數控機床液壓系統模糊故障樹分析與診斷*

陳德道， 高俊峰

(1.蘭州交通大學 機電工程學院，甘肅 蘭州 730070； 2.蘭州蘭石重工有限公司，甘肅 蘭州 730050)

1 引 言

隨著數控機床的普及應用，數控機床的故障診斷與維護維修越來越重要。由于數控機床是一個集機、電、液、計算機控制于一體的復雜系統，以及參數輸入的不確定性、模糊性，數控機床控制系統中的故障自診斷系統難以準確判斷出故障原因[1]。近年來，有許多研究致力于數控機床的故障診斷專家系統，故障樹分析法是目前廣泛應用的邏輯診斷法，頂層事件和底層事件對應，對確定性事件有效[2]。模糊控制不依賴被控對象的精確數學模型，依賴專家知識和操作者的經驗，具有較強的知識表達能力，將專家知識和操作者經驗以規則的形式加以描述和提煉，具有較強的推理功能，經過模糊邏輯推理可以實現類似于人的決策過程[3]。針對數控機床故障的多樣性和不確定性，將故障樹分析法和模糊控制理論相結合，充分利用各自優點，以數控機床的液壓系統為研究對象，構建液壓系統故障樹，運用模糊故障樹控制理論，提出數控機床液壓系統故障診斷推理方法，為故障診斷專家系統的設計提供一種新的推理方法。

2 數控機床液壓系統模糊故障樹

2.1 液壓系統故障樹

對數控機床液壓系統功能進行層次分解，通過表示系統中各子模塊之間關系的方法，將系統的功能用它的下級子系統的功能來表示，而其子模塊的功能又用它本身的各功能模塊的功能表示。系統功能的這種層次分解，也就是系統故障分析過程的模擬，功能分解的結果就是一棵故障樹。這個故障樹共有四層：第0層頂事件，即液壓系統故障；第1層中間事件是可能引起系統故障的各個子系統故障，即液壓泵供油不足等六個子系統故障；第2層中間事件為可能引起子系統故障的各個功能模塊故障，如液壓泵供油不足模塊下的壓力彈簧調節過松等九個子系統故障；而第3層即底事件，是引起系統故障的最終不可分割的功能子模塊故障和排除方法。圖1所示為數控機床液壓系統故障樹(部分)。

2.2 模糊故障樹分析方法

數控機床液壓系統模糊故障樹分析法是利用故障樹分析故障征兆與故障原因之間的關聯，故障現象由某幾個故障誘因所引起，統計某故障誘因發生的次數，利用模糊控制理論，建立模糊判斷計算數學模型，通過故障率及模糊計算模式進行判斷，找出故障點[5-6]。一般分為以下幾個步驟：

(1) 根據數控機床液壓系統故障樹，分析故障征兆與故障原因之間的關聯關系，確定數控機床液壓系統故障癥狀集合。

集合用K表示，采用歐氏向量表示為：

K={k1，k2，k3，…kn}

式中：n為故障征兆種類的總數，圖1中n為6。

引起故障征兆的可能故障原因樣本用向量X表示：

X={x1，x2，x3，…xm}

(2) 分析數控機床液壓系統故障發生比率，確定故障概率矩陣。如圖1所示。

圖1 數控機床液壓系統故障樹(部分)

設數控機床液壓系統系統可能的故障征兆為n，出現故障原因種類為m，矩陣向量為U，U={u1，u2，u3，…un},矩陣U為n×m階矩陣，表示故障征兆與故障原因之間的關系，其值為故障發生次數：

向量矩陣A={A1，A2，A3…An}表示故障度集：

式中：aij為故障樹的故障發生概率：

(3) 若采用不同的渠道，得出若干個故障概率矩陣，綜合分析統計的可信度，得出權重矩陣，設W=[w1，w2，w3，…wM]，M為故障概率矩陣數，w1+w2+w3+…+wM=1,得到模糊判斷關系矩陣B，B=W×A。

(4) 根據具體故障征兆，確立故障隸屬函數矩陣。將故障征兆明顯程度分為明顯、可能和無征兆三種情況，并用1、0.5、0來表示，可得故障隸屬函數矩陣Va(x):

Va(x)=

[va1(x1)va2(x2)va3(x3) …van(xn)]

(5) 通過故障征兆與模糊關系矩陣計算各個故障原因隸屬度。Y=Va(x)×B，設故障原因向量Y={y1，y2，y3，…ym}，表示各故障原因隸屬度：

根據最大隸屬度原則，即可診斷出故障原因。

3 基于模糊故障樹的數控機床液壓系統故障診斷

3.1 數控機床液壓系統故障診斷中的參數

數控機床液壓系統常見的故障征兆有液壓泵供油不足，系統及工作壓力低、運動部件爬行，液壓泵發熱、油溫過高，尾座頂不緊、不運動，導軌潤滑不良，液壓泵有異常噪聲、壓力下降等6種，對應的故障原因有壓力彈簧調節過松等32種，為了計算方便，筆者選用其中10種進行分析。

矩陣向量U由故障誘因引發的故障征兆次數組成，U1為數控機床應用廠家統計次數矩陣，U2為數控機床生產廠家由售后服務部門統計次數矩陣，統計按同一種類型的機床每年故障次數統計。表1是應用廠家統計的故障征兆隸屬故障原因統計表，表2是生產廠家統計的故障征兆隸屬故障原因統計表。

表1 應用廠家統計的故障征兆隸屬故障原因統計表

表2 生產廠家統計的故障征兆隸屬故障原因統計表

3.2 數控機床液壓系統模糊故障樹的建立

根據表1、表2中故障征兆與故障原因數據統計，計算數控機床應用廠家統計次數故障集度矩陣A1，數控機床生產廠家統計次數故障集度矩陣A2：

設數控機床生產廠家統計權重w1=0.6，設數控機床應用廠家統計權重w2=0.4，由B=0.4A1+0.6A2,得模糊診斷矩陣B：

如果假設有尾座頂不緊、不運動和導軌潤滑不良兩個明顯的征兆，則征兆向量uA(x)為:

故障原因隸屬度矩陣Y為：

由最大隸屬度原則，診斷出故障原因是第四個，即液壓油路泄漏。

4 結 語

利用模糊故障樹方法對數控機床液壓系統的故障診斷系統推理方法進行了研究，通過功能分析，構建了數控機床液壓系統故障樹，利用數控機床應用廠家統計資料和數控機床生產廠家售后服務部門統計資料，建立故障集度矩陣，確立故障原理隸屬度，根據最大隸屬度原則確定故障原因。該方法能大大提高故障診斷效率，為高效率故障診斷系統的設計提供一種新的推理方法。

參考文獻：

[1] Shibahata Y.Progress and Future Direction of Chassis Control Technolo-gY．Annum Reviews in Control，2005，29(1)：151-158.

[2] 葉伯生，黃增雙，李 斌.故障樹分析法在數控機床故障診斷系統中的應用[J].機械設計與制造,2006(8):135-137.

[3] 馮俊萍，劉海梅.數控機床換刀機構模糊故障樹分析與診斷[J].科學技術與工程,2012,12(28):184-188.

[4] 王 嬌，祁美玲.RBR和CBR在數控機床故障診斷系統中的應用[J].組合機床與自動化加工技術,2011(1):47-53.

[5] 潘 波，姜同敏.基于故障樹的飛機結構腐蝕損傷模糊綜合評判[J].北京航空航天大學學報，2012,38(1)：38-42.

[6] 周鴻雛.數控機床PLC控制的故障診斷[J].機械，2011(S1)：112-114.