助。以及实验室诸位师兄弟给予我的帮助与启迪。是他们使我在攻读硕 士学位的紧张学习及研究中充满着欢乐，使我度过了愉快而令人难忘的美好时光。是他们 的通力合作使课题研究工作得以顺利完成。 感谢浙江大学对我的培养。浙大这所百年名校所凝聚的求是、创新、开拓、进取精神， 对我的一生将产生重要的影响。 感谢父母的养育之思，正是亲人默默的付出才使得我能够全身心的投入到科研与学习 中。 感谢所有帮助、关心，理解和支持我的亲人、师长、同学、同事和朋友们。 李遇春 2 0 1 0 年1 月于求是园 浙江大学硕士学位论文 绪论 1 绪论 【本章摘要】本章阐述了论文的研究背景和意义；详细介绍了数控机床远程智能故障诊 断的研究现状，分析了当前智能故障诊断采用的主要方法及其优缺点，简述了本文中智能故 障诊断的方法一一贝叶斯网络。最后概述了本课题的研究内容。 1 1 课题提出的背景和意义 1 1 1 课题的研究背景 现代数控技术是一门多学科交叉的关键技术，它集机械制造技术，微电子技 术、网络通讯技术、通信技术、自动控制技术、传感测试技术、液压气动技术等 于一体，是现代制造业的基础，它的发展和运用，开创了制造业新的篇章。数控 机床及数控技术，是实现生产自动化，集成化，柔性化的基础，同时也是现代 c a d c a m 、f m s 、c i m s 的基石和载体。因此，数控技术水平的高低已经成为 一个国家制造业现代化程度的核心标志【l 】，并关系到国家战略地位和体现国家综 合国力水平。目前，中国在数控技术及装备自动化方面的发展方兴未艾，得到了 国家企业的大力扶持。 计算机数控系统( c n c ) 是2 0 世纪7 0 年代发展起来的，目前正朝着高速化、 高精度化、柔性化、智能化、开放化、并联驱动化、网络化、绿色化方向发展。 随着计算机网络技术的飞速发展，网络化全球制造已成为未来制造业发展的趋 势。制造业市场、资源、技术和人员的全球化，产品设计、生产和服务过程的 全球化，正在使制造环境发生着根本性的变化【2 1 。高速高精是保证单机生产效率 精度的前提，而网络化智能化的数控设备则是各种先进制造技术的基本单元【3 j 。 在网络化数控系统中，故障诊断与维修技术是整个系统正常运行的保证。因此， 远程监控与智能诊断系统是高性能数控系统必不可少的一个功能模块。另一方 面，现代制造业的发展使得数控设备变得越来越复杂，并且集成化、自动化程度 越来越高。这使设备发生故障的可能性增大，同时由此引起的生产停机带来的损 失也更加巨大。作为数控机床的终端用户，制造企业的维护能力有限，因此迫切 浙江大学硕士学位论文 绪论 需要机床提供有效的诊断功能。通过建立远程实时状态监测和智能故障诊断系 统，实现及时、准确地预防和诊断设备故障是解决这一问题的有效手段。 远程监控是指本地计算机通过网络系统( 特别是i n t e m e t ) 对远端的设备进 行监测与控制，包括设备的远程数据采集、设备的远程调试与配置、设备的远程 控制和远程维护【4 】。针对制造领域的数控设备，远程监控与诊断系统的主要功能 是当数控机床发生故障时数控机床厂商或者用户可以通过该系统对受控中的数 控机床进行快速诊断与维护，从而减小维护的盲目性，提高故障排除的效率，满 足用户对数控机床的远程故障监控、故障诊断、故障修复的要求1 5 1 。 目前，学术界与工业界对数控机床的远程监控与智能故障诊断方法进行了很 多研究，诸如西门子、f a n u c 等数控行业巨头均开发了具有网络功能的数控系统。 而各大高校对基于人工智能的故障诊断方法也开展了很多有意义的研究。在这样 的背景下，本文结合浙江省重大机电装备专项项目“中高档数控机床控制系统 ( 2 0 0 6 c 1 1 0 6 7 ) ，提出了基于贝叶斯网络的远程数控机床远程智能故障诊断研 究。 1 1 2 课题的研究意义 本课题是在故障已成为影响数控机床网络化，高效化工作的主要障碍之一的 背景下提出的。作为数控机床网络化、智能化必不可少的一部分，远程监控与智 能故障诊断系统的水平一定程度上反映了制造企业的柔性化程度以及生产效率。 因而，国内外各大数控厂商都在开展积极的研究，各种诊断方法的提出此起彼伏。 目前，以恢复机床硬件单元功能为目的的故障自诊断系统日渐完善，而以加工工 件质量为最终目的故障诊断仍有待研究。发展适合于实际生产使用的远程监控与 智能故障诊断模型，对于数控设备能够真正地实现智能化和网络化具有不可忽视 的意义。在各种机床自诊断模块研究日益完善的同时，本文以加工的最终目的一 一工件的品质作为核心，以状态信息量作为基础来建立工件品质的故障模型，对 机床的故障诊断进行研究。 同时，本文研究并设计实现了一种数控设备远程监测与诊断系统。以贝叶斯 网络理论研究为基础，设计了从状态信息中提取特征量的方法，建立数控设备智 能诊断单元系统架构，同时基于i n t e m e t i n t r a n e t 设计了针对数控设备的远程监测 2 浙江大学硕十学位论文 绪论 软件，实现数控加工设备远程监控加工状态和智能故障诊断。 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 计算机网络技术的迅速发展，给数控机床的状态监控带来新的理念一一远程 监控。国外，以f a n u c 和西门子为首的众多数控系统厂商都开发了具有网络功能 的数控系统或实现方案。国内，华中数控也开发了能实际使用的带有简单网络通 讯功能的数控系统。同时，国内外的众多高校也纷纷在设备的远程监控与智能诊 断领域进行研究并取得成果。 日本东京大学与美国乔治华盛顿大学曾联合开展了加工系统远程操作技术 的研究，成功地实现了机床异地加工信息集成和远程操作的原理性试验，该试验 被称为“从地球背面操作机床”f 6 1 。i n t e l ，p h i l i p 等1 3 家半导体制造商组成的国 际性协作组s e m a t e c h 曾成立e d i a g n o s t i c 项目组，在半导体芯片生产设备中 加入含设备运行状态信息采集、监控，诊断和调试功能的e d i a g n o s t i c s 模块， 实现了设备制造厂家对产品的远程技术支持与服务【7 1 。 f a n u c 公司的n g c ( n e x tg e n e r a t i o nc o n t r o l l e r s ) ( 1 6 i 系列，3 0 i 系列) 包含 了丰富的网络功能，支持包括f l n e t ，p r o f i b u s d p ，d e v i c e n e t ，i 0l i n k i i 在内的现场总线。这使得用户能通过网络传递和共享信息，管理和使用系统。利 用网络将c n c 与p c 机连接起来，既可观察n c 程序的传输和机床的运转状态， 又可实时集中监控加工现场的作业。数据存储器运行的同时，也能使用其他的以 太网功能。如在数据服务器和p c 之间进行高速加工程序的传输或c n c 参数和 刀具信息文件等的接收和发送；从p c 机执行d n c 的运行或调用a t a 闪存卡中 的宏语句和子程序的存储器运行；此外也能够对存储在a t a 闪存卡中的程序进 行编辑。通过系统的以太网功能，利用f a n u c 的软件调试工具“s e r v og u i d e ” 还可以对伺服进行调试；而利用“f a p tl a d d e r ”软件则能对系统p m c 的梯 形图进行调试【8 1 。这样，通过生产指令和实际加工数据对整个工厂进行管理，提 高生产效率【9 1 在西门子s i n u m e r i k8 0 2 d 系统中，用户可在线监控可编程序控制器的程序， 浙江大学硕上学位论文 也可以将数控系统的可编程程序控制器的程序传到个人计算机或反向传送。如果 需要，还能够通过基站网络或移动式无线网缚进行调制解调器连接。 此外，西门子公司还提出了制造业信息化解决方案( m c i s ) 。通过网络设备 连接数控机床、装配线等自动化生产谩奋，为工厂车间提供一个集成的信息网络 解决方桌。它具有数控系统和可编程控制器的接口，能够使数控机床、生产单元， 生产线甚至整个工厂网络化。其典型结构如图li 所示。 图11 制遣业信息化解头方藁( m c i s ) d m g 公司的d m f 3 6 0 5 0 0 系列铣床通过结合s i e m e n s8 4 0 dp o w e r l i n e 和 h e i d e r t h a i ni t n 5 3 0 两种控制系统，实现了通过局域网或互联网直接和外部网络 连接，从而保证d m gn e t s e r v i c e 网络服务范围内的服务与安全同时d m g 公 司还提供d m gp l u s m e s s a g e r 信使服务，提供以短消息的方式可实现c n c 控制 故障上传等服务。 同时，b e n t l y 、e n t e k 、s o l t r a n 等大公司也纷纷将他们最新的网络化 设备状态监测产品推向中国市场，促进了中国网络化设备故障诊断领域的研究和 水平的提高1 2 1 1 1 3 州】。 国内对于制造业的远程监控与诊断技术也进行了积极地研究，西安交大、华 中科技大学、哈尔滨工业大学南京理工大学等高校已取得了较为先进的研究成 果。西安交通大学张周锁、何正嘉等人研制的汽轮发电机组分布式在线监剥与故 障诊断网络系统”1 ，哈尔滨工业大学宋博岩等人研制的电火花毛化加工机床监 控系统等。此外，同济大学c i m s 研究中心也开展了面向数控机床远程服务系 统的i e t m 技术的设计与开发i ”l ，提出了两种基于x m l 的交互方式。合肥工业 大学的张书城、焦晴华等也研究了数控机床远程诊断系统的构成、宴现方法、及 主要技术【“】。东南大学的王空成，沈爱群等在研究远程监测系统基本功能的基 浙江大学硕士学位论文 绪论 础上，设计了基于网络的远程故障诊断服务系统的主要模块的实现方法【1 9 】。华 中科技大学的周祖德，以及华中科技大学国家数控系统工程技术研究中心都分别 在数控机床的远程支持领域有所研究【2 0 1 1 2 。此外，华中数控的n e t d n c 通讯软件， 支持通过以太网口将机床与外部计算机相连接。软件包括在上位机和下位机间传 递参数文件，在上位机和下位机间传递p l c 文件，在上位机和下位机间传递g 代码文件，并支持拖拽的方式【2 2 1 。 应用于数控机床的远程监控系统的研究，国内目前还大多处于实验阶段，尚 未有功能较为完善并且包含基于远程监控状态信息量的智能故障诊断功能。 1 2 2 数控机床故障诊断的发展现状 数控设备是一种过程控制装备，这就要求数控设备每时每刻都能准确无误的 工作。任何部分的失效与故障，都会影响机床的正常运行，甚至导致停机并造成 生产停顿。因此，故障诊断技术不仅是保障数控机床正常运行的前提，并且对数 控技术的发展和完善也起到了巨大的推动作用 2 3 1 。随着人工智能和计算机技术 的发展，故障诊断也有了新的发展方向，即是智能故障诊断。通过将软计算【2 4 】 与传统的故障诊断方法、经验等相结合，形成诸如神经网络、模糊专家系统等智 能诊断方法。如文献 2 5 仲提出基于多a g e n t 的故障诊断系统，由诊断和学 - - j 、 机器、和中心管理a g e n t 组成。通过机器a g e n t - 9 诊断和学习a g e n t 之间的通讯模 块来执行诊断功能。此外，诊断和执行模块能够从用户学习新的专家知识，中心 管理a g e n t 能够以此更新中心知识数据库。当故障不能由当前知识库解决时，诊 断和学习模块能够获取新的知识，将之转化为规则，并且更新规则库。通过不断 的学习，规则库会逐渐变成熟【2 酬。 随着越来越多的智能诊断方法的提出，以及相关的研究，也有一些学者通过 结合多种智能诊断方法的方式来研究故障诊断。比如文献 2 7 】中，提出了一种基 于证据理论和模糊推理的方法，应用于七个参数的汽车性能评估系统的建立。而 文献 2 8 1 中，提出了一种基于模糊推理系统和故障树的故障诊断方法，并应用在 齿轮泵的故障诊断中。文献 2 9 】中，则提出了粗糙集和模糊推理的方法。粗糙集 用来总结出故障原因和故障现象之间的关系，模糊推理则用来故障诊断。文献 3 0 】 中提出的基于振动的机床状态监控在工业领域应用较为普遍，特别是在制造业。 浙江大学硕士学位论文绪论 与国外相比，虽然国内智能故障诊断技术起步较晚，但目前已经取得了一些 有益的成果。上海交通大学胡德金教授等提出了针对数控机床故障诊断的模糊逻 辑系统【3 1 1 和神经网络【3 2 1 方法。西安交通大学的张周锁等先后提出了基于支持向 量机【3 3 】的机械故障诊断方法以及基于粒计算的智能诊断方法【3 4 1 ，先通过属性约 简方法对故障特征集进行约简，并剔除不必要的特征，而后通过相容粒度空间模 型将各类故障信息映射到不同的粒度层次上，以实现故障的分类。郑州大学的涂 志松等提出了基于最近邻数据描述法的机械故障诊断技术【3 5 】。以及太原科技大 学的贾育秦等提出的基于故障树的数控机床故障诊断【3 6 1 。北京理工大学、南京 航空航天大学等也都开展了基于远程故障诊断的研究【3 7 1 。 这些方法各有特点，但是都尚未能应用到实际的加工生产中，且其精度对样 本数据的依赖都比较大，在样本数据难以获得的情况下就有很大的局限性。 1 2 3 智能故障诊断方法的比较 在上一节中，简述了目前较为成熟且应用于机床的故障诊断的一些人工智能 技术，如专家系统、模糊理论、随机优化技术、逻辑方法、人工神经网络、支持 向量机、粗糙集方法等等。本节将具体分析各种方法的优缺点，并着重阐述贝叶 斯网络方法的优势。 1 专家系统( e x p e r ts y s t e m ，e s ) 故障诊断专家系统是目前研究最多、应用最广的一类智能诊断系统，主要用 于没有精确数学模型或很难建立数学模型的复杂系统3 引。一个功能比较完善的 e s 一般由七部分组成【3 9 1 ：知识库、推理机制、问题理解、用户接口、结论、学 - - d 机制、知识获取，它们之间的关系如图1 2 所示。专家系统常用的知识表示方 式有谓词逻辑、语义网络、启发式规则等。 用 知识厍i知识获取专 用户户 一问题理解卜_ 推理机 界 面 结论学习机制 家 图1 2 专家系统结构框图 在实际应用中，专家系统仍存在一些缺陷。如：建立、验证及维护知识库比 较困难；容错能力较差，缺乏有效的方法识别错误信息。 6 浙江大学硕士学位论文绪论 2 模糊集理论( f u z z ys e tt h e o r y , f s t ) 模糊集理论【4 0 堤l a z a d e h 教授创立的理论，它突破了经典集合用0 和1 表 示非此即彼的清晰概念，而采用模糊隶属度的概念来描述不精确的、不确定事件 与现象，并引入语言变量和近似推理的模糊逻辑，来表述专家的经验知识。 基于模糊集的故障诊断主要包括四步：1 ) 建立故障征兆与其原因之间的因 果关系矩阵；2 ) 建立故障与其征兆的模糊关系方程；3 ) 确定诊断结果判定准则； 4 ) 确定隶属度函数【4 1 1 。文献 4 2 】中，通过上述步骤建立起用于分析数控车床故 障的模型，并通过模糊推理找出对数控车床可靠性影响较大的故障模式与薄弱环 节。应用模糊系统分析故障时，需要注意以下两个方面：建立有效隶属函数与模 糊模型及其随着新的数据的更新。 3 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k , a n n ) 人工神经网络最早由心理学家w s m c c u l l o c h 和数理逻辑学家w ：p i t t s 建立 1 4 3 ，后经过发展成为一种模仿动物神经网络行为特征，进行分布式并行信息处 理的算法数学模型。 a n n 在故障诊断领域的应用已经得到了很多学者的研究。文献 4 4 】中提出了 一种新颖的基于匹配滤波模型的神经网络b p ( b a c kp r o p a g a t i o n ) ，实现了故障 诊断。其方法是：采集机床所有输入输出的电器信号组成一个信号字符串作为 a n n 的输入，而机床自动运行时遍历的正常电器信号作为样本集训练a n n 。由 于机床在发生故障时的电器信号状态会部分与a n n 中记忆的标准状态重合，因 而通过a n n 的记忆能力就能找到发生故障时的电器状态对应的正常状态矢量， 从而确定机床发生故障的电器元件。此外，文献 4 5 中还提出了一种改进的人工 神经网络联想记忆模型，并针对x h 0 8 2 5 加工中心总结出典型的故障模式和相应 故障分析。并将该样本向量进行h a d a m a r d 预处理、存储记忆后，可据此模 型进行样本和非样本的并行联想回忆，实现诊断功能。 与专家系统相比，基于a n n 的故障诊断系统具有执行速度快，鲁棒性好、 容错能力强和学习能力强等特点。但是a n n 方法在故障诊断应用中也存在问题， 主要是：由于a n n 的性能取决于样本是否完备，如何获得更加完备的样本集是 关键问题；并且a n n 不擅长处理预测性的知识。 4 支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 浙江大学硕士学位论文绪论 s v m l 4 6 1 是由v a p n i k 领导的研究小组在1 9 6 3 年提出的一种分类技术，s v m 是基于统计学习理论的模式识别方法。 s v m 在数控机床领域故障诊断的典型应用有，s u n 等人提出应用于数控机 床刀具磨损监测的s v m 模型1 4 7 1 ，由于该模型对刀具状态的评估能够融合刀具的 当前状态及刀具寿命引起的潜在风险，从而提供了更加合理的刀具更换的依据。 5 粗糙集理论( r o u g hs e tt h e o r y , r s t ) r s t 是波兰的z p a w l a k 教授于1 9 8 2 年提出的继概率论，模糊集，证据理 论后的又一个处理不完整和不确定性问题的数学工具【4 8 1 。粗糙集方法以对观察 和测量所得数据进行分类的能力为基础，为智能信息处理提供了有效处理技术。 文献【4 9 】系统阐述了粗糙集理论的核心内容并将其应用到故障诊断中，通过 知识约简，导出问题的决策或分类规则，而后结合故障发生的状态特征来进行故 障诊断。它无需提供问题所需处理的数据集合之外的先验信息，能有效地分析和 处理不精确、不一致、不完整等不完备数据，从中发现隐含知识，揭示潜在规律。 粗糙集方法的局限在于，粗糙集方法的诊断规则的获取取决于条件属性集下 各种故障情况训练样本集，当发生多重故障时，粗糙集方法的决策表会变得十分 庞大，甚至会因为出现组合爆炸问题而使得效率下降。 此外，寻找各种新颖的智能诊断方法的结合，有效取长补短，目前也得到了 一些研究。如文献 5 0 】中采用了神经网络在前，专家系统在后的的串联模型结构。 通过故障征兆获取与处理模块将机床中故障征兆信号采集并进行一定的预处理 之后作为神经网络的输入信号，神经网络则采用多层并行结构来完成数控机床中 多类故障类型的求解及推导，最后利用专家系统对其诊断结果进行验证和解释。 本文在综合考虑各种专家系统的基础上，选择了贝叶斯网络方法作为建立智 能故障诊断模型的理论基础。贝叶斯网络与传统模型( 如神经网络) 相比更具有 以下优越性： ( 1 ) 贝叶斯网络便于先验知识和样本数据间的相互联系，具有因果和概率 定义，易与优化决策方法相结合； ( 2 ) 贝叶斯网络用图形的方法描述数据间的相互关系，语义清晰，可理解 性强，有助于利用数据间的因果关系来进行预测； ( 3 ) 贝叶斯网络包含了所有变量之间的依赖关系，使得数据在丢失的情况 浙江大学硕士学位论文绪论 下也能够很方便的进行学习； ( 4 ) 在数控机床领域，常见故障的故障树分析已经较为完善。而通过故障 树分析来构建贝叶斯网络较为便捷，因此，使用贝叶斯网络，便于吸纳已有的经 验知识，提高诊断精度。 与其它建模方式比较，贝叶斯网络有严格的数学理论基础，由于是按照概率 大小来进行选择，不存在局部最小值问题，在小样本的情况下也具有很强的学习 能力，对样本依赖性弱，从而模型具有鲁棒性。有关贝叶斯网络基础理论的讨论 将在本文第二章中展开。 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 图1 3 论文的总体框架 本文研究并设计实现了一种数控机床远程监控与智能故障诊断系统。以贝叶 斯网络理论研究为基础，建立数控设备智能诊断单元系统架构，同时基于 9 浙江大学硕士学位论文绪论 i n t e m e t i n t r a n e t 设计了针对数控机床的远程监测软件，实现数控加工设备加工状 态的远程监控和智能故障诊断。 随着信息技术和计算机技术的飞速发展，数控机床越来越智能化，而设计一 个可靠且稳定的故障报警与诊断系统，对机床而言是至关重要的。本文研究的重 点就在于建立智能故障诊断的模型并编制远程监测机床状态的软件。 本文采用概率统计方法一一贝叶斯网络实现智能诊断功能。首先介绍了贝叶 斯网络的基础理论；然后在此基础上阐述了使用贝叶斯网络对机床的故障建模的 过程并以数控车床工件质量为例建立了相应模型；最后通过数控车床三点振动数 据与加工出的零件的品质优劣等信息验证了模型的有效性。本文的章节结构与内 容如下： 第一章，阐述了论文的研究背景和意义。在介绍国内外数控机床远程监控与 智能故障诊断现状的基础上，分析了当前智能故障诊断系统的主要类型，提出了 用贝叶斯网络对故障建模的方法，最后概述了课题的主要研究内容。 第二章，主要介绍了贝叶斯方法及其理论基础，包括概率论、图模型理论及 贝叶斯网络的构造、推理与学习。并根据实例着重阐述了v e 算法的推理过程及 其与数控机床故障诊断的联系。 第三章，主要介绍了基于贝叶斯网络的数控机床的故障诊断模型，首先介绍 了机床故障诊断系统的结构，包括故障的分类与机床的自诊断；其次通过实例介 绍了贝叶斯网络模型的建立过程，以及建模结束后输入模型中进行推理的数据的 获得方式。 第四章，主要论述了机床故障贝叶斯网络模型的状态数据的远程获得方式及 相关软件设计。首先介绍了软件开发环境及用到的相关函数；并根据需求对软件 的各个模块进行了细节设计。 第五章，本章主要在前几章论述的基础上，利用实验所获取的数据来验证贝 叶斯网络模型。实验中测了数控车床刀架，床身以及主轴三点的振动信息，并通 过数据预处理后得到一个评价指标，而后输入贝叶斯网络故障诊断模型，从而验 证其有效性并证明其优越性。 第六章，对本文的研究工作和研究成果进行了总结，并对将来的研究工作提 出了展望。 1 0 浙江大学硕士学位论文 贝叶斯方法及贝叶斯网络理论 2 贝叶斯方法及贝叶斯网络理论 【本章摘要】本章在介绍了贝叶斯方法和贝叶斯网络相关理论后，分析讨论了贝叶斯网 络的表示与构成，阐述了贝叶斯网络的构造、学习与推理，并结合具体例子着重讨论了贝叶 斯网络v e 算法的推理过程。 2 1 贝叶斯理论基础及方法 贝叶斯统计起源于英国学者贝叶斯( t h o m a sb a y e s ，1 7 0 2 - 1 7 6 3 ) 发表的一篇 论文“论有关机遇问题的求解”【5 。在此论文中他提出著名的贝叶斯公式和一 种归纳推理方法，随后拉普拉斯( l a p l a c e ，ec 1 7 4 9 18 2 7 ) 等人用贝叶斯提出 的方法导出一些有意义的结果。之后虽有一些研究和应用，但由于其理论尚不完 整，应用中又出现一些问题，致使贝叶斯方法长期未被普遍接受。随着学术界对 贝叶斯理论的不断完善，学者瓦尔德( w a l d ，a 1 9 0 2 1 9 5 0 ) 在其提出统计决策 函数论中，认为贝叶斯解是一种最优决策函数。至此，贝叶斯方法开始被应用到 各个领域的不确定性问题研究中。 贝叶斯方法的基本观点【5 2 堤：任何一个未知的变量x 都可以看作是一个随 机变量，可用一个概率分布去描述x 的未知状况。这个概率分布是在抽样前就 有的关于x 的先验信息的概率描述。这个概率分布称为先验分布，或简称先验 ( p r i o r ) 。任一未知量都有不确定性，而在表述不确定性程度时，概率与概率分 布是最好的语言。 贝叶斯方法是基于贝叶斯定理而发展起来用于系统的阐述和解决统计问题 的方法。通过使用贝叶斯方法，可以从事件发生的现象去反推引起事件发生的各 原因可能发生的概率大小5 3 1 。贝叶斯网络( b a y e s i a n n e t w o r k ，b n ) 是在贝叶斯 统计的基础上发展而来的，最早由j p e a r l 于1 9 8 8 年提出，当时主要用于处理人 工智能中的不确定性信息【5 4 1 。贝叶斯网络又称为贝叶斯信念网( b a y e s i a nb e l i e f n e t w o r k ) 是贝叶斯方法的扩展，已经成为近十几年的研究热点，在处理复杂不 确定因素时具有很大的优势，被认为是不确定知识表达和推理领域最有效的理论 模型。贝叶斯网络是一种有向无环图( d i r e c t e da c y c l i cg r a p h ，d a g ) ，它通过 浙江大学硕士学位论文 贝叶斯方泫及贝叶斯网络理论 有向图的形式来表示随机变量间的因果关系，并通过条件概率分布将这种关系数 量化。因此适用于表达和分析不确定性和概率性事物，应用于有条件地依赖多种 控制因素的决策分析，在解决许多实际问题中，从不完全、不精确或不确定知识 或信息中做出推理。 贝叶斯网络被应用到故障诊断领域中，正是由于其出色的处理复杂因果关系 事件中的不确定性信息的能力。 2 1 1 贝叶斯定理与概率论 贝叶斯定理是用于系统的阐述和解决统计问题的贝叶斯网络方法的基础 【5 5 1 。而贝叶斯定理也是概率统计中常用的基本方法，因此，概率论中的基本理 论，也是贝叶斯网络方法的基础理论。本节首先介绍与贝叶斯定理相关的概率方 淳1 5 6 1 ，、o ( 1 ) 条件概率：设彳、b 是两个事件且尸0 ) 0 ，则称概率 撕) = 鬻 旺t ， 为在事件彳发生时的条件下事件b 发生的条件概率。 ( 2 ) 先验概率：设骂，岛，鼠为样本空间s 中的事件，可根据样本空间 s 的相关历史数据分析得出，或根据相关经验知识估计而得，则称p ) 为先验 概率。先验概率通常作为“由因求果”问题中的“因”出现。 先验概率是根据研究对象的历史资料或根据研究者的主观判断确定的描述 研究对象的事件发生的概率，该概率尚未经过实验证实，属于检验前的概率。先 验概率一般分为两类1 5 7 1 ，一类是客观先验概率，指利用过去的历史资料计算而 得；另一类是主观先验概率，指历史资料无从取得或资料不完全时，凭借人们的 主观经验来取得的概率。 ( 3 ) 后验概率：设曰。，岛，色为样本空间s 中的事件，则事件a 发生的 情况下，e 发生的概率尸幢i 彳) ，可根据先验概率尸( e ) 和观测信息重新修正和调 整后得到，通常将尸陋，l 么) 称为后验概率。依据“结果”信息计算出的最有可能 浙江大学硕士学位论文贝叶斯方法及贝叶斯网络理论 是那种“原因”引发，是“执果寻因”问题中的“因”这一点与故障诊断极其 的相似，就是当发生一定的故障现象一一“果”时，寻找其原因。后验概率一般 是利用贝叶斯公式来计算。 ( 4 ) 乘法定理：设彳，b 为事件且尸0 ) 0 ，则有尸0 b ) = p ( s a ) p ( a ) ，由 此可将结论推广到多个事件的积事件情形，设么。，么：，彳。为事件且 p ( 4 4 4 一。) 0 ，则有： p ( a 。a ：以) = p i a 。么：以一。) p 0 川l 彳。a ：彳棚) p 0 ：i 么。) p ( 彳。) ( 2 2 ) ( 5 ) 全概率公式：是一种通过对样本空间进行合理分割来简化概率计算的 方法。在引出全概率公式前，首先定义样本空间的分割。 定义：设随机试验的样本空间为s ，骂，避，e 是一组事件，若这组事件满 足以下两个条件，则称其为该样本空间的一个分割。 ( f ) e b ，= a ，i 工i ，= 1 ，2 ，z ； ( i i ) 垦ub 2u ue = s ， 若e ，岛，最为样本空间s 的一个分割，且尸( e ) o ( i = 1 ，2 ，, ) ，彳是任 一事件，则根据概率的可加性结合乘法原理，可得出乘法公式如下： 尸( 彳) = 尸( 4 ) = 尸( 彳e ) = p ( s , ) e ( a i s , ) ( 2 3 ) b 1 l = l ，= l 选择合适的样本空间的分割e ，垦，玩并利用全概率公式就可以简化概率 的计算，但若样本空间的分割选择不当，反而会使计算更加复杂。 ( 6 ) 贝叶斯定理：全概率公式的实质是综合事件发生的各种原因来推知事 件发生的可能性。但在实际的问题中，常常需要在已知事件发生的条件下分析引 发事件的原因。例如，在上述全概率假设的前提下，已知事件a 发生，求事件e 发生的概率p ( ela ) 。这个问题的求解就引出了贝叶斯定理。 贝叶斯定理5 8 1 ：设试验e 的样本空间为s 。a 为e 的事件，置，垦，色为s 的一个划分，且尸例 d ，p ( b d