[发明专利]柔性制造刀具子系统故障诊断方法

说明书

本发明提供了一种柔性制造刀具子系统故障诊断方法，本发明将模糊petri网引入柔性制造系统故障诊断技术中，对柔性制造刀具子系统建立模糊petri网模型。使用所建立的故障诊断模型，不但可以根据各种信息进行故障诊断，还可以根据故障诊断结果进行综合诊断，可以保证柔性制造系统高效运行。提出通过正向推理与反向验证相结合的双向特征建模方法进行故障诊断，并且定义故障变迁集合记录故障传播路径，相较于传统的故障诊断方法，本发明具有效率高、准确性高、可靠性强等优点，为提高柔性制造系统的生产效率、降低生产成本、保证柔性制造系统高效运行，提供了有效的解决办法。

技术领域

本发明涉及一种柔性制造刀具子系统故障诊断方法。

背景技术

柔性制造系统(FMS)是计算机集成制造系统(CIMS)的重要组成成分，对于发展智能制造意义重大。柔性制造系统的生产方式具有很高的灵活性，能够根据实际系统中的生产设备和环境要求，灵活的进行生产，能够生产出不同特性的产品满足各种各样的市场需求。为了保证柔性制造系统的可靠运行，必须建立故障诊断手段，在其运行过程中及时由故障征兆找出故障源，并予以及时排除。

在柔性制造系统中，刀具是加工中心进行金属切削的主要工具，它的使用是否最佳，调度是否合理，管理是否完善，对整个柔性制造系统的利用率、生产效率和生产质量都将产生很大影响。

使用传统的故障诊断方法，柔性制造系统的故障传播固有特性得不到完整体现。

发明内容

本发明的目的在于提供一种柔性制造刀具子系统故障诊断方法。

为解决上述问题，本发明提供一种柔性制造刀具子系统故障诊断方法，包括：

步骤S1，在线监测柔性制造刀具子系统的健康状态指标，在运行过程中收集频发的故障征兆，确定各故障征兆之间的关系，根据所出现的故障征兆寻找故障起因；

步骤S2，根据各个故障征兆之间的关系，确定所述柔性制造刀具子系统的故障产生式规则；

步骤S3，依据所述柔性刀具子系统的故障产生式规则建立对应的故障诊断的模糊Petri网模型，在所述模糊Petri网模型中将故障征兆作为起始库所，将故障起因作为终止库所；并定义故障变迁集合T_s，其中，T_s为已经发生过的变迁集合，起始时刻该集合为空集，t_i发生后，T_s＝T_s+{t_j}，(i，j∈N)1-1，所述故障变迁集合T_s用来标记故障的传播路径，同时用于防止变迁反复发生，即同一故障发生后，在没有修复之前不会反复发生，增加T_s后，变迁t能否发生必须满足条件：

步骤S4，建立所述柔性制造刀具子系统故障诊断算法，基于所述柔性制造刀具子系统故障诊断算法，并使用模糊Petri网进行故障推理与诊断时，将正向推理和反向验证相结合，先用正向推理推导可能产生的故障，并对该正向推理推导可能产生的故障的环节采取措施加以防范，一旦出现故障，用反向验证来寻找故障源，若正、反向推理的结论吻合，则说明诊断有效；若正、反向推理的结论不吻合，则修改库所和变迁的可信度、阈值或权值，不断调整直到两者吻合为止；

步骤S5，对整个刀具子系统故障诊断过程进行记录，编写故障诊断报告。

进一步的，在上述方法中，步骤S4中，先用正向推理推导可能产生的故障，包括：

假设刀具子系统运转良好，没有发生故障，然后根据历史数据进行正向推理。

进一步的，在上述方法中，步骤S4中，所述正向推理包括：

(11)根据所要诊断问题的逻辑关系，建立模糊Petri网模型；在此，一些复杂系统的网模型可能比较庞大，可利用面向对象或高级Petri网技术进行化简；