直接影响到机床的正常运行和安全性,要检査接地排上接地端子 连接是否紧固,接触是否良好 当机床出现电源故障时,首先要査看熔断器、断路器等保护 装置是否熔断或跳闸,找出故障的原因,如短路,过载等。断路 器相当于刀开关、熔断器、热继电器和欠电压继电器的组合,是 种既有手动开关作用又能自动进行欠电压、失电压、过载和短 路保护的电器

数控机床的故障有软故障和硬故障之分,所谓软故障,就足 故障并不是由硬件损坏引起的,而是由于操作、调整处理不当引 起的

IPH5、1PH6主轴电动机等。11 SINUMERIK810T数控系统简介SINUMERIK810T是车床专用数控系统,操作简单,性能可靠,适用于各种类型的数控车床。具有如下特点:

进给伺服系统由各坐标轴的进给驱动装置、位置检测装置及 机床进给传动链等组成,进给伺服系统的任务就是要完成各坐标 轴的位置控制。数控系统根据输入的程序指令及数据,经插补运 算后得到位置控制指令,同时,位置检测装置将实际位置检测信 号反馈于数控系统,构成全闭环或半闭环的位置控制。经位置比 较后,数控系统输出速度控制指令至各坐标轴的驱动装置,经速 度控制单元驱动伺服电动机带动滚珠丝杠传动进行进给运动

1、掌握液压和气压制动系常见故障的故障现象、故障的主要原因及处理方法和诊断方法 2、掌握液压和气压制动系的维修方法 3、了解最新的故障诊断设备和方法

由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

通过对烧结风机滑动轴承特性计算及从风机转子结构出发，建立风机转子—轴承系统的力学模型，用来校核系统的稳定性、分析影响稳定性的各种因素及查找风机系统存在振动问题的原因．同时应用旋转机械状态监测故障诊断CAMD-6100系统，对现场烧结风机进行监测，分析监测数据，最终找出故障原因，并加以解决．

论述了对高速无扭精轧机组压帽、保护套和小伞齿轴故障诊断,通过实例说明:对于高度机械化、自动化、连续化生产的设备能通过部件基频上振动峰值的变化发现设备故障

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值