在机械设备维护领域将网络技术和故障诊断技术结合起来，建立基于Internet的远程专家诊断系统，以其对复杂系统诊断快速、及时、准确和节约资源的优势，正成为该领域故障诊断技术的发展趋势。目前，已经出现了应用对象不同、结构和功能各异的远程诊断专家系统。然而，由于数控磨床具有技术先进、结构复杂、涉及的技术领域多、故障的层次传播性等特点，尚无适合数控磨床的远程诊断系统。本文就数控磨床的故障特点进行详细分析，构建相应远程专家系统，并提出系统建立的关键技术及实现方案。

　　1数控磨床的故障特点分析数控磨床是集机械、电子、液压于一体的现代精密机电设备，具有技术密集和知识密集的特点。在结构上，数控磨床一般由数控系统（如SIEMENS810D、Fanuc头、砂轮架、床身、工作台、尾架和其他辅助部件组成。在性能上，具有自动磨削循环、砂轮自动修正、工艺参数在线修改和内部故障诊断、报警等功1.因此，合理的故障诊断是各方面因素兼顾的推断结果。与其他机床相比，数控磨床故障诊断有自己的特点，其内容包括以下几个方面。

　　1.1内部故障诊断内部故障是指机床本身控制系统能够识别或处理的故障。这类故障一般由现场的技术人员根据系统提示或使用手册可以独立解决。该类故障诊断的内容及其解决方式有下列3种形式：硬件故障这类故障主要是指控制器、检测装置等电子器件，以及继电器、接触器、熔断器等电气元件失效引起的故障。这类故障一旦发生，必须对失效的元器件进行维修或更换系统才能恢复工作。

　　软件故障这类故障是指由于软件内容变化或丢失、系统配置参数的误设置或因干扰出错和丢失等原因而产生的故障。对于该类故障，则需退出故障状态或修正错误的参数或软件，然后重新启动，系统就能恢复工作。

　　编程和操作错误引起的故障这类故障不是CNC系统的故障，而是由于加工程序的编制错误或操作错误导致的故障。这类故障不须进行维修，只要将报警信息所指出的错误进行修改后，系统即可进行正常的工作。

　　1.2外部故障诊断数控磨床的外部故障是指机床控制系统无法识别或处理的一类故障，如异常的振动、噪声、刚度弱化、主轴回转精度过低、热变形过大、砂轮磨损等。这类故障的特点是表现形式因机床类型而异，涉及的技术领域多，故障的层次传播性和专业维护知识的依赖性明显。所以，现场的技术人员一般无法诊断，这就有必要借助于远程诊断系统进行处理。外部故障诊断的内容及其处理方法如下。

　　1.2.1静态诊断（1）刚度磨床刚度是主轴刚度、床身刚度和工件头架和尾架刚度综合影响的结果。磨床主轴系统受载后的变形在整个磨床变形中占较大比例。对外圆磨床的试验表明，砂轮架系统的变形约占总变形的35 %~50%，工件头架和尾架的变形约占总变形的45%~55%.一方面，主轴系统刚度对磨削效率有直接影响；另一方面，主轴系统刚度影响被磨削零件的表面光洁度。对于刚度较差的主轴系统，在修正砂轮时，主轴受力很小，主轴变形不明显，如-a所示。而磨削工件时的磨削力较大，在主轴砂轮端产生较大的挠度，使砂轮不能沿母线全长与工件接触，只在砂轮端处局部接触，如一b所示。当这种情况发生在外圆磨床上，就会在工件表面磨出螺纹，甚至使表面烧伤，而在平面磨床上则会磨出直线螺纹。

　　可见，主轴系统的变形主要是径向刚度低引起的。因此，实际的刚度测量主要是测量径向静刚度，即采用径向加载测量主轴对主轴箱位移量的方法获得。动刚度的测量比较复杂，一般要专门的仪器，通常不作考虑。

　　（2）主轴回转精度实际测量中，以主轴与主轴箱之间的相对位移定义主轴回转精度。主轴回转误差是由重复性误差和非重复性误差两部分组成。对磨床砂轮主轴而言，精度特别是光洁度受非重复性误差的影响*大。

　　使用千分表，通过手动或点动转动主轴的方法来检测重复性误差的数值，而非重复性误差主要通过动态测量中振动传感器间接估计得到。

　　1.2.2动态诊断振动磨床的振动包含受迫振动和自激振动两个方面。受迫振动的振源是转动零件的不平衡离心力或外部作用。自激振动包括磨削过程的自振、导轨运动的爬行、滑动轴承的油膜振荡、皮带的横向自振、液压随动系统的自振等。振动测量是故障诊断中不可忽略的重要环节。试验表明，受迫振源往往是砂轮主轴，通常是砂轮的不平衡量引起的，其他依次为砂轮电机和工件头架电机。砂轮经过静平衡后的精度较差，仍然存在残余不平衡量，这些不平衡量在砂轮高速转动下，产生很大的离心力（*大可以达到2轮的离心惯性力是引起磨床主轴系统振动的激振力，而主轴系统的振动将直接影响被磨削零件的表面光洁度和波纹度。因此，在振动频谱图中，与砂轮转动频率相对应的振动功率密度将是主要的监控区域。

　　通常振动是以振幅及频率衡量的，一般采用安装振动加速度或速度传感器的方法获得砂轮架和工件头架振动的振动数值。

　　噪声噪声已经成为世界公认的公害之一。降低噪声已是机床制造、维护和改造的一项重要任务。机械工业标准JB/T9872-1999规定，普通机床和精密机床的噪声不得超过85dB高精度机床不得超过75dB.磨床噪声大体是由机械、液压和电机3部分所产生。磨床上采用液压传动的功率图，在较大的频率范围内检测其分布情况，然后与常见噪声源的频谱特性进行对比分析，查找故障源。

　　磨头电流磨头电流的大小与磨削功率、磨削力矩成正比。砂轮在使用过程中，产生磨损和组织堵塞等情况时，磨削力矩将急剧上升，磨头电流随之增大。因此，可以在磨头供电电路安装电流互感器，间接测量磨头电流的数值，从而反映出磨削状况。

　　1.2.3综合诊断综合诊断是将数控模床的内部故障和外部故障诊断结果进行信息融合后，作出的合理诊断结果。这个阶段，既要考虑机床的加工状态、内部历史故障的发生情况，又要考虑外部诊断的测量结果。采用专家系统、神经网络辨识、模糊推理的有关理论，将复杂的问题数学化，做到既定性、又定量地给出诊断结果（如模糊神经元网络）。实践证明，这样的诊断结果是充分的、合理的，适合于现代复杂设备的故障诊断。

　　2数控磨床的远程故障振动专家系统的建立结合上述对于数控磨床的故障诊断的分析，应用专家系统理论，可以构建适合于该类数控机床的远程诊断系统。系统总体结构如所示。

　　在系统中，故障信息流的方向和方式与现有的其他故障诊断系统基本一致。所不同的是：（1）采用完全闭环的诊断方式现有的故障诊断系统多数采用半闭环的控制方式，即在生产监控中心和位于生产厂家的远程诊断服务器之间通过Internet网络实现故障数据的发送与诊断结果的反馈，而没有在现场故障设备与远程专家系统之间建立直接的反馈闭环控制。这里，采用完多于机械传动，故液压噪声较为突出丨E通过噪bli全闭闭环的诊断方式不仅具有由现场设备到数据。net故障诊断专家系统结构简图采集系统、生产监控中心由下而上的数据传递功能，还具有由远程诊断系统通过监控中心、数据采集系统而到达现场数控设备的诊断结果分层显示。这样为磨床的预诊断和及时修改加工控制参数提供了可能性。

　　（2）诊断重心下移，实现预诊断，及时消除隐患由于传统远程诊断系统均采用现场提取数据、网络传输、远程专家诊断的模式，所以大量的测量数据（如声像、噪声和振动信号）需要采集和处理、发送，远程服务器只有在充分存储故障数据后，才可能进行推理。这样，对于网络和远程专家系统的稳定性和可靠性依赖过大，无法实现实时诊断，只能采用离线的传统诊断方式。这里采用信号处理和故障初步诊断的方式，在现场由采集器通过固化的推理程序进行故障分类，给出初步诊断结果。在网络条件允许的情况下，将初步诊断结果和采样数据发送到远程专家服务器，进行更全面的核对和分析。这样便能够进行多数常见故障的诊断和预诊断，给出通用的处理方案建议和控制指令。例如，可以通过检测机床振动和磨头电流的方法，判断砂轮的磨损情况，及时发出自动修整砂轮的指令。同时，也可以避免原有定时修整弊端，从而延长某些优质砂轮的使用寿如。将采集到的数据和诊断结果传送给远程专家系统，以进行进一步地诊断和核实。这样，既能在有网（局域网和Internet网）条件下，进行充分的故障诊断，又能在无网条件下，实现故障的基本诊断，增强了整个系统的适应性和开放性。

　　3关键技术及其实现方法3.1信号处理技术1信号处理是对测的故障信号进行转换和特征提取的过程。信号处理的方法直接影响到数据的有效性、合理性，是诊断依据的基础。目前，对于振动和噪声信号采用傅立叶变换，其中包括离散傅立叶变换（DFT）、快速傅立叶变换（FFT）61；对于更充分的分析，可以米用小波变换（wavelettransform）。小波分析与傅里叶变换相似，小波变换是一种同时具有一频二维分辨率的变换。其优于傅氏变换之处在于它具有时域和频域“变焦距”特性，相当于一个具有放大、缩小和平移功能的数学显微镜，十分有利于信号的精细分析。小波分解和重构算法是循环使用的，易于硬件实现。对于温度、磨头电流等信号，采用解码、零阶保持、平滑滤波的方法即可以满足要求。

　　3.2数据压缩技术对于远程诊断系统，在目前的网络建设条件下，大量数据远程传输是一个瓶颈。拥堵的网络降低了诊断的实时性，必须采用数据压缩技术对大量的实时监测数据进行处理和取舍。如何选取一种切实有效的数据压缩算法是数据传输中一个关键问题7.对于图像和声音文件，采用MPEG― 2压缩处理后，直接传输到加工监控中心服务器；对于传感器信号的处理，在分析数控磨床振动信号的特点和小波变换在信号奇异性检测上的特性后发现，利用小波系数表征信号的奇异性特征以及用信号的频谱来表征信号的整体特征在传输数据时，其数据量远远小于振动时域信号的数据量。通过仿真计算和对实际数据的计算证明，该方法既可以得到较高的信号压缩比，又保留了信号的局部特征。

　　3.3网络诊断结构络进行故障分类。但是，神经网络的结构和算法将决定故障诊断的准确性能和速度。这里根据目前故障历史记录有限的实际情况，采用开放式的神经网络结构191，如所示。该网络在输入矢量确定之后，采用若干诊断子网并联的形式，根据已有的故障样本学习，每个子网只负责诊断一种故障原因。这样当出现新的故障类型时，已有的子网结构无需变动和重新学习，只要根据新故障的征兆特征构建一个新的子网即可。这样便增强了原有诊断网络的稳定性和网络的开放性。这种结构，适合于数控磨床这种复杂的数控设备。至于网络具体内部结构，则通过遗传算法（GA）进行优化各层神经元数量和连接权系数。

　　知识获取智能化的机械设备故障诊断的基础是知识获取技术，这是建立专家系统的关键。根据故障记录有限，可用信息少，获取专家的经验知识比较困难的实际情况，挖掘被诊断设备的原理知识非常必要。在充分考虑数控磨床特点的基础上，采用从被诊断设备原理性知识中总结规则的方法。该方法依靠设备原理的定性模型，充分利用现有的各种设计技术资料和专家知识101，同时，领域专家的意见。该方法具有简单、直观、方便的特点，适用于磨床故障诊断专家系统的知识获取。

　　硬件实现目前的现场故障采集系统多数采用单片机系统、工业控制计算机和专用数据采集板的结构。这些系统结构复杂、功能简单，没有现场初步诊断的功能，对远程诊断服务器的依赖性强。这里采用ARM嵌入式系统，选用SoundVision公司的Cl-办2.型开发板（内核为A0RM72）e内置高速图像处理DSP，同时带有扩展A/D接口（12位）111.应用Uclinux/Unix操作系统，减少了底层编程的工作量，能够满足上述功能的硬件实现。同时使采集器实现微型化、低功耗、高性能，使其内置于数控磨床，作为其自诊断系统关于外部故障诊断的有效扩充；同时，又作为远程诊断的现场直接接口器件，解决了故障的现场初步诊断和远程数据的获取、传送、接收问题。

　　4结束语对于现有的故障诊断技术仍存在很多尚待改进和优化的方面。而对诊断对象的原理特性和故障机制的分析应该是首要的工作，其目的是应用较为先进的技术构建实用的专家系统，以完成故障的远程诊断。