隨著先進(jìn)制造技術(shù)對制造質(zhì)量要求的不斷提高，以高速、高精度為代表的高端多軸數(shù)控機(jī)床作已成為航空復(fù)雜構(gòu)形零件的制造母機(jī)。因其對航空制造整體技術(shù)水平提升的重要意義，其技術(shù)創(chuàng)新和突破成為關(guān)系國家和產(chǎn)業(yè)安全的戰(zhàn)略關(guān)鍵。針對高檔數(shù)控機(jī)床結(jié)構(gòu)復(fù)雜、影響因素眾多的特點(diǎn)，如果不能及時準(zhǔn)確地對加工狀態(tài)中的器質(zhì)性故障和精度誤差源進(jìn)行診斷，將無法保障制造質(zhì)量和精度，會導(dǎo)致廢品增加、生產(chǎn)率下降，甚至造成機(jī)床報(bào)廢等重大損失。這就亟需引入動態(tài)測控與智能診斷技術(shù)，進(jìn)行辨識加工狀態(tài)異常和智能維護(hù)理論的研究，開發(fā)可運(yùn)行于機(jī)床的集成一體化動態(tài)測控和智能診斷軟件，實(shí)現(xiàn)高檔數(shù)控機(jī)床的狀態(tài)可顯示、故障可診斷、性能可預(yù)報(bào)，形成監(jiān)測信息、診斷結(jié)論和實(shí)時控制方案策略的統(tǒng)一，進(jìn)而達(dá)到高精、高效加工的目的。 

發(fā)展現(xiàn)狀及趨勢分析 

高檔數(shù)控機(jī)床的常見運(yùn)行故障主要包括電氣系統(tǒng)故障和功能部件故障。其中，電氣系統(tǒng)故障可通過數(shù)控系統(tǒng)自檢的方式實(shí)現(xiàn)，如對驅(qū)動電流、電機(jī)轉(zhuǎn)角、扭矩等運(yùn)行狀態(tài)信號的監(jiān)測診斷，目前已開發(fā)出相應(yīng)的商用監(jiān)測系統(tǒng)，如西門子ePS和FANUC 18i系列監(jiān)測系統(tǒng)等。機(jī)床功能部件故障一直是國內(nèi)外數(shù)控機(jī)床故障診斷領(lǐng)域的難題，其原因在于在線監(jiān)測的特征量如振動信號、聲發(fā)射信號等具有信號微弱或信噪比低導(dǎo)致的特征提取復(fù)雜性，以及機(jī)床功能部件種類復(fù)雜和多信號調(diào)制導(dǎo)致的運(yùn)行狀態(tài)監(jiān)測信息多樣性。雖然已開發(fā)出一些面向單項(xiàng)功能部件的監(jiān)測診斷系統(tǒng)，包括瑞士Kistler切削力監(jiān)測系統(tǒng)和德國ARTIS刀具監(jiān)測系統(tǒng)等，實(shí)現(xiàn)了基于特定監(jiān)測信息的機(jī)床動態(tài)測控與故障診斷。但針對機(jī)床運(yùn)行故障信號信噪比低和多信號調(diào)制復(fù)雜性的特點(diǎn)，仍需進(jìn)一步深入研究機(jī)床早期故障微弱信號監(jiān)測與故障信號的快速特征提取技術(shù)，并建立有效的混合智能故障診斷模型，提高故障快速預(yù)報(bào)的準(zhǔn)確性。 

1 微弱信號監(jiān)測與特征提取 

由于高精密加工中的制造質(zhì)量極易受到數(shù)控裝備器質(zhì)性故障的影響，早期故障一旦出現(xiàn)就會立刻引起加工精度的變化。但是反映早期故障的特征信號，如振動、電流、聲發(fā)射等幅值相對較小，且受到工作噪聲、數(shù)據(jù)采集裝置噪聲、信號傳輸中的耦合噪聲等的影響，信號信噪比極低。開展微弱信號監(jiān)測與特征提取的首要任務(wù)就是對信號的降噪，這就需要采用電子學(xué)、信息論、計(jì)算機(jī)和物理學(xué)等多種方法，對噪聲的來源、性質(zhì)、產(chǎn)生原因及傳播途徑進(jìn)行研究。據(jù)被測信號和噪聲的統(tǒng)計(jì)特性及其差別，有針對性地尋找背景噪聲中的有用信號，實(shí)現(xiàn)噪聲中微弱信號的識別。此外，由于故障診斷快速性和實(shí)時性的要求，所采集的數(shù)據(jù)長度或采集持續(xù)時間往往會受到限制。因此，微弱信號檢測技術(shù)的發(fā)展應(yīng)該歸結(jié)為兩個方向：一是提高檢測能力，盡可能降低其所能達(dá)到的最低檢測信噪比；二是提高檢測速度，最大限度地滿足現(xiàn)場實(shí)時監(jiān)測和故障診斷的要求。 

目前常用的微弱信號檢測方法主要有時域法和頻域法，其中時域法包括取樣積分、數(shù)字平均、相關(guān)檢測、自適應(yīng)消噪等，頻域法包括快速傅立葉變換、功率譜密度、濾波等。然而，對于短數(shù)據(jù)點(diǎn)、極低信噪比、噪聲頻率與信號頻率接近或重合的情況，上述微弱信號檢測方法存在一定的缺陷。如短數(shù)據(jù)點(diǎn)使得快速傅立葉變換頻率分辨率太低，不足以過濾掉噪聲而檢測出特征信號，在濾波抑制噪聲的同時，有用信號也不可避免地受到損害，這些問題的存在影響了常用微弱信號檢測方法的效果。近些年，涌現(xiàn)出一些新的微弱信號檢測方法，如：差分振子、小波變換[9]、循環(huán)統(tǒng)計(jì)理論和高階統(tǒng)計(jì)量、獨(dú)立分量分析、經(jīng)驗(yàn)?zāi)Ｊ椒纸庖约岸喾N方法的綜合應(yīng)用等。 

基于隨機(jī)共振（Stochastic Resonance, SR）的微弱信號檢測技術(shù)是近幾年發(fā)展起來的一種新的信號處理技術(shù)。目前，針對大參數(shù)信號的隨機(jī)共振理論，其研究探索仍然以電路模擬試驗(yàn)為主，相關(guān)研究在國外也很少。2005年，F(xiàn)auve等人利用隨機(jī)共振原理對轉(zhuǎn)子早期碰磨故障的微弱特征信號進(jìn)行了模擬識別研究，但他們沒有考慮其它信號和噪聲參數(shù)之間的相互關(guān)聯(lián)性。在國內(nèi)，關(guān)于隨機(jī)共振工程的實(shí)際應(yīng)用，基本是直接調(diào)節(jié)非線性雙穩(wěn)態(tài)方程的系統(tǒng)參數(shù)來解決強(qiáng)噪聲中的微弱信號檢測問題。這種系統(tǒng)參數(shù)調(diào)節(jié)方法的調(diào)節(jié)范圍很寬、尋優(yōu)時間長，且對不同問題參數(shù)調(diào)節(jié)的規(guī)律不容易尋找。 

針對大參數(shù)信號隨機(jī)共振檢測中所存在的問題，筆者以非線性雙穩(wěn)系統(tǒng)為研究對象，提出變尺度隨機(jī)共振思想，對大參數(shù)的隨機(jī)共振現(xiàn)象進(jìn)行了較深入的分析和研究，并將該研究成果初步應(yīng)用到電機(jī)、軸承、輸油管道等的故障監(jiān)測與診斷，取得了很好的效果。此外，筆者還提出一種基于級聯(lián)雙穩(wěn)隨機(jī)共振降噪的經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ǎ私?jīng)驗(yàn)?zāi)Ｊ椒纸獾倪吔缧?yīng)，實(shí)現(xiàn)了對微弱非平穩(wěn)信號的提取。 

 
加工過程在線監(jiān)測