文章预览：

数控加工中心是数字控制加工中心的简称，是一种装有程序控制系统的自动化加工中心，广泛运用于各种行业的生产加工中。随着制造系统的规模与结构性复杂性迅速增长，数控加工中心控制系统也面临着越来越多的故障问题。一旦数控加工中心出现故障，就将影响加工的效率和准确度。

针对数控加工中心的故障诊断问题^11]，学界已经开展了卓有成效的研究工作。文献[2?3]采用了故障树分析方法，对数控加工中心的故障进行诊断。但在构建故障树时的工作量相当繁重，难度也较大，不能够及时判断并解决故障问题。文献[4]采用了粗糙集和证据理论的研究方法，提出了一种智能故障诊断方法。但该方法过分依赖自身知识库，且对数据噪声过分敏感。文献[5,6]则采用了人工神经网络的分析方法，模仿人类专家的联想和直觉，为数控加工中心故障诊断提供了一条新的路径。然而其理论尚未完善，目前还不能够达到人类专家的水准，因此该方法可靠性较低。

然而在数控加工中心可能出现的故障^[7'^8]中，由限位传感器等引起的故障是最致命的，有可能导致整个加工中心的破坏，甚至更加严重的后果。数控加工中心所进行的任何工作，都必须在确保安全的条件下进行，因此保证数控加工中心每一轴限位传感器的正常工作是首要任务。而？<5时网^[9]是研究离散事件动态系统的一种很重要的工具，一些学者™就运用了 Petri网对柔性制造系统进行建模和分析^[1112],而数控加工中心是柔性制造系统中的一部分，因此将Petri网理论与数控加工中心控制系统相结合，能够简洁、深刻的刻画出数控加工中心控制系统各个部分的动态性质。

为此，本文首先根据数控加工中心各单元之间的运行逻辑和动态特性，采用分块建模的思想，建立数控加工中心控制系统的Petri网模型；然后根据各故障类型的行为特征，采用不可观变迁模拟故障，获得该系统的故障Petxi网模型；最后提出相应的故障诊断算法，来判断数控加工中心是否发生的故障，并推理出发生故障的元件。并且全文中以一个四轴联动桥式切割机为例子，将文章中的方法加以使用和验证。与文献[2?3]相比，本文中采用构建标签Petri网模型的方法，对系统中所有信号贴上标签，通过观察标签序列来判断是否有故障发生；与文献[7?8]相比，本文针对所有由传感器信号引起的故障类型，采用不可观测变迁模拟故障，建立了故障Petri网模型，最终根据该模型得到了相应的故障诊断算法；而与文献[11?1.2]对比，本文对数控加工中心控制系统内部的各个工作单元进行建模，能准确判断发生故障的元件。

备注：为保证文章的完整度，本文核心内容都PDF格式显示，如未有显示请刷新或转换浏览器尝试！

结束语：

本文首先对数控加工中心控制系统进行了 Petri网建模，然后针对该系统可能由传感器所引起的故障类型，添加故障变迁，从而获得了该系统的故障Petri网模型，并再利用该系统内的信号，针对这些故障类型提出了相应的故障诊断方法，从而能够判断系统出现故障的原因。考虑到已有相应的故障诊断算法，因此在接下来的研究中可以通过编写相应的上位机软件，使其不仅能够实时监控加工中心的状态，还能在故障发生时及时正确的判断故障的原因，并给出相应的解决方案。