一种数控机床故障相关关系动态变化分析方法技术

本发明专利技术公开了一种数控机床故障相关关系动态变化分析方法，属于数控机床故障相关关系动态变化分析技术领域，为了实现数控机床故障相关关系动态变化分析，分析方法包括：步骤

【技术实现步骤摘要】
一种数控机床故障相关关系动态变化分析方法


[0001]本专利技术属于数控机床故障相关关系动态变化分析
，具体是一种数控机床故障相关关系动态变化分析方法
。

技术介绍

[0002]数控机床在工业生产中具有重要地位，其正常运行对企业的生产效益具有关键性影响
。
然而，由于数控机床的复杂性和高精度性，其故障的发生往往不是孤立的，而是与机床的多个子系统
、
多种因素相关
。
在常见的数控机床故障中，结构性故障主要涉及主轴电动机运行噪声大
、
发热量大
、
切削时产生振动
、
速度不稳定等问题，动作性故障则主要表现为各执行部件出现的动作障碍，功能性故障则可能表现为系统功能的异常丧失
。
[0003]对于这些故障的处理，传统的故障分析方法往往只针对单个故障点进行维修，而忽略了故障之间的关联性和动态变化
。
这可能会导致维修的效率和效果都不尽如人意
。
因此，为了实现数控机床故障相关关系动态变化分析，本专利技术提供了一种数控机床故障相关关系动态变化分析方法
。

技术实现思路

[0004]为了解决上述方案存在的问题，本专利技术提供了一种数控机床故障相关关系动态变化分析方法
。
[0005]本专利技术的目的可以通过以下技术方案实现：一种数控机床故障相关关系动态变化分析方法，方法包括：步骤
S1
：获取数控机床信息，根据所述数控机床信息建立动态网络关系图；进一步地，动态网络图的建立方法包括：建立初始图库，所述初始图库用于储存各种数控机床信息对应的初始网络图；根据数控机床信息从初始图库中匹配对应的初始网络图；实时获取该数控机床信息对应的历史故障数据，识别历史故障数据中对应的各故障原因
、
故障类型和故障现象；将获得的故障原因
、
故障类型和故障现象输入到初始网络图中进行匹配，识别对应的故障链；将历史故障数据对应的各故障链标记为修正链；将各所述修正链在修正图上进行分布，识别修正图中各链接线对应的份额；根据获得的各链接线份额设置对应的修正值；识别链接线在初始网络图中对应的并发线或关联线，补充对应的修正值；将当前的初始网络图标记为动态网络图
。
[0006]进一步地，初始图库的建立方法包括：获取需要建立初始网络图的数控机床信息，标记为待建信息；获取各所述待建信息对应的故障数据；识别故障数据中各种故障类型，以及各故障类型对应的故障占比；根据故障数据和故障占比，建立初始故障原因网络图
、
故障类型图和初始故障现象网络图；标记初始故障原因网络图和故障类型图中各原因单元点和各故障单元点之间的
原因关联线；标记初始故障现象网络图和故障类型图中现象单元点和各故障单元点之间的现象关联线；由初始故障原因网络图
、
故障类型图和初始故障现象网络图组成初始网络图，并为所述初始网络图标记对应的数控机床信息；将各所述初始网络图进行汇总后建立初始图库
。
[0007]进一步地，对生成的初始网络图中各原因单元点
、
故障单元点和现象单元点的位置和链接方式进行调整
。
[0008]进一步地，建立初始故障原因网络图的方法包括：根据故障数据识别具有的各种故障原因，将故障原因作为原因单元点分布到对应的图层中；根据故障数据识别各故障原因的并发链，并根据各所述故障原因的并发链将各所述原因单元点进行链接；识别各并发链对应的故障类型以及该并发链中各故障原因之间的并发概率；根据获得的各故障类型对应的故障占比和并发概率计算对应的并发值，将并发值标记在对应的并发链上，形成初始故障原因网络图
。
[0009]进一步地，并发值的计算方法包括：将并发链对应的各故障类型整合为故障集
{Q}
；将从故障集中选择的各故障类型标记为
i
，
i∈{Q}
，
i=1、2、
……
、n
，
n
为正整数；根据并发公式
BF=100
×
BG
×
∑GBi
计算对应的原因并发值；其中
BF
为并发值，
BG
为并发概率，
GBi
为对应故障类型的故障占比
。
[0010]进一步地，设置故障校验集对初始网络图进行校验，根据校验结果设置对应的调整值
TX
，则对应并发公式调整为
BF=TX+100
×
BG
×
∑GBi。
[0011]步骤
S2
：当数控机床发生故障时，采集数控机床的故障特征数据；步骤
S3
：将获得的故障特征数据输入到动态网络关系图中进行匹配，确定所述故障特征数据对应的各分析链；根据各所述分析链生成故障分析图；进一步地，所述故障分析图包括分析链分布图和分析链排序表
。
[0012]步骤
S4
：识别各分析链对应的并发数据，并发数据包括各链段对应的并发值和修正值；步骤
S5
：根据所述并发数据计算各分析链的分析值，将各分析链的分析值补充到故障分析图
。
[0013]进一步地，分析链的分析值的计算方法包括：识别分析链中各链段对应的并发值和修正值，将链段标记为
j
，
i=1、2、
……
、m
，
m
为正整数；将对应链段的并发值和修正值分别标记为
BFj
和
XZj
；根据分析公式
FX=100
×
∏[
（
BFj+XZj
）
÷
100]计算对应的分析值，
j=1、2、
……
、m
，
m
为正整数
。
[0014]进一步地，还包括步骤
S6
：基于神经网络建立故障分析模型，通过所述故障分析模型对故障分析图进行分析，获得目标链
。
[0015]与现有技术相比，本专利技术的有益效果是：通过建立动态网络关系图进行数控机床故障相关关系动态变化分析，实现根据故
障特征快速确定故障问题，并在分析过程中充分考虑各种故障可能性，综合故障之间的关联性和动态变化；且通过设置修正值
、
调整值等措施提高分析精确度；通过实时获取的该数控机床故障数据对动态网络关系图进行持续优化，逐步优化对该数控机床的故障分析，实现各数控机床的针对性故障分析
。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数控机床故障相关关系动态变化分析方法，其特征在于，方法包括：步骤
S1
：获取数控机床信息，根据所述数控机床信息建立动态网络关系图；建立初始图库，所述初始图库用于储存各种数控机床信息对应的初始网络图；根据数控机床信息从初始图库中匹配对应的初始网络图；实时获取该数控机床信息对应的历史故障数据，识别历史故障数据中对应的各故障原因
、
故障类型和故障现象；将获得的故障原因
、
故障类型和故障现象输入到初始网络图中进行匹配，识别对应的故障链；将历史故障数据对应的各故障链标记为修正链；将各所述修正链在修正图上进行分布，识别修正图中各链接线对应的份额；根据获得的各链接线份额设置对应的修正值；识别链接线在初始网络图中对应的并发线或关联线，补充对应的修正值；将当前的初始网络图标记为动态网络图；步骤
S2
：当数控机床发生故障时，采集数控机床的故障特征数据；步骤
S3
：将获得的故障特征数据输入到动态网络关系图中进行匹配，确定所述故障特征数据对应的各分析链；根据各所述分析链生成故障分析图；步骤
S4
：识别各分析链对应的并发数据，并发数据包括各链段对应的并发值和修正值；步骤
S5
：根据所述并发数据计算各分析链的分析值，将各分析链的分析值补充到故障分析图
。2.
根据权利要求1所述的一种数控机床故障相关关系动态变化分析方法，其特征在于，初始图库的建立方法包括：获取需要建立初始网络图的数控机床信息，标记为待建信息；获取各所述待建信息对应的故障数据；识别故障数据中各种故障类型，以及各故障类型对应的故障占比；根据故障数据和故障占比，建立初始故障原因网络图
、
故障类型图和初始故障现象网络图；标记初始故障原因网络图和故障类型图中各原因单元点和各故障单元点之间的原因关联线；标记初始故障现象网络图和故障类型图中现象单元点和各故障单元点之间的现象关联线；由初始故障原因网络图
、
故障类型图和初始故障现象网络图组成初始网络图，并为所述初始网络图标记对应的数控机床信息；将各所述初始网络图进行汇总后建立初始图库
。3.
根据权利要求2所述的一种数控机床故障相关关系动态变化分析方法，其特征在于，对生成的初始网络图中各原因单元点
、
故障单元点和现象单元点的位置和链接方式进行调整
。4.
根据权利要求2所述的一种数控机床故障相关关系动态变化分析方法，其特征在于，建立初始故障原因网络图的方法包括：根据故障数据识别具有的各种故障原因，将故障原因作为原因单元点分布到对应的图层中；根据故障数据识别各故障原因的并发链，并根据各所述故障原因的并发链将各所述...

【专利技术属性】
技术研发人员：黄建新，
申请(专利权)人：南通钜盛数控机床有限公司，
类型：发明
国别省市：