数控机床作为“工业母机”是制造业发展的基础,也是昂贵的基础制造装备。由于数控机床需求量的不断增长,对其研究也日趋深入和精细。然而,由于数控机床在运输过程中经常会发生物流事故,给企业造成巨大的经济损失,但国内在机床运输过程安全性方面的研究却鲜有报道。目前,数控机床运输领域缺乏相应的运输规范,尚未建立完善的机床运输管理和评价机制。通常情况下,数控机床到达用户企业之后,只是进行简单的精度检验,而对机床由于运输原因产生的故障或损伤,往往难以界定和追溯。因此,本文以数控机床运输过程的状态监测及基于监测数据的运输过程安全性评价作为主要研究内容,提出了基于状态监测的数控机床运输过程安全性评价方法,主要内容如下:为了采集数控机床运输过程的环境数据,并监测机床运输,设计与开发了数控机床运输状态监测装置的软硬件。依据数控机床运输过程状态监测的技术需求,将三向冲击加速度、倾角及温湿度四种监测物理量作为数控机床运输过程状态监测的重要技术指标。采用模块化设计理念进行了监测装置的总体方案设计,并完成监测装置各功能模块的设计,同时开发了数控机床运输过程状态监测系统软件,最终实现对数控机床运输过程中的特征参数进行实时监测,为后续的数控机床运输过程安全评价技术研究提供了基础数据。为了保障机床运输过程的安全性,提出了基于灰色聚类理论的数控机床运输前安全性评价。首先,分析了数控机床运输前整体的实际情况包括人员素质、车辆状态、机床包装、运输路线与运输环境。在定义灰色类别(安全状态,较安全状态,较危险状态,危险状态)的基础上,对评估指标进行了归类处理,并将该指标带入到相应的白化权函数中得到对于该灰类的隶属度,进而通过层次分析法确定每个评估指标的权重,最终确定出整个运输过程属于哪个灰类,实现数控机床运输前的安全状态评价。依据数控机床运输过程状态监测指标的特性,提出了基于小波包分解的数控机床运输过程监测数据处理方法。首先利用小波包分解对数控机床运输过程状态指标信号的时域及时频域信息进行特征提取和筛选,确定出需要重点分析的数据种类。其中,对路面状况数据(加速度、倾角)进行三层小波包分解及时域特征提取,得到8个时频域特征及一系列时域特征,通过特征筛选,选取出11种典型的特征作为后续数据分析的基础。通过对模拟试验数据的分析处理,得到数控机床运输过程数据的评价标准。提出基于SVM及加权D-S证据理论的数控机床运输过程安全评价方法。通过SVM对上述3中的模拟试验数据特征进行训练和测试,得到分类模型,采用该模型对实际运输过程路面状况数据进行分类,并且以上述3中得到的评价标准对除路面状况外的其他数据进行统计分类,得到实际运输过程中各类数据对于运输安全状态的隶属度向量,组成安全状态评价矩阵作为运输安全性评价模型的输入,通过加权D-S证据理论对该矩阵进行数据融合,最终完成数控机床整个运输过程的安全评价。对数控机床早期故障排除试验进行研究,提出了将机床运输安全性评价结果与早期故障排除试验相结合,旨在激发机床由于运输过程产生的故障或损伤,使机床平稳度过早期失效期。本文提出的数控机床运输过程安全状态评价方法,有效地解决了数控机床运输管理机制不完善及界定和追溯由于运输原因产生的故障等问题,并且依托于本文开发的数控机床运输监测设备,为机床运输数据的积累与后续对该领域的定量分析研究提供了保障,具有广泛的应用价值。