杨慧香,　宁腾飞,　高　智,　尹晓静

(1.长春工业大学 机电工程学院， 吉林 长春　130012;

2.长春工业大学 应用技术学院， 吉林 长春　130012)



EEMD两级神经网络的数控机床伺服系统故障诊断

杨慧香1,宁腾飞1,高智2,尹晓静1

(1.长春工业大学 机电工程学院， 吉林 长春130012;

2.长春工业大学 应用技术学院， 吉林 长春130012)

摘要：首先通过集合经验模态分解(Ensemble Empirical Mode Decomposition， EEMD)得到含有核心故障信号IMF分量作为特征量，按故障部件确定故障定位总神经网络，然后以电机、轴承、滚珠丝杠和联轴器故障类型分别建立故障类型分神经网络。

关键词：数控机床； 伺服系统； EEMD； 两级神经网络

0引言

数控机床伺服系统作为机床活动最为频繁的系统，与其本身的加工精度、可靠性以及使用寿命都有直接关系。目前故障诊断大多对单一部件，如轴承、齿轮等独立建模诊断，而数控机床伺服系统是一个电机、轴承、联轴器和滚珠丝杠等多部件系统，具有繁复非线性关系的故障原因与预示决定了该系统在故障诊断方面的难度明显很大。故障诊断的本质是对故障类型的辨别，人工神经网络依靠其特性(如自学习能力、自组织能力等)广泛应用在故障诊断领域中[1]。神经网络故障诊断对故障特征参数的提取有很强的依赖性，故障特征提取直接决定故障分类识别的精准度。非平稳信号为伺服系统故障信号较为显著的特征选择合适的处理非平稳信号的特征提取方法是很重要的[2]。

常见的分析时频域的手段在目前都或多或少存在局限性[3]。……