壓縮包內(nèi)含有CAD圖紙和說(shuō)明書(shū),均可直接下載獲得文件，所見(jiàn)所得，電腦查看更方便。Q 197216396 或 11970985
專(zhuān)題綜述報(bào)告
摘要：介紹現(xiàn)代組合機(jī)床技術(shù)發(fā)展的主流，分析組合機(jī)床柔性化的幾個(gè)主要方面和通用部件、加工精度、應(yīng)用范圍等現(xiàn)狀及發(fā)展，從柔性制造技術(shù)角度介紹了組合機(jī)床綜合自動(dòng)化技術(shù)的發(fā)展新動(dòng)向。
關(guān)鍵詞：組合機(jī)床、機(jī)床技術(shù)、自動(dòng)線(xiàn)、發(fā)展
Abstrac：Introduced the modern aggregate machine-tool technological developmentthe mainstream, analysis aggregate machine-tool present situation andthe development and so on flexibility several principal aspects andgeneral part, processing precisions, application scope, introduced theaggregate machine-tool synthesis automation technology development newtrend from the flexible manufacture technology angle.
Key word：Aggregate machine-tool、Engine bed technology、From generatrix
Development
此次畢業(yè)設(shè)計(jì)，我的課題是加工減速箱箱體上的孔，通過(guò)對(duì)《組合機(jī)床設(shè)計(jì)》這本書(shū)的閱讀，使我更加了解了如何設(shè)計(jì)組合機(jī)床。
組合機(jī)床是根據(jù)工件加工需要，以大量通用部件為基礎(chǔ)，配以少量專(zhuān)用部件組一種高效專(zhuān)用機(jī)床。通用部件是組合機(jī)床的基礎(chǔ)，用來(lái)實(shí)現(xiàn)機(jī)床切削和進(jìn)給運(yùn)動(dòng)的通用部件，如單軸工藝切削頭、傳動(dòng)裝置、動(dòng)力箱、進(jìn)給滑臺(tái)等為動(dòng)力部件。它能夠?qū)σ环N或若干種工件按預(yù)先確定的工序進(jìn)行加工的機(jī)床，它能夠?qū)ぜM(jìn)行多刀、多軸、多面、多工位同時(shí)加工。在組合機(jī)床上可以完成鉆孔、擴(kuò)孔、鉸孔、鏜孔、攻絲、車(chē)削、銑削、磨削及滾壓等工序，隨著組合機(jī)床自動(dòng)線(xiàn)上可以完成一些非切削工序，例如：打印，清洗、熱處理、簡(jiǎn)單的裝配、試驗(yàn)和在線(xiàn)自動(dòng)檢查等工序。
組合機(jī)床及自動(dòng)線(xiàn)所使用的通用部件是具有特定功能，按標(biāo)準(zhǔn)化、系列化、通用化原則設(shè)計(jì)、制造的組合機(jī)床基礎(chǔ)部件。每種通用部件有合理的規(guī)格尺寸系列，有適用的技術(shù)參數(shù)和完善的配套關(guān)系。
許多大型、形狀復(fù)雜的工件，需要的加工工序很多，不可能在一臺(tái)組合機(jī)床上全部加工完成，這就需要用多臺(tái)組合機(jī)床加工，按工件加工順序依次排列，組成組合機(jī)床流水線(xiàn)，在組合機(jī)床流水線(xiàn)的基礎(chǔ)上，發(fā)展成組合機(jī)床自動(dòng)線(xiàn)。
組合機(jī)床與通用機(jī)床、其它專(zhuān)用機(jī)床比較，具有以下特點(diǎn)：
（1）組合機(jī)床上的通用部件和標(biāo)準(zhǔn)零件約占全部機(jī)床零、部件總量的70%~80%，因此，設(shè)計(jì)和制造周期短，經(jīng)濟(jì)效益好。
（2）由于組合機(jī)床采用多刀加工，機(jī)床自動(dòng)化程度高，因此比通用機(jī)床生產(chǎn)率高，產(chǎn)品質(zhì)量穩(wěn)定，勞動(dòng)強(qiáng)度低。
（3）組合機(jī)床的通用部件是經(jīng)過(guò)周密設(shè)計(jì)和長(zhǎng)期生產(chǎn)實(shí)踐考驗(yàn)的，又有專(zhuān)門(mén)廠家成批生產(chǎn)，它與一般專(zhuān)用機(jī)床比較，其結(jié)構(gòu)穩(wěn)定，工作可靠，使用和維修方便。
（4）組合機(jī)床加工工件，由于采用專(zhuān)用夾具、組合刀具和導(dǎo)向裝置等，產(chǎn)品加工質(zhì)量靠工藝裝備保證，對(duì)操作工人的技術(shù)要求不高。
（5）當(dāng)機(jī)床被加工的產(chǎn)品更新時(shí)，專(zhuān)用機(jī)床的大部分部件要作廢。組合機(jī)床的通用部件是根據(jù)國(guó)家標(biāo)準(zhǔn)設(shè)計(jì)的，并等效于國(guó)家標(biāo)準(zhǔn)，因此其通用部件可以重復(fù)使用，不必另行設(shè)計(jì)和制造。
（6）組合機(jī)床易于連接組合機(jī)床自動(dòng)線(xiàn)，以適應(yīng)大規(guī)模和自動(dòng)化生產(chǎn)需要。
由于采用了新的結(jié)構(gòu)、新刀具、新工藝方法、刀具自動(dòng)補(bǔ)償系統(tǒng)、專(zhuān)用刀具的復(fù)合工藝，直接利用軟件進(jìn)行誤差補(bǔ)償方法，組合機(jī)床加工精度正在不斷提高。
現(xiàn)階段在組合機(jī)床上加工大平面的平面度已達(dá)到1m長(zhǎng)上0.02~0.04mm。粗糙度達(dá)到Ra0.4~0.8um；孔徑精度達(dá)到0.0015~0.055mm。定位銷(xiāo)孔的中心距精度達(dá)到±0.013mm；一般孔位置精度達(dá)到±0.02~±0.025mm；單向鏜孔的同軸度達(dá)到0.005~ 0.01mm。雙向鏜孔的同軸度達(dá)到0.015~0.02mm；一些特種加工工藝的精度：如止口精度可達(dá)到0.015~0.02mm。缸蓋閥座及導(dǎo)管孔的同軸度達(dá)到0.00750~0.01mm。
除了傳統(tǒng)的通用部件以外，各主要通用部件制造廠相繼發(fā)展了直流伺服驅(qū)動(dòng)滑臺(tái)、數(shù)控滑臺(tái)、數(shù)控三坐標(biāo)加工模塊、多軸箱儲(chǔ)存和多軸箱更換裝置等新一代通用部件。采用模塊化設(shè)計(jì)原則將常規(guī)組合機(jī)床的通用部件和加工中心的組成模塊統(tǒng)籌設(shè)計(jì)，組成新的型譜，也是一種新的趨勢(shì)。為了適應(yīng)組合機(jī)床制造廠發(fā)展柔性制造系統(tǒng)等綜合自動(dòng)化的需要，誕生了像可編程伺服驅(qū)動(dòng)位置控制裝置、計(jì)算機(jī)數(shù)控滑臺(tái)、機(jī)器人裝卸料系統(tǒng)、帶誤差信息屏幕顯示的診斷裝置、數(shù)據(jù)庫(kù)系統(tǒng)等配套性通用部件模塊。
現(xiàn)代組合機(jī)床已經(jīng)逐漸打破了通常認(rèn)為只適用于箱體類(lèi)零件加工的模式，其功能和應(yīng)用范圍正在不斷地延伸和擴(kuò)展。
組合機(jī)床加工旋轉(zhuǎn)體零件的情況下，采用組合機(jī)床加工軸類(lèi)和盤(pán)類(lèi)零件具有明顯的優(yōu)越性。一些軸件，尤其是大型軸件，可以用旋轉(zhuǎn)夾具夾持中部，在組合機(jī)床或?qū)Ｓ脵C(jī)床上進(jìn)行兩端同時(shí)加工，其優(yōu)點(diǎn)是工序集中，省去調(diào)頭加工，增加了刀具及其驅(qū)動(dòng)部件的布置空間。
現(xiàn)代成批大量生產(chǎn)的儀表、精密機(jī)械、家用電器、鐘表等工業(yè)部門(mén)，常有小型箱體類(lèi)、蓋罩類(lèi)、連桿撥叉類(lèi)、雜件等小型異形零件。這類(lèi)零件由于廣泛采用先進(jìn)高效的毛坯制造工藝，金屬切除量較小，且大部分零件的材質(zhì)是鋁合金或銅合金，加工時(shí)，切削力較小。由于生產(chǎn)節(jié)拍短，要求有極高的生產(chǎn)率。用組合機(jī)床加工這類(lèi)零件時(shí)，要作專(zhuān)門(mén)的設(shè)計(jì)，以適應(yīng)這類(lèi)零件構(gòu)造和加工上的特殊性。通常加工這類(lèi)零件的組合機(jī)床稱(chēng)為小型組合機(jī)床，自成體系，發(fā)展迅速。
組合機(jī)床自動(dòng)線(xiàn)主要用于大批量生產(chǎn)。雖然技術(shù)已很成熟，但一般利用率低、缺乏柔性，難以適應(yīng)現(xiàn)代中批量輪番生產(chǎn)的需要，現(xiàn)代柔性自動(dòng)化技術(shù)給組合機(jī)床綜合自動(dòng)化技術(shù)的發(fā)展，帶來(lái)根本性的變革。其中，自動(dòng)裝配機(jī)也得到了發(fā)展。
現(xiàn)代自動(dòng)裝配機(jī)廣泛采用了組合機(jī)床原理及相關(guān)技術(shù)，現(xiàn)代機(jī)電產(chǎn)品的生產(chǎn)規(guī)模不斷擴(kuò)大，裝配工作量占據(jù)愈來(lái)愈大的比重。為此，裝配作業(yè)自動(dòng)化技術(shù)得到了迅速發(fā)展。目前，國(guó)外自動(dòng)化裝配工藝、已從零件緊固連接、壓入、扭合、鉚接、粘接、焊接等基本作業(yè)方式，發(fā)展到去毛刺、清洗、檢測(cè)及產(chǎn)品總裝后的試車(chē)、檢驗(yàn)、注油、噴漆、包裝等工序，一些綜合自動(dòng)化加工系統(tǒng)內(nèi)通常設(shè)有自動(dòng)裝配工序。
一個(gè)現(xiàn)代化自動(dòng)裝配系統(tǒng)。由裝配元件及裝配主體件的供料及輸送系統(tǒng)，裝配裝置及控制和檢測(cè)裝置所組成。這些系統(tǒng)裝置的設(shè)計(jì)原則和組合機(jī)床及其相似：結(jié)構(gòu)典型，部件和組件通用，形式統(tǒng)一。用于不同裝配對(duì)象時(shí)只是夾具不同。自動(dòng)裝配機(jī)的通用部件中也有裝配工作頭、裝配機(jī)主體、供料裝置及檢測(cè)裝置等。目前，世界各國(guó)都大力發(fā)展通用化程度較高的直線(xiàn)或回轉(zhuǎn)型間歇輸送式裝配機(jī)來(lái)替代連續(xù)輸送式裝配機(jī)，發(fā)展具有柔性及可進(jìn)行多品種裝配的自動(dòng)裝配線(xiàn)。該種裝配線(xiàn)廣泛采用：“功能模塊式結(jié)構(gòu)技術(shù)”，采用柔性連接的輸送方式。工業(yè)機(jī)器人由于可在一次動(dòng)作循環(huán)中靈活完成各種動(dòng)作，可代替裝配機(jī)許多復(fù)雜部件的動(dòng)作，從而大大簡(jiǎn)化裝配機(jī)自身的復(fù)雜結(jié)構(gòu)。工業(yè)機(jī)器人有固定程序的，也有計(jì)算機(jī)控制的，其采用大大增加了自動(dòng)裝配線(xiàn)的柔性。
參考文獻(xiàn)
[1]叢鳳延，遲建山主編，組合機(jī)床設(shè)計(jì)，上?？茖W(xué)技術(shù)出版社，1994年10月第2版。
[2]金振華，組合機(jī)床與自動(dòng)線(xiàn)，北京，機(jī)械工業(yè)出版社，1990。
[3]潘鬼善，淺談實(shí)現(xiàn)組合機(jī)床柔性化的技術(shù)發(fā)展途徑。組合機(jī)床與自動(dòng)化加工技術(shù)，1992（2）
機(jī)械故障檢測(cè)使用模糊的索引融合
Tony Boutrosa and Ming Liang
aDepartment of Mechanical Engineering, University of Ottawa, 770 King Edward Avenue, Ottawa, Ont., Canada K1N 6N5
摘要：本文報(bào)告一種簡(jiǎn)單, 有效和健壯融合方法根據(jù)模糊邏輯和Sugeno 樣式推斷方法。運(yùn)用這個(gè)方法, 四狀況監(jiān)視顯示, 被開(kāi)發(fā)為瞬變和逐漸反常性的偵查, 被熔化入一個(gè)唯一全面模糊的被熔化的索引(FFI) 為可靠的機(jī)械健康評(píng)估。這種方法被測(cè)試了和成功地被確認(rèn)了在二種不同應(yīng)用：用工具加工條件監(jiān)測(cè)在碾碎的操作和負(fù)擔(dān)狀況評(píng)估。FFI 清楚地區(qū)分在正常和反常條件之間使用同樣模糊的規(guī)則基地。這一定顯示FFI 的通用性和強(qiáng)壯。當(dāng)FFI 價(jià)值總下跌在零和一個(gè)之間, 它促進(jìn)門(mén)限設(shè)置在不同的工具或機(jī)械組分的監(jiān)視情況。我們的實(shí)驗(yàn)性研究并且表明, FFI 對(duì)缺點(diǎn)嚴(yán)肅是敏感的, 能區(qū)分損傷由一個(gè)相同缺點(diǎn)造成在不同的軸承組分, 但不易受影響裝載變動(dòng)。
關(guān)鍵詞: 情況顯示; 模糊的融合; Sugeno 推斷方法; 工具情況; 軸承情況
文章概述
機(jī)械故障檢測(cè)和用機(jī)器制造程序控制受到了可觀的關(guān)注。這些任務(wù)有成為的越來(lái)越困難由于機(jī)器結(jié)構(gòu)和操作動(dòng)力學(xué)的復(fù)雜。在過(guò)去幾年, 許多不同的傳感器和情況顯示被發(fā)展為達(dá)到更加可靠的結(jié)果為不同的監(jiān)視任務(wù)。
為機(jī)械故障檢測(cè), Collacott [ 1 ] 使用了振動(dòng)信號(hào)可能性密度和峰態(tài)為軸承瑕疵證明在一項(xiàng)早期的研究。它被發(fā)現(xiàn)軸承的加速度的可能性密度在好情況有高斯發(fā)行, 但是損壞的軸承導(dǎo)致non-Gaussian 發(fā)行與統(tǒng)治尾巴。沿著這條線(xiàn), 染色者和Stewart [ 2 ] 并且使用了峰態(tài)為軸承瑕疵偵查根據(jù)振動(dòng)信號(hào)。為未損壞的軸承以高斯發(fā)行, 峰態(tài)價(jià)值被發(fā)現(xiàn)了相等到三。價(jià)值大于三被判斷了作為妨礙失敗的征兆。但是, 一不利是著名: 峰態(tài)價(jià)值能下來(lái)到正常軸承的水平既使當(dāng)損傷很好被推進(jìn)了。以后, Miyachi 和Seki [ 3 ] 提取了根意味正方形(r.m.s 。) 并且冠因素從振動(dòng)信號(hào)監(jiān)測(cè)瑕疵在滾珠軸承里。但是, 結(jié)果不是非常成功的。劉和Mengel [ 4 ] 使用了高峰高度在頻率領(lǐng)域、高峰r.m.s. 和能譜作為間接索引為監(jiān)視滾珠軸承振動(dòng)。Heng 和亦不[ 5 ] 報(bào)告酣然的壓力和振動(dòng)的應(yīng)用發(fā)信號(hào)對(duì)軸承缺點(diǎn)的偵查運(yùn)用一個(gè)統(tǒng)計(jì)分析方法。參量被考慮在他們的研究中包括r.m.s. 、冠因素和峰態(tài)。結(jié)果被獲得通過(guò)實(shí)驗(yàn)顯露, 統(tǒng)計(jì)參量是依于軸速度的影響。最近, Baydar 和球[ 6 ] 審查了對(duì)音響信號(hào)的用途與振動(dòng)信號(hào)一起為各種各樣的地方缺點(diǎn)在一個(gè)傳動(dòng)箱使用小波變換的監(jiān)視。二個(gè)共同地遇到的地方缺點(diǎn)被模仿了: 牙破損和牙裂縫。結(jié)果建議, 音響信號(hào)是非常有效的為缺點(diǎn)的早檢測(cè)。但是, 裝載變異的影響對(duì)音響方法的故障檢測(cè)能力未被考慮。
為用機(jī)器制造的過(guò)程和工具條件監(jiān)測(cè), 任務(wù)能更加困難歸結(jié)于非線(xiàn)性過(guò)程由動(dòng)力學(xué)造成物質(zhì)撤除, 動(dòng)力學(xué)的互作用機(jī)械工具和機(jī)械工具驅(qū)動(dòng)[ 7 ] 。Inasaki [ 8 ] 開(kāi)發(fā)了一個(gè)監(jiān)控系統(tǒng)為研的過(guò)程。系統(tǒng)運(yùn)用音響放射(AE) 并且力量傳感器監(jiān)測(cè)研的過(guò)程和修建控制數(shù)據(jù)庫(kù)。Everson 和Cheraghi [ 9 ] 調(diào)查了交互作用在孔操練的鋼的質(zhì)量和AE 信號(hào)參量之間。AE 高峰高度的能量、數(shù)字在某一門(mén)限之上和r.m.s. 被使用了在這次調(diào)查。實(shí)驗(yàn)工作被舉辦確認(rèn)方法。他們觀察, AE 能量是一個(gè)好措施但高峰高度算作是情況顯示是無(wú)結(jié)果的在信號(hào)是短的某些案件。有文學(xué)一個(gè)富有的身體在工具條件監(jiān)測(cè)。一些很好被援引的研究包括對(duì)AE 的用途為工具情況評(píng)估[ 10 ], [ 11 ] ,[ 12 ] 并且對(duì)AE 傳感器和力量傳感器的共用監(jiān)測(cè)工具條件在轉(zhuǎn)動(dòng)[ 13 ], 基于振動(dòng)工具穿戴監(jiān)視[ 14 ], [ 15 ], [ 16 ]并且基于力量的工具失效偵查[ 17 ], [ 18 ], [ 19 ]并且和基于當(dāng)前的工具破裂監(jiān)視[ 20 ] ，[ 21 ] 。
各種各樣的情況顯示由不同的研究員使用。例如, 振動(dòng)信號(hào)用不同的頻帶[ 14 ], 凝聚價(jià)值的r.m.s. 振動(dòng)發(fā)信號(hào)從二個(gè)過(guò)載信號(hào)器[ 15 ], r.m.s. 和能量AE 信號(hào)[ 9 ], 小波系數(shù)潮流或AE 信號(hào)[ 12 ] 并且[ 22 ], 并且模糊的轉(zhuǎn)折可能性[ 23 ] 被使用了為用機(jī)器制造的過(guò)程或工具條件監(jiān)測(cè)。情況索引為機(jī)械監(jiān)視包括小波參考水平和它的手段被計(jì)算從振動(dòng)數(shù)據(jù)[ 24 ], 正常化的泛音內(nèi)容殘余馬達(dá)[ 25 ]比當(dāng)前的酣然的強(qiáng)度[ 26] 大一些。
綜合數(shù)據(jù)從不同的來(lái)源, 傳感器[ 13 ], [ 27 ], [ 28 ]，[ 29 ] 融合的很好 。本文集中于不同的索引的融合從同樣數(shù)據(jù)源被獲得由一個(gè)唯一傳感器收集。每個(gè)索引有它自己的優(yōu)點(diǎn)和缺點(diǎn)。一個(gè)聯(lián)合索引的發(fā)展合并所有索引會(huì)提供一種簡(jiǎn)單和可靠的解答對(duì)多個(gè)傳感器無(wú)法方便地被應(yīng)用的情況。
依照被注意以上, 幾個(gè)補(bǔ)全索引可能被開(kāi)發(fā)從同樣信號(hào)。例如, 一個(gè)缺點(diǎn)索引也許是適當(dāng)?shù)臑閵Z取瞬變事件并且另能是敏感的對(duì)逐漸變動(dòng)趨向。明顯地, 使用只二的當(dāng)中一個(gè)可能是引入歧途的如果突然的缺點(diǎn)和逐漸惡化是重要關(guān)心。另外, 極大的網(wǎng)上信息從不同的監(jiān)視索引要求巨大相當(dāng)數(shù)量努力和時(shí)刻處理, 領(lǐng)會(huì)和分析如果各個(gè)索引分開(kāi)地被考慮。為相似的原因, Goebel [ 30 ] 提出了一個(gè)系統(tǒng)為診斷信息的融合。這個(gè)融合方法應(yīng)付主要沖突解決方案和缺點(diǎn)覆蓋面差誤。一種hierarchal 重量操作方法被使用提煉產(chǎn)品。
其它重要方面是困難在門(mén)限設(shè)置當(dāng)許多不同的索引被使用, 每個(gè)以它自己的門(mén)限設(shè)置計(jì)劃。這由許多索引的應(yīng)用依賴(lài)本質(zhì)復(fù)雜化進(jìn)一步。例如, 振動(dòng)信號(hào)廣泛被應(yīng)用的r.m.s. 的閾值能極大地不同在查出軸承滾珠瑕疵和軸承外面種族反?，F(xiàn)象。一個(gè)唯一被綜合的, 無(wú)維和正?；乃饕陌l(fā)展會(huì)導(dǎo)致及時(shí)的救助從門(mén)限設(shè)置差事。
為上述原因, 融合方法提議在這中paper-based 在模糊邏輯和Sugeno 樣式推斷方法。方法把幾情況顯示變成的作用一個(gè)唯一全面模糊的被熔化的索引(FFI) 為快的缺點(diǎn)監(jiān)視。當(dāng)FFI 的價(jià)值由0 和1 一定, 門(mén)限設(shè)置可能相應(yīng)地被簡(jiǎn)化。情況索引、融合過(guò)程和實(shí)驗(yàn)工作的細(xì)節(jié)被描述在以下部分。
改進(jìn)瞬間(即短期間) 并且逐漸被開(kāi)發(fā)的反常現(xiàn)象偵查效率, 監(jiān)視數(shù)據(jù)被編組入"微型小組" 和"小群" 。各個(gè)"微型小組" 包含K 樣品并且各"小群" 由J "微型小組" 組成。"微型小組" 定義查尋決議為瞬變反?，F(xiàn)象但是"小群" 大小的大小代表極小的必需的期間為政策制定。四顯示被獲得根據(jù)了力量、標(biāo)準(zhǔn)偏差和交互作用因素慣例。表示k 作為索引為數(shù)據(jù)樣品(k=1, 2...,K), j 為"微型小組" (j=1,2..., J) 和i 為"小群" (i=1,2..., I), 四個(gè)索引被獲得得如下。
力量情況顯示(PCI) 反射力量波動(dòng)巨大各個(gè)微型小組在小群心頭。它代表各微型小組力量的正常化的偏差從平均水平談到變異范圍。為各個(gè)微型小組, PCI 被獲得
（1）
那里Pij 是微型小組j 的力量在小群i, 定義卑鄙"微型小組" 力量在同樣"小群心頭", Pi, 最大并且Pi, 分鐘代表最大值和極小值"微型小組" 力量在"小群心頭" 我。他們被給如下：
（2）
（3）
那里VLHP, ij(k) 代表數(shù)據(jù)抽樣k 在jth 微型小組ith 小群被獲得在帶通過(guò)濾以后。 明顯地, PCI 的最大值, 即, MPCI, 可能奪取突然的變化在信號(hào)上和因此是突然被開(kāi)發(fā)的事件好顯示。它被計(jì)算為每小群如下：
（4）
雖然標(biāo)準(zhǔn)偏差是信號(hào)的分散作用一個(gè)直接措施和被使用了直接地為條件監(jiān)測(cè), 標(biāo)準(zhǔn)偏差的正?；淖儺悤?huì)是瞬變事件較不情況依賴(lài)顯示。這顯示被定義
（5）
那里是微型小組力量的標(biāo)準(zhǔn)偏差σij, 最大σi 、分鐘最大值和極小值"微型小組" 標(biāo)準(zhǔn)偏差在"小群" 我心頭, 和卑鄙"分鐘小組" 標(biāo)準(zhǔn)偏差談到小群σi。這些參量被計(jì)算如下：
（6）
（7）
與
（8）
相似與MPCI, SDCI 的最大值會(huì)提供被計(jì)算瞬變事件的更加清楚的標(biāo)志
（9）
它應(yīng)該并且注意到, 顯示源于標(biāo)準(zhǔn)偏差無(wú)法單獨(dú)被應(yīng)用因?yàn)樗砥畹陌俜种谛盘?hào)談到它的平均水平。因此, 我們建議MSDCI 是應(yīng)用的與MPCI 一起, 信號(hào)強(qiáng)度顯示。
力量交互作用因素(PCF) 定義瞬間力量手段的變異, 被計(jì)算在小群水平, 談到參考力量水平被計(jì)算在通常是被承擔(dān)的"法線(xiàn)" 的初始狀態(tài)。它可能被表達(dá)
（10）
那里SSVp, i 是被擺正的偏差的總和談到變化的手段和SSRp, i 是力量被擺正的錯(cuò)誤的總和相對(duì)參考平均功率, 即, 第一Jb 微型小組的平均力量,所有為小群i 。他們被獲得如下：
（11）
（12）
那里是力量手段在J 微型小組窗口。并且被寫(xiě)
（13a)
(13b)
如果系統(tǒng)的狀態(tài)在監(jiān)視之下不改變以時(shí)間, SSVp, 我與SSRp, i 將是相等的。如同系統(tǒng)開(kāi)始惡化, 微型小組的平均力量在小群開(kāi)始相應(yīng)地增加(即, 酣然的壓力水平增加在碾碎的操作當(dāng)工具穿戴大小增加或振動(dòng)水平爬上在軸承在缺點(diǎn)面前) 。所以, SSVp, i, 微型小組力量的被擺正的偏差的總和談到平均功率(即) 將是較少比SSRp, i, 被擺正的偏差談到參考水平(即) 陳列作為這樣一個(gè)征兆關(guān)于退化。結(jié)果, PCF, 最初是相等的到一個(gè), 開(kāi)始減少往零。
相似與PCF, 標(biāo)準(zhǔn)偏差交互作用因素(SDCF) 被開(kāi)發(fā)學(xué)習(xí)標(biāo)準(zhǔn)偏差的變異談到一個(gè)選擇的參考水平(即, 水平被計(jì)算為正常狀態(tài)) 。PCF 集中信號(hào)的能量?jī)?nèi)含, 但是SDCF 的目標(biāo)將分析信號(hào)的波動(dòng)由于反?，F(xiàn)象。當(dāng)系統(tǒng)在監(jiān)視之下逐漸貶低, 波動(dòng)在信號(hào)變得更加頻繁和反復(fù)性(即波動(dòng)由于摩擦在工具穿戴或沖擊的情況下由于軸承缺點(diǎn)) 。這暗示增量在標(biāo)準(zhǔn)偏差和因而對(duì)交互作用因素的減少的動(dòng)態(tài)平均。SDCF 被獲得
(14)
與
（15）
（16）
那里是標(biāo)準(zhǔn)偏差的平均值在J 微型小組窗口和是第一Jb 微型小組的標(biāo)準(zhǔn)偏差的參考手段在小群i 。他們被寫(xiě)
（17a）
（17b）
明顯地, 用途對(duì)任何他們的當(dāng)中一個(gè)能單獨(dú)誤引故障檢測(cè)決定但同時(shí)應(yīng)用他們平行會(huì)導(dǎo)致混亂和會(huì)減速偵查決定。另外, 四個(gè)索引并且要求不同的門(mén)限。這個(gè)情況, 與四個(gè)索引一起的補(bǔ)全本質(zhì), 刺激我們開(kāi)發(fā)模糊的融合方法(圖1) 利用所有索引。是一致的在偵查計(jì)劃談到間隔時(shí)間[ 0, 1 ] (即, 完善的正常情況對(duì)應(yīng)到0 并且最壞的反常條件對(duì)應(yīng)到1, 不否則), 我們使用PCF 和SDCF 的補(bǔ)全, 表示作為CPCF 和CSDCF, 各自地。四個(gè)監(jiān)測(cè)的索引, MPCI 、MSDCI 、CPCF 和CSDCF, 依照被顯示在圖1 被定義談到各"小群" 和是全部正常化的價(jià)值(即重視變化在0 和1) 之間。一個(gè)給定值近0 表明一個(gè)正常情況但是價(jià)值接近1 說(shuō)明反常案件。依照被說(shuō)明以上, 改進(jìn)故障檢測(cè)效率和減少多余的努力在選擇門(mén)限為各個(gè)監(jiān)視索引, 四監(jiān)測(cè)的顯示被熔化入一唯一模糊的產(chǎn)品如所描述在以下部分。
同酥脆輸入聯(lián)系在一起模糊的集合, 會(huì)員資格作用必須被定義。為計(jì)算效率, 三角會(huì)員資格作用被使用為輸入并且釘會(huì)員資格作用被使用為產(chǎn)品。在這項(xiàng)研究中, 四個(gè)模糊的集合提議為輸入和三其他為產(chǎn)品(圖2) 。輸入模糊的集合被選擇如下: ZV, 零的價(jià)值; SV, 小價(jià)值; MV, 中等價(jià)值; BV, 大價(jià)值。另一方面, 產(chǎn)品模糊的集合被定義在這次序: NR, 正常范圍; 范圍先生, 中間; 并且AR, 反常范圍。
這個(gè)模糊的融合模塊的當(dāng)中一個(gè)最重要的組分是偵查規(guī)則基地。模糊的規(guī)則, 確定產(chǎn)品準(zhǔn)則根據(jù)了輸入, 代表知識(shí)被獲取通過(guò)學(xué)會(huì)并且經(jīng)驗(yàn)的這個(gè)模糊的融合模塊的當(dāng)中一個(gè)最重要的組分是偵查規(guī)則基地。模糊的規(guī)則, 確定產(chǎn)品準(zhǔn)則根據(jù)了輸入, 代表知識(shí)被獲取通過(guò)得知和經(jīng)驗(yàn)領(lǐng)域?qū)＜?。每個(gè)這些規(guī)則被寫(xiě)作為如果(四個(gè)情況indicators)-THEN (后果, 即, 機(jī)器情況的) 范圍。依照被顯示在無(wú)花果。2 和3, 那里是四個(gè)被輸入的模糊的集合與相關(guān)四情況顯示。這導(dǎo)致一共計(jì)256 個(gè)規(guī)則(44) 。為例證目的, 唯一一部分的規(guī)則被提出 。規(guī)則完全可利用的。這些規(guī)則被使用為機(jī)械工具和負(fù)擔(dān)條件監(jiān)測(cè)[ 31 ] 。
各套情況顯示一般激活幾個(gè)模糊的規(guī)則。例如, 考慮圖3 。如果MPCI 和MSDCI 下跌各自地在MV之間和BV 、和SV 和MV, CPCF 觸發(fā)ZV 并且SV 和CSDCF 激活SV 并且MV, 八點(diǎn)總共將被觸發(fā)在不同的高度(h) 。這導(dǎo)致模糊的集合的16 個(gè)組合。參見(jiàn)表2, 簡(jiǎn)要地解釋這些規(guī)則的意思, 我們考慮例如規(guī)則(166) 。它可能被翻譯和: 如果MPCI 和最大值SDCI (MSDCI) 屬于中程(MV) 并且力量和標(biāo)準(zhǔn)偏差交互作用因素的補(bǔ)全有SV, 機(jī)器情況將認(rèn)為是在AR 。所有規(guī)則被一套輸入激活, 即, MPCI, MSDCI, CPCF, 和CSDCF, 應(yīng)該被考慮到和因此對(duì)最后的產(chǎn)品的力量聯(lián)合貢獻(xiàn), 即, FFI 。FFI 將由模糊的推斷方法定義依照被說(shuō)明在下個(gè)部分。
模糊的推斷方法的角色是進(jìn)行模糊的操作必要為FFI 的決心。在這個(gè)階段期間, 被熔化的索引被計(jì)算根據(jù)了模糊的輸入和被激活的規(guī)則。減少計(jì)算時(shí)間為線(xiàn)上申請(qǐng), Sugeno 類(lèi)型推斷方法被選擇在這項(xiàng)研究中。這類(lèi)型引擎提供一個(gè)非常快的反應(yīng)和知名的Mandani 類(lèi)型推斷方法相比。區(qū)別在二個(gè)技術(shù)之間主要?dú)w結(jié)于產(chǎn)品會(huì)員資格作用的選擇。以Sugeno 方法, 產(chǎn)品會(huì)員資格由釘提出代替一個(gè)完全三角由Mandani 推斷方法使用。除它的計(jì)算效率之外, Sugeno 方法有其它有吸引力的特征譬如產(chǎn)品表面和吸引人的有效率的保證的連續(xù)性運(yùn)作以?xún)?yōu)化和能適應(yīng)的技術(shù)[ 32 ] 。
產(chǎn)品, 即FFI, 簡(jiǎn)單地是釘[ 33]地點(diǎn)加權(quán)(談到釘高度被削根據(jù)推斷規(guī)則) 平均, 即：
（18）
那里L(fēng)r 是產(chǎn)品釘?shù)牡攸c(diǎn)與相關(guān)規(guī)則r, 小時(shí)是極小的高度(或會(huì)員資格) 與相關(guān)規(guī)則r 并且R 是被激活的規(guī)則的總數(shù)。 值得注意的是,Eq 。 FFI(18) 一個(gè)一般表示并且它的應(yīng)用對(duì)四個(gè)缺點(diǎn)索引的融合不被限制以上提到。另外的缺點(diǎn)索引可能容易地被合并如果需要。
參考文獻(xiàn)
[1] R.A. Collacott, Mechanical Fault Diagnosis (first ed), Chapman and Hall, London (1977).
[2] D. Dyer and R.M. Stewart, Detection of rolling element bearing damage by statistical vibration analysis, Journal of Mechanical Design 100 (1978) (2), pp. 229–235.
[3] T. Miyachi, K. Seki, An investigation of the early detection of defects in ball bearings using vibration monitoring—practical limit of detectability and growth speed of defects, in: Proceedings of the International Conference on Rotor dynamics, JSME-IftoMM, Tokyo, Japan, 1986, pp. 403–408.
[4] T.I. Liu and J.M. Mengel, intelligent monitoring of ball bearing conditions, Mechanical Systems and Signal Processing 6 (1992) (5), pp. 419–431. Abstract
[5] R.B.W. Heng and M.J.M. Nor, Statistical analysis of sound and vibration signals for monitoring rolling element bearing condition, Applied Acoustics 53 (1998) (1–3), pp. 211–226. SummaryPlus | Full Text + Links | PDF (839 K) | View Record in Scopus | Cited By in Scopus
[6] N. Baydar and A. Ball, Detection of gear failure via vibration and acoustic signal using wavelet transform, Mechanical Systems and Signal Processing 17 (2003) (4), pp. 787–804. Abstract | Abstract + References | PDF (1598 K) | View Record in Scopus | Cited By in Scopus
[7] Y.S. Tarng and S.T. Cheng, Fuzzy control of feed rate in end milling operations, International Journal of Machine Tools and Manufacture 33 (1993) (4), pp. 643–650. Abstract | View Record in Scopus | Cited By in Scopus
[8] I. Inasaki, Sensor fusion for monitoring and controlling grinding processes, International Journal of Advanced Manufacturing Technology 15 (1999) (10), pp. 730–736. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[9] C.E. Everson and S.H. Cheraghi, The application of acoustic emission for precision drilling process monitoring, International Journal of Machine Tools and Manufacture 39 (1999) (3), pp. 371–387. SummaryPlus | Full Text + Links | PDF (2258 K) | View Record in Scopus | Cited By in Scopus
[10] S. Dolinsek and J. Kopac, Acoustic emission signals for tool wear identification, Wear 225 (1999) (1), pp. 295–303. SummaryPlus | Full Text + Links | PDF (687 K) | View Record in Scopus | Cited By in Scopus
[11] J.-S. Kim, M.-C. Kang, B.-J. Ryu and Y.-K. Ji, Development of an on-line tool life monitoring system using acoustic emission signals in gear shaping, International Journal of Machine Tools and Manufacture 39 (1999) (11), pp. 1761–1777. SummaryPlus | Full Text + Links | PDF (2498 K) | View Record in Scopus | Cited By in Scopus
[12] X. Li and X. Yao, Multi-scale statistical process monitoring in machining, IEEE Transactions on Industrial Electronics 51 (2005) (3), pp. 924–927. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[13] D. Choi, W.T. Kwon and C.N. Chu, Real time monitoring of tool fracture in turning using sensor fusion, International Journal of Advanced Manufacturing and Technology 15 (1999) (5), pp. 305–310. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[14] X. Li, S. Dong and P.K. Venuvinod, Hybrid learning for tool wear monitoring, International Journal of Advanced Manufacturing Technology 16 (2000), pp. 303–307. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[15] X. Li, Y.S. Wong and A.Y.C. Nee, Tool wear and chatter detection using the coherence function of two crossed accelerometers, International Journal of Machine Tools and Manufacture 37 (1997) (4), pp. 425–435. SummaryPlus | Full Text + Links | PDF (596 K) | View Record in Scopus | Cited By in Scopus
[16] D.E. Dimla, The correlation of vibration signal features to cutting tool wear in a metal turning operation, International Journal of Advanced Manufacturing Technology 19 (2002) (10), pp. 705–713.
[17] Y. Altintas, In-process detection of tool breakages using time series monitoring of cutting forces, International Journal of Machine Tools and Manufacture 28 (1988), pp. 157–172. Abstract | View Record in Scopus | Cited By in Scopus
[18] D.K. Baek, T.J. Ko and H.S. Kim, Real time monitoring of tool breakage in a milling operation using a digital signal processor, Journal of Material Processing Technology 100 (2000), pp. 266–272. SummaryPlus | Full Text + Links | PDF (244 K) | View Record in Scopus | Cited By in Scopus
[19] H.M. Ertunc, K.A. Loparo and H. Ocak, Tool wear condition monitoring in drilling operations using hidden Markov models (HMMs), International Journal of Machine Tools and Manufacture 41 (2001), pp. 1363–1384. SummaryPlus | Full Text + Links | PDF (274 K) | View Record in Scopus | Cited By in Scopus
[20] G.D. Kim and C.N. Chu, In-process tool fracture monitoring in face milling using spindle motor current and tool fracture index, International Journal of Advanced Manufacturing Technology 18 (2001), pp. 383–389. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[21] B.Y. Lee and Y.S. Tarng, Application of the discrete wavelet transform to the monitoring of tool failure in end milling using the spindle motor current, International Journal of Advanced Manufacturing Technology 15 (1999), pp. 238–243. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[22] X. Li, On-line detection of the breakage of small diameter drills using current signature wavelet transform, International Journal of Machine Tools and Manufacture 39 (1999) (1), pp. 157–164. View Record in Scopus | Cited By in Scopus
[23] R. Du and K. Yeung, Fuzzy transition probability: a new method for monitoring progressive faults. Part 1: the theory, Engineering Applications of Artificial Intelligence 17 (2004) (5), pp. 457–467. SummaryPlus | Full Text + Links | PDF (563 K) | View Record in Scopus | Cited By in Scopus
[24] W. Wang, M. Golnaraghi and F. Ismail, Prognosis of machine health condition using neuron-fuzzy systems, Journal of Mechanical Systems and Signal Processing 18 (2004), pp. 813–831. SummaryPlus | Full Text + Links | PDF (499 K) | View Record in Scopus | Cited By in Scopus
[25] A. Parlos, K. Kim and R. Bharadwaj, Sensorless detection of mechanical faults in electromechanical systems, Mechatronics 14 (2004), pp. 357–380. SummaryPlus | Full Text + Links | PDF (713 K) | View Record in Scopus | Cited By in Scopus
[26] Z. Hong and H. Bing, Analysis of engine front noise using sound intensity techniques, Journal of Mechanical Systems and Signal Processing 19 (2005), pp. 213–221.
[27] D.A. Dornfeld, Neural network sensor fusion for tool condition monitoring, Annals CIRP 39 (1990), pp. 101–105.
[28] N. Xiong and P. Svensson, Multi-sensor management for information fusion: issues and approaches, Information Fusion 3 (2002) (2), pp. 163–186. SummaryPlus | Full Text + Links | PDF (565 K) | View Record in Scopus | Cited By in Scopus
[29] Y.M. Chen and H.C. Huang, Fuzzy logic approach to multisensor data association, Mathematics and Computers in Simulation 52 (2000), pp. 399–412. SummaryPlus | Full Text + Links | PDF (352 K) | View Record in Scopus | Cited By in Scopus
[30] K. Goebel, Architecture and design of a diagnostic information fusion system, Artificial Intelligence for Engineering Design, Analysis and Manufacturing 15 (2001), pp. 335–348. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus
[31] T. Boutros, Fault detection and diagnosis in machining processes and rotating machinery using fuzzy approach and hidden Markov model, Ph.D. thesis, Department of Mechanical Engineering, University of Ottawa, 2006.
[32] N. Gulley and R. Jang, Fuzzy Logic Toolbox for Use with MATLAB, The MathWorks Inc., Natick, MA (1995).
[33] D. Driankov, H. Hellendoorn and M. Reinfrank, An Introduction to Fuzzy Control (second ed), Springer, Berlin (1996).
[34] Case Western Reserve University, http://www.eecs.cwru.edu/laboratory/bearing/.