一、数控机床故障诊断及维修(论文文献综述)
张言科[1](2021)在《应用AR技术的数控机床故障诊断与辅助维修系统研究与开发》文中提出数控机床作为制造业的核心设备之一,在制造业中有着举足轻重的地位,《中国制造2025》已将数控机床列为“加快突破的战略必争领域”。机床工业的现代化水平和规模已经成为一个国家工业发达程度的重要标志之一。数控机床种类繁多,结构原理复杂,其故障诊断和维修方面存在很多疑点难点。在机床的故障诊断工作过程中,长期存在故障认知难、诊断效率低等问题;在维修过程中,则存在结构认知难、漏操作、误操作等问题,因此需要一款能够帮助技术人员更加高效的进行数控机床故障诊断与维修的系统。针对这些问题,本文提出了基于AR技术的数控机床故障诊断与维修方法,开发了数控机床故障诊断与辅助维修系统,旨在将故障诊断与维修过程可视化,为技术人员提供故障诊断与维修引导,使技术人员不依赖技术手册,提高故障诊断与维修效率。本系统以数控机床故障诊断与维修为对象,应用增强现实技术进行开发,将其运行在安卓系统终端设备上进行真实机床设备展示和操作。本论文的主要工作内容有以下几方面:(1)介绍的选题背景和开发意义,分析了AR技术及其在故障诊断与维修领域的研究现状,确立了课题的基本思路和框架结构,介绍了系统相关理论知识。(2)对系统进行需求分析,确定开发方案,选择合适的开发方案;对系统开发过程进行详细介绍,制作数控车床的模型、动画,开发系统服务器和My SQL数据库,建立CYK360N/1000数控车床主轴调速装置失效故障的故障树诊断模型和案例库,对故障树进行定性和定量分析,利用Unity3D+Vuforia进行客户端开发并进行发布。(3)对系统平面识别、交互设计、着色器可视化、热更新开发等重要开发环节进行阐述,介绍并研究了在开发过程中应用到的关键技术。(4)最后对系统在设备上进行调试,并测试其兼容性,经过运行测试,本系统能够对使用移动设备进行数控机床故障诊断与辅助维修起到积极作用,以3D的表现形式对用户进行指导和培训,提高了检修效率。
陈云飞[2](2021)在《数据驱动的机床故障诊断知识图谱构建与预测维护研究》文中研究说明当前,制造车间正逐步向数字化、网络化和智能化的方向发展。数控机床作为制造车间的基本组成单元,降低机床故障率,提高系统可靠性和延长服役寿命是亟需解决的问题。基于知识工程的视角,对机床故障诊断进行知识化表达与分析,为解决数控机床故障问题提供了全新的思路。因此,本文以机床的特征状态数据和历史故障诊断案例为基础,构建了面向机床故障诊断的知识图谱构建与预测维护体系架构,对机床特征状态数据的清洗、抽取及缺失值填补、机床故障诊断知识图谱构建和融合领域知识图谱的机床故障预测维护方法等关键技术进行了研究,具体内容如下:首先,结合数控机床结构特点与当前车间对数控机床特征状态数据采集需求,对比分析了现有的数控机床数据采集方法;根据数控机床特征状态数据特点,设计了边缘侧的数据迁移计算方案,构建了ETL(Extraction-Transformation-Loading)数据清洗及抽取模型;针对机床特征状态数据在采集及迁移过程中可能出现数据丢失的情况,提出了基于类中心缺失值的填补方法,并设计数控机床故障案例信息表,为后续知识图谱构建提供保障。其次,为实现机床故障知识图谱的构建,根据车间历史故障案例不足问题,通过网络爬虫获取足够的案例源,并建立机床故障领域本体模型;对机床故障案例进行知识加工与融合,基于条件随机场算法进行数控机床故障领域实体识别,采用标签传播算法进行实体间关系提取,采用余弦相似度进行知识融合,最终构建了机床故障领域知识图谱及其可视化表达。进而,以机床特征状态数据为数据源,提出了融合机床故障诊断知识图谱的机床故障预测性维护模型,根据机床故障预测维护评价体系,对特征状态数据进行粗糙集数据约简,减少预测模型的输入层数,以提高算法运行时间;构建基于BP神经网络的机床故障预测模型,采用机床特征状态数据对故障预测模型进行网络训练;故障诊断知识图谱根据预测结果及故障预测性维护评价体系,推荐数控机床维护方案,延长使用寿命。最后,基于上述理论与技术开发了相应的原型系统。构建了数据迁移计算处理应用模块、机床故障诊断知识图谱的构建和应用模块、机床预测与维护应用等三大功能模块,并通过案例测试了所开发原型系统的运行流程,验证了研究方法和模型的可行性。
宋丹[3](2020)在《基于物联网的数控机床远程故障诊断系统》文中认为数控机床是现代制造业中重要的生产设备,一旦发生故障可能导致零件报废、生产停滞,造成企业的经济损失。随着物联网、大数据等先进技术的飞速发展,实现机床远程故障诊断已成为可能。本文以数控机床为对象,研究和开发了基于物联网的数控机床远程故障诊断系统。主要内容如下:(1)在分析机床故障远程诊断系统功能目标及性能目标的基础上,设计其功能模块和逻辑结构,描述各模块和各层的工作内容和工作流程,提出基于NB-IoT技术的数控机床远程故障诊断系统的总体方案。(2)通过开发OPC客户端获取机床运行状态数据,通过开发外接传感器的Lab VIEW客户端获得温度、噪声、振动等数据,通过NB-IoT无线通信模块将数据采集模块采集的数据传输至One NET物联网云平台。(3)针对传统神经网络和极限学习机在故障诊断中存在诊断正确率较低、稳定性不高的问题,并且为了减小核极限学习中随机惩罚因子和随机核参数造成的网络结构波动,提出采用鲸鱼优化算法的核极限学习机(WOA-KELM)故障诊断模型。(4)以滚珠丝杠副振动信号作为模型的测试数据,采用集合经验模态分解和样本熵提取信号特征,通过核函数主元分析方法对提取的特征进行降维,得到模型的输入样本,将WOAKELM模型与WOA-ELM、CBA-KELM、BA-KELM模型的测试结果进行对比分析,表明WOAKELM收敛速度快,收敛精度高、故障识别率高。(5)设计和开发了机床远程故障诊断客户端软件,以实现对故障诊断所涉及数据的可视化管理,包括用户管理、设备管理、故障分类管理、故障在线诊断等功能。
李文进[4](2019)在《基于Android平台的数控机床故障实时管理系统的研究与应用》文中指出目前,我国现有的制造企业在数控机床的故障管理方面依旧采用的是简单的信息管理方式,不仅会消耗大量的人力物力,而且效率不高。随着数字化制造和移动互联网技术的发展,这势必给数控机床的故障管理带来了新的挑战和发展趋势。因此,为了实现工业制造人员对于数控机床的实时监控和故障管理,本文设计与实现了一个基于Android平台的数控机床故障实时管理系统。根据工业企业对于数控机床的高效化管理的实际需求,将系统的主体功能分为系统用户管理、设备信息管理、设备故障诊断、维修信息管理、推送与控制管理以及备件管理等六大功能模块。通过运用故障诊断技术,来进行数控机床故障程序检测,并且达到“人机交互”的效果,运用推送技术来实现故障消息的实时推送。本研究结合MVC框架、UML用例图、JSP+Servlet+Java Bean编程语言、My SQL数据库技术来做为软件开发基础,对软件进行开发,在简要介绍了计算机基础的基本概念之后,依次对系统进行需求分析、系统设计、系统实现以及系统测试,并利用UML功能用例图来具体描述系统的开发过程。利用界面图展示系统在用户终端平台的实现效果,在对系统进行测试之时,利用功能测试表展示测试效果。最后通过总结和展望来展示系统的研究成果和研究意义。本系统正在测试运行阶段,通过功能测试的结果表明该系统设计功能逻辑结构清晰。本系统的创新点在于将传统的数控机床故障实时管理系统由PC端转移至Android系统,在界面上更加美观,操作也更为方便。其次,由后台实时监控数控机床的故障信息,缓解了工作人员的工作压力,并将故障信息完成信息推送。工作人员在接收到故障信息后,还能实现对故障机床的远程控制操作,帮助工作人员及时发现问题、解决问题,为制造企业创造良好的经济价值。
关进良[5](2019)在《基于PMC的加工中心自动换刀装置及故障诊断研究》文中指出数控加工中心带有刀库和自动换刀装置,是智能制造和数字化生产线建设的关键设备,在加工结构形状复杂且精度要求高等产品时,可以实现一次装夹、多工序连续加工,对国家制造业的发展起着至关重要的作用。本文的目的在于运用FANUC PMC(可编程机床控制器),对自动换刀装置的硬件和软件控制进行了设计,并研究了其故障诊断方法,大大减少了产品加工的辅助时间,提高故障定位准确度,极大地提高了生产率。本文以龙门式四轴联动数控加工中心为研究对象,介绍了数控机床和PMC的基本结构和工作原理,对刀库和机械手的类型、驱动方式进行了调研和选型,确定使用圆盘式刀库、并采用机械手随机换刀方式,分析了换刀方式和刀具交换过程,提出了自动换刀的总体控制方案。设计了刀库选刀和随机换刀的算法和自动换刀的PMC整体程序流程,研究了宏变量和用户宏程序,设计了自动换刀用户宏程序。之后,阐述了基于PMC的外部报警原理,结合自动换刀过程中出现的典型故障实例,设计出自动换刀有关的故障诊断整体流程和故障诊断管理系统。最后,在总结现场调试经验的基础上,设计了自动换刀装置的调试流程,并对调试过程中的主轴定向角度调整等关键点进行了详细说明。结果表明,经过多次换刀测试,刀库定位准确,实现了机械手随机换刀,一次换刀周期平均为1.7~2S,且换刀出现故障时机床能及时显示报警信息,便于进行故障诊断。
胡小静,赵纪国[6](2019)在《数控机床故障诊断与维修综合实训系统的研究》文中进行了进一步梳理本文对数控机床故障诊断与维修综合实训系统进行了研究。通过数控装置、电动机、驱动装置等硬件的选择以及数控装置与端子板、外部计算机、手持单元、主轴装置、进给驱动装置等的连接,完成了数控车床故障诊断与维修综合实训系统、数控铣床故障诊断与维修综合实训系统、加工中心故障诊断与维修综合实训系统的安装。通过调试,该系统实现了预期的目的。这些系统可以进行机床电气控制方面的实验以及数控机床常见故障的诊断和排除。实现了数控车床主轴运转故障诊断与排除,数控车床进给故障诊断与排除,车床刀架换刀故障诊断与排除,手轮进给故障诊断与排除,X、Z轴返回参考点故障诊断与排除,X、Z轴硬限位故障诊断与排除,铣床主轴运转故障诊断与排除,铣床各轴返回参考点故障诊断与排除,铣床润滑和冷却系统故障诊断与排除,铣床各轴限位故障诊断与排除等常见故障诊断和排除。
刘茵[7](2019)在《面向健康状态诊断的数控机床故障辨识方法研究》文中进行了进一步梳理数控机床作为现代制造生产中的关键技术设备,以其高精密度、高效率的生产特性成为了现代工业之母。因机床故障而引起的停机事件给企业带来了巨大的经济损失,而数控机床机械部件由于诊断困难广泛采用定期维护与更换的维修制度,造成人力与物质资源的极大浪费,因此对数控机床的健康诊断和故障辨识方法研究具有十分重要的意义。本文以数控机床的常见故障部件伺服系统、滚动轴承和变速齿轮箱为研究对象,以现代机器学习理论及方法为基础,针对其故障机理、故障特征提取、故障模式分类以及健康状态评估等方面进行深入地研究,分别开展了基于贝叶斯网络的灰色关联区间三角模糊多属性伺服系统故障诊断方法、基于流形学习的变速箱故障特征提取方法和基于深度卷积神经网络的滚动轴承故障分类方法的研究,并搭建了面向健康状态诊断的数控机床故障辨识系统。论文的主要工作如下:(1)针对数控机床伺服系统故障信息属性权重未知的特点,通过对伺服系统机理分析,提出一种基于贝叶斯网络的灰色关联区间三角模糊多属性故障诊断方法。将主轴伺服系统各故障信息之间多属性层次结构利用贝叶斯网络建立了逻辑关系,为了获得各故障信息的权重值,在传统灰色关联分析理论的基础上,通过构建多目标优化模型,得到故障信息概率矩阵。提出区间三角数模糊多属性问题算法,利用其探明引起数控机床主轴伺服系统故障原因,求解参考序列和比较序列的灰色关联度,以获得区间数表述的灰色关联度并排序。通过仿真试验验证了所提方法的有效性,查找到引起主轴伺服系统故障的主要原因。(2)针对变速齿轮箱非线性耦合的故障特点,应用流形学习算法原理,提出一种应用于变速齿轮箱故障的监督拉普拉斯特征学习算法。该算法通过结合局部邻域信息和类别标签信息的一致性,有效地利用了高维非线性数据集中嵌入的内在几何结构;然后将该算法应用于数控机床变速箱的故障特征提取,提出一种基于流形学习的变速箱故障特征提取新方法。该方法通过直接学习数据提取高维故障数据中的本征流形特征,在很大程度上保留了嵌入在信号中的整体几何结构信息,并利用类别标签信息来指导训练数据的聚类,将复杂模态空间转化为低维特征空间,从而易于实现模式分类和故障诊断。同时进行了变速箱故障试验,对比传统的特征提取方法PCA、LDA以及LaplacianEigenmaps算法,新方法体现了更好的分类能力,明显提高了故障模式识别的分类性能,从而验证了所提方法的可行性和有效性。(3)以数控机床滚动轴承为诊断对象,针对轴承故障振动信号非线性、非平稳、样本大数据等特性,在深度学习理论的基础上,提出一种基于深度卷积神经网络的轴承故障分类方法。该方法通过利用深度卷积神经网络较强的特征学习能力,可从原始振动信号中提取有效特征,对滚动轴承的健康状态进行了模式分类。通过对试验样本集和数控机床滚动轴承故障的试验结果表明,该方法表现了较好的故障分类效果,被证明是一种有效的故障分类方法。(4)建立面向健康状态的数控机床故障辨识系统,搭建了数据采集试验平台,确定了各传感器的型号和各部件测点位置,系统采用cRIO数据采集控制器采集各研究对象的振动信号和噪声信号,利用Labview和Matlab混合编程技术,实现了数据采集、数据分析和时频特征提取,通过运用提出的故障辨识方法对机床主轴伺服系统、变速齿轮箱和滚动轴承的故障试验,诊断结果验证了所提出的系统模型是有效的。
谢贺年[8](2018)在《基于EL冷光线的数控机床电气故障可视化高效排查方法研究》文中进行了进一步梳理随着国内经济的快速发展,数控机床设备在制造业中的应用已经非常普遍。据统计,国内现有上千万台数控机床设备,而且正以每年几十万台甚至上百万台的数量激增。如此巨大的市场保有量,带来的也是巨大的数控机床设备保养、维修问题。目前,数控机床设备电气故障的主流检修方式是万用表电压电流测试法,其优点是操作简单,对检测工具要求不高,方法成熟,缺点是排查时间长,对排故人员经验要求高,效率极其低下。因此,有必要探索一种更高效的排故方法,降低高技能人才依赖程度,实现数控机床设备电气故障的快速、直观性检测,为企业的连续生产保驾护航。本文以数控机床设备典型电气系统为研究对象,建立了基于马尔可夫离散概率的数控机床设备电气故障排查时间模型;通过分析排查时间模型的各个参数,找到影响排故时间的关键性因素;基于关键因素,提出利用EL冷光线的发光特性,快速识别故障点,从而降低排故总时间。随后,文章介绍了 EL冷光线的发光工作原理,计算了 EL冷光线的热效应和使用寿命,并将EL冷光线的热效应和使用寿命两方面与普通工业导线进行对比,得到EL冷光线的物理特性可以满足使用要求的结论。因此,基于EL冷光线的数控机床电气故障可视化高效排查方法是可行的。在文章的后半部分,作者将这种理论用于实践,解决了电源匹配问题、驱动器接入、EL冷光线接线方式等工艺问题。随后,文章进行了故障试验,通过虚拟界面、实物接线两种方式,验证典型单回路、多回路中,应用EL冷光线时的故障表现形式;再进行效率试验,在典型单点故障、多点故障中,分别测量应用传统万用表和EL冷光线技术的故障排查时间,通过试验数据分析,得出EL冷光线技术在数控机床电气故障排查方面具有显着优势。
曹磊[9](2018)在《数控机床故障诊断系统研究与设计》文中研究说明关于数控机床故障类型及诊断的研究由来已久,由于数控机床是集机械、电子、液压等技术于一体的多元系统,所以在生产加工过程中,其任何一个部分出现了故障,都会对机床的正常运行产生影响。而通常故障部件都有若干表象,且每一种部件的组成也很复杂,其类型、功能与原理也各有不同。传统的维修诊断工作是基于人工的,出于对成本等因素的综合考虑,在实际的生产运行中不可能完全由维修专家完成维修作业。故以故障诊断技术为核心,开发智能故障诊断系统,能让非专家的维修人员完成专家维修人员的工作,从而迅速处理机床故障,及时恢复生产的正常运转,对企业的正常生产经营及技术革新具有深远的意义。本文选取了南京齿轮责任有限公司所采用的数控机床作为研究样本,分析其故障类型和诊断技术,着眼于数控机床需求开展分析,提出以案例库的知识获取技术作为本文的技术、理论基础。对数控机床的故障特征进行分析并建立故障树,为后续的数控机床故障诊断系统的开发建立学理支撑。系统开发完毕后,对两类机床的故障诊断进行试验研究,结果表明本系统能够达到故障判定和精确定位的效果。本系统依照提出问题-分析问题-解决问题的思路展开研究。探究本文案例库技术的本质所在,基于特定数控机床所对应的适用领域,构建并完善数控机床故障的案例库,以备后续诊断用。本文的技术选型具有一定的代表性和普遍性。在进行故障判定和监测时,提升了查询速度与判断精度。从软件开发技术视角出发,经过认真比选,确定了以VisualC++、MFC两类技术作为本文的研发工具,在应用ADO连接的同时,基于性能考虑,构建故障树的ACCESS案例库,因而具有一定先进性和可扩展性。后续的故障诊断实验验证了本研究开发的系统在实际故障诊断中的可行性、实用性、准确性。
周强[10](2018)在《机床故障诊断知识建模和可配置系统构建方法研究》文中进行了进一步梳理故障诊断作为机床健康管理的重要内容对延长机床寿命、提高生产效率、降低生产成本具有重要意义。从国内外研究现状来看,在基于信号处理、模式识别和物理模型等数据驱动的故障诊断方法上有了大量的研究,取得了丰富的研究成果。在知识驱动的故障诊断方法方面,也有了一定的研究进展,但关于故障知识的有效组织、表示、共享和应用的研究仍比较少。知识驱动方法在提高故障诊断知识表示能力和故障诊断系统的智能水平上有着重要作用。随着机床复杂程度的增加、对智能程度需求的增长和人工智能技术的发展,对具有综合性、可配置性和智能性的机床故障诊断系统提出了迫切的需求。因此,本文针对机床故障诊断问题,从知识的角度研究了机床故障诊断知识建模和可配置系统构建方法。主要内容包括:(1)在分析机床故障诊断问题和发展需求的基础上,提出了一种用于机床故障诊断的多维度的分析模型,从层次维、活动维和时间维三个维度对机床故障诊断问题进行分析,描述了研究对象的时空属性和研究方法的类别属性。然后,提出了一种机床故障诊断知识管理体系结构,以知识为核心对机床故障诊断过程中各个结构层次、时间阶段和故障诊断活动所涉及到的静动态知识进行获取、处理、组织和应用,开展数据驱动、知识驱动和二者混合的故障诊断,实现故障诊断知识的共享、集成、应用和更新。(2)研究了机床故障诊断知识建模方法,用于构建不同类型机床的基于本体的故障诊断知识模型。采用基于谓词逻辑的故障要素分析法研究机床故障诊断领域知识并提取机床故障诊断领域的公共本体,从而建立机床故障诊断知识模型核心本体并保证故障知识的标准语义。借助提出的外部本体引用法和两级分类法对核心本体扩展,构建特定机床的故障诊断知识模型和知识库。支持多种知识推理技术和知识查询技术进行故障诊断和知识检索。上述方法将有效地支持构建共享、开放和可扩展的不同类型机床的故障诊断知识模型及知识库。以滚齿机为例建立了机床故障诊断知识模型和知识库并进行了推理和查询验证以展示所提方法的合理性和有效性。(3)提出了一种基于本体和信号分析的机械零部件混合故障诊断方法,包括了从原始故障数据到故障分析、故障推理及故障解决的全部过程。提出了一种语义映射技术将信号分析结果和本体元素关联,结合信号分析和本体的优势,以实现准确、系统和智能的故障诊断。最后,以典型机床零部件滚动轴承为例对所提出的方法进行案例研究,对滚动轴承的振动数据进行特征提取,采用连续混合高斯隐马尔科夫算法进行点蚀故障辨识,然后对辨识结果开展语义映射和知识推理,实验结果表明该方法的有效性。(4)研究了机床故障诊断的可配置技术。介绍了基于知识的可配置机床故障方法,包括基于本体的机床故障诊断方法、基于知识的可配置机床故障诊断原理和相关的故障诊断知识库。然后设计了一种机床故障诊断可配置平台,包括基于语义网的故障知识管理系统、基于本体的机床可配置故障诊断系统和可配置机床数据采集系统等,并给出了该平台的配置和实施方法。对故障检测、故障辨识、故障诊断、故障解决和知识更新等活动的可配置技术进行研究。还研究了机床可配置运行状态数据采集技术,用于对不同的数据源、不同数据采集需求进行配置和采集,对外提供一致的机床运行数据,满足数据驱动的故障诊断的需求。该方法支持知识驱动和数据驱动的混合故障诊断,支持按需配置不同范围和强度的故障诊断活动,具有通用性、可配置性和可扩展性。最后在上述工作基础上,设计和开发了可配置机床故障诊断原型系统,包括基于语义网的故障知识管理系统、基于本体的可配置滚齿机故障诊断系统和可配置机床数据采集系统等。介绍了该原型系统的体系结构、主要模块和开发技术,并以机床故障代码、滚动轴承和齿轮的故障诊断为例开展实验,验证所提方法的有效性。
二、数控机床故障诊断及维修(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数控机床故障诊断及维修(论文提纲范文)
(1)应用AR技术的数控机床故障诊断与辅助维修系统研究与开发(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 问题的提出背景及课题研究意义 |
1.1.1 问题提出背景 |
1.1.2 课题研究意义 |
1.2 国内外研究现状 |
1.2.1 AR技术研究现状 |
1.2.2 AR故障诊断与维修国外研究现状 |
1.2.3 AR故障诊断与维修应用国外研究现状 |
1.3 论文基本思路和框架结构 |
1.3.1 基本思路 |
1.3.2 框架结构 |
第2章 数控机床故障诊断与辅助维修系统理论 |
2.1 数控机床系统概述 |
2.2 数控机床故障诊断技术 |
2.2.1 数控机床故障类型 |
2.2.2 基于故障树分析的故障诊断方法 |
2.2.3 基于案例库的故障诊断方法 |
2.3 增强现实技术 |
2.3.1 三维跟踪注册技术 |
2.3.2 增强现实系统组成 |
2.4 本章小结 |
第3章 数控机床故障诊断与辅助维修系统开发 |
3.1 需求分析 |
3.1.1 功能需求分析 |
3.1.2 用户需求分析 |
3.2 系统开发方案及开发工具的选择 |
3.2.1 系统框架组成 |
3.2.2 系统硬件环境 |
3.2.3 系统软件环境 |
3.3 数控机床模型及动画制作过程 |
3.3.1 机床模型建模过程及优化 |
3.3.2 数控机床模型动画制作 |
3.4 系统后端开发 |
3.4.1 服务器开发设计 |
3.4.2 数据库开发设计 |
3.5 故障树诊断模型构建 |
3.5.1 故障树模型创建 |
3.5.2 故障树定性分析 |
3.5.3 故障树定量分析 |
3.6 Unity客户端开发 |
3.6.1 客户端场景开发 |
3.6.2 AR故障诊断与维修功能开发 |
3.6.3 系统发布 |
3.7 本章小结 |
第4章 数控机床故障诊断与辅助维修系统开发过程关键技术研究 |
4.1 平面识别实现 |
4.1.1 SLAM技术 |
4.1.2 系统平面识别模块开发 |
4.2 系统交互开发 |
4.2.1 系统交互方式 |
4.2.2 系统交互设计 |
4.3 着色器开发 |
4.3.1 Shader Graph分类 |
4.3.2 机床模型边缘高光实现 |
4.3.3 Fresnel Effect节点分析 |
4.4 系统版本热更新 |
4.4.1 系统热更新方案选择 |
4.4.2 ILRuntime热更新的迁入及Hot Fix环境配置 |
4.5 本章小结 |
第5章 数控机床故障诊断与辅助维修系统运行测试与分析 |
5.1 系统构成 |
5.2 系统功能的实现 |
5.2.1 系统登录 |
5.2.2 机床原理认知学习 |
5.2.3 数控机床故障诊断与维修模拟培训的实现 |
5.2.4 数控机床故障诊断与维修辅助功能的实现 |
5.3 系统兼容性测试 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表及科研情况 |
(2)数据驱动的机床故障诊断知识图谱构建与预测维护研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题来源与研究背景 |
1.1.1 选题来源 |
1.1.2 研究背景 |
1.2 国内外研究现状 |
1.2.1 机床数据采集与处理技术 |
1.2.2 领域知识图谱的构建技术 |
1.2.3 机床故障预测维护技术 |
1.3 论文主要研究内容及意义 |
1.3.1 主要研究内容 |
1.3.2 研究意义 |
1.4 章节安排 |
第二章 机床故障诊断知识图谱构建与预测维护的体系结构 |
2.1 KGCPM-MTFD的内涵与特征 |
2.1.1 相关概念 |
2.1.2 内涵与特征 |
2.2 KGCPM-MTFD体系架构 |
2.3 KGCPM-MTFD运行逻辑 |
2.4 KGCPM-MTFD关键使能技术 |
2.4.1 机床特征数据采集与迁移计算方案 |
2.4.2 基于领域知识的机床故障诊断知识图谱构建 |
2.4.3 融合机床故障领域知识图谱的故障预测维护 |
2.5 本章小结 |
第三章 机床特征状态数据采集与迁移计算方案 |
3.1 机床特征状态数据采集的需求分析 |
3.2 机床特征状态数据采集方法 |
3.2.1 基于FANUC函数库数据采集方法 |
3.2.2 基于OPC协议的数据采集方法 |
3.2.3 基于RS-232串口的数据采集方法 |
3.2.4 基于多传感器的数据采集方法 |
3.3 数据采集方法比较 |
3.4 机床特征状态数据迁移计算处理 |
3.4.1 ETL数据抽取方案 |
3.4.2 基于类中心缺失值填补方法 |
3.4.3 案例研究 |
3.5 机床故障诊断案例数据表设计 |
3.6 本章小结 |
第四章 基于领域知识的机床故障诊断知识图谱构建 |
4.1 机床故障诊断知识分析 |
4.2 机床故障诊断知识图谱的构建流程 |
4.2.1 领域知识图谱的构建方式 |
4.2.2 构建整体流程 |
4.3 机床故障知识本体建模设计 |
4.4 机床故障案例数据的获取 |
4.4.1 机床故障案例来源分析 |
4.4.2 网络文本的获取技术 |
4.5 机床故障知识加工 |
4.5.1 机床故障领域实体识别 |
4.5.2 知识融合 |
4.5.3 实体关系抽取 |
4.6 机床故障知识存储与可视化表达 |
4.6.1 知识的存储类型 |
4.6.2 统一数据格式 |
4.6.3 知识导入Neo4J |
4.6.4 知识可视化表达 |
4.7 本章小结 |
第五章 融合机床故障诊断知识图谱的故障预测维护 |
5.1 机床故障预测描述 |
5.2 融合机床故障领域知识图谱的故障预测维护体系评估 |
5.2.1 故障预测方法的导入分析 |
5.2.2 故障预测方法的重要度评估 |
5.2.3 重要度评价方法 |
5.3 基于粗糙集的故障数据表属性约简 |
5.4 基于BP神经网络的故障预测模型构建 |
5.4.1 BP神经网络定义 |
5.4.2 BP网络层数设计 |
5.4.3 数据归一化 |
5.4.4 BP网络参数的选择 |
5.4.5 BP网络的训练 |
5.5 案例研究 |
5.6 本章小结 |
第六章 原型系统开发与案例验证 |
6.1 系统开发与运行环境 |
6.2 系统执行流程 |
6.3 案例分析 |
6.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(3)基于物联网的数控机床远程故障诊断系统(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 机床数据采集现状 |
1.2.2 物联网技术的应用现状 |
1.2.3 故障诊断技术现状研究 |
1.3 论文主要研究内容 |
第二章 机床远程故障诊断系统总体方案设计 |
2.1 西门子840D数控系统的结构和故障分类 |
2.1.1 西门子840D数控系统的软硬件结构 |
2.1.2 数控机床故障分类 |
2.2 机床远程故障诊断系统需求分析 |
2.2.1 系统的工作流程 |
2.2.2 系统的功能目标 |
2.2.3 系统的性能目标 |
2.3 机床远程故障诊断系统总体方案设计 |
2.4 本章小结 |
第三章 数据采集与无线通信模块 |
3.1 数据采集模块设计 |
3.1.1 基于OPC技术的数据采集 |
3.1.2 基于传感器技术的数据采集 |
3.2 无线通信模块 |
3.2.1 NB-IoT通信技术 |
3.2.2 NB-IoT模块选型 |
3.2.3 NB-IoT云平台的接入 |
3.3 本章小结 |
第四章 信号处理与故障诊断模型 |
4.1 基于振动信号的滚珠丝杠副机理分析 |
4.2 信号时频域分析 |
4.2.1 时域分析及特征参数提取 |
4.2.2 频域分析及特征参数提取 |
4.2.3 时频域分析及特征参数提取 |
4.3 基于核函数主元分析的特征筛选 |
4.3.1 核函数主元分析原理 |
4.3.2 基于KPCA方法的滚珠丝杠副状态信息特征筛选 |
4.4 基于鲸鱼优化核极限学习机故障诊断模型 |
4.4.1 极限学习机 |
4.4.2 核极限学习机 |
4.4.3 鲸鱼优化算法 |
4.4.4 WOA-KELM诊断模型性能分析 |
4.5 本章小结 |
第五章 远程故障诊断客户端软件设计 |
5.1 系统的软件架构 |
5.2 客户端软件设计与实现 |
5.2.1 用户管理 |
5.2.2 设备管理 |
5.2.3 数据来源 |
5.2.4 故障分类管理 |
5.2.5 故障信息管理 |
5.2.6 故障在线诊断 |
5.2.7 历史数据查询 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
附录一 数控机床常见现象及原因表 |
(4)基于Android平台的数控机床故障实时管理系统的研究与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容与组织架构 |
1.3.1 主要研究内容 |
1.3.2 组织架构 |
第二章 数控机床故障实时管理系统需求分析 |
2.1 系统总体需求分析 |
2.2 系统可行性 |
2.3 系统功能需求分析 |
2.3.1 系统用户管理功能需求分析 |
2.3.2 设备信息管理功能需求分析 |
2.3.3 设备故障诊断功能需求分析 |
2.3.4 维修信息管理功能需求分析 |
2.3.5 推送与控制管理功能需求分析 |
2.3.6 备件管理功能需求分析 |
2.4 系统性能需求分析 |
2.5 本章小结 |
第三章 数控机床故障实时管理系统的设计 |
3.1 系统总体设计 |
3.1.1 系统基本架构及数据流程设计 |
3.1.2 数控设备联网设计 |
3.2 数控机床系统加工过程设计 |
3.3 系统功能模块设计 |
3.3.1 系统用户管理功能设计 |
3.3.2 设备信息管理功能设计 |
3.3.3 设备故障诊断功能设计 |
3.3.4 维修信息管理功能设计 |
3.3.5 推送与控制管理功能设计 |
3.3.6 备件管理功能设计 |
3.4 数据库详细设计 |
3.4.1 数据库概念设计 |
3.4.2 数据库物理设计 |
3.5 故障诊断程序设计 |
3.6 本章小结 |
第四章 数控机床故障实时管理系统的实现 |
4.1 系统开发工具及运行环境 |
4.2 系统功能模块的实现 |
4.2.1 系统用户管理功能实现 |
4.2.2 设备信息管理功能实现 |
4.2.3 设备故障诊断功能实现 |
4.2.4 维修信息管理功能实现 |
4.2.5 推送与控制管理功能实现 |
4.2.6 备件管理功能实现 |
4.3 Android客户端推送服务的实现 |
4.4 本章小结 |
第五章 数控机床故障实时管理系统的测试 |
5.1 测试概述 |
5.2 功能测试 |
5.3 性能测试 |
5.4 测试结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(5)基于PMC的加工中心自动换刀装置及故障诊断研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外研究情况 |
1.3 与本文有关的技术 |
1.3.1 数控技术和数控机床 |
1.3.2 可编程机床控制器PMC |
1.4 本文主要研究内容 |
第2章 自动换刀装置组成及总体控制方案研究 |
2.1 刀库类型及其特点 |
2.1.1 斗笠式刀库 |
2.1.2 圆盘式刀库 |
2.1.3 链式刀库 |
2.1.4 格子盒式刀库 |
2.1.5 中央刀库 |
2.2 机械手 |
2.2.1 机械手类型及其特点 |
2.2.2 机械手驱动方式 |
2.2.3 机械手手臂和手爪 |
2.3 刀具交换的类型 |
2.3.1 无机械手刀具交换 |
2.3.2 有机械手刀具交换 |
2.4 自动换刀装置硬件组成及结构特点 |
2.5 总体控制方案 |
2.5.1 主轴定向控制方案设计 |
2.5.2 驱动方案设计 |
2.5.3 总体控制方案设计 |
2.5.4 PMC总体地址分配设计 |
2.5.5 M代码和T代码功能设计 |
2.6 本章小结 |
第3章 记忆式刀库选刀和随机换刀算法设计 |
3.1 选刀方式和换刀方式研究 |
3.1.1 选刀方式 |
3.1.2 选刀编码方式 |
3.1.3 加工中心换刀方式 |
3.2 记忆式刀库选刀(T功能设计) |
3.2.1 刀库选刀PMC程序流程设计 |
3.2.2 刀库选刀过程分析 |
3.3 记忆式随机换刀算法设计 |
3.3.1 建立刀库数据表 |
3.3.2 根据T指令检索目标刀具对应的刀座号 |
3.3.3 根据当前刀座号和目标刀座号计算旋转方向和旋转步数 |
3.3.4 刀库旋转到位进行数据表更新 |
3.4 本章小结 |
第4章 自动换刀系统控制程序设计 |
4.1 PMC程序设计方法及编程软件 |
4.1.1 PMC程序设计流程 |
4.1.2 PMC编程软件介绍 |
4.2 自动换刀M代码功能设计 |
4.2.1 M代码辅助功能译码原理 |
4.2.2 M代码功能PMC程序设计流程 |
4.3 基于PMC的随机换刀程序控制设计 |
4.3.1 随机换刀分解动作 |
4.3.2 随机换刀刀库控制时序设计 |
4.3.3 随机换刀机械手控制时序设计 |
4.3.4 换刀PMC控制程序流程设计 |
4.4 自动换刀宏程序设计 |
4.4.1 FANUC宏程序概述 |
4.4.2 变量 |
4.4.3 整体宏程序设计 |
4.5 本章小结 |
第5章 自动换刀系统典型故障诊断研究及解决方案 |
5.1 基于PMC的故障诊断原理 |
5.1.1 FANUC系统数控机床报警概述 |
5.1.2 基于PMC的外部报警设计 |
5.1.3 宏程序报警原理与设计 |
5.2 典型故障实例诊断分析及故障总结 |
5.2.1 刀库计数器错误故障诊断研究 |
5.2.2 加工中心机械手卡住故障诊断研究 |
5.2.3 加工中心刀库定位故障诊断研究 |
5.2.4 自动换刀故障诊断总结 |
5.3 故障诊断管理系统的建立与应用 |
5.3.1 建立故障诊断管理系统的必要性 |
5.3.2 衡量设备可靠性的几个指标 |
5.3.3 故障诊断管理系统总体设计 |
5.3.4 故障诊断管理系统实际应用 |
5.4 本章小结 |
第6章 自动换刀装置现场安装调试 |
6.1 自动换刀装置现场调试流程设计 |
6.2 串行主轴定向角度的调试 |
6.3 第二参考点的调试 |
6.4 机械手扣刀位置的调试 |
6.5 刀具入库的调试 |
6.6 换刀测试过程和结果 |
6.7 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(6)数控机床故障诊断与维修综合实训系统的研究(论文提纲范文)
0前言 |
1 数控机床常见的故障类型 |
2 综合实训系统的硬件选择 |
2.1 数控装置的选择 |
2.1.1 数控车床、数控铣床数控装置的选择 |
2.1.2 加工中心数控装置的选择 |
2.2 电机的选择 |
3 综合实训系统的安装 |
4 数控机床常见故障诊断与排除 |
5 结论 |
(7)面向健康状态诊断的数控机床故障辨识方法研究(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景、意义及目的 |
1.2 数控机床故障诊断国内外研究现状 |
1.2.1 伺服系统故障诊断国内外研究现状 |
1.2.2 变速齿轮箱故障诊断国内外研究 |
1.2.3 滚动轴承故障诊断国内外研究现状 |
1.3 健康状态诊断评估国内外研究现状 |
1.4 本文研究内容和技术路线 |
1.5 本章小结 |
2 故障信息权重未知的主轴伺服系统故障诊断方法研究 |
2.1 引言 |
2.2 伺服系统故障机理分析 |
2.3 基于贝叶斯网络的灰色系统关联分析法 |
2.3.1 贝叶斯网络 |
2.3.2 灰色系统理论 |
2.4 基于灰色关联法修正的区间三角模糊多属性方法 |
2.5 基于区间三角模糊多属性灰色关联决策方法的主轴伺服系统故障分析 |
2.6 本章小节 |
3 基于流形学习的变速箱故障特征提取方法研究 |
3.1 引言 |
3.2 变速齿轮箱故障机理分析 |
3.2.1 齿轮箱动力学分析 |
3.2.2 齿轮振动原理分析 |
3.3 流形学习 |
3.4 监督拉普拉斯特征学习算法 |
3.5 基于监督拉普拉斯特征学习的变速箱故障特征提取方法 |
3.6 故障特征提取试验分析 |
3.6.1 IRIS样本集 |
3.6.2 转子试验台模拟数据 |
3.6.3 机床变速箱数据 |
3.7 本章小结 |
4 基于深度卷积神经网络的滚动轴承故障分类方法研究 |
4.1 引言 |
4.2 滚动轴承故障机理分析 |
4.2.1 滚动轴承动力学分析 |
4.2.2 滚动轴承振动分析 |
4.3 深度学习 |
4.4 深度卷积神经网络 |
4.4.1 深度卷积神经网络结构 |
4.4.2 卷积层 |
4.4.3 池化层 |
4.4.4 全连接层 |
4.5 基于深度卷积神经网络的轴承故障分类方法 |
4.6 滚动轴承故障诊断实例 |
4.7 本章小结 |
5 数控机床健康状态诊断与故障辨识系统试验 |
5.1 引言 |
5.2 数控机床健康状态诊断与故障辨识系统构建 |
5.3 试验方案设计 |
5.3.1 传感器选择 |
5.3.2 I/O模块选择 |
5.3.3 数据采集平台选择 |
5.4 数控机床主轴伺服系统故障试验 |
5.5 数控机床变速箱故障试验 |
5.6 数控机床滚动轴承故障试验 |
5.7 数控机床健康诊断与故障辨识系统 |
5.7.1 系统设置模块 |
5.7.2 数据采集分析模块 |
5.7.3 健康分析模块 |
5.7.4 故障辨识模块 |
5.8 本章小结 |
6 总结与展望 |
6.1 结论 |
6.2 论文创新点 |
6.3 研究展望 |
参考文献 |
致谢 |
攻读学位期间主要成果 |
(8)基于EL冷光线的数控机床电气故障可视化高效排查方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状及发展动态分析 |
1.3 常用数控机床电气设备故障诊断技术 |
1.3.1 电气故障的分类 |
1.3.2 排除电气故障的一般步骤 |
1.3.3 电气故障诊断的方法 |
1.4 论文主要研究内容 |
第2章 基于马尔可夫离散概率的数控机床设备电气故障排查时间模型 |
2.1 马尔可夫离散概率原理 |
2.2 基于马尔可夫离散概率理论建立数控机床设备电气故障排查时间模型 |
2.2.1 数控机床设备典型电气系统 |
2.2.2 针对典型电气系统建立故障排查时间模型 |
2.3 影响数控机床设备电气故障排查时间的关键因素分析 |
2.4 基于故障排查关键因素提出解决方案 |
2.5 本章小结 |
第3章 EL冷光线技术在数控机床诊断中的可行性分析 |
3.1 EL冷光线技术原理 |
3.2 基于EL冷光线技术的故障诊断机理 |
3.3 EL冷光线的热效应分析 |
3.3.1 热效应计算 |
3.3.2 温升百分比 |
3.4 EL冷光线寿命计算 |
3.4.1 活化能E的确定 |
3.4.2 热老化寿命计算 |
3.5 EL冷光线在数控机床诊断中的可行性分析 |
3.5.1 普通机床导线与EL冷光线寿命及热效应对比分析 |
3.5.2 EL冷光线寿命及热效应 |
3.5.3 普通机床导线与EL冷光线额定电流的对比分析 |
3.6 本章小结 |
第4章 基于EL冷光线技术的数控机床电气故障排查效能分析 |
4.1 EL冷光线在数控机床中的硬件设计 |
4.1.1 电压匹配性方案 |
4.1.2 驱动器设计 |
4.1.3 EL冷光线接线方法 |
4.1.4 EL冷光线在数控机床实际接线中的应用 |
4.2 应用EL冷光线技术的数控机床设备故障试验 |
4.2.1 试验方案 |
4.2.2 试验装置 |
4.2.3 试验材料 |
4.2.4 试验结果 |
4.3 应用EL冷光线技术的数控机床设备效率试验 |
4.3.1 试验方案 |
4.3.2 单点位故障排查过程及效率分析 |
4.3.3 多点位故障排查过程及效率分析 |
4.4 本章小结 |
第5章 总结及展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读学位期间成果 |
A.作者在攻读硕士学位期间发表的论文 |
B.作者在攻读硕士学位期间申请的专利 |
(9)数控机床故障诊断系统研究与设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 本文的主要工作 |
1.4 研究技术路线 |
1.5 论文结构安排 |
2 数控机床故障诊断系统总体设计 |
2.1 数控机床故障诊断系统概述 |
2.1.1 故障诊断系统概述 |
2.1.2 诊断系统的组成与分类 |
2.1.3 诊断系统的表现形式与发展方向 |
2.2 数控机床故障诊断系统需求分析 |
2.2.1 诊断系统在数控机床故障分析中的应用 |
2.2.2 系统需要解决的问题描述和定义 |
2.2.3 数控机床故障诊断系统的功能需求和非功能需求 |
2.3 数控机床故障诊断系统的案例库知识获取 |
2.3.1 知识获取的概念和途径 |
2.3.2 基于案例库的数控机床知识获取 |
2.3.3 基于案例库的故障诊断系统构成 |
2.4 本章小结 |
3 数控机床故障诊断系统的故障特征和故障树 |
3.1 故障特征 |
3.1.1 数控机床故障缘由 |
3.1.2 故障特征与故障诊断 |
3.1.3 基于案例库的数控机床故障诊断模型 |
3.2 故障树 |
3.2.1 故障树分析法的基本理论 |
3.2.2 数控机床故障树的构建 |
3.2.3 故障树分析在诊断系统中的应用 |
3.3 本章小结 |
4 数控机床故障诊断系统案例库设计与模拟实验 |
4.1 数控机床故障类型及特征综述 |
4.1.1 滚动轴承主要故障类型 |
4.1.2 滚珠丝杠主要故障类型 |
4.1.3 联轴器主要故障类型 |
4.1.4 伺服电机主要故障类型 |
4.2 试验设备及故障分析思路 |
4.2.1 试验设备 |
4.2.2 故障分析思路 |
4.3 数控机床故障诊断系统案例库设计 |
4.3.1 系统案例库设计和程序流程 |
4.3.2 MFC应用程序创建 |
4.3.3 ADO连接及ACCESS案例库 |
4.3.4 数控机床故障诊断系统的数据操作 |
4.3.5 数控机床故障诊断系统案例库 |
4.4 CK6140数控机床故障模拟实验 |
4.4.1 导轨爬行实验 |
4.4.2 过电流告警实验 |
4.4.3 电气与驱动系统故障树诊断实验 |
4.4.4 超程警报实验 |
4.5 XH715K加工中心故障模拟实验 |
4.5.1 伺服过热报警实验 |
4.5.2 纵轴归零警报实验 |
4.5.3 润滑报警实验 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 局限性 |
5.3 展望 |
致谢 |
参考文献 |
(10)机床故障诊断知识建模和可配置系统构建方法研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 论文的研究背景 |
1.2 国内外研究现状 |
1.2.1 设备故障诊断问题 |
1.2.2 机床故障诊断方法研究现状 |
1.2.3 机床故障诊断系统的研究现状和发展趋势 |
1.2.4 本体和语义网技术在制造业的研究现状 |
1.3 机床故障诊断存在的问题分析 |
1.3.1 研究现状分析与总结 |
1.3.2 拟研究的技术问题 |
1.4 论文的研究目的、意义和课题来源 |
1.4.1 论文的研究目的和意义 |
1.4.2 论文的课题来源 |
1.5 论文的组织结构 |
1.6 本章小结 |
2 机床故障诊断知识的多维度分析研究 |
2.1 基于知识的机床故障诊断的问题和需求分析 |
2.1.1 基于知识的机床故障诊断的问题分析 |
2.1.2 基于知识的机床故障诊断的需求分析 |
2.2 面向机床故障诊断的多维度分析模型 |
2.2.1 HAT分析模型的内容 |
2.2.2 HAT分析模型的作用 |
2.3 机床故障诊断知识管理体系结构 |
2.3.1 体系结构的内容 |
2.3.2 体系结构的特点 |
2.4 关键技术分析 |
2.5 本章小结 |
3 机床故障诊断知识建模方法 |
3.1 知识建模方法基础 |
3.2 机床故障诊断知识建模方法 |
3.2.1 机床故障知识分析 |
3.2.2 基于语义网络的机床故障诊断知识表示 |
3.2.3 基于标准语义的机床故障诊断知识建模方法 |
3.3 机床故障诊断知识建模的关键技术 |
3.3.1 基于谓词逻辑的故障要素分析法 |
3.3.2 故障诊断知识模型核心本体 |
3.3.3 故障要素两级分类法 |
3.3.4 外部本体引用法 |
3.3.5 故障诊断知识推理及查询技术 |
3.4 机床故障诊断知识模型及知识库构建及维护方法 |
3.5 案例研究:滚齿机故障诊断知识建模 |
3.5.1 滚齿机故障诊断知识模型及知识库的构建 |
3.5.2 滚齿机故障诊断推理实例 |
3.5.3 滚齿机故障诊断查询实例 |
3.6 本章小结 |
4 基于本体和信号分析的混合故障诊断技术 |
4.1 基于本体和信号分析的混合故障诊断方法 |
4.1.1 基于本体和信号分析的混合故障诊断方法框架 |
4.1.2 基于本体和信号分析的语义映射方法 |
4.2 典型机床零部件故障诊断知识建模 |
4.2.1 典型机床零部件故障知识分析 |
4.2.2 典型机床零部件故障诊断知识建模过程 |
4.3 基于CGHMM的故障辨识方法 |
4.3.1 CGHMM简介 |
4.3.2 振动信号处理和特征提取 |
4.3.3 基于CGHMM故障辨识步骤 |
4.4 案例研究:滚动轴承的故障辨识和诊断 |
4.4.1 基于CGHMM的信号分析 |
4.4.2 滚动轴承故障诊断本体知识库构建 |
4.4.3 故障推理和查询 |
4.4.4 实验结果对比和分析 |
4.5 本章小结 |
5 机床故障诊断可配置技术研究 |
5.1 基于知识的可配置机床故障诊断方法 |
5.1.1 基于本体的机床故障诊断方法 |
5.1.2 基于知识的可配置机床故障诊断原理 |
5.2 机床故障诊断可配置平台 |
5.2.1 平台的框架设计及分析 |
5.2.2 平台的配置和实施方法 |
5.3 机床故障诊断活动的可配置技术 |
5.3.1 故障检测活动的可配置技术 |
5.3.2 故障辨识活动的可配置技术 |
5.3.3 故障诊断活动的可配置技术 |
5.3.4 故障解决活动的可配置技术 |
5.3.5 机床故障诊断知识更新技术 |
5.4 机床可配置运行状态数据采集技术 |
5.4.1 机床可配置运行状态数据采集方法 |
5.4.2 机床数据采集本体建模 |
5.4.3 机床数据采集插件的构建技术 |
5.4.4 可配置机床数据采集系统的配置方法 |
5.5 本章小结 |
6 可配置机床故障诊断系统的设计与原型系统实现 |
6.1 原型系统的介绍 |
6.1.1 原型系统的体系结构 |
6.1.2 原型系统的开发和运行环境 |
6.2 原型系统的设计和开发 |
6.2.1 基于语义网的故障知识管理系统的设计和开发 |
6.2.2 基于本体的可配置滚齿机故障诊断系统的设计和开发 |
6.2.3 可配置机床数据采集系统的设计和开发 |
6.3 案例研究 |
6.3.1 可配置机床数据采集实验 |
6.3.2 案例:基于故障代码的故障检测 |
6.3.3 案例:滚动轴承的故障辨识和诊断 |
6.3.4 案例:齿轮的故障辨识和诊断 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
缩略词语汇总 |
附录 |
A 攻读博士学位期间发表的论文 |
B 攻读博士学位期间申请的发明专利 |
C 攻读博士学位期间参与撰写的标准 |
D 攻读博士学位期间参加的主要科研项目 |
E 攻读博士学位期间获得的奖励 |
四、数控机床故障诊断及维修(论文参考文献)
- [1]应用AR技术的数控机床故障诊断与辅助维修系统研究与开发[D]. 张言科. 山东建筑大学, 2021
- [2]数据驱动的机床故障诊断知识图谱构建与预测维护研究[D]. 陈云飞. 长安大学, 2021
- [3]基于物联网的数控机床远程故障诊断系统[D]. 宋丹. 南京航空航天大学, 2020(07)
- [4]基于Android平台的数控机床故障实时管理系统的研究与应用[D]. 李文进. 广东工业大学, 2019(02)
- [5]基于PMC的加工中心自动换刀装置及故障诊断研究[D]. 关进良. 哈尔滨工业大学, 2019(01)
- [6]数控机床故障诊断与维修综合实训系统的研究[J]. 胡小静,赵纪国. 湖北农机化, 2019(07)
- [7]面向健康状态诊断的数控机床故障辨识方法研究[D]. 刘茵. 山东农业大学, 2019(01)
- [8]基于EL冷光线的数控机床电气故障可视化高效排查方法研究[D]. 谢贺年. 西安工程大学, 2018(12)
- [9]数控机床故障诊断系统研究与设计[D]. 曹磊. 南京理工大学, 2018(04)
- [10]机床故障诊断知识建模和可配置系统构建方法研究[D]. 周强. 重庆大学, 2018(04)