数控铣床的故障诊断方法

1、直观法：
直观法是通过形貌、声音、颜色、气味等的变化来诊断故障的方法。它有以下几种方法。
A．看
用肉眼仔细检查有无熔丝烧断、器件烧坏以及断路等问题，观察机械部分传动轴是否弯曲、晃动等。
B．听
听数控机床因故障而产生的各种异常声响，如电气部分中的电源变压器、阻抗器和电抗器等，因为铁心松动、锈蚀等原因引起铁片振动的吱吱声；继电器、接触器等因磁回路间隙过大等原因引起的嗡嗡声；机械的摩擦声、振动声和撞击声等。
C．触摸
触摸温升，人类手指的触觉是很灵敏的，能相当可靠地判断各种异常的温升；轻微振动也可用手感鉴别；肉眼看不清的伤痕和波纹，若用手指去触摸可以很容易感觉出来。另外，CNC系统的虚焊或接触不良，可通过用绝缘物轻轻敲打可疑部位再配合触摸法来诊断。
D．嗅
嗅因剧烈摩擦或电气元件绝缘破损短路而产生的烟味、焦糊味等，可较好地判断故障。
2、资料分析法
资料分析法是通过查阅技术档案资料找规律、查原因，从而判定故障所在的方法。所查阅的资料主要有：
A．数控系统资料
通过数控系统资料了解数控系统的特点、报警及排除方法；NC、plc机床参数设定的含义；数控编程的方法；面板上各键的作用及操作方法；主轴和进给电动机的性能和驱动器的特征等。重点掌握数控系统的结构框图，了解方框中各印制电路板的功能、接口的去向、LED发光二极管灯的含义等。
B．电气图样
通过电气图样重点看接触器、继电器及PLC的输入／输出部件等电气元件。每个国家的电气符号不同，应了解清楚、注意区别。
C．机械、液压、气动部分图样
对于数控铣床的机械、液压、气动部分图样，要搞清楚其中各个元件的作用，并在图上一一标出。对机电关系比较密切的部分要重点了解。
D．外文资料
在可能的条件下，尽量看进口机床的原版外文资料，以避免翻译不准确造成的误导。
3、故障征兆分析法
A．振动法
由于工业现场测试条件及分析技术所限，有些故障征兆的提取与分析不易实现，有些故障征兆反映的故障状态不敏感。相对来讲，数控铣床的振动是目前公认的机械部分最佳故障征兆提取量，它对运行状态的反应迅速、真实而且全面，能很好地反映出大部分数控铣床机械故障的性质与范围，并有许多先进有效的方法可供选用，所以振动法是数控铣床故障征兆分析法中最常用的方法。振动法分时域诊断与频域诊断两大类，而频域诊断又可分为振动频域直接分析法与振动频域二次分析法。
(1)振动时域分析法　该法将各种故障状态的振动时域信号与正常状态的振动时域信号相比较，从而识别数控铣床的故障状况。时域分析法主要分时域统计分析法、时域相关分析法、时域同步分析法等。时域统计分析法通过求出振动信号的各种统计参数，对数控铣床的故障状况进行分析。时域相关分析法主要采用自相关与互相关分析，对数控铣床的故障状况进行分析。时域同步分析法是一种在混有噪声干扰的数控铣床信号中，提取周期性分量的有效疗法，也称相干检波去。
(2)振动频域直接分析法该法是数控铣床故障诊断上最常用的方法。它把以时间为横坐标的时域信号通过傅里叶变换分解为以频率为横坐标的频域信号，得出频谱图，求得关于原时域信号频率成分的幅值和相位信息，从而得出故障诊断结果。
(3)振动频域二次分析法该法通过对频谱图提供的信息进行进一步处理，以提高故障诊断的准确性。它需要把测得的频谱图传输给微机，用专用软件进行分析。二次分析法主要有功率谱分析法、倒频谱分析法、频率细化分析法和小波分析法等。
B．噪声谱分析法
该法在近声场测量时，引入的于扰较小，其分析结果与振动测量很接近。如数控铣床的齿轮磨损后，由于渐开线齿廓畸变而使齿轮运转噪声声压级明显升高，一般比正常齿轮噪声级差大十几分贝。噪声的频率一般较高，但对应的振动振幅可能并不大。如果振源零部件为运动部件，不易设置传感器，可考虑采用噪声谱分析法。噪声测量具有携带信息丰富、测试方便和非接触的特点，但应设法解决环境噪声的干扰问题。
C．油液分析法
该法通过监测润滑油液中磨屑的分布情况及润滑油的污染程度，来诊断数控铣床的磨损故障。其具体采用的方法有：
(1)磁塞检查法在数控铣床的油路系统中插入磁性探头(磁塞)，以搜集油液中的铁磁性磨粒，并定期进行观察以判断数控铣床的磨损状态。
(2)颗粒计数器法利用光电技术对油样内的颗粒粒度进行自动计数和分析。
(3)油样光谱分析法根据油样中各种金属磨粒，在离子状态
下受到激发时所发射的特定波长的光谱，来检测油样中的金属类型和含量，从而对故障进行诊断。
(4)油样铁谱分析法它是一种在高梯度强磁场的作用下，将数控铣床摩擦副产生的磨粒从油样中分离出来，按其粒度大小依次排列沉淀到一块透明玻璃基片上，然后用各种手段观察或测量，以获得磨损过程的各种信息，从而分析磨损机理和判断设备磨损状态的一种分析方法。
4、专家系统法
专家系统一般应包括以下几个部分：知识库、推理机、对话部分、知识获取部分和解释帮助部分，其中最重要的部分是知识库。建立知识库的方法有很多，目前针对数控铣床较常用的有故障树法。数控铣床的故障现象按其发生部位可分为机械部分、进给驱动部分、cNC部分和主轴伺服控制部分。每一部分还可根据故障复杂程度，划分为更细的子系统，如CN(：部分可分为电源控制部分和显示器部分等。每个子系统可用故障树表示其故障。首先分析得出的系统故障事件称为顶事件。顶事件实际上就是一些故障现象，如“手摇脉冲发生器不起作用”、“进给方向同标记相反”等。将导致该项事件发生的直接原因，包括硬件故障、人为因素及环境因素等列出，用适当的逻辑门把它与故障事件连接起来，称为中间事件。逐级展开故障事件发生的原因，即产生这些现象的根源，如触发器损坏、主印制电路板接触不良等，称之为故障节点。依照此方法可建立各子系统的故障树。建立了大量的故障树之后，可将其转换成机器基本数据模型，从而建立数据库。目前常见的专家系统还有基于神经网络的数控铣床故障诊断专家系统，它利用神经网络所具有的高度并行处理、自适应性、容错性等特点，较好地构筑了故障诊断的专家系统。