數控機床常見故障分類及診斷方法的研究

黃江濤 王家海 劉晨陽 黃朝岳

同濟大學中德學院

摘要：數控機床是技術密集和知識密集的自動化設備，機床的故障原因多種多樣。本文對數控機床的常見故障進行了分類，并對其故障診斷方法進行了研究，通過實例分析講解了數控機床故障的排除過程，實踐證明這些方法大大提高了故障診斷效率。

引言

數控機床是高度機電一體化產品，對于數控機床的故障診斷，長期以來均是讓維修人員和操作人員困擾的問題，由于機床操作人員的技術水平層次不齊，機床的故障原因各異，因此在故障診斷處理的時候往往會花費大量人力和物力，有時還無法達到預計效果。本文為了便于故障數據庫的建立，對產生的故障進行了分類以及對故障診斷方法進行了研究，并對舉例分析了故障診斷過程。

1.數控機床故障分類原則

1.1.按故障發生的頻率分類

數控機床的故障在其使用期內發生的頻率是不同的。參照機床在運行中的 “浴盆曲線”[1]，將故障類型分為初期故障、偶發故障和磨損故障，如圖1所示。

A—初始故障期 B—偶發故障期 C—磨損故障期

初期故障是指機床使用初期的故障，故障發生頻率相對較高。在這個時期，液壓、電氣和氣動系統故障頻率占整個初始故障的90%左右。

偶發故障是在正常運轉階段，由于操作和維護不良而造成的

磨損故障是由于年久失修和磨損而產生的故障，例如軸襯和液壓缸的磨損等。

1.2.按故障發生的部位分類

數控機床故障按發生的部位來看通常可分為電氣系統故障、機械系統故障、液壓/氣動系統故障[2-3]。

電氣系統故障又可分為數控系統故障與強電線路故障。數控系統故障一般是因其硬、軟件故障形成的；強電線路故障主要是由各種繼電器及傳感器等故障造成的。

機械系統故障表現在運動失效和精度超差兩個方面。

液壓/氣動系統故障的出現一般是由機械電氣引起的故障、液壓/氣動傳動與控制故障造成的。液壓傳動與控制故障又可體現在驅動部分的故障、執行部分的故障、控制部分的故障和輔助部分的故障等。

1.3.按故障發生的性質分類

按性質可分為系統性故障和隨機性故障。系統性故障通常是指只要滿足一定的條件或超過某一設定的限度，運行中的數控機床一定會發生的故障。

隨機性故障是指數控機床在同樣的工作條件下僅偶然發生一次至兩次的故障。這類故障的發生往往與安裝質量以及工作環境影響等諸因素有關。由于其具有偶發性，進行故障診斷時較其它故障困難得多。

1.4.按故障發生的原因分類

按故障發生的原因可分為數控機床自身故障和外部故障。前一類故障是由于數控機床自身的原因引起的，與外部使用環境無關。外部故障是由于外部原因，如環境溫度過高、供電電壓波動較大等造成的。

1.5.按故障發生后有無報警顯示分類

有報警顯示的故障可分為硬件報警顯示與軟件報警顯示。硬件報警顯示通常是指各單元裝置上的警示燈的故障狀態指示。軟件報警顯示通常是指CTR顯示器上顯示出來的報警號和報警信息，包括NC報警和PLC報警。

2.數控機床故障診斷方法分析

目前故障診斷技術的研究主要沿著診斷系統架構研究、智能診斷方法研究、故障機理及故障模型研究和系統集成技術研究等4個方向深入開展。就故障診斷方法而言，按照國際故障診斷權威德國Frank教授的觀點，所有的故障診斷方法可以分成基于信號處理的方法、基于解析模型的方法和基于知識的方法[5-6]。

2.1.基于解析模型的故障診斷方法

基于解析模型的方法發展得最早，此方法需要構建診斷對象較為精確的解析模型。然而復雜的系統一般是非線性的，因此系統的解析模型很難建立起來。

2.2.基于信號處理的故障診斷方法

這類方法不需要建立診斷對象的精確模型，其主要的診斷思想是：系統的輸出在幅值、相位、頻率及相關性上與故障之間存在一定的關系，這種聯系可以用多種數學形式表示。一般有基于小波變換的診斷方法、基于輸出信號處理的診斷方法、基于信息融合的診斷方法等。

2.3.基于知識的方法

基于知識的方法即基于人工智能的診斷方法。在控制系統變得越來越復雜的情況下，很多時候要想獲得系統精確數學模型是非常困難的，而基于知識的方法不需要建立精確的數學模型，由此具有良好的應用前景。一般有以下的診斷方法：

2.3.1.基于專家系統的診斷方法：專家系統實質上是應用大量人類專家的知識和推理方法求解復雜的實際問題的一種人工智能計算機程序。主要由專家知識庫、數據庫、推理機、解釋程序、知識獲取等部分組成。該方法是故障診斷領域中最為引人注目的發展方向之一，也是研究最多、應用最廣的一類智能診斷方法。

2.3.2.基于人工免疫算法的故障診斷方法[7]：免疫系統從不同種類的抗體結構中構造自己—非己非線性自適應網絡，在處理動態變化環境中起著重要的作用。人工免疫系統是對生物免疫系統的模擬，具有強大的信息處理能力。

2.3.3.基于神經網絡的診斷方法[8]：神經網絡是一個由簡單的處理單元廣泛連接組成的復合網絡，它以分布的方式存儲信息，利用網絡的拓撲結構和權值分布實現非線性的映射，并利用全局并行處理實現從輸入空間到輸出空間的非線性處理。該方法只需要用實例來訓練網絡，采用隱式方法表示知識。在獲取知識時，由網絡的結構和權值表示自動產生的知識，并將某一問題的若干知識表示在同一網絡中，通用性強，便于實現知識的并行聯想推理和自動獲取；神經網絡可通過神經元之間的相互作用進行推理。

3.數控機床故障診斷實例分析

本文以西門子數控系統為例，進行數控機床的故障診斷實例分析。

3.1.故障實例分析一（PLC故障）

報警號：700018

報警名稱：冷卻電機過載

PLC地址：DB1600.DBX2.2

故障現象：冷卻液電機過載，冷卻液功能無法正常使用

分析及解決步驟：1.檢查電機中冷卻電機的過載保護開關是否動作；2.檢查PPU后側端子X102：a.引腳7接線是否松動/斷線；b.確認引腳10是否與0V正常連接。

3.2.故障實例分析二（PLC故障）

報警號：700032

報警名稱：刀庫同時在主軸位置及原始位置

PLC地址：DB1600.DBX4.0

故障現象：刀庫同時位于主軸位置和原始位置。此時刀庫動作停止。

分析及解決步驟：1.檢查PPU后側端子X101：a.使用PLC狀態監控I1.3/I1.4的輸入狀態；b.引腳5和6接線是否松動/斷線；c.確認引腳10是否與0V正常連接。2.檢查刀庫推出到位和退回到位的檢測開關是否故障。

3.3.故障實例分析三（硬件故障）

報警號：300025

報警名稱：進給軸故障

故障現象：1.有進給軸移動數值顯示，但實際不動； 2.機床實際移動方向與操作方向相反，或機床實際移動方向與屏幕顯示方向相反。3.刀庫同時位于主軸位置和原始位置。此時刀庫動作停止。

分析及解決步驟：1.PPU是否處于程序測試狀態； V60驅動器方向鍵連接線是否正確。2.聯軸器是否松動。3.軸信號與驅動器連接是否良好；V60驅動器上的端子是否插緊/損壞4.若使用第三方驅動器，檢查驅動器上是否存在報警。5.PPU損壞

4.結語

由于機床數控機床高度機電一體化且工作條件復雜，所以可能產生單故障和多故障報警。在數控機床故障排除時，要不斷總結經驗、合理分析，根據報警號和故障現象等，并可同時運用幾種故障診斷方法，對故障進行綜合分析來確定故障部位，以達到排除故障的目的。

參考文獻：

[1]王侃夫.數控機床故障診斷及維護[M].北京：機械工業出版社，2002.

[2]黃文虎，夏松波等.設備故障診斷原理、技術及應用[M].北京：科學出版社，1996.

[3]沈永福，高大勇.設備故障診斷技術[M].北京：科學出版，1991.

[4]王申銀.典型數控機床的故障診斷與維護和專家系統的研究[D].山東大學2006

[5]鄂加強.智能故障診斷及其應用[M].長沙：湖南大學出版社，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，劉芳等.免疫優化計算、學習與識別[M].北京：科學出版社，2006

[8]謝汝兵.基于模糊神經網絡的數控機床故障診斷的研究[D].太原科技大學 2013