基于多智能融合的机床故障诊断方法研究
结合数控机床故障诊断的实际需求和特点，项目开展多通道信息融合、特征提取、智能故障诊断等关键问题的研究，重点研究了机床故障诊断的框架模型、特征提取、多智能融合的故障诊断方法。主要研究工作包括： (1)提出了基于模糊偏好关系的多振动信号的加权融合算法，克服了单一传感器的局限性，具有较好的抗干扰能力和动态性，可以为特征提取和故障诊断提供更准确的参数。 (2)提出了基于改进最大相关最小冗余算法和 SVM 的特征选择方法，降低了计算时间，获得了维数较低的特征子集。 (3)研究了基于多智能融合的故障诊断方法，提出了故障诊断的分级框架模型和该框架下的多智能故障诊断方法。本项目已发表论文 8 篇。其中，EI 索引论文 5 篇，中文科技核心 2 篇。申请专利 3 项。其中，授权发明专利 1 项，授权实用新型 1 项。取得软件著作权 1 项。培养磺士毕业生 1 名。本项目研究了机床监测的多传感器融合技术，克服了单通道特征信号分析与诊断的局限性；提出了多智能融合的诊断方法，克服了单一诊断方法的不足；提出了分级框架模型，实现了快速预警和按需维修。项目的研究成果对于降低机床故障频率、按需维修、提高生产效率具有重