隨著先進(jìn)制造技術(shù)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(jī)床作已成為航空復(fù)雜構(gòu)形零件的制造母機(jī)。因其對航空制造整體技術(shù)水平提升的重要意義，其技術(shù)創(chuàng)新和突破成為關(guān)系國家和產(chǎn)業(yè)安全的戰(zhàn)略關(guān)鍵。針對高檔數(shù)控機(jī)床結(jié)構(gòu)復(fù)雜、影響因素眾多的特點(diǎn)，如果不能及時(shí)準(zhǔn)確地對加工狀態(tài)中的器質(zhì)性故障和精度誤差源進(jìn)行診斷，將無法保障制造質(zhì)量和精度，會(huì)導(dǎo)致廢品增加、生產(chǎn)率下降，甚至造成機(jī)床報(bào)廢等重大損失。這就亟需引入動(dòng)態(tài)測控與智能診斷技術(shù)，進(jìn)行辨識加工狀態(tài)異常和智能維護(hù)理論的研究，開發(fā)可運(yùn)行于機(jī)床的集成一體化動(dòng)態(tài)測控和智能診斷軟件，實(shí)現(xiàn)高檔數(shù)控機(jī)床的狀態(tài)可顯示、故障可診斷、性能可預(yù)報(bào)，形成監(jiān)測信息、診斷結(jié)論和實(shí)時(shí)控制方案策略的統(tǒng)一，進(jìn)而達(dá)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(jī)床的常見運(yùn)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(shí)現(xiàn)，如對驅(qū)動(dòng)電流、電機(jī)轉(zhuǎn)角、扭矩等運(yùn)行狀態(tài)信號的監(jiān)測診斷，目前已開發(fā)出相應(yīng)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(jī)床功能部件故障一直是國內(nèi)外數(shù)控機(jī)床故障診斷領(lǐng)域的難題，其原因在于在線監(jiān)測的特征量如振動(dòng)信號、聲發(fā)射信號等具有信號微弱或信噪比低導(dǎo)致的特征提取復(fù)雜性，以及機(jī)床功能部件種類復(fù)雜和多信號調(diào)制導(dǎo)致的運(yùn)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(xiàng)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(shí)現(xiàn)了基于特定監(jiān)測信息的機(jī)床動(dòng)態(tài)測控與故障診斷。但針對機(jī)床運(yùn)行故障信號信噪比低和多信號調(diào)制復(fù)雜性的特點(diǎn)，仍需進(jìn)一步深入研究機(jī)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(shù)，并建立有效的混合智能故障診斷模型，提高故障快速預(yù)報(bào)的準(zhǔn)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(huì)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(dòng)、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(wù)就是對信號的降噪，這就需要采用電子學(xué)、信息論、計(jì)算機(jī)和物理學(xué)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(jìn)行研究。據(jù)被測信號和噪聲的統(tǒng)計(jì)特性及其差別，有針對性地尋找背景噪聲中的有用信號，實(shí)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(shí)時(shí)性的要求，所采集的數(shù)據(jù)長度或采集持續(xù)時(shí)間往往會(huì)受到限制。因此，微弱信號檢測技術(shù)的發(fā)展應(yīng)該歸結(jié)為兩個(gè)方向：一是提高檢測能力，盡可能降低其所能達(dá)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(shí)時(shí)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(shí)域法和頻域法，其中時(shí)域法包括取樣積分、數(shù)字平均、相關(guān)檢測、自適應(yīng)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(diǎn)、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(diǎn)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(shí)，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(jì)理論和高階統(tǒng)計(jì)量、獨(dú)立分量分析、經(jīng)驗(yàn)?zāi)Ｊ椒纸庖约岸喾N方法的綜合應(yīng)用等。
基于隨機(jī)共振（Stochastic Resonance, SR）的微弱信號檢測技術(shù)是近幾年發(fā)展起來的一種新的信號處理技術(shù)。目前，針對大參數(shù)信號的隨機(jī)共振理論，其研究探索仍然以電路模擬試驗(yàn)為主，相關(guān)研究在國外也很少。2005年，F(xiàn)auve等人利用隨機(jī)共振原理對轉(zhuǎn)子早期碰磨故障的微弱特征信號進(jìn)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(guān)聯(lián)性。在國內(nèi)，關(guān)于隨機(jī)共振工程的實(shí)際應(yīng)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(qiáng)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(shí)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(jī)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(jī)共振思想，對大參數(shù)的隨機(jī)共振現(xiàn)象進(jìn)行了較深入的分析和研究，并將該研究成果初步應(yīng)用到電機(jī)、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(jī)共振降噪的經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ǎ私?jīng)驗(yàn)?zāi)Ｊ椒纸獾倪吔缧?yīng)，實(shí)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(gè)傳感器只能獲取局部的信息，對于功能部件多、故障信息復(fù)雜的數(shù)控機(jī)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(jì)算機(jī)技術(shù)對系統(tǒng)運(yùn)行狀態(tài)的多傳感器信息源進(jìn)行監(jiān)測，進(jìn)而綜合運(yùn)用多種人工智能和現(xiàn)代信號處理方法的各自優(yōu)點(diǎn)，取長補(bǔ)短，優(yōu)勢互補(bǔ)，實(shí)現(xiàn)準(zhǔn)確、及時(shí)地機(jī)械系統(tǒng)運(yùn)行狀態(tài)判斷。該方法的特點(diǎn)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(guān)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(diǎn)突出地表現(xiàn)在信息的冗余性、容錯(cuò)性、互補(bǔ)性、實(shí)時(shí)性和低成本性。將系統(tǒng)中若干個(gè)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(shí)刻或不同時(shí)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(jì)。
由于機(jī)床功能部件種類復(fù)雜，多信號調(diào)制和監(jiān)測信號種類多樣性的特點(diǎn)，對機(jī)床的動(dòng)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(shí)變性、隨機(jī)性、模糊性等問題，使得單一的故障診斷方法難以對設(shè)備運(yùn)行的故障狀態(tài)做出準(zhǔn)確有效的預(yù)示，這是制約其實(shí)際應(yīng)用效果的關(guān)鍵因素。因此，綜合運(yùn)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(luò)、聚類分析、進(jìn)化算法等人工智能方法應(yīng)用于數(shù)控機(jī)床的故障診斷中。基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷是近年來應(yīng)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(gè)方面：一是把不同的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到故障診斷中，如采用BP 神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)和自組織特征映射神經(jīng)網(wǎng)絡(luò)等；二是改進(jìn)現(xiàn)有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法或研究新的算法，以提高故障診斷與預(yù)報(bào)的準(zhǔn)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(luò)缺乏故障訓(xùn)練樣本、早期故障與嚴(yán)重故障的關(guān)系等問題。而且大型復(fù)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(gè)系統(tǒng)運(yùn)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(shù)的網(wǎng)絡(luò)專家系統(tǒng)實(shí)現(xiàn)方法，提出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的故障診斷理論，應(yīng)用一種Renyi熵測度下基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥钚《酥С窒蛄繖C(jī)的智能診斷模型。用以進(jìn)行滾動(dòng)軸承的故障診斷試驗(yàn)，成功開發(fā)了機(jī)械設(shè)備智能診斷與預(yù)測維修系統(tǒng)，并在數(shù)控機(jī)床、汽輪發(fā)電機(jī)組等機(jī)械設(shè)備中投入使用。

網(wǎng)絡(luò)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(jī)床動(dòng)態(tài)測控與智能診斷應(yīng)用的搭建
進(jìn)行動(dòng)態(tài)測控與智能診斷技術(shù)的理論研究，最終目標(biāo)是將這些算法構(gòu)建在數(shù)控機(jī)床在線檢測平臺(tái)上，實(shí)現(xiàn)加工運(yùn)行狀態(tài)的實(shí)時(shí)檢測與診斷。從現(xiàn)有的在線檢測設(shè)備來看，存在由于體積制約導(dǎo)致的安裝復(fù)雜性和設(shè)備外置性等特點(diǎn)，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(yīng)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(jī)床基本依賴國外進(jìn)口，技術(shù)壁壘效應(yīng)導(dǎo)致數(shù)控系統(tǒng)開放性較差，實(shí)現(xiàn)機(jī)床故障診斷預(yù)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(diǎn)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(shè)備狀態(tài)監(jiān)測和智能診斷技術(shù)、網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)和人工智能技術(shù)，實(shí)現(xiàn)基于網(wǎng)絡(luò)的數(shù)控機(jī)床智能診斷和遠(yuǎn)程維護(hù)，代表了數(shù)控機(jī)床動(dòng)態(tài)測控與智能診斷應(yīng)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(diǎn)的嵌入式狀態(tài)監(jiān)測診斷系統(tǒng)構(gòu)架，其特點(diǎn)為具有獨(dú)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(dú)立運(yùn)行，以確保數(shù)控指令的實(shí)施和加工狀態(tài)在線監(jiān)測功能的實(shí)時(shí)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(luò)、USB及串口等多種傳輸技術(shù)的監(jiān)測信息通用調(diào)用接口，實(shí)現(xiàn)在線監(jiān)測單元和數(shù)控系統(tǒng)信息的實(shí)時(shí)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(yùn)用強(qiáng)調(diào)了數(shù)據(jù)傳輸實(shí)時(shí)性，具有測控單元開放性、可移植性強(qiáng)的特點(diǎn)。
嵌入式在線監(jiān)測單元與遠(yuǎn)程網(wǎng)絡(luò)監(jiān)控系統(tǒng)的連接采用Internet進(jìn)行嵌入式，在線監(jiān)測單元與網(wǎng)絡(luò)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(shí)時(shí)性要求不高的信息交互。網(wǎng)絡(luò)架構(gòu)下面向復(fù)雜設(shè)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(luò)數(shù)據(jù)庫供選擇( 如Sql Server，Oracle等)，整個(gè)系統(tǒng)框架可以分為三層網(wǎng)絡(luò)，包括基于C/S模式的設(shè)備狀態(tài)監(jiān)測與故障診斷網(wǎng)、基于B/S模式的設(shè)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(yuǎn)程監(jiān)控系統(tǒng)為傳輸協(xié)議服務(wù)對象的TDNC-Connect傳輸協(xié)議，是建立在通用網(wǎng)絡(luò)通信協(xié)議基礎(chǔ)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(jī)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(diǎn)—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(yuǎn)程監(jiān)控系統(tǒng)軟件中構(gòu)建監(jiān)測信息數(shù)據(jù)庫，實(shí)現(xiàn)狀態(tài)信息型數(shù)據(jù)的測點(diǎn)信息精確定位。
確立監(jiān)測指標(biāo)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(shí)時(shí)傳輸至數(shù)控系統(tǒng)并進(jìn)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(biāo)識監(jiān)測數(shù)據(jù)的起始，包括監(jiān)測日期、監(jiān)測時(shí)間等。（2）監(jiān)測全局?jǐn)?shù)據(jù)段：提供狀態(tài)的獲取參數(shù)設(shè)置信息，如分析頻率、采樣點(diǎn)數(shù)、增益、總通道數(shù)、通道的參數(shù)設(shè)置。（3）監(jiān)測信息數(shù)據(jù)段：監(jiān)測到的具體機(jī)床狀態(tài)信號、波形。（4）數(shù)據(jù)結(jié)束標(biāo)識段：標(biāo)識監(jiān)測數(shù)據(jù)包的結(jié)束。
機(jī)床加工狀態(tài)信息數(shù)據(jù)流傳輸協(xié)議：針對機(jī)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(shí)時(shí)性要求相對較低的顯示型數(shù)據(jù)信息，可采用TDNC-Connect 機(jī)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(zhǔn)確率。主要包括以下4 部分內(nèi)
容：(1)設(shè)備信息數(shù)據(jù)段：機(jī)床編號、名稱、車間位置、故障發(fā)生時(shí)間和機(jī)床管理人員信息等。(2) 測數(shù)據(jù)指標(biāo)數(shù)據(jù)段：加工狀態(tài)監(jiān)測位置測點(diǎn)號、監(jiān)測數(shù)據(jù)最大值和報(bào)警閾值等。(3)故障機(jī)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(bào)表數(shù)據(jù)段：故障維修具體方案、維修計(jì)劃、維修報(bào)表等。
在線監(jiān)測單元的構(gòu)建包括獨(dú)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(yùn)行狀態(tài)監(jiān)測、先進(jìn)信號處理、故障診斷、智能維護(hù)功能和遠(yuǎn)程監(jiān)控的數(shù)控機(jī)床現(xiàn)場端應(yīng)用平臺(tái)。該單元實(shí)現(xiàn)了其硬件功能設(shè)計(jì)( 數(shù)據(jù)采集模塊、與數(shù)控系統(tǒng)接口、與遠(yuǎn)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(yuǎn)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(jī)床上構(gòu)建的力、振動(dòng)、噪聲、溫度綜合監(jiān)測信息獲取平臺(tái)，融合多種信號處理及故障診斷的方法，實(shí)現(xiàn)了多傳感器信息下的診斷與智能維護(hù)，確保了數(shù)控機(jī)床高精高效的運(yùn)行。同時(shí)，通過測控單元或數(shù)控系統(tǒng)的網(wǎng)絡(luò)接口及TDNC-Connect傳輸協(xié)議，使數(shù)控系統(tǒng)成為工廠自動(dòng)化網(wǎng)絡(luò)中的一個(gè)智能節(jié)點(diǎn)或終端。促使了多臺(tái)開放式數(shù)控系統(tǒng)與故障診斷網(wǎng)的信息交互、網(wǎng)絡(luò)化數(shù)據(jù)管理、專家系統(tǒng)和遠(yuǎn)程診斷功能的實(shí)現(xiàn)。
結(jié)束語
多年來，人們在復(fù)雜制造系統(tǒng)運(yùn)行狀態(tài)檢測、故障預(yù)警和診斷的技術(shù)研究中，進(jìn)行了加工過程微弱信號特征提取技術(shù)、多傳感器信息融合混合智能診斷建模和在線監(jiān)測驗(yàn)證平臺(tái)搭建的大量研究，已經(jīng)取得了令人鼓舞的成果。但應(yīng)該指出的是，動(dòng)態(tài)測控和智能診斷至今還存在誤報(bào)、漏報(bào)以及及時(shí)性差等問題，特別是對于已預(yù)測到的故障進(jìn)行智能化實(shí)時(shí)控制尚需進(jìn)行進(jìn)一步研究。深入開展動(dòng)態(tài)測控和智能診斷理論及工程應(yīng)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(yīng)用價(jià)值。