新型灰关联分析方法研究及其在数控机床主轴故障识别中的应用

中国机械工程 ›› 2013, Vol. 24 ›› Issue (23): 3150-3153,3219.

新型灰关联分析方法研究及其在数控机床主轴故障识别中的应用

杨东升1;李红卫1,2;孙一兰1;尹震宇1

1.中国科学院沈阳计算技术研究所,沈阳,110171;;
2.中国科学院研究生院,北京,100039

出版日期:2013-12-10 发布日期:2013-12-06
基金资助:
国家科技重大专项(2011ZX04016-017)

Study on Novel Grey Relation Analysis Method and Its Application in Fault Recognition of NC Machine Tool Spindle

Yang Dongsheng1;Li Hongwei1,2;Sun Yilan1;Yin Zhenyu1

1.Shenyang Institute of Computing Technology Chinese Academy of Sciences,Shenyang,110171
2.Graduate University of Chinese Academy of Sciences,Beijing,100039

Online:2013-12-10 Published:2013-12-06
Supported by:
National Science and Technology Major Project ( No. 2011ZX04016-017)

摘要/Abstract

摘要：

针对传统灰关联分析方法存在的问题,引入动态分辨系数和因子权重系数,提出新型灰关联分析方法。与传统灰关联分析方法相比，该方法具有两个优点:一是降低对人为确定分辨系数和权重系数的依赖性;二是提高识别结果的可靠性和准确性。最后将该方法应用于数控机床主轴故障识别中，并与传统灰关联分析方法和神经网络识别结果进行对比分析。结果显示，新型灰关联分析方法识别结果更准确可靠。

关键词: 故障识别, 灰关联分析, 动态分辨系数, 因子权重系数, 数控机床

Abstract:

Against the problem of traditional grey relation analysis method, a novel method was proposed by introducing dynamic identification and factor weight coefficient. Compared with traditional method,this method has two advantages: ①
reducing the dependence of man-made identification and weight coefficient; ②strengthening the reliability and veracity. Application of this method to fault recognition of NC machine tool spindle shows a better effect on the reliability and
veracity over traditional method and neural network,this method can also be applied to many other fields.

Key words: fault recognition, grey relation analysis, dynamic identification coefficient, factor weight coefficient, NC machine tool

中图分类号:

杨东升, 李红卫, 孙一兰, 尹震宇. 新型灰关联分析方法研究及其在数控机床主轴故障识别中的应用[J]. 中国机械工程, 2013, 24(23): 3150-3153,3219.

Yang Dongsheng, Li Hongwei, Sun Yilan, Yin Zhenyu. Study on Novel Grey Relation Analysis Method and Its Application in Fault Recognition of NC Machine Tool Spindle[J]. China Mechanical Engineering, 2013, 24(23): 3150-3153,3219.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2013/V24/I23/3150

[1]	戴鑫, 刘焕牢, 王宇林, 李想. 一种基于加工轨迹灵敏度指标的数控机床关键几何误差辨识方法[J]. 中国机械工程, 2025, 36(12): 2862-2869.
[2]	李海涛, 徐曙磊, 王雅雯, 白晓宾, 荆晓宁. 基于外部实物标准的激光跟踪仪基站标定原理及方法研究[J]. 中国机械工程, 2025, 36(08): 1875-1882.
[3]	田海龙1, 2, 孙雨治1, 2, 杨兆军1, 2, 刘志峰1, 2, 陈传海1, 2, 何佳龙1, 2. 数控机床可靠性的故障模式、影响及危害分析研究现状及发展趋势[J]. 中国机械工程, 2025, 36(07): 1430-1441.
[4]	张文斌, 刘焕牢, 王宇林, 周恒宇. 双转台五轴数控机床旋转轴位置无关几何误差辨识[J]. 中国机械工程, 2024, 35(06): 1023-1033.
[5]	李健, 慕宗燚, 杜彦斌, 黄广全, 冉琰. 基于元动作的数控机床可用性分析方法研究[J]. 中国机械工程, 2023, 34(15): 1848-1855.
[6]	李朕均, 赵春雨. 进给系统角接触球轴承的热力耦合分析[J]. 中国机械工程, 2023, 34(07): 821-829.
[7]	李东阳, 袁东风, 张海霞, 郑安竹, 狄子钧, 梁道君, . 云边端协同的机床刀具故障智能诊断系统研究[J]. 中国机械工程, 2023, 34(05): 584-594.
[8]	江雪梅, 袁子航, 娄平, 张小梅, 严俊伟, 胡辑伟, . 一种基于数字孪生的重型数控机床碰撞检测方法[J]. 中国机械工程, 2022, 33(22): 2647-2654，2663.
[9]	卢成伟, 钱博增, 王慧敏, 项四通. 工件分特征下的五轴数控机床关键几何误差分析与补偿方法[J]. 中国机械工程, 2022, 33(14): 1646-1653.
[10]	胡涞, 查俊, 朱永生, 位文明, 李东亚, 罗明, 牛文铁, 陈耀龙. 基础装备制造及高档集成数控机床研究进展[J]. 中国机械工程, 2021, 32(16): 1891-1903.
[11]	刘强, . 数控机床发展历程及未来趋势[J]. 中国机械工程, 2021, 32(07): 757-770.
[12]	桂林;李升. 国内重型数控机床的现状及发展趋势[J]. 中国机械工程, 2020, 31(23): 2780-2787,2797.
[13]	张朝阳;吉卫喜;彭威. 基于迁移学习的数控机床节能控制决策方法[J]. 中国机械工程, 2020, 31(23): 2855-2863.
[14]	付国强, 饶勇建, 谢云鹏, 高宏力, 邓小雷. [误差建模及精度保证方法]几何误差贡献值影响下五轴数控机床运动轴误差灵敏度分析方法[J]. 中国机械工程, 2020, 31(13): 1518-1528.
[15]	黄智, 刘永超, 邓涛, 周涛, 祝云. [误差建模及精度保证方法]一种五轴数控机床热误差建模方法[J]. 中国机械工程, 2020, 31(13): 1529-1538.