在世界飞速发展的今天,作为基石的现代制造业正扮演着越来越重要的角色,其中加工中心因拥有多工序自动加工的优势而得到了广泛的应用。自动换刀系统是加工中心不可或缺的功能部件,但由于其可靠性低、故障频发给机床用户造成了巨大的经济损失,故准确地判断自动换刀系统的健康状态并对其进行恰当的维修显得尤为重要。若等待故障发生,进行事后维修则会造成巨大的经济损失;若提前维修,则会出现维修过剩,造成产能浪费。因此,如何准确地判断自动换刀系统当前的健康状态并进行适时的维修和保养是目前亟待解决的问题。本文以某型号的链式刀库为研究对象,首先通过故障树分析探明其典型故障模式,在此基础上搭建了链式刀库健康状态监测系统;采用集合经验模态分解对监测的振动信号进行特征提取,并利用粒子群优化算法对支持向量机的参数进行优化,构建最优的支持向量机健康状态监测模型,通过该模型对链式刀库机械手锁紧机构的健康状态做出了评估。此外,本文采用基于不确定性分析和层次分析法改进的D-S证据理论对各传感器数据进行融合,实现对链式刀库的健康状态评估。本文主要的研究工作如下:1.链式刀库及其机械手的工作原理与故障分析。对链式刀库的参数做出介绍,并对链式刀库的换刀流程作出说明。采用故障树分析法对链式刀库的典型故障模式进行分析,找出诱发故障的根本原因,为后续搭建链式刀库健康状态监测系统奠定基础。2.搭建链式刀库试验台及状态监测系统。在掌握链式刀库的运行时序及其功能的基础上,利用博途软件编制了刀库PLC控制程序。根据刀库典型故障发生的原因,选取机械手和刀仓振动信号,伺服电机的电流、电压与温度信号,倒刀气缸的气压信号,以及自动换刀系统运行噪声信号作为状态监测信号,采用Labview软件开发了一套健康状态监测系统,实现了信号的采集、监测和存储。3.通过振动信号判断机械手锁紧装置的健康状态。由于机械手锁紧机构为链式刀库中故障率最高的部件,且振动信号能较好地反映受试部件的健康状态,故本章采用模拟锁紧弹簧疲劳失效的方法判断机械手锁紧装置的健康状态。通过集合经验模态分解提取振动信号特征向量,并采用粒子群优化算法对支持向量机的参数进行寻优,最终采用优化后的支持向量机对机械手锁紧装置的健康状态做出判断。4.判断链式刀库整体的健康状态。选用机械手X向振动、噪声、电机电流、电机温度和倒刀气缸气压作为链式刀库健康状态评估指标,并分别采用层次分析法和不确定性分析法对链式刀库各传感器监测信号的重要程度和有效信息量做出评估,通过抛物线形隶属度函数求得广义基本可信度的值,最终采用D-S证据理论将五类指标融合,实现对链式刀库的健康状态评估。