高档数控机床加工工件的过程常常会遇到多个故障同时发生，导致无法判别故障源。当发生故障时，其中一种或几种信号会发生相应变化，一种信号的变化可能是几种故障引起的，因此，仅仅依靠一种传感器进行故障诊断显然可靠性较低^[14]。通过分析主轴系统的振动特性及故障机理，可以构建一个基于多传感器的多信息融合智能故障诊断平台对数控机床主轴系统进行状态监测及故障诊断与服务。

图3 高速数控机床电主轴系统故障诊断平台

（1）故障诊断平台构建　多信息融合的数控机床电主轴系统智能故障诊断平台主要由状态监测、信号处理、特征提取、故障识别、故障决策、样本案例库、知识库及故障服务平台构成。平台通过在线振动信号拾取、力矩信号拾取、声发射信号采集、功率信号采集、温度信号采集、零件加工表面质量监测等多传感器对数控机床主轴系统进行状态监测。除了采用传统的时域、频域分析技术对信号分析处理外，还可以采用小波包分析、支持向量机等数据挖掘技术及基于神经网络、互信息熵、粗糙集方法等进行故障特征提取^[15]。在故障特征提取的基础上，可以进行结合在线故障特征及历史样本数据，构建故障案例库和样本知识库，再通过模糊聚类、神经网络等进行故障识别。将来自多个传感器的各种信息，按照一定的方式进行分析组合如贝叶斯估计、证据理论、模糊逻辑及神经网络等，从而进行协同有效的智能故障决策，实现故障趋势预报、早期故障预警及故障警报等；并为用户提供定期检修、视情维修、设备维护依据和建议以及知识查询、统计分析等服务。

图4 电主轴故障诊断实验台

1—主轴运转平台 2—主轴支撑 3—电主轴 4—轴端接杆 5—轴承 6、9、10、13、14—传感器固定、调节支架 7—红外温度传感器 8、11、12—电涡流位移传感器 15—测试平台 16—滑轮(www.daowen.com)

（2）实验验证　为了快速进行电主轴系统的故障机理分析、故障模拟实验，知识获取及样本案例库构建，搭建了高速电主轴系统故障诊断实验台，如图4所示。该实验台中的电主轴可以实现30～40000r/min的转速，并设计有多个传感器安装支架，可以快速实现振动、温度等传感器的安装。实验采用PCI-2型声发射检测系统，主要用于检测轴承故障；采用加速度传感器及北京东方振动噪声研究所INV-USB高速数据采集及分析处理系统采集振动信号；采用互感器进行主轴输出功率测量；采用pt100的32通道巡检仪及红外测量主轴及轴承温度。项目进行了一系列的不同偏心重量、不同转速及支撑松动等故障模拟实验，以主轴偏心（实验工况：主轴转速2300r/min，偏心块2kg，偏心距58mm）为例说明故障诊断结果，如图5所示。

通过表5可以看出，主轴存在偏心不平衡时，其幅值谱中基频处峰值明显增大，且轴心轨迹为椭圆，可以较为清晰的判断主轴不平衡故障的发生。当电主轴偏心量较小或不仅存在一种故障，如与主轴弯曲、主轴裂纹、支撑松动等故障同时存在时，其频域特征、轴心轨迹特征较复杂，不能仅靠一种信号进行故障确定时，可以与声发射信号、温度信号、功率信号等特征结合，采用多信息融合法进行智能故障诊断^[16]。

图5 主轴偏心故障征兆及诊断

图5 主轴偏心故障征兆及诊断（续）