CN116451044A - 基于数据分析的机加设备故障预警系统 - Google Patents

Abstract

本发明公开基于数据分析的机加设备故障预警系统，包括加工数据获取模块、模型演变搭建模块、部件衰减分析模块、加工质量预测模块和预测性能偏离模块。本发明通过对预测的工件加工后的预测加工质量系数与实际加工质量系数进行损失偏离度分析，以判断该损失偏离度所对应的机加设备是否存在微小程度的故障，达到对机加设备故障的灵敏性判定，对机加设备未监测到的加工部件存在的微小故障且已影响到工件加工品质的故障进行及时预警，减少机加设备运行过程中对各运行状态参数进行数据监测追踪故障的复杂难度，提高了机加设备故障预警的灵敏性，并能够对机加设备存在的故障进行准确筛选定位，提高了故障筛选的准确性。

Description

基于数据分析的机加设备故障预警系统

技术领域

本发明属于机加设备技术领域，涉及到基于数据分析的机加设备故障预警系统。

背景技术

机加设备，又称为机械加工设备，在机加设备运行的过程中，若机加设备中部分结构发生故障，会直接影响机加设备对工件就爱共的品质，现有机加设备的故障检测方法，通常对机加设备运行的声音进行判断，以判断机加设备是否存在故障，其所检测的故障处于严重状态下，才能通过机加设备运行的声音得以判断，无法对机加设备的各加工部件处于微小故障状态下进行提前故障预警，造成机加设备从微小故障向严重故障状态的过程中所加工的工件品质无法满足加工需求，严重影响机加设备运行的平稳性以及加工品质，无法达到故障严重前的灵敏性预警，以及无法对机加设备无故障情况下，对工件加工质量进行精准预测，以及无法对机加设备存在的故障进行准确筛选定位，存在故障定位筛选难度大。

发明内容

本发明公开了基于数据分析的机加设备故障预警系统，解决了现有背景技术中存在的问题。

本发明在其一个应用方面中提供了基于数据分析的机加设备故障预警系统，包括加工数据获取模块、模型演变搭建模块、部件衰减分析模块、加工质量预测模块和预测性能偏离模块；

所述加工数据获取模块用于获取机加设备所加工的满足质量要求的工件在加工过程中机加设备的运行状态数据以及满足质量要求的成品工件的形貌参数信息；

所述模型演变搭建模块分析出机加设备中各加工部件所执行的运动状态数据下工件形貌参数的变动量以及各加工部件在工件加工过程中对各形貌参数的干扰影响程度；

所述部件衰减分析模块基于工件形貌参数的变动量推导出影响工件形貌参数的变动量所对应的各加工部件的加工演变衰减模型；

所述加工质量预测模块采用各加工部件的加工演变衰减模型预测出工件在各加工部件的干扰下所加工完成的工件的预测加工质量系数。

所述预测性能偏离模块针对模型演变搭建模块分析的各工件形貌参数的变动量评估出当前工件加工过程中各形貌参数的实际加工质量系数，并提取加工质量预测模块预测的各形貌参数的预测加工质量系数，采用损失函数分析出预测加工质量系数和实际加工质量系数的损失偏离度，判断损失偏离度是否大于设定的偏离度安全阈值，若大于设定的偏离度安全阈值，则预测出机加设备存在故障。

优选地，对工件加工过程中各加工部件的运行状态数据下所加工的工件形貌参数进行分析，获得形貌参数综合变动量，形貌参数综合变动量的表达式，/>为第i个形貌参数的综合变动量，T为加工周期，为加工一个工件所需的加工时长，/>为在当前加工周期内的第t时刻下工件加工所对应的第i个形貌参数，/>为在初始加工周期内第t个时刻下工件加工所对应的第i个形貌参数。

优选地，各加工部件在工件加工过程中对各形貌参数的干扰影响程度，采用各加工部件对各形貌参数的独立权重影响系数进行表示，分别为，为第j个加工部件在工件加工过程中对第i个形貌参数的独立权重影响系数，，/>为单一第j个加工部件在固定运行参数变化量下第i个形貌参数的变化量，第j个加工部件的固定运行参数变化量等于第j个加工部件的预设运行参数的0.5%，/>为第j个加工部件对第i个形貌参数的独立权重影响系数。

优选地，各加工部件的加工演变衰减模型：，表示为第j个加工部件的加工演变衰减系数，e表示为自然数，E表示为评估工件加工质量的形貌参数的数量，/>表示为所允许的第i个形貌参数的最大变动量，/>表示为第i个形貌参数的综合变动量，/>为第j个加工部件在工件加工过程中对第i个形貌参数的独立权重影响系数。

优选地，基于加工演变衰减模型对工件的预测加工质量系数进行分析，具体方法：

步骤1、获取机加设备已累计加工的工件数量h；

步骤2、采用各加工部件的加工演变衰减模型分析出的各加工部件的加工演变衰减系数，预测出形貌参数综合变动量；

步骤3、对预测出的各形貌参数所对应的形貌参数综合变动量进行分析，获得工件加工中各形貌参数的预测加工质量系数，预测加工质量系数表达式/>，为工件上第i个形貌参数的预测加工质量系数，T为加工周期，为加工一个工件所需的加工时长，/>为预测比例因子，在正常加工部件损耗下，预测比例因子的取值范围0.94-1.12。

优选地，所述预测性能偏离模块中计算各形貌参数的实际加工质量系数和预测加工质量系数/>间的损失偏离度的损失函数表达式：/>，M为损失偏离度，为第i个形貌参数的实际加工质量系数，/>为第i个形貌参数的预测加工质量系数。

优选地，所述系统还包括相关分析模块，相关分析模块依次对各加工部件的运行状态数据进行调整，分别获得工件加工周期内各加工部件的运行状态数据调整后各工件加工的形貌参数的变动量，采用相关干扰分析模型分析出加工周期内任意两加工部件间的相关干扰系数。

优选地，所述系统还包括故障可信度判定模块，所述故障可信度判定模块用于提取机加设备中各加工部件所执行的预设运行状态数据下各形貌参数的实际加工质量系数和预测加工质量系数，筛选出各形貌参数的实际加工质量系数与预测加工质量系数间的差值超过设定的阈值的各形貌参数，并提取出影响该形貌参数的各加工部件的相关干扰系数，采用可信度判定方法定位出最大可能发生故障的加工部件。

优选地，所述所述可信度判定方法，包括以下步骤：

步骤1、提取出各形貌参数的实际加工质量系数和预测加工质量系数间的差值，并筛选出差值超过设定阈值的各形貌参数，并按照超过设定阈值的差值由大到小顺序，对各形貌参数进行排序；

步骤2、提取排序等级最大的形貌参数所对应的各加工部件间的相关干扰系数；

步骤3、依次筛选出排序等级最大的形貌参数中独立权重影响系数最大的加工部件；

步骤4、分析独立权重影响系数最大的加工部件发生故障而引发步骤1中筛选的各形貌参数的预测变动量是否均在该形貌参数所对应的实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内；

步骤5、若各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内，则表明该机加设备存在的故障由排序等级最大的形貌参数中独立权重影响系数最大的加工部件所引起，反之，则执行步骤6；

步骤6、降低形貌参数排序等级，即筛选出当前剩余形貌参数中排序等级次大的形貌参数，筛选出该形貌参数中独立权重影响系数最大的加工部件；

步骤7、重复执行步骤4-6，直至筛选的加工部件发生故障而引发步骤1中筛选的各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内。

本发明的有益效果：

本发明提供的基于数据分析的机加设备故障预警系统，通过对机加设备中各加工部件对工件加工过程中的形貌参数进行数据分析，分析出各形貌参数综合变动量，并分析出各加工部件对各形貌参数的干扰影响程度，能够对引发形貌参数变化的各加工部件进行判断，实现对各加工部件对各形貌参数的干扰程度进行定量化衡量。

本发明基于各加工部件所执行的运动状态数据下工件形貌参数的变动量推到处影响工件形貌参数的各加工部件的加工演变衰减模型，并结合加工演变衰减模型分析出工件在各加工部件的衰减干扰下所加工完成的工件的预测加工质量系数，能够在排除机加设备无故障干扰下，准确预测出工件加工质量，提高了工件加工质量的精准预测。

本发明通过预测性能偏离模块借助损失函数对预测的工件加工后的预测加工质量系数与实际加工质量系数进行损失偏离度分析，通过将损失偏离度与设定的偏离度安全阈值进行对比，以判断该损失偏离度所对应的机加设备是否存在微小程度的故障，达到对机加设备故障的灵敏性判定，对机加设备未监测到的加工部件存在的微小故障且已影响到工件加工品质的故障进行及时预警，减少机加设备运行过程中对各运行状态参数进行数据监测追踪故障的复杂难度，提高了机加设备故障预警的灵敏性。

本发明通过相关分析模块分析出任意两加工部件间的相关干扰系数以及采用故障可信度判定方法对存在故障下的机加设备进行故障追踪定位，能够依次判定排序等级大的形貌参数中的独立权重影响系数最大的加工部件是否引发其他形貌参数异常，实现对机加设备存在的故障进行准确筛选定位，降低机加设备仅靠检测参数而存在的故障检测的遗漏概率，提高了故障筛选的准确性，便于及时对故障进行处理。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

目前机加设备在运行过程中，由于故障的存在，会造成加工的工件存在的瑕疵较多，影响工件加工的品质，同时无法及时对机加设备进行预警故障检测，一旦技术人员发现机加设备发生故障时，机加设备的故障已从轻微状态转换成严重状态，机加设备从轻微故障到严重故障的过程中，机加设备所加工的工件品质随着故障的严重程度逐渐增加，本申请的目的是对机加设备进行故障提前预警，以保证机加设备能够平稳运行，且加工的工件品质符合要求。

实施例

基于数据分析的机加设备故障预警系统，包括加工数据获取模块、模型演变搭建模块、部件衰减分析模块、加工质量预测模块和预测性能偏离模块。

加工数据获取模块用于获取机加设备所加工的满足质量要求的工件在加工过程中机加设备的运行状态数据以及满足质量要求的成品工件的形貌参数信息。

机加设备所加工的满足质量要求的工件在加工过程中的运行状态数据，不限于加工声音、刀具切削进给量、轴转动速度、刀具进给速度以及夹持工件的夹具旋转角度等。

满足质量要求的成品工件的形貌参数信息，不限于工件加工表面尺寸、表面垂直度、表面平行度、平面度、加工深度、工件表面粗糙度、波峰、波谷等数据。

模型演变搭建模块用于获取同一机加设备采用预设的运行状态数据下所加工的工件形貌参数，分析出机加设备中各加工部件所执行的运动状态数据下工件形貌参数的变动量以及各加工部件在工件加工过程中对各形貌参数的干扰影响程度。

具体，对形貌参数信息进行排序，分别为a1,a2,a3,...,an，n表示为形貌参数的总数量，各形貌参数信息均有至少一加工部件影响机加设备加工过程中的工件形貌参数信息。

构建影响各形貌参数的预设运行状态数据集合，/>为影响第i个形貌参数的各加工部件集合，/>为影响第i个形貌参数的第j个加工部件的预设运行参数，i=1,2,...,E，E为形貌参数的数量，k为加工部件的数量信息，k≥1。

对工件加工过程中各加工部件的运行状态数据下所加工的工件形貌参数进行分析，获得形貌参数综合变动量，/>为第i个形貌参数的综合变动量，T为加工周期，为加工一个工件所需的加工时长，/>为在当前加工周期内的第t时刻下工件加工所对应的第i个形貌参数，/>为在初始加工周期内第t个时刻下工件加工所对应的第i个形貌参数。

依次逐一训练工件加工过程中各加工部件的运行参数对工件的形貌参数的变动量，基于各加工部件的运行参数对工件的形貌参数的单一变动量，分析出各加工部件对各形貌参数的独立权重影响系数，分别为：，/>为第j个加工部件在工件加工过程中对第i个形貌参数的独立权重影响系数，/>，/>为单一第j个加工部件在固定运行参数变化量下第i个形貌参数的变化量，第j个加工部件的固定运行参数变化量等于第j个加工部件的预设运行参数的0.5%，/>为第j个加工部件对第i个形貌参数的独立权重影响系数。

部件衰减分析模块用于获取各加工周期下机加设备以预设运行状态数据所加工的工件形貌参数的变动量，基于工件形貌参数的变动量推导出影响工件形貌参数的变动量所对应的各加工部件的加工演变衰减模型。

对各加工周期下所采集的形貌参数变动量与加工部件衰减程度进行模拟训练，并结合各加工部件对各形貌参数的权重影响系数，获得各加工部件的加工演变衰减模型。

各加工部件的加工演变衰减模型：，/>表示为第j个加工部件的加工演变衰减系数，e表示为自然数，E表示为评估工件加工质量的形貌参数的数量，/>表示为所允许的第i个形貌参数的最大变动量，/>表示为第i个形貌参数的综合变动量，/>为第j个加工部件在工件加工过程中对第i个形貌参数的独立权重影响系数。

加工质量预测模块提取各加工部件的加工演变衰减模型，并采用各加工部件的加工演变衰减模型预测出工件在各加工部件的干扰下所加工完成的工件的预测加工质量系数。

基于加工演变衰减模型对工件的预测加工质量系数进行分析，具体方法：

步骤1、获取机加设备已累计加工的工件数量h；

步骤2、采用各加工部件的加工演变衰减模型分析出的各加工部件的加工演变衰减系数，预测出形貌参数综合变动量，，为预测的机加设备经累计加工h个工件后第i个形貌参数的综合变动量，/>为机加设备在预设运行状态参数下第i个形貌参数处于发生衰减的工件数量，/>为在初始加工周期内第t个时刻下工件加工所对应的第i个形貌参数的变动量，/>表示为经h个工件加工后第j个加工部件的加工演变衰减系数，/>为经h个工件加工后第t时刻下工件加工的第i个形貌参数的变动量；

步骤3、对预测出的各形貌参数所对应的形貌参数综合变动量进行分析，获得工件加工中各形貌参数的预测加工质量系数，/>，/>为工件上第i个形貌参数的预测加工质量系数，T为加工周期，为加工一个工件所需的加工时长，/>为预测比例因子，在正常加工部件损耗下，预测比例因子的取值范围0.94-1.12，预测比例因子的设置，提高了机加设备对工件加工后所预测加工质量系数的准确性。

通过对各加工部件的加工演变衰减系数进行分析，能够预测出各机加设备衰减程度下所对应的形貌参数综合变动量，进而准确预测出各加工周期下机加设备加工后各形貌参数的预测加工质量系数，当机加设备中与形貌参数相关的各加工部件均无故障发生时或加工部件损耗未达到一定损耗程度的情况下，该形貌参数所对应的实际加工质量系数在预测加工质量系数范围内，能够提高工件加工质量的精准预测，且一旦存在加工部件故障或加工部件损耗未达到一定损耗程度，会造成出现故障的工件部件所执行的加工品质受到影响，造成工件加工质量的不可预测性。

预测性能偏离模块用于针对模型演变搭建模块分析的各工件形貌参数的变动量评估出当前工件加工过程中各形貌参数的实际加工质量系数，并提取加工质量预测模块预测的各形貌参数的预测加工质量系数，采用损失函数分析出预测加工质量系数和实际加工质量系数的损失偏离度，判断损失偏离度是否大于设定的偏离度安全阈值，若大于设定的偏离度安全阈值，则预测出机加设备存在故障，实现对机加设备故障的智能预警提示。各形貌参数的实际加工质量系数的表达式：；损失函数：/>，M为损失偏离度，/>为第i个形貌参数的实际加工质量系数，/>为第i个形貌参数的预测加工质量系数，T为加工周期，为加工一个工件所需的加工时长，/>为在初始加工周期内第t个时刻下工件加工所对应的第i个形貌参数。

通过对机加设备在加工过程中的性能进行偏离度分析，实现对机加设备存在的故障进行放大预测分析，一旦工件加工的性能衰减的损失偏离度大于设定的偏离度安全阈值，则表明机加设备存在故障，采用损失函数能够对存在的微小故障实现量化级放大处理，且可对机加设备未监测的加工部件存在的微小故障且已影响到工件加工品质的故障进行及时预警，降低机加设备运行参数检测的精度和实时性需求的难度，提高了机加设备故障预警的灵敏性。

实施例

采用实施例一，通过对工件的加工质量进行损失偏离度分析，能够判断出机加设备在加工过程中是否存在故障，实现对机加设备存在的故障进行灵敏性预警，使得借助存在故障下所产生的加工品质来放大化机加设备存在的故障，能够及早对故障进行预测，减少机加设备运行过程中对各运行状态参数进行监测追踪的复杂难度。

基于各加工部件在预设运行状态数据下随着累计加工使用所对应的加工演变衰减模型，能够在机加设备无故障干扰下，预测出工件加工质量，实现在预设运行状态数据下机加设备无故障的情况下对工件加工质量的精准预测，当有故障存在时，通过预测加工质量系数和实际加工质量系数进行偏离度分析，能够准确且有效地判断机加设备是否存在故障，对故障进行预警提醒，但是无法准确定位引发工件加工异常的故障源头。

为了对预测的存在故障的机加设备所存在的故障进一步进行分析，需对机加设备存在的故障进行识别判定。

具体，本系统还包括相关分析模块和故障可信度判定模块。

相关分析模块依次对各加工部件的运行状态数据进行调整，分别获得工件加工周期内各加工部件的运行状态数据调整后各工件加工的形貌参数的变动量，采用相关干扰分析模型分析出加工周期内任意两加工部件间的相关干扰系数，便于建立影响工件加工质量的各加工部件间的关联性，进而为后期机加设备存在的故障筛查提供可靠的数据。

各加工部件的运行状态数据按照预设运行状态数据的固定百分比进行降低，例如：1%或2%或其他数值，单位时间段内各加工部件的运行状态数据按照固定百分比进行降低，单位时间内运行状态数据降低的数值固定，即下降的加速度相同，能够保证在整个加工周期内，有且仅有一个加工部件的运行状态数据按照固定下降速度降低，进而便于分析出各加工部件的运行参数变化对工件形貌参数影响的关联性。

相关干扰分析模型的表达式：，/>表示为一个加工周期内第j个加工部件和第r个加工部件的相关干扰系数，T为加工周期，为加工一个工件所需的加工时长，/>表示为在一个加工周期内第t时间下第j个加工部件的运行状态数据所造成的第i个形貌参数的变动量，/>表示为在一个加工周期内第t时间下第r个加工部件的运行参数所造成的第i个形貌参数的变动量，/>表示为所允许的第i个形貌参数的最大变动量。

故障可信度判定模块用于提取机加设备中各加工部件所执行的预设运行状态数据下各形貌参数的实际加工质量系数和预测加工质量系数，筛选出各形貌参数的实际加工质量系数与预测加工质量系数间的差值超过设定的阈值的各形貌参数，并提取出影响该形貌参数的各加工部件的相关干扰系数，采用可信度判定方法定位出最大可能发生故障的加工部件，实现对故障的精准判定。

所述可信度判定方法，包括以下步骤：

步骤1、提取出各形貌参数的实际加工质量系数和预测加工质量系数间的差值，并筛选出差值超过设定阈值的各形貌参数，并按照超过设定阈值的差值由大到小顺序，对各形貌参数进行排序；

步骤2、提取排序等级最大的形貌参数所对应的各加工部件间的相关干扰系数；

步骤3、依次筛选出排序等级最大的形貌参数中独立权重影响系数最大的加工部件；

步骤4、分析独立权重影响系数最大的加工部件发生故障而引发步骤1中筛选的各形貌参数的预测变动量是否均在该形貌参数所对应的实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内；表达式：/>，表示为排序等级最大的形貌参数中独立权重影响系数最大的加工部件预测引发第i个形貌参数的预测变动量，/>表示为独立权重影响系数最大的加工部件对第i个形貌参数中第r个加工部件间的相关干扰系数，/>表示为排序等级最大的形貌参数中各加工部件中的最大独立权重影响系数，/>表示为第i个形貌参数所对应的实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量，/>表示为数值范围系数，取值0.915-1.08，当/>取值1.08时，/>为/>，当/>取值0.915时，/>为/>，/>为第i个形貌参数的实际加工质量系数，/>为第i个形貌参数的预测加工质量系数。

步骤5、若各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内，则表明该机加设备存在的故障由排序等级最大的形貌参数中独立权重影响系数最大的加工部件所引起，反之，则执行步骤6；

步骤6、降低形貌参数排序等级，即筛选出当前剩余形貌参数中排序等级次大的形貌参数，筛选出该形貌参数中独立权重影响系数最大的加工部件；

步骤7、重复执行步骤4-6，直至筛选的加工部件发生故障而引发步骤1中筛选的各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内。

通过采用可信度判定方法能够依次判定排序等级大的形貌参数中的独立权重影响系数最大的加工部件是否引发其他形貌参数异常，实现对机加设备存在的故障进行准确筛选定位，降低机加设备仅靠检测参数而存在的故障检测的遗漏概率，提高了故障筛选的准确性，便于及时对故障进行处理。

上述公式由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的参数由本领域的技术人员根据实际情况进行设置，系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.基于数据分析的机加设备故障预警系统，其特征在于：包括加工数据获取模块、模型演变搭建模块、部件衰减分析模块、加工质量预测模块和预测性能偏离模块；

所述加工数据获取模块用于获取机加设备所加工的满足质量要求的工件在加工过程中机加设备的运行状态数据以及满足质量要求的成品工件的形貌参数信息；

所述模型演变搭建模块分析出机加设备中各加工部件所执行的运动状态数据下工件形貌参数的变动量以及各加工部件在工件加工过程中对各形貌参数的干扰影响程度；

所述部件衰减分析模块基于工件形貌参数的变动量推导出影响工件形貌参数的变动量所对应的各加工部件的加工演变衰减模型；

所述加工质量预测模块采用各加工部件的加工演变衰减模型预测出工件在各加工部件的干扰下所加工完成的工件的预测加工质量系数；

所述预测性能偏离模块针对模型演变搭建模块分析的各工件形貌参数的变动量评估出当前工件加工过程中各形貌参数的实际加工质量系数，并提取加工质量预测模块预测的各形貌参数的预测加工质量系数，采用损失函数分析出预测加工质量系数和实际加工质量系数的损失偏离度，判断损失偏离度是否大于设定的偏离度安全阈值，若大于设定的偏离度安全阈值，则预测出机加设备存在故障。

2.根据权利要求1所述的基于数据分析的机加设备故障预警系统，其特征在于：对工件加工过程中各加工部件的运行状态数据下所加工的工件形貌参数进行分析，获得形貌参数综合变动量，形貌参数综合变动量的表达式，/>为第i个形貌参数的综合变动量，T为加工周期，为加工一个工件所需的加工时长，/>为在当前加工周期内的第t时刻下工件加工所对应的第i个形貌参数，/>为在初始加工周期内第t个时刻下工件加工所对应的第i个形貌参数。

3.根据权利要求2所述的基于数据分析的机加设备故障预警系统，其特征在于：各加工部件在工件加工过程中对各形貌参数的干扰影响程度，采用各加工部件对各形貌参数的独立权重影响系数进行表示，分别为，/>为第j个加工部件在工件加工过程中对第i个形貌参数的独立权重影响系数，/>，/>为单一第j个加工部件在固定运行参数变化量下第i个形貌参数的变化量，第j个加工部件的固定运行参数变化量等于第j个加工部件的预设运行参数的0.5%。

4.根据权利要求1所述的基于数据分析的机加设备故障预警系统，其特征在于：各加工部件的加工演变衰减模型：，/>表示为第j个加工部件的加工演变衰减系数，e表示为自然数，E表示为评估工件加工质量的形貌参数的数量，/>表示为所允许的第i个形貌参数的最大变动量，/>表示为第i个形貌参数的综合变动量。

5.根据权利要求1所述的基于数据分析的机加设备故障预警系统，其特征在于：基于加工演变衰减模型对工件的预测加工质量系数进行分析，具体方法：

步骤1、获取机加设备已累计加工的工件数量h；

步骤2、采用各加工部件的加工演变衰减模型分析出的各加工部件的加工演变衰减系数，预测出形貌参数综合变动量；

步骤3、对预测出的各形貌参数所对应的形貌参数综合变动量进行分析，获得工件加工中各形貌参数的预测加工质量系数，预测加工质量系数表达式/>，/>为工件上第i个形貌参数的预测加工质量系数，T为加工周期，为加工一个工件所需的加工时长，/>为预测比例因子，在正常加工部件损耗下，预测比例因子的取值范围0.94-1.12。

6.根据权利要求5所述的基于数据分析的机加设备故障预警系统，其特征在于：所述预测性能偏离模块中计算各形貌参数的实际加工质量系数和预测加工质量系数/>间的损失偏离度的损失函数表达式：/>，M为损失偏离度，/>为第i个形貌参数的实际加工质量系数，/>为第i个形貌参数的预测加工质量系数。

7.根据权利要求5所述的基于数据分析的机加设备故障预警系统，其特征在于：所述系统还包括相关分析模块，相关分析模块依次对各加工部件的运行状态数据进行调整，分别获得工件加工周期内各加工部件的运行状态数据调整后各工件加工的形貌参数的变动量，采用相关干扰分析模型分析出加工周期内任意两加工部件间的相关干扰系数。

8.根据权利要求7所述的基于数据分析的机加设备故障预警系统，其特征在于：所述系统还包括故障可信度判定模块，所述故障可信度判定模块用于提取机加设备中各加工部件所执行的预设运行状态数据下各形貌参数的实际加工质量系数和预测加工质量系数，筛选出各形貌参数的实际加工质量系数与预测加工质量系数间的差值超过设定的阈值的各形貌参数，并提取出影响该形貌参数的各加工部件的相关干扰系数，采用可信度判定方法定位出最大可能发生故障的加工部件。

9.根据权利要求8所述的基于数据分析的机加设备故障预警系统，其特征在于：所述可信度判定方法，包括以下步骤：

步骤1、提取出各形貌参数的实际加工质量系数和预测加工质量系数间的差值，并筛选出差值超过设定阈值的各形貌参数，并按照超过设定阈值的差值由大到小顺序，对各形貌参数进行排序；

步骤2、提取排序等级最大的形貌参数所对应的各加工部件间的相关干扰系数；

步骤3、依次筛选出排序等级最大的形貌参数中独立权重影响系数最大的加工部件；

步骤4、分析独立权重影响系数最大的加工部件发生故障而引发步骤1中筛选的各形貌参数的预测变动量是否均在该形貌参数所对应的实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内；

步骤5、若各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内，则表明该机加设备存在的故障由排序等级最大的形貌参数中独立权重影响系数最大的加工部件所引起，反之，则执行步骤6；

步骤6、降低形貌参数排序等级，即筛选出当前剩余形貌参数中排序等级次大的形貌参数，筛选出该形貌参数中独立权重影响系数最大的加工部件；

步骤7、重复执行步骤4-6，直至筛选的加工部件发生故障而引发步骤1中筛选的各形貌参数预测变动量均在实际加工质量系数和预测加工质量系数间的差值所允许的形貌参数变动量范围内。