隨著先進製造技術對製造質量要求的不斷提高，以高速、高精度為(wei) 代表的高端多軸作已成為(wei) 航空複雜構形零件的製造母機。因其對航空製造整體(ti) 技術水平提升的重要意義(yi) ，其技術創新和突破成為(wei) 關(guan) 係國家和產(chan) 業(ye) 安全的戰略關(guan) 鍵。針對高檔數控機床結構複雜、影響因素眾(zhong) 多的特點，如果不能及時準確地對加工狀態中的器質性故障和精度誤差源進行診斷，將無法保障製造質量和精度，會(hui) 導致廢品增加、生產(chan) 率下降，甚至造成機床報廢等重大損失。這就亟需引入動態測控與(yu) 智能診斷技術，進行辨識加工狀態異常和智能維護理論的研究，開發可運行於(yu) 機床的集成一體(ti) 化動態測控和智能診斷軟件，實現高檔數控機床的狀態可顯示、故障可診斷、性能可預報，形成監測信息、診斷結論和實時控製方案策略的統一，進而達到高精、高效加工的目的。 

發展現狀及趨勢分析 

高檔數控機床的常見運行故障主要包括電氣係統故障和功能部件故障。其中，電氣係統故障可通過數控係統自檢的方式實現，如對驅動電流、電機轉角、扭矩等運行狀態信號的監測診斷，目前已開發出相應的商用監測係統，如西門子ePS和FANUC 18i係列監測係統等。機床功能部件故障一直是國內(nei) 外數控機床故障診斷領域的難題，其原因在於(yu) 在線監測的特征量如振動信號、聲發射信號等具有信號微弱或信噪比低導致的特征提取複雜性，以及機床功能部件種類複雜和多信號調製導致的運行狀態監測信息多樣性。雖然已開發出一些麵向單項功能部件的監測診斷係統，包括瑞士Kistler切削力監測係統和德國ARTIS監測係統等，實現了基於(yu) 特定監測信息的機床動態測控與(yu) 故障診斷。但針對機床運行故障信號信噪比低和多信號調製複雜性的特點，仍需進一步深入研究機床早期故障微弱信號監測與(yu) 故障信號的快速特征提取技術，並建立有效的混合智能故障診斷模型，提高故障快速預報的準確性。 

1 微弱信號監測與(yu) 特征提取 

由於(yu) 高精密加工中的製造質量極易受到數控裝備器質性故障的影響，早期故障一旦出現就會(hui) 立刻引起加工精度的變化。但是反映早期故障的特征信號，如振動、電流、聲發射等幅值相對較小，且受到工作噪聲、數據采集裝置噪聲、信號傳(chuan) 輸中的耦合噪聲等的影響，信號信噪比極低。開展微弱信號監測與(yu) 特征提取的首要任務就是對信號的降噪，這就需要采用電子學、信息論、計算機和物理學等多種方法，對噪聲的來源、性質、產(chan) 生原因及傳(chuan) 播途徑進行研究。據被測信號和噪聲的統計特性及其差別，有針對性地尋找背景噪聲中的有用信號，實現噪聲中微弱信號的識別。此外，由於(yu) 故障診斷快速性和實時性的要求，所采集的數據長度或采集持續時間往往會(hui) 受到限製。因此，微弱信號檢測技術的發展應該歸結為(wei) 兩(liang) 個(ge) 方向：一是提高檢測能力，盡可能降低其所能達到的最低檢測信噪比；二是提高檢測速度，最大限度地滿足現場實時監測和故障診斷的要求。 

目前常用的微弱信號檢測方法主要有時域法和頻域法，其中時域法包括取樣積分、數字平均、相關(guan) 檢測、自適應消噪等，頻域法包括快速傅立葉變換、功率譜密度、濾波等。然而，對於(yu) 短數據點、極低信噪比、噪聲頻率與(yu) 信號頻率接近或重合的情況，上述微弱信號檢測方法存在一定的缺陷。如短數據點使得快速傅立葉變換頻率分辨率太低，不足以過濾掉噪聲而檢測出特征信號，在濾波抑製噪聲的同時，有用信號也不可避免地受到損害，這些問題的存在影響了常用微弱信號檢測方法的效果。近些年，湧現出一些新的微弱信號檢測方法，如：差分振子、小波變換[9]、循環統計理論和高階統計量、獨立分量分析、經驗模式分解以及多種方法的綜合應用等。 

基於(yu) 隨機共振（Stochastic Resonance, SR）的微弱信號檢測技術是近幾年發展起來的一種新的信號處理技術。目前，針對大參數信號的隨機共振理論，其研究探索仍然以電路模擬試驗為(wei) 主，相關(guan) 研究在國外也很少。2005年，Fauve等人利用隨機共振原理對轉子早期碰磨故障的微弱特征信號進行了模擬識別研究，但他們(men) 沒有考慮其它信號和噪聲參數之間的相互關(guan) 聯性。在國內(nei) ，關(guan) 於(yu) 隨機共振工程的實際應用，基本是直接調節非線性雙穩態方程的係統參數來解決(jue) 強噪聲中的微弱信號檢測問題。這種係統參數調節方法的調節範圍很寬、尋優(you) 時間長，且對不同問題參數調節的規律不容易尋找。 

針對大參數信號隨機共振檢測中所存在的問題，筆者以非線性雙穩係統為(wei) 研究對象，提出變尺度隨機共振思想，對大參數的隨機共振現象進行了較深入的分析和研究，並將該研究成果初步應用到電機、軸承、輸油管道等的故障監測與(yu) 診斷，取得了很好的效果。此外，筆者還提出一種基於(yu) 級聯雙穩隨機共振降噪的經驗模式分解方法，消除了經驗模式分解的邊界效應，實現了對微弱非平穩信號的提取。 

 
加工過程在線監測