故障診斷作為機床健康管理的重要內(nèi)容對延長機床壽命、提高生產(chǎn)效率、降低生產(chǎn)成本具有重要意義。從國內(nèi)外研究現(xiàn)狀來看,在基于信號處理、模式識別和物理模型等數(shù)據(jù)驅(qū)動的故障診斷方法上有了大量的研究,取得了豐富的研究成果。在知識驅(qū)動的故障診斷方法方面,也有了一定的研究進展,但關于故障知識的有效組織、表示、共享和應用的研究仍比較少。知識驅(qū)動方法在提高故障診斷知識表示能力和故障診斷系統(tǒng)的智能水平上有著重要作用。隨著機床復雜程度的增加、對智能程度需求的增長和人工智能技術的發(fā)展,對具有綜合性、可配置性和智能性的機床故障診斷系統(tǒng)提出了迫切的需求。因此,本文針對機床故障診斷問題,從知識的角度研究了機床故障診斷知識建模和可配置系統(tǒng)構建方法。主要內(nèi)容包括:（1）在分析機床故障診斷問題和發(fā)展需求的基礎上,提出了一種用于機床故障診斷的多維度的分析模型,從層次維、活動維和時間維三個維度對機床故障診斷問題進行分析,描述了研究對象的時空屬性和研究方法的類別屬性。然后,提出了一種機床故障診斷知識管理體系結構,以知識為核心對機床故障診斷過程中各個結構層次、時間階段和故障診斷活動所涉及到的靜動態(tài)知識進行獲取、處理、組織和應用,開... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：172 頁

【學位級別】：博士

【部分圖文】：

OKM-MTFD核心本體Fig.3.8CoreontologyofOKM-MTFD

和 ZFaultPheAttrDegree 等。 對于故障維修，建立“修復”、“更換”、“調(diào)整”等故障維修本征類，即ZFaultMntIntr_Repair、ZFaultMntIntr_Replace 和 ZFaultMntIntr_Adjust；故障 維 修 的 特 征 、 緊 急 度 、 等 級 、 類 型 等 故 障 維 修 屬 性 類（ZFaultMaintenanceAttribute）的子類，即 ZFaultMntAttrCharacteristic、ZFaultMntAttrEmergencyDegree、ZFaultMntAttrLevel 和 ZFaultMntAttrType。 對 于 故 障 原 因 ， 建 立 類 “ 損 壞 ” 和 “ 松 動 ” 作 為 故 障 原 因 類 子 類ZFaultPheCau_Mechanic 的 子 類 ， 即 ZFaultCau_Damage 和ZFaultCau_Loose；建立故障原因的特征、程度、頻率等故障原因?qū)傩灶悾?ZFaultCauseAttribute ） 的 子 類 ， 即 ZFaultMntAttrCharacteristic 、ZFaultCauAttrDegree 和 ZFaultCauAttrFrequency。 對于故障部位，本文針對目標滾齒機建立了基于“子系統(tǒng)-部件-零件”的機床結構本體（見圖 3.12），應用 EquivalentTo 公理將與 ZFaultLocation 進行關聯(lián)，實現(xiàn)外部引用。

圖 3.19 由故障部位查詢該部位可能有的故障現(xiàn)象、故障原因和故障維修方法Fig. 3.19 Result of querying FP, FM and FC from FL圖 3.20 由故障維修查詢可能的故障現(xiàn)象Fig. 3.20 Result of querying FP from FM3.6 本章小結本章介紹了一種基于標準語義的機床故障診斷知識建模方法（KMM-MTFD），用于構建不同機床的基于本體的故障診斷知識模型（OKM-MTFD）。其中，基于謂詞邏輯的故障要素分析方法為故障要素的內(nèi)容描述提供規(guī)范化的術語集；故障要素兩級分類法和外部本體引用法可以對多種多樣的故障現(xiàn)象和故障維修進行層次化和模塊化的管理，為新增故障的分析和診斷提供支持；OKF-MTFD 核心本體和

【參考文獻】：
期刊論文
[1]Petri網(wǎng)逆網(wǎng)在主軸故障診斷中的應用[J]. 谷東偉,張學文,王志瓊,申桂香,張英芝.  重慶大學學報. 2016(06)
[2]基于桶消元的數(shù)控機床故障模糊貝葉斯網(wǎng)絡推理方法[J]. 高新勤,杜景霏,張艷平.  航空精密制造技術. 2016(05)
[3]基于圖論的數(shù)控機床故障診斷方法[J]. 盛博,鄧超,熊堯,王遠航,羅志駿.  計算機集成制造系統(tǒng). 2015(06)
[4]數(shù)控機床智能故障診斷技術的研究現(xiàn)狀與展望[J]. 王家海,黃江濤,沈斌,蘇依順,張燕青.  機械制造. 2014(05)
[5]智能機床發(fā)展現(xiàn)狀與技術體系框架[J]. 鄢萍,閻春平,劉飛,何龍,蔣林.  機械工程學報. 2013(21)
[6]機械故障診斷基礎研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機械工程學報. 2013(01)
[7]案例推理的故障診斷技術研究綜述[J]. 柳玉,賁可榮.  計算機科學與探索. 2011(10)
[8]Fault Diagnosis Method Based on System-phenomenon-fault Tree[J]. CHEN Guorong 1,2,YAN Ping 1,YI Runzhong 1,and LIU Fei 1 1 State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400044,China 2 School of Electronic & Information Engineering,Chongqing University of Science and Technology,Chongqing 401331,China.  Chinese Journal of Mechanical Engineering. 2011(03)
[9]基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J]. 李晗,蕭德云.  控制與決策. 2011(01)
[10]基于超球面支持向量機的絲杠故障診斷技術[J]. 吳希曦,高宏力,燕繼明,趙敏,黃柏權,許明恒.  計算機集成制造系統(tǒng). 2010(12)

博士論文
[1]復雜裝備故障預測與健康管理關鍵技術研究[D]. 李向前.北京理工大學 2014
[2]遠程協(xié)同故障診斷關鍵技術及其應用研究[D]. 李盤靖.西北工業(yè)大學 2006



本文編號：3217396