本發明屬于數控機床
技術領域：
，涉及一種數控機床故障診斷方法，具體涉及故障致因分析、故障傳遞有向圖建立、故障影響度計算、有權故障傳播結構模型構建及基于時間相關的系統組件故障率建模，在此基礎上進行關鍵故障源與傳播路徑分析，定位故障主因。
背景技術：
：數控機床是集機、電、液等多技術于一身的復雜系統，系統結構的復雜性，造成其故障連鎖性，即便一個部件極為微小的故障率，也會因為復雜系統的規模效應，使系統的整體故障率成幾何級數增長，因此，如何診斷出系統中故障，提升系統可靠性，成為了保障機床系統安全運行的重要課題。現有的故障診斷方法基本上可分為圖論法、專家系統、基于解析模型方法與基于數據驅動方法等。圖論法以其建模簡單、結果易于理解等特點被廣泛應用，但因多基于發生率進行故障定位，或即使考慮故障的輕重等級和檢測難易程度，也依靠專家主觀經驗，從而導致定位的故障不符合實際；基于經驗的專家系統，因故障數量和組合不可預計，故工作量龐大；基于解析模型的診斷需要清晰理解系統的運行機理，在具備合適數學模型的前提下，才能實現良好的診斷效果，因條件苛刻，故純粹基于解析模型的診斷案例不多見；基于數據驅動方法是當前的研究熱點，因其不需要了解系統的解析模型，僅利用可測得信號分析或是根據大量的采樣數據和歷史數據直接推理，就能實現故障診斷；但因忽略故障機理，也會影響診斷的可信性。數控機床屬于復雜系統，因因素眾多，運行機理復雜，傳統圖論法或單一數據驅動診斷存在偏差，基于經驗的專家系統與基于解析模型的診斷不適用。技術實現要素：針對現有技術因忽略系統組件故障時間相關影響建立故障率模型而導致組件故障診斷存在偏差及單一診斷方法存在的缺陷，本發明提供一種集圖論與數據驅動的動態數控機床故障診斷方法，利用該方法對數控機床系統故障進行診斷，更實時、更符合實際。為解決上述技術問題，本發明是采用如下技術方案實現的，結合附圖說明如下：一種數控機床故障診斷方法，包括下述步驟：步驟一、將整個數控機床系統部件劃分為n個組件；根據采集的數控機床現場故障信息，借助于數據計算、故障致因分析和系統結構功能方面的相關經驗確定故障時間，建立各個組件與故障時間間對應關系及組件間故障傳播關系；步驟二、根據故障致因分析建立組件故障傳播有向圖，并用矩陣對數控機床系統組件故障傳播有向圖進行描述；步驟三、引入基于鏈接分析的網頁排序算法(PageRank算法)計算數控機床系統組件故障影響；步驟四、應用解釋結構模型(InterpretiveStructuralModeling，ISM)法經矩陣轉換將故障傳播有向圖轉化為故障傳播層次化模型；步驟五、基于時間相關的數控機床系統組件故障率建模；步驟六、基于故障傳播層次化模型、故障影響及組件故障率模型定位故障主因，進行數控機床故障診斷。步驟二中所述的建立數控機床系統組件故障傳播有向圖及描述矩陣是指：以系統組件為節點集合V＝{v1,v2,...,vn}，組件節點之間的故障傳播關系為有向邊集合E＝{eij}(1≤i,j≤n)，構建故障傳播有向圖G＝(V,E)；用鄰接矩陣A＝[aij]n×n對故障傳播有向圖模型進行描述；當i≠j時，當i＝j時，aij＝0。數控機床系統組件故障影響評估是假設故障傳播服從馬爾科夫過程，根據鄰接矩陣變換獲得狀態轉移概率矩陣，引入PageRank算法計算數控機床系統組件故障影響；步驟三中所述計算數控機床系統組件故障影響，是指按照以下步驟計算數控機床系統組件間故障被影響度ρck和影響度ρCI：(1)將鄰接矩陣A的每行元素除以此行元素的總和，得到轉移概率矩陣A′，然后對轉移概率矩陣A′進行轉置變換得到其轉置矩陣(A′)T；(2)利用式(1)進行迭代運算，得到系統組件的故障被影響度ρCK值；設系統由n個組件組成，定義一個n維向量ρCK，它的分量分別是各個系統組件要素的ρck值，(ρCK)x、(ρCK)x+1分別表示第x次、第(x+1)次迭代所得的各系統組件的故障被影響度值組成的(n×1)階矩陣；其中，d——阻尼因子，取試驗中關聯故障數與總故障數的比值；E——(n×1)階矩陣，并且元素全為1；迭代初始條件為：(ρCK)0＝[11…1]T；設ε為指定的迭代收斂平穩閥值，迭代計算當滿足|(ρCK)x+1-(ρCK)x|＜ε時，迭代結束；(3)將鄰接矩陣A轉置得到矩陣AT后，將AT的每行元素除以此行元素的總和，得到矩陣(AT)′；(4)利用式(2)進行迭代運算，得到n個組件組成系統的故障影響度ρCI值，(ρCI)x、(ρCI)x+1分別表示第x次、第(x+1)次迭代所得的各系統組件的影響度值組成的(n×1)階矩陣；迭代初始條件為：(ρCI)0＝[11…1]T；設ε為指定的迭代收斂平穩閥值，迭代計算當滿足|(ρCI)x+1-(ρCI)x|＜ε時，迭代結束。故障傳播有向圖層次化處理是指應用ISM法，將鄰接矩陣轉換為可達矩陣，可達矩陣分解，將故障傳播有向圖轉化為故障傳播層次化模型；步驟四中所述將故障傳播有向圖轉化為故障傳播層次化模型步驟如下：(1)可達矩陣求解；將鄰接矩陣A加上單位矩陣I經過r步布爾自乘運算，當有(I+A)r-2≠(I+A)r-1＝(I+A)r,r≤n-1成立時，令M＝(I+A)r，M即為可達矩陣；(2)系統組件故障傳播層次化模型構建；M中行值為1的要素對應的列要素組成可達集R(S)，可達矩陣中列值為1的要素對應的行要素組成前因集A(S)，滿足R(Si)∩A(Si)＝R(Si)成立的要素Si就是系統的最高級別L1中組件要素；可達矩陣M中去掉最高級組件要素，重復步驟1，可分出系統的第2級、第3級…直至最低級組件要素；按照組件要素的等級順序將其分層，然后將組件要素間連接關系用有向線相連；對于強連接關系，即可達矩陣M中若mij＝mji＝1，則組件要素Si與組件要素Sj是強連接關系，繪制雙向線，據此建立系統組件故障傳播層次化模型；基于時間相關的數控機床系統組件故障率建模是指采用Johnson法對系統某組件故障時間的故障順序號進行修正，采用最小二乘法進行參數估計，用線性相關系數法進行假設檢驗，以求得模型參數，并獲得組件故障率模型；步驟五中所述基于時間相關的數控機床系統組件故障率建模步驟如下：(1)針對定時截尾試驗帶來的右截尾數據，根據數控機床系統n個組件故障時間，采用Johnson法對故障時間的故障順序號計算；將數控機床故障數據與右截尾等所有k個數據從小到大按整數排列，記這列編號為j(1≤j≤k)；對數控機床該組件m個故障數據從小到大按整數排列，記這列編號為i(1≤i≤m)，則該組件第i個故障數據的順序號ri用公式(3)計算：ri＝ri-1+(k+1-ri-1)/(k+2-j)……………………(3)式中：r0＝0；(2)數控機床組件故障率模型參數估計；設數控機床組件故障數據服從分布函數為t≥0，故障率為λ＝βθβ(t)β-1的兩參數威布爾模型，對1-F(t)兩邊取兩次自然對數得將該式左側與右側lnt做線性回歸模型的擬合，可以得到威布爾模型參數；(3)數控機床組件故障率模型假設檢驗；采用線性相關系數檢驗法計算模型檢驗值ρ，根據故障時間數據量n及顯著性水平α,計算相關系數起碼值ρα，當ρ＞ρα時，則認為lnt與是線性相關的，故障數據服從假設分布，否則拒絕假設；數控機床故障診斷方法是指基于故障傳播層次化模型、故障影響及組件故障率模型進行關鍵故障源、關鍵故障節點及關鍵故障傳播路徑識別，定位故障主因，進行數控機床故障診斷。步驟六中所述定位故障主因步驟如下：(1)識別關鍵故障源；在故障傳播層次化模型中，最低級層次系統組件要素即為故障源，若最低級層組件要素多于兩個，則比較該層組件要素影響度ρci與故障率乘積值，值大者是關鍵故障源；(2)識別關鍵路徑；①識別關鍵故障節點；比較各組件節點要素故障率值，數值越大，與其相連的上一層故障傳播路徑越關鍵；若出現L1層組件節點要素故障率相等，則要結合被影響度ρck值，故障率與被影響度ρck之積值越大節點組件節點要素Si越關鍵，即為最高層L1關鍵故障節點L1(Si)；根據故障傳播層次化模型，比較與L1(Si)相關聯的L2層中各節點組件節點要素影響度ρci與故障率之積值，數值越大，與L1(Si)相連L2組件節點要素越關鍵，可確定關鍵故障節點L2(Sj)；同理按照L2層關鍵故障節點確定方法，可以確定中間層各關鍵故障節點；②依據故障傳播層次化模型，將(1)、①步確定的關鍵故障源組件節點、關鍵故障組件節點連接的各有向邊即為關鍵故障傳播路徑；至此定位故障主因，實現數控機床故障診斷。與現有技術相比本發明的有益效果是：本發明故障診斷方法不僅考慮系統組件故障傳播層次關系、故障傳播影響，還在組件故障率確定中考慮系統組件的故障時間相關影響，提高組件故障建模準確性，與傳統的基于圖論或單一數據驅動、以系統組件故障發生率診斷相比更實時、更符合實際。附圖說明下面結合附圖對本發明作進一步的說明：圖1是本發明所述的數控機床故障診斷方法流程圖；圖2是由六個子系統節點集合V＝{a,b,c,d,e,f}構成的故障傳播有向圖模型；圖3是某機床系統10個組件的故障有向圖；圖4是某機床系統10個組件的故障傳播層次化模型；圖5是某機床系統10個組件的故障傳播層次化模型與故障影響度。具體實施方式下面結合附圖對本發明作詳細的描述：參閱圖1所示，本發明的數控機床故障診斷方法包括下述步驟：將系統劃分為n個組件；系統組件故障數據劃分及故障關聯分析；故障傳播有向圖建立及矩陣描述；組件故障影響計算；基于時間相關的組件故障率建模；故障主因定位等。一、系統組件故障數據劃分與故障關聯分析為進行組件故障傳播過程建模及故障率建模，實現系統組件故障診斷，本發明采用故障致因分析對故障數據進行劃分及故障關聯分析。1、系統組件故障數據劃分系統組件劃分：根據數控機床結構與工作原理將整個數控機床系統部件劃分為n個組件；組件故障數據：針對采集的數控機床現場故障信息，借助于數據計算、結合故障致因分析確定故障時間，建立各個組件與故障時間間對應關系；2、系統組件故障關聯分析根據采集的數控機床現場故障信息，依據系統結構功能方面的相關經驗，采用故障致因分析確定組件故障關聯關系。二、系統組件故障傳播有向圖建立及矩陣描述為進行組件故障傳播建模，實現系統組件故障診斷，本發明采用故障有向圖描述組件故障傳播關系，并引入鄰接矩陣對組件故障直接傳播關系進行描述。1、系統組件故障傳播有向圖建立依據系統組件間的故障傳播關系，以系統組件為節點集合V＝{v1,v2,...,vn}，組件節點之間的故障傳播關系為有向邊集合E＝{eij}(1≤i,j≤n)，構建故障傳播有向圖G＝(V,E)。如果系統組件i出現故障會引發系統組件j出現故障，那么則存在從節點i到節點j的一條有向邊，其中n為系統組件數量。故障傳播關系主要是依據采集的現場故障數據和故障關聯分析，結合故障診斷手冊進行確定。參閱圖2是由六個子系統節點集合V＝{a,b,c,d,e,f}構成的故障傳播有向圖模型。2、系統組件故障直接傳播關系矩陣描述用n×n階鄰接矩陣A對故障傳播有向圖模型進行描述；當i≠j時，當i＝j時，aij＝0。可以用對應的鄰接矩陣對圖2所示的故障傳播有向圖模型進行描述：鄰接矩陣能夠將有向圖中的節點直接影響關系以矩陣的形式表達出來，但對于節點的間接影響關系無法刻畫。系統中有些元件的故障是通過某些中間部件傳遞到其他部件，在進行故障源分析定位時也必須考慮進去。三、數控機床系統組件故障影響計算在故障傳播過程中，故障影響既包括指系統組件自身被其他系統組件影響的能力也包括影響其他系統組件的能力，是與系統組件節點的入度、出度正相關的量，記為ρCK與ρCI。ρCK值代表了系統組件被其它系統組件影響的概率，其值是“基于入度”計算的。所以通過對鄰接矩陣A按“行歸一”得到轉移概率矩陣A'，借助(1)式可以求得系統組件的故障被影響度。同理，ρCI值代表了某系統組件故障對系統其余組件產生故障影響的概率，ρCI值是“基于出度”計算的。通過對鄰接矩陣A進行轉置構造新的鄰接矩陣AT，對新的鄰接矩陣AT按“行歸一”得到轉移概率矩陣(AT)'，借助公式(2)可以求得系統組件的故障影響度。其中，d——阻尼因子，取試驗中關聯故障數與總故障數的比值；E——(n×1)階矩陣，并且元素全為1；迭代初始條件為：(ρCK)0＝[11…1]T；(ρCI)0＝[11…1]T。設ε為指定的迭代收斂平穩閥值，迭代計算當滿足|(ρCK)x+1-(ρCK)x|＜ε、|(ρCI)x+1-(ρCI)x|＜ε時，迭代結束。迭代結束后得到ρCK、ρCI，則ρCK＝[ρck(1)ρck(2)…ρck(n)]T、ρCI＝[ρci(1)ρci(2)…ρci(n)]T即為各系統組件基于故障相關的被影響度與影響度值。上述計算系統組件的故障影響基于以下假設：假設1：數控機床系統故障以概率d出現故障傳遞現象,即沿著故障傳遞模型進行傳遞，其中；假設2：當系統以概率(1-d)不沿著故障連接進行傳遞，那么下一個故障將以等可能的概率發生于任何一個系統組件，系統組件的ρCK值將會平均傳遞到各個系統組件；假設3：當系統組件i能夠將故障傳遞到部件j，部件j會獲得故障相關被影響度值ρck(ij)，傳遞值的大小依賴于組件i的故障率、影響度ρci(i)和其本身的ρck(i)值；假設4：如果組件容易受到越多其他ρCK值較高的系統組件的故障影響，那么此系統組件的ρCK值也會越高。四、故障傳播層次化模型建立因鄰接矩陣A只能描述組件故障直接傳播關系，對于間接傳播關系的描述需要引入可達矩陣；可達矩陣分解可實現系統組件故障傳播有向圖的層次化。1.可達矩陣求解；將鄰接矩陣A加上單位矩陣I經過r步布爾自乘運算，當有(I+A)r-2≠(I+A)r-1＝(I+A)r,r≤n-1成立時，令M＝(I+A)r，(I+A)r即為可達矩陣。2.故障傳播有向圖的層次化；可達矩陣M中行值為1的要素對應的列要素組成可達集R(S)，可達矩陣M中列值為1的要素對應的行要素組成前因集A(S)，滿足R(Si)∩A(Si)＝R(Si)成立的要素Si就是系統的最高級別L1中組件要素；去掉最高級組件要素，重復上述步驟，可分出系統的第2級、第3級…直至最低級組件要素；可達矩陣M中若mij＝mji＝1，則組件要素Si與組件要素Sj是強連接關系；按照組件要素的等級順序將其分層，然后將組件要素間連接關系用有向線相連，對于強連接關系，繪制雙向線，據此建立出系統組件故障傳播層次化模型。五、基于時間相關的系統組件故障建模為考慮系統組件故障時間相關進行組件故障建模，實現系統故障診斷，本發明引入Johnson法對系統組件故障時間次序修正。1.系統組件故障時間次序修正；對數控機床故障數據與右截尾等所有數據k從小到大按整數排列，記這列編號為j(1≤j≤k)；然后，只對數控機床該組件m個故障數據從小到大按整數排列，記這列編號為i(1≤i≤m)，則第i個故障數據的順序號ri＝ri-1+(n+1-ri-1)/(n+2-j)，令r0＝0。2、數控機床組件故障率建模；假設數控機床組件故障數據服從分布函數為t≥0，故障率為λ＝βθβ(t)β-1的兩參數威布爾模型，對1-F(t)兩邊取兩次自然對數得將該式左側與右側lnt做線性回歸模型的擬合，可以得到威布爾模型參數；采用線性相關系數檢驗法計算模型檢驗值ρ，根據故障數據n及顯著性水平,計算相關系數起碼值ρα，當ρ＞ρα時，則認為lnt與是線性相關的，故障數據服從假設分布，否則拒絕假設。六、數控機床故障診斷基于數控機床系統組件故障率、組件間故障影響度和被影響度，結合組件故障傳播層次化模型，進行故障源及關鍵故障傳播路徑分析，定位故障主因。1.關鍵故障源識別；在組件故障傳播層次化模型中最低級層次系統組件要素即為故障源，若最低級層組件要素多于兩個，則比較該層組件要素故障率與影響度乘積值，值大者是關鍵故障源。2.關鍵故障路徑識別①關鍵故障組件識別；比較最高層L1各組件節點要素故障率與被影響度之積，值越大這組件節點Si越關鍵，定位關鍵組件節點L1(Si)；根據組件故障傳播層次化模型，比較與L1(Si)相關聯的L2層中各節點組件節點要素故障率與影響度之積值，數值越大，與L1(Si)相連L2組件節點要素越關鍵，可確定關鍵組件節點L2(Sj)，同理，按照L2層關鍵組件節點確定方法，可以確定中間層各關鍵組件節點。②依據故障傳播層次模型，將確定的關鍵故障源要素節點與確定的關鍵組件要素節點連接的各有向邊即為關鍵故障傳播路徑。實施例數控機床故障診斷對采集的某臺數控機床現場106個故障數據進行故障分析，發現共有9個組件發生故障，數控機床9個組件故障信息如表1所示。表1系統組件代碼及故障間隔時間表該系統由10個節點組成節點集合V，節點之間表示故障傳遞關系的有向邊集合E＝{eij}(1≤i,j≤10)，借助對該系統結構功能方面的相關經驗，結合故障診斷手冊，得出故障有向圖G(V,E)，參閱圖3所示。根據表1及圖3，確定系統組件故障直接關系鄰接矩陣A，根據鄰接矩陣A加上單位矩陣I經過布爾自乘運算，得到該系統10個組件的間接故障關系可達矩陣M。按照故障傳播有向圖的層次化原理，將可達矩陣M輸入Matlab，經矩陣分解計算得到系統10個組件間的故障傳播層次模型，參閱圖4所示。由鄰接矩陣A得到概率轉移矩陣(A′)T與[(AT)′]T分別為已知106個現場故障數據中，關聯故障數為33，因此阻尼因子d＝33/106≈0.3。設迭代收斂平穩閥值ε＝(0,0,…,0)T，經Matlab迭代計算，得到各系統要素的影響度和被影響度值，結果如表2所示。表2系統組件故障影響值系統組件代碼被影響度影響度J0.12860.0583M0.09600.0583S0.09540.0656NC0.06270.0652W0.06270.0613D0.05830.0666V0.05830.1031G0.05830.0666L0.05830.0696K0.05830.0613根據表2和圖4，建立系統組件有權故障傳播結構模型，參閱圖5所示。以S組件為例介紹系統組件故障率建模過程。考慮定時截尾試驗及整機其他組件故障引起的被研究組件S故障時間截尾等多重截尾數據的影響，對組件S故障數據的次序進行修正，修正后故障秩次見表3。表3組件S故障秩次單位:h故障時間秩次故障時間秩次76.981.000446.6211.83188.202.165775.6915.003122.653.428821.6118.289147.124.791939.0722.724210.286.294974.2527.160296.757.9721260.1136.031382.909.8061960.03053.773經最小二乘法參數估計及線性相關性檢驗查表得檢驗臨界值故組件S故障率模型服從假設的兩參數威布爾分布，模型參數如表4所示。同理，可以得到其他系統組件故障率模型參數如表4所示。表4系統組件威布爾分布故障率模型參數(1)由圖5可知，最高層L1中的系統要素為J、M，最低層L4中只有一個系統要素V，中間層L2、L3中包含K、S、W、D、L、G、NC七個要素。即該數控機床系統故障源為V，最易發生故障的是J、M。(2)在t∈(0,972h]內，L1層中要素J、M，因故M是關鍵節點；L2層中，因與M相連要素只有S，說明L2層中，關鍵節點要素是S；L3層中，因故關鍵節點要素是G；故各層關鍵節點要素依次為：L1(M)、L2(S)、L3(G)、L4(V)，故系統故障傳播關鍵路徑為V→G→S→M。(3)在t∈(972h,1439h]內，L1層要素J、M，因故M是關鍵節點；L2層中，因與M相連要素只有S，說明L2層中，關鍵節點要素是S；L3層中，因故關鍵節點要素是G；故各層關鍵節點要素依次為：L1(M)、L2(S)、L3(G)、L4(V)，故系統故障傳播關鍵路徑為V→G→S→M。(4)在t＞1439h內，L1層中要素J、M，因故M是關鍵節點；L2層中，因與M相連要素只有S，說明L2層中，關鍵節點要素是S；L3層中，因故關鍵節點要素是L；故各層關鍵節點要素依次為：L1(M)、L2(S)、L3(L)、L4(V)，故系統故障傳播關鍵路徑為V→L→S→M。(5)根據故障診斷過程可知，故障主因是組件故障率的函數，因故障率是時間的函數，故故障主因伴隨各組件故障率的變化而動態變化，不是一成不變的。(6)本發明考慮了系統組件故障對被研究組件故障秩次的影響，通過秩次修正獲得了系統組件的故障率模型，并結合故障傳播層次模型及故障影響，提出數控機床故障診斷策略以定位關鍵故障源與關鍵故障傳播路徑，克服了現有因忽略系統組件故障時間相關而導致用組件故障累積數作為故障秩次，使得故障率模型存在偏差，以及單一采用圖論或數據驅動法進行診斷并致使診斷出現較大失誤的缺陷。最后，以某國產數控機床系統十類組件為例，驗證了所提方法的有效性。這對于減少維修時間、提高系統使用可靠性、保障機床系統安全運行具有一定的指導意義。當前第1頁1 2 3