数控机床常见故障分类及诊断方法的研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇数控机床常见故障分类及诊断方法的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

同济大学中德学院

摘要：数控机床是技术密集和知识密集的自动化设备，机床的故障原因多种多样。本文对数控机床的常见故障进行了分类，并对其故障诊断方法进行了研究，通过实例分析讲解了数控机床故障的排除过程，实践证明这些方法大大提高了故障诊断效率。

引言

数控机床是高度机电一体化产品，对于数控机床的故障诊断，长期以来均是让维修人员和操作人员困扰的问题，由于机床操作人员的技术水平层次不齐，机床的故障原因各异，因此在故障诊断处理的时候往往会花费大量人力和物力，有时还无法达到预计效果。本文为了便于故障数据库的建立，对产生的故障进行了分类以及对故障诊断方法进行了研究，并对举例分析了故障诊断过程。

1.数控机床故障分类原则

1.1.按故障发生的频率分类

数控机床的故障在其使用期内发生的频率是不同的。参照机床在运行中的 “浴盆曲线”[1]，将故障类型分为初期故障、偶发故障和磨损故障，如图1所示。

A―初始故障期 B―偶发故障期 C―磨损故障期

初期故障是指机床使用初期的故障，故障发生频率相对较高。在这个时期，液压、电气和气动系统故障频率占整个初始故障的90%左右。

偶发故障是在正常运转阶段，由于操作和维护不良而造成的

磨损故障是由于年久失修和磨损而产生的故障，例如轴衬和液压缸的磨损等。

1.2.按故障发生的部位分类

数控机床故障按发生的部位来看通常可分为电气系统故障、机械系统故障、液压/气动系统故障[2-3]。

电气系统故障又可分为数控系统故障与强电线路故障。数控系统故障一般是因其硬、软件故障形成的；强电线路故障主要是由各种继电器及传感器等故障造成的。

机械系统故障表现在运动失效和精度超差两个方面。

液压/气动系统故障的出现一般是由机械电气引起的故障、液压/气动传动与控制故障造成的。液压传动与控制故障又可体现在驱动部分的故障、执行部分的故障、控制部分的故障和辅助部分的故障等。

1.3.按故障发生的性质分类

按性质可分为系统性故障和随机性故障。系统性故障通常是指只要满足一定的条件或超过某一设定的限度，运行中的数控机床一定会发生的故障。

随机性故障是指数控机床在同样的工作条件下仅偶然发生一次至两次的故障。这类故障的发生往往与安装质量以及工作环境影响等诸因素有关。由于其具有偶发性，进行故障诊断时较其它故障困难得多。

1.4.按故障发生的原因分类

按故障发生的原因可分为数控机床自身故障和外部故障。前一类故障是由于数控机床自身的原因引起的，与外部使用环境无关。外部故障是由于外部原因，如环境温度过高、供电电压波动较大等造成的。

1.5.按故障发生后有无报警显示分类

有报警显示的故障可分为硬件报警显示与软件报警显示。硬件报警显示通常是指各单元装置上的警示灯的故障状态指示。软件报警显示通常是指CTR显示器上显示出来的报警号和报警信息，包括NC报警和PLC报警。

2.数控机床故障诊断方法分析

目前故障诊断技术的研究主要沿着诊断系统架构研究、智能诊断方法研究、故障机理及故障模型研究和系统集成技术研究等4个方向深入开展。就故障诊断方法而言，按照国际故障诊断权威德国Frank教授的观点，所有的故障诊断方法可以分成基于信号处理的方法、基于解析模型的方法和基于知识的方法[5-6]。

2.1.基于解析模型的故障诊断方法

基于解析模型的方法发展得最早，此方法需要构建诊断对象较为精确的解析模型。然而复杂的系统一般是非线性的，因此系统的解析模型很难建立起来。

2.2.基于信号处理的故障诊断方法

这类方法不需要建立诊断对象的精确模型，其主要的诊断思想是：系统的输出在幅值、相位、频率及相关性上与故障之间存在一定的关系，这种联系可以用多种数学形式表示。一般有基于小波变换的诊断方法、基于输出信号处理的诊断方法、基于信息融合的诊断方法等。

2.3.基于知识的方法

基于知识的方法即基于人工智能的诊断方法。在控制系统变得越来越复杂的情况下，很多时候要想获得系统精确数学模型是非常困难的，而基于知识的方法不需要建立精确的数学模型，由此具有良好的应用前景。一般有以下的诊断方法：

2.3.1.基于专家系统的诊断方法：专家系统实质上是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。主要由专家知识库、数据库、推理机、解释程序、知识获取等部分组成。该方法是故障诊断领域中最为引人注目的发展方向之一，也是研究最多、应用最广的一类智能诊断方法。

2.3.2.基于人工免疫算法的故障诊断方法[7]：免疫系统从不同种类的抗体结构中构造自己―非己非线性自适应网络，在处理动态变化环境中起着重要的作用。人工免疫系统是对生物免疫系统的模拟，具有强大的信息处理能力。

2.3.3.基于神经网络的诊断方法[8]：神经网络是一个由简单的处理单元广泛连接组成的复合网络，它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，并利用全局并行处理实现从输入空间到输出空间的非线性处理。该方法只需要用实例来训练网络，采用隐式方法表示知识。在获取知识时，由网络的结构和权值表示自动产生的知识，并将某一问题的若干知识表示在同一网络中，通用性强，便于实现知识的并行联想推理和自动获取；神经网络可通过神经元之间的相互作用进行推理。

3.数控机床故障诊断实例分析

本文以西门子数控系统为例，进行数控机床的故障诊断实例分析。

3.1.故障实例分析一（PLC故障）

报警号：700018

报警名称：冷却电机过载

PLC地址：DB1600.DBX2.2

故障现象：冷却液电机过载，冷却液功能无法正常使用

分析及解决步骤：1.检查电机中冷却电机的过载保护开关是否动作；2.检查PPU后侧端子X102：a.引脚7接线是否松动/断线；b.确认引脚10是否与0V正常连接。

3.2.故障实例分析二（PLC故障）

报警号：700032

报警名称：刀库同时在主轴位置及原始位置

PLC地址：DB1600.DBX4.0

故障现象：刀库同时位于主轴位置和原始位置。此时刀库动作停止。

分析及解决步骤：1.检查PPU后侧端子X101：a.使用PLC状态监控I1.3/I1.4的输入状态；b.引脚5和6接线是否松动/断线；c.确认引脚10是否与0V正常连接。2.检查刀库推出到位和退回到位的检测开关是否故障。

3.3.故障实例分析三（硬件故障）

报警号：300025

报警名称：进给轴故障

故障现象：1.有进给轴移动数值显示，但实际不动； 2.机床实际移动方向与操作方向相反，或机床实际移动方向与屏幕显示方向相反。3.刀库同时位于主轴位置和原始位置。此时刀库动作停止。

分析及解决步骤：1.PPU是否处于程序测试状态； V60驱动器方向键连接线是否正确。2.联轴器是否松动。3.轴信号与驱动器连接是否良好；V60驱动器上的端子是否插紧/损坏4.若使用第三方驱动器，检查驱动器上是否存在报警。5.PPU损坏

4.结语

由于机床数控机床高度机电一体化且工作条件复杂，所以可能产生单故障和多故障报警。在数控机床故障排除时，要不断总结经验、合理分析，根据报警号和故障现象等，并可同时运用几种故障诊断方法，对故障进行综合分析来确定故障部位，以达到排除故障的目的。

参考文献：

[1]王侃夫.数控机床故障诊断及维护[M].北京：机械工业出版社，2002.

[2]黄文虎，夏松波等.设备故障诊断原理、技术及应用[M].北京：科学出版社，1996.

[3]沈永福，高大勇.设备故障诊断技术[M].北京：科学出版，1991.

[4]王申银.典型数控机床的故障诊断与维护和专家系统的研究[D].山东大学2006

[5]鄂加强.智能故障诊断及其应用[M].长沙：湖南大学出版社，2006

[6]Frank P M. Fault Diagnosis in the dynamic systems using analytical and knowledge-based fault redundancy-a survey and some new results. Automatic， 1990， （26）：459-474

[7]焦李成，杜海峰，刘芳等.免疫优化计算、学习与识别[M].北京：科学出版社，2006

[8]谢汝兵.基于模糊神经网络的数控机床故障诊断的研究[D].太原科技大学 2013