2 多傳感器信息融合智能故障診斷策略 

由于單個傳感器只能獲取局部的信息，對于功能部件多、故障信息復雜的數控機床，需采用多種傳感器來獲取不同種類、不同狀態(tài)的信息。多傳感器信息融合方法是用多種傳感器從多方面探測系統(tǒng)的多種物理量，利用計算機技術對系統(tǒng)運行狀態(tài)的多傳感器信息源進行監(jiān)測，進而綜合運用多種人工智能和現代信號處理方法的各自優(yōu)點，取長補短，優(yōu)勢互補，實現準確、及時地機械系統(tǒng)運行狀態(tài)判斷。該方法的特點在于，多傳感器信息融合系統(tǒng)能有效地利用傳感器資源最大限度地獲得有關被測對象和狀態(tài)的信息量。與單一傳感器系統(tǒng)相比，多傳感器信息集成與融合的優(yōu)點突出地表現在信息的冗余性、容錯性、互補性、實時性和低成本性。將系統(tǒng)中若干個相同類型或不同類型的傳感器所提供的相同形式或不同形式、同時刻或不同時刻的測量信息加以分析、處理與綜合，得到對被測對象全面、一致的估計。 

由于機床功能部件種類復雜，多信號調制和監(jiān)測信號種類多樣性的特點，對機床的動態(tài)測控與智能診斷面臨被測對象多、分析處理數據量大及診斷過程中時變性、隨機性、模糊性等問題，使得單一的故障診斷方法難以對設備運行的故障狀態(tài)做出準確有效的預示，這是制約其實際應用效果的關鍵因素。因此，綜合運用多信息融合方法和混合智能故障診斷策略，是智能故障辨識的發(fā)展趨勢。 

近年來，國內外研究人員將專家系統(tǒng)、模糊理論、神經網絡、聚類分析、進化算法等人工智能方法應用于數控機床的故障診斷中。基于神經網絡的智能故障診斷是近年來應用最為廣泛的一種方法。目前，此方法的研究主要集中在2個方面：一是把不同的神經網絡模型應用到故障診斷中，如采用BP 神經網絡、徑向基神經網絡、概率神經網絡和自組織特征映射神經網絡等；二是改進現有神經網絡學習算法或研究新的算法，以提高故障診斷與預報的準確性和效率。上述方法均具有一定的適用性和局限性，如存在診斷信息不完整、神經網絡缺乏故障訓練樣本、早期故障與嚴重故障的關系等問題。而且大型復雜數控裝備需監(jiān)測的對象多，分析處理的數據量大，用單一的人工智能方法，難以完成對整個系統(tǒng)運行狀況的有效監(jiān)控。筆者在智能故障診斷方面做了大量的研究工作，深入分析了基于Web的專家系統(tǒng)體系結構，提出基于Java技術的網絡專家系統(tǒng)實現方法，提出了基于徑向基函數神經網絡的故障診斷理論，應用一種Renyi熵測度下基于經驗模式分解和最小二乘支持向量機的智能診斷模型。用以進行滾動軸承的故障診斷試驗，成功開發(fā)了機械設備智能診斷與預測維修系統(tǒng)，并在數控機床、汽輪發(fā)電機組等機械設備中投入使用。 

 
網絡架構下的具有集成監(jiān)測一體化嵌入式測試單元的開放結構數控系統(tǒng)

數控機床動態(tài)測控與智能診斷應用的搭建 

進行動態(tài)測控與智能診斷技術的理論研究，最終目標是將這些算法構建在數控機床在線檢測平臺上，實現加工運行狀態(tài)的實時檢測與診斷。從現有的在線檢測設備來看，存在由于體積制約導致的安裝復雜性和設備外置性等特點，而定制專用嵌入式監(jiān)測模塊又存在研發(fā)周期長、監(jiān)測功能單一等缺陷，難以適應高檔數控系統(tǒng)開放式架構和功能模塊可重構的發(fā)展需求。特別是對于我國來說，由于國內現有的高端航空制造數控機床基本依賴國外進口，技術壁壘效應導致數控系統(tǒng)開放性較差，實現機床故障診斷預警系統(tǒng)與數控系統(tǒng)集成更加困難。以下闡述了模塊化可重構特點的在線檢測單元構建方法，該數控系統(tǒng)在線監(jiān)測構架融合了設備狀態(tài)監(jiān)測和智能診斷技術、網絡技術、數據庫技術和人工智能技術，實現基于網絡的數控機床智能診斷和遠程維護，代表了數控機床動態(tài)測控與智能診斷應用的方向。 

下圖為開放式數控系統(tǒng)下具有模塊化可重構特點的嵌入式狀態(tài)監(jiān)測診斷系統(tǒng)構架，其特點為具有獨立于數控系統(tǒng)的中央處理器，在加工過程的在線監(jiān)測中，狀態(tài)監(jiān)測功能模塊和數控系統(tǒng)各自獨立運行，以確保數控指令的實施和加工狀態(tài)在線監(jiān)測功能的實時性。 

嵌入式在線監(jiān)測單元與數控系統(tǒng)的連接采用基于Ethernet數控系統(tǒng)現場總線、Internet網絡、USB及串口等多種傳輸技術的監(jiān)測信息通用調用接口，實現在線監(jiān)測單元和數控系統(tǒng)信息的實時傳輸與交互，構建了弱耦合無縫連接條件下的高速信息傳輸框架。該信息交互方式的運用強調了數據傳輸實時性，具有測控單元開放性、可移植性強的特點。 

嵌入式在線監(jiān)測單元與遠程網絡監(jiān)控系統(tǒng)的連接采用Internet進行嵌入式，在線監(jiān)測單元與網絡構架下狀態(tài)監(jiān)測診斷系統(tǒng)的監(jiān)測數據上傳及故障診斷代碼下載等實時性要求不高的信息交互。網絡架構下面向復雜設備管理的狀態(tài)監(jiān)測與診斷系統(tǒng)采用C/S與B/S的混合架構搭建。該系統(tǒng)提供多種常用的網絡數據庫供選擇( 如Sql Server，Oracle等)，整個系統(tǒng)框架可以分為三層網絡，包括基于C/S模式的設備狀態(tài)監(jiān)測與故障診斷網、基于B/S模式的設備管理信息網以及企業(yè)網，并最終構建在企業(yè)的ERP系統(tǒng)中。 

以數控系統(tǒng)、嵌入式監(jiān)測單元、遠程監(jiān)控系統(tǒng)為傳輸協(xié)議服務對象的TDNC-Connect傳輸協(xié)議，是建立在通用網絡通信協(xié)議基礎上的基于軟件的輕量級通信協(xié)議。該協(xié)議據對數控系統(tǒng)加工狀態(tài)的信息反饋，將傳輸內容及格式分為故障診斷信息數據流傳輸協(xié)議及機床加工狀態(tài)信息數據流傳輸協(xié)議。故障診斷信息的數據流傳輸協(xié)議采用“工廠—監(jiān)測單元—測點—監(jiān)測量”的狀態(tài)信息描述方法，在嵌入式在線監(jiān)測單元、數控系統(tǒng)及遠程監(jiān)控系統(tǒng)軟件中構建監(jiān)測信息數據庫，實現狀態(tài)信息型數據的測點信息精確定位。 #p#分頁標題#e#

確立監(jiān)測指標量為小數據流量的故障代碼型數據流傳輸格式，可實時傳輸至數控系統(tǒng)并進行故障代碼的數據庫查詢，完成小數據高信息量的數據傳輸。該協(xié)議主要包括以下4 部分內容：（1）監(jiān)測起始數據段：標識監(jiān)測數據的起始，包括監(jiān)測日期、監(jiān)測時間等。（2）監(jiān)測全局數據段：提供狀態(tài)的獲取參數設置信息，如分析頻率、采樣點數、增益、總通道數、通道的參數設置。（3）監(jiān)測信息數據段：監(jiān)測到的具體機床狀態(tài)信號、波形。（4）數據結束標識段：標識監(jiān)測數據包的結束。 

機床加工狀態(tài)信息數據流傳輸協(xié)議：針對機床狀態(tài)信息反饋過程中故障識別信息建立的傳輸協(xié)議，其傳輸對象為波形、頻譜等實時性要求相對較低的顯示型數據信息，可采用TDNC-Connect 機床加工狀態(tài)信息數據流傳輸協(xié)議格式，確保數據信息的準確率。主要包括以下4 部分內 

容：(1)設備信息數據段：機床編號、名稱、車間位置、故障發(fā)生時間和機床管理人員信息等。(2) 測數據指標數據段：加工狀態(tài)監(jiān)測位置測點號、監(jiān)測數據最大值和報警閾值等。(3)故障機理分析數據段：故障位置、產生原因和發(fā)生概率等具體故障診斷結論等。(4)故障維修報表數據段：故障維修具體方案、維修計劃、維修報表等。 

在線監(jiān)測單元的構建包括獨立的PC104 PLUS總線架構的嵌入式工控主板，自主開發(fā)的信號調理模塊、數據采集卡、安裝在CF卡上的嵌入式操作系統(tǒng)XPE和在線監(jiān)測軟件，作為裝備運行狀態(tài)監(jiān)測、先進信號處理、故障診斷、智能維護功能和遠程監(jiān)控的數控機床現場端應用平臺。該單元實現了其硬件功能設計( 數據采集模塊、與數控系統(tǒng)接口、與遠程故障診斷中心接口等) 和軟件功能(數據采集軟件、在線監(jiān)測軟件、與數控系統(tǒng)通訊協(xié)議、與遠程故障診斷中心通訊協(xié)議等) 的集成。測控單元針對在數控機床上構建的力、振動、噪聲、溫度綜合監(jiān)測信息獲取平臺，融合多種信號處理及故障診斷的方法，實現了多傳感器信息下的診斷與智能維護，確保了數控機床高精高效的運行。同時，通過測控單元或數控系統(tǒng)的網絡接口及TDNC-Connect傳輸協(xié)議，使數控系統(tǒng)成為工廠自動化網絡中的一個智能節(jié)點或終端。促使了多臺開放式數控系統(tǒng)與故障診斷網的信息交互、網絡化數據管理、專家系統(tǒng)和遠程診斷功能的實現。 

結束語 

多年來，人們在復雜制造系統(tǒng)運行狀態(tài)檢測、故障預警和診斷的技術研究中，進行了加工過程微弱信號特征提取技術、多傳感器信息融合混合智能診斷建模和在線監(jiān)測驗證平臺搭建的大量研究，已經取得了令人鼓舞的成果。但應該指出的是，動態(tài)測控和智能診斷至今還存在誤報、漏報以及及時性差等問題，特別是對于已預測到的故障進行智能化實時控制尚需進行進一步研究。深入開展動態(tài)測控和智能診斷理論及工程應用研究，對于提升我國航空業(yè)整體制造水平，具有重要的意義和工程應用價值。