基于混合神经网络的数控机床故障诊断技术研究.pdf

第 1 2期 2 0 1 1年 1 2月 组 合 机 床 与 自 动 化 加 工 技 术 M o du l ar M ac hi ne To o l Au t o ma t i c M a n uf a c t ur i ng Te c hn i q ue NO． 1 2 De c ．2 0 1 1 文章编号 1 0 0 1 2 2 6 5 2 0 1 1 1 2 0 0 3 2 0 3 基于混合神经网络的数控机床故障诊断技术研究 术 杜 娟 ， 阎献 国， 韩建华 ， 兰 国生 太原科技大学 机械工程学院， 太原0 3 0 0 2 4 摘 要 为 了实现 数控 机床 故 障诊 断 的 自动 化和 智能 化 ， 提 出 了一种 基 于混合 神 经 网络 的数 控 机 床 故 障诊 断技 术 。首 先通过 一级 B P神 经 网络 对输 入 的故 障信 息进 行 分类 ， 然后针 对 分 类后 的 故 障再 通 过二级 A R T神经网络 实现故障的诊断和排除。基 于两级混合神经网络的故障诊 断系统不但具有故 障 自动诊断功能， 而且还具有 自学习和 自组织等智能。 关键词 数控 机床 ； 故 障诊 断 ； B P神 经 网络 ； A R T神 经网络 中图分 类号 T P 3 9 l 文 献标识 码 A St ud y o n CNC Fau l t Di a gn o s i s Ba s e d on Hy br i d Ne ur a l Ne t wor k DU J u a n，YAN Xi a n g u o ，HAN J i a n h u a ，L AN Gu o s h e n g C o l l e g e o f M e c h a n i c a l E n g i n e e r i n g ， T a i y u a n U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y ， T a i y u a n 0 3 0 0 2 4， C h i - n a Ab s t r a c t Th i s pa p e r p r e s e n t s a t e c h n o l o g y o f CNC f a u l t d i a g n o s i s b a s e d o n h y b r i d n e u r a l ne t wo r k t o r e - a l i z e a n a u t oma t i c a nd i n t e l l i g e n t f a ul t d i a g n os i s ．F i r s t l y，t h e f a u l t i n f o r ma t i o n i s c l a s s i fie d b y fir s t o r d e r BP n e u r a l n e t wo r k，a nd t he n t h e c l a s s i fie d f a u l t i n f o r ma t i o n i s i n p u t i n t o s e c o n d- o r d e r ART n e u r a l n e t wo r k b y whi c h t h e s o ur c e a n d c l e a r i n g o f t r o u b l e c a n b e f o u n d．Th e p r o p o s e d h y b r i d n e u r a l n e t wo r k n o t on l y p os s e s s e s f u n c t i o n o f a u t o ma t i c f a u l t d i a g n o s i s ，b u t a l s o i t h a s a n i n t e l l i ge n c e o f s e l f l e a r n i n g a n d s e l f o r g a n i z a t i o n ． Ke y wo r d sCNC；f a u l t d i a g n os i s；BP n e u r a l n e t wo r k；ART n e ur a l n e t wo r k 0 引言 作为实现柔性制造系统 F M S 、 计算 机集成制 造系统 C I MS 和 E 一 制造的基础 ， 数控机床 已成为现 代制造系统中不可缺少的设备。数控机床是高度机 电一 体 化 的技 术 装 备 ， 其 种 类 繁 多 、 形 式 多 变 、 结 构 复杂 ， 与传统加工设备相 比， 其故障诊断和排 除难度 要复杂得 多。因此 ， 数控机床 的故障诊断和维修是 数控机床使用 过程中重要 的组成部分， 是 目前制约 数控机床发挥正常作用的因素之一 。 在传统的数控机床使用过程 中， 常用的故障诊 断方法有观察法、 在线的 自诊断法、 参数检查法以及 功能程序测试法等 。这些方法的实施对数控机床操 作和维修人员提出了较高要 求 ， 他们不但要具备广 博的数控知识 ， 而且还应具有丰富的维修经验 ， 并能 熟练正确地使用维修中常用的仪器仪表。而具备这 样 素质 的维修 人员 在 我 国仍 属 于稀 缺 人才 ， 因此 ， 针 对这种现状 ， 国内外学者对数控机床故 障诊断技术 进行了许多研究 ， 其 中最典型技术是故障诊断 的 专家系统 一 。利用专家系统虽然能大大提高故 障 诊 断 的效率 和 正 确 率 ， 但 是 在 避 免 推 理 过 程 中 的组 合 爆炸 、 知识 获取 、 以及 系统 的 自适 应 、 自组织 、 和 自 学习等方面， 专家系统还面临着许多困难 ， 因此难 以 得 到推 广和应 用 。 近年 来 ， A N N a r t i fi c i a l n e u r a l n e t w o r k ， 人 工神 经 网络 理论 得 到迅 速 发 展 ， 它 为 解 决 现有故障诊断系统存在的问题开辟 了新的途径 。数 控机床故障诊断过程实质是模式识别过程 ， 在这个 过程中， 被分析的信 号用来进行数 控机床 的故 障诊 断。神经网络具有 自学 习和 自组织功能 ， 它在模式 识别中的应用显示 了极 大优势 ， 被广泛应用在工况 监测和故障诊断 ， 实践证 明， 神经网络技术比传统的 收稿 日期 2 0 1 1 0 51 6 基金项目 国家 自然科学基金项 目资助 5 0 8 0 5 0 9 9 ； 山西省高等学校优秀青年学术带头人支持计划资助项 目 T Y A L 2 0 0 9 1 0 9 1 作者简介 杜娟 1 9 7 3 一 ， 女 ， 山西长治人 ， 太原科技大学副教授、 博士 、 硕 士生导师 ， 主要 从事 C A D ／ C A M及 数字制造技术 的研究和 教学工 作 ， Em a i l l g z d j 1 9 9 9 1 6 3 ． C O In 。 2 0 1 1年 1 2月 杜 娟 ， 等 基 于混 合神 经 网络 的数控 机床 故 障诊 断技术研 究 3 3 统计模 式 、 归 纳推 理和模 糊 逻辑 方法 更 为有效 。 1 数控机床 的故 障诊 断 1 ． 1 故 障库 的建 立 故障是指设备或系统 因 自身的原 因而丧失规定 功能 的 现象 。 目前 大 部 分 的数 控 机 床 配备 的数 控 系 统都 有 白诊 断功 能 ， 如 日本 F A N U C公 司 和德 国 S I E ． ME N S公司的数控系统都 具有几百条报警信 号。有 诊 断显 示 的故 障一 般 都 与 控 制 部 分 有 关 ， 可 根 据 报 警内容 ， 较容易找 到故 障原 因。然而有 些故障却不 能够 自动报 警和 显 示 ， 有些 故 障虽 然有 诊 断显 示 ， 但 却 是 由其他 原 因而 引起 ， 因此 ， 对 这 些 故 障 的排 除工 作难 度 较 大 。为 了将 各 种 可 能 的 故 障 都 考 虑 进 来 ， 在建立故障库之前 ， 首先根据数控机 床厂商提供 的 维修 手 册 和 实 际 现 场 积 累 的 各 种 故 障诊 断 经 验 知 识 ， 将收集到的所有故障进行汇总 ， 然后再对各种故 障进行详细分 类。在 这里 我们 将故 障分 类分 为 四 级 。第 一级 分 为机械 故 障和 电器故 障 ， 第二 级 又将机 械故 障和 电器 故障 分为 主传 动 系统 故 障 、 进 给 系统故 障、 自动换刀装 置故障 、 回转 工作 台、 导 轨故 障、 数控 系 统故障、 伺服系统故障以及外部故障八大类 ， 其 中外部 故障主要是指 由操作或编程而引起的故障。对于每一 大类 故障又 可分为两级 的若干个 子类 。 当对故 障 进 行 分 类 后 ， 需 要 对 分 类 后 的 故 障 进 行 编码 ， 以便为后 续 的神 经 网络 结 构设 计 提供 依 据 。 在本文 中故障编码为 1 6位 ， 左起第 1 、 2位表示第一 级分类 ， 其 中有 一位 为冗余 位 ， 由于第 二级 分为八 类 ， 因此用 3位 编码 来 表 示 ， 其 分别 用 左 起 3 、 4 、 5位 来表示 ， 剩余 1 1位 中， 5位 用来表 示第 三级分类 ， 6 位 用来 表 示 最 末 一 级 的 分 类 。在 分 类 时 ， 若 有 些 位 数暂时未用到 ， 则一律赋予 0值。故障分类完成后 ， 针对每一类故障建立故障现象和故障原因及排除方 法的模式对 ， 故 障模式对 的集合 即故障库 就构成 了神经 网络训 练时 的样本 集 。 1 ． 2数 控 机床 故 障诊 断的神 经 网络 结构 由于 数控 机 床 的故 障 种 类 繁 多 ， 因 此 为 了提 高 神 经 网络 的 可 训 练 性 和 训 练 的快 速 性 ， 本文 采 用 混 合 的二 级 神经 网络 结 构 进行 故 障诊 断 。第 一 级 神 经 网络 主要 完成 故 障的二 级分 类 ， 本 文采 用 B P网络作 为第 一级 神 经 网 络 ； 第 二 级 神 经 网络 负 责 对 每 一类 的故 障进 行诊 断 ， 考 虑 到 当新 故 障 出现 时 ， 能 动 态 地 在网络 中建立新 的模式类别 ， 我们采用 A R T网络作 为第二级神经 网络。为 了提高诊 断效率 ， 每一种 二 级类故障对应于一个子 A R T网络 ， 本文将机械故 障 和电器故障一共分 为八大类 ， 因此在第二级 网络 中 共有八个子 A R T神经网络 。基于混合二级神经网络 的故 障诊 断系统 结构 如 图 1 所 示 。 故障信号编码 第一级B P 神经网络 主 传 动 系 统 故 障 蓁l l I I蠢I l菱I l l l垂I l 第二级 第二级{ l 第二级l l 第二级l l 第二级l I 第二级l l 第二级 I 第二级 A R T 1 l l A R T 2 I l A R T 3 l l A R T 4 l l A R T 5 l 【 A R T 6 l I A R T 7 I l A R T 8 网络 I l网络 l l网 络 1 j网络 l 1网 络 I l 网络 l I网 络 I l网络 图 1 基 于 混 合 神 经 网络 的 数 按 机 床 故 障 诊 断 系 统 结 构 图 第一 级 的 B P网是 一个 三层 的前 馈 网络 ， 由输 入 层 、 隐层 和输 出层 组 成 ， 在 本 文 中 ， 由 于故 障 编 码 为 1 6位 ， 因此 B P网络输 入层 的节 点数 为 1 6个 ， 隐层 的 节点数设计为 1 2个 ， 输出层 的节点个数为二级故障 种类 故障模式 的个数 ， 本文 中二级故障种类为八 类 ， 因此输 出层 的节 点 个 数 为 8 。在 B P网络训 练 过 程 中 ， 每个 输入 模式 的希 望输 出为 [ 0 ， ⋯ ， 0 ， 1 ， 0 ， ⋯ ， 0 ] ， 输 出 为 1的神 经 元 节 点 即对 应 于 当前 输 入 模 式 故 障 所 属 的模 式 类别 。如表 1所示 为 B P网络 输入 和希 望 输 出模 式 之 间 的 对 应 关 系 。第 二 级 的 A R T神 经 网络 由两层神 经元 组 成 ， 第 一层 为输 入 层 ， 其节点个数为 1 4位 ， 输入时截取故障代码右起连续 1 4位代码 作 为该 网络 的输 入 ， 输 出层 的 节点 数 可 预 先统 一设 置 为 5 0个 。 同 B P网络 一 样 ， 输 出节 点 的 取值为 0或 1 ， 任一时刻其输出端只有一位为 1 ， 其余 全部 为 0 ， 输 出为 1的神 经元 节点代 表该 故 障类 型所 对应 的输 出 模 式 ， 该 输 出模 式 表 明 了该 故 障发 生 的 原 因和排 除方 法 。 当出现 了未包 含 于 故 障库 以 内 的 新模 式 时 ， 如 果该 故 障无 法 匹配 到任 何 A R T网络 已 知 的输 出模 式 ， 则 系统 会 自动 增 加 A R T网络 输 出层 的节 点 数 ， 从 而表 示有新 的故 障现 象产 生 。 表 1 B P网络故障编码及期望输出 目标值 故障类 型 故障编码 前 5位 目标值编码 主传动 系统 1 l O 0 O 1 0 0 0 0 0 0 0 进 给系统 l l O O 1 O 1 0 0 0 0 0 0 自动换刀装置 l l O 1 O O O 1 0 0 0 0 0 回转 工作 台 l 1 O 1 1 0 0 0 1 0 0 0 0 导轨故 障 l 1 1 O 0 0 0 0 0 l 0 0 0 数控装 置 O O 1 0 l 0 0 0 0 0 1 O O 伺服系统 O 0 1 l O 0 0 0 0 0 0 1 O 外部故障 0 O l l l 0 0 0 0 0 0 0 1 1 ． 3网络训 练 1 ． 3 ． 1 B P网络 的训 练 网络权值的初始化设置对缩短神经 网络的训练 时间至关重要。由于 B P网络转移函数 为零点对称 的符号函数， 在零点 附近函数变化最灵敏 ， 这也使得 其学习速度较快， 因此为了提高网络学习速度 ， 本文 3 4 组 合机 床与 自动化 加 工技术 第 1 2期 采用以下方法 对权值进行 初始化。对于隐层权值 ， 利用随机算法赋予 0～1之间的初始值； 输 出层的初 始权值则使得其为 1和 一1的权值数相等。按上 述方法设置的初始权值可保证每个神经元节点一开 始工作就处于转移 函数变化最大的位置。当初始权 值设置完后 ， 从故 障库 中随机选取样本对上述 网络 进行训练 ， 训练算法采用标准的 B P学习算法 。该 网络训练的 目的是能够将输入端输入 的故障模式进 行初 步 的二级 分 类 ， 表 1所 示 即为 神 经 网络 训 练 状 态 和对应 的 目标模式 。 1 ． 3 ． 2 A R T网络 的训 练 在 A R T网络 中包含 了两 类 权值 向量 ， 一类 是 内 星权 向量 ， 一 类 是 外 形 权 向量 。 内星 权 向量 的初 始 化 取值 为 b ,j 0 1 ， 2 ，⋯，吲 1 ， 2 ，⋯，m 1 上 式 中 ， ／7 , 为输 入层 的节点 数 ， m 为输 出层 的节点 数 。 外形 权 向量初 始值 的各分 量全 部赋值 1 。 t ij o 1 i 1 ， 2 ，⋯ ， n ； 1 ， 2 ，⋯ ， m 2 上述初始化能够保证输入 向量收敛到其所属类 别 ， 并能正确计算相似度。训练时， 从故障库中随机 选 取样本 对 上述 网络进 行训 练 ， 训 练 过程 采 用 A R T 1 网的学 习算法 。该 网 络训 练 的 目的是 能够 进 行故 障诊断和处理 ， 因此 网络 的输 出为对应输入端故 障 的故障原 因和处理方法。 上面两类 网络训练完成后 ， 无论何时输入故 障 库 中任一输入模式 ， 其对应 的 目标模式就 应该 出现 在 网络 的输 出端 。 1 ． 4 故 障诊 断 当网络训练完成后， 系统就有了故障诊断功能。 诊断过程为 首先输入故障模式 ， 然后通 过一级 B P 网络对故障进行二级分类 ， 根据分类后的结果 ， 将对 应类的下一级 A R T子网络激活， 由该 网络完成故障 的诊断工作。在实 际应用 中， 如果 出现了故障库 中 未 包含 的新 故 障 ， 则 首先 将 其进 行 二 级类 别 判 别 ， 然 后 再 由 A R T子 网确 定 其 是 否 能 归 于 某 一 类 输 出模 式 ， 如果未 能归 于 已知 的任 何 输 出模 式类 ， 则 在 网络 中增加新的输出节点， 以代表新 的模式类 ， 同时建立 与该模式类相连 的权值 ， 用 以代 表和存储该模式类 以及后 来输 入 的所有 同类模 式 。对 于 新增 的输 出节 点， 其内星权 向量 B 设计成 当前输入模式 向量 ， 外 星权 向量 各 分量 全设为 1 。 2 实例测试 为 了验证 上 述 神 经 网 络 系 统 的 性 能 ， 分 别 从 八 种 类 型的故 障库 中取 出 2 ／ 3数量 的模式 类 型 对 该 网 络进行 测试 。在 测 试 过 程 中 ， A R T网络 分 别 选 举 不 同的警戒 门限值 P进行分类 ， 其 测试结果如表 2所 示 。可 以看 出 ， P值 越 大 ， 其 分类 数越 多 ， 也 意味 着 故 障诊断越精确， 吻合程度越高。当 P值减小时其分 类 数量 变小 ， 这在 实 际应 用 中类 似 于一 个 模糊 查 询 ， 当需要从多个方面来综合分析故 障的起 因时 ， 可以 采用较小的 P值 ， 这样 就给维修人员提供了更 多的 信息参 考 表 2分类结果与p值的关系 P值 AR T 1 A R T 2 A R T 3 A R T 4 A R T 5 A R_r 6 A R T 7 A R T 8 O ． 8 3 6 2 6 4 3 2 8 l 8 3 9 3 2 2 4 O ． 5 2 8 1 7 2 6 2 0 l 2 2 6 21 l 6 O ． 3 1 2 8 1 5 l 3 6 1 O l 3 8 [ 参 考文献 ] [ 1 ]王忠 峰， 郝继光．数控机床故障诊 断及 维修 实例 [ M] ．北 京 ， 国防工业出版社 ， 2 0 0 6 ． [ 2 ]游明琳 ， 丁旭 ， 潘 阳．B P神 经 网络在数控 系统 故 障诊 断 中的应用 [ J ] ．机 电技术 ， 2 0 1 0 1 2 0 2 2 ． [ 3 ]李捷 辉．基 于 R B F神经 网络 的数控 机 床故 障诊 断研究 [ J ] ．机床 电器 ， 2 0 0 3 5 1 O一1 3 ． [ 4 ]王佩夫 ， 刘溪 涓， 于 忠海 ， 等．基于实 例推理 的数控 机床 故障诊断 系统研究 [ J ] ．机械设 计与制造 ， 2 0 0 8 1 0 1 7 0 1 72． [ 5 ]王璇．智能数控 机床远 程诊 断系统 的设计 [ J ] ．机 械与 电 子 ， 2 0 1 1 1 1 1 61 1 7 ． [ 6 ]丁明军 ， 宋丹 ． 基 于神 经 网络的数控 机床故 障诊 断专家 系统 [ J ] ．2 0 0 7 ， 2 4 5 9 2 9 4 ． [ 7 ]李世班 ， 贾友文．数控 车床故 障诊断专家 系统研 究 [ J ] ． 2 0 0 7， 3 5 6 2 4 12 4 4 ． [ 8 ]韩力群．人工神经 网络理 论、 设计 和应用 [ M] ．北 京 化 学工业出版社， 2 0 0 7 ． 编辑赵蓉 上接 第 3 1页 [ 参考文献] [ 1 ]喻畅．凸 轮 轴 磨 削 工 艺 分 析 [ J ] ．工 具 技 术 ， 2 0 1 0 ， 4 4 9 1 1 5 1 1 7 ． [ 2 ]经济型凸轮轴磨床数控系统． 数控机床 网． [ 3 ]钟建琳 ， 韩秋实．保持 磨除率 恒定 凸轮轴 变速磨 削 的研 究 [ J ] ．机械设 计与制造 ， 2 0 0 6 9 7 8 7 9 ． [ 4 ]虞礼贞 ， 沈志 勤 ， 段 先盛 ， 等．凸轮磨 工件 旋转 的一种 变 速控制 [ J ] ．南 昌大学学报 理科 版 ， 2 0 0 4 ， 2 8 1 6 9一 7 2． [ 5 ]张迎春 ， 李修仁 ， 高胜利 ．由磨削力确定磨 削凸轮时 的变 速规律 [ J ] ．机床与液 压 ， 2 0 0 1 3 8 6 8 7 ， [ 6 ]郭三学 ， 巩青 歌 ， 赵陕冬．凸轮廓形加 工误差的动态 分析 [ J ] ．机械科学与技术 ， 1 9 9 6 ， 1 5 5 7 7 8 7 8 2 ． [ 7 ]裴德琦 ， 赵向阳 ， 陈雅慧．高精度 凸轮磨削的凸轮升 程误 差分析 [ J ] ．现代车用动力 ， 2 0 0 4 1 1 4 3 0 3 1 ． 编辑李秀敏