为满足高速、高精、复合等加工需求,现代数控机床的机械结构越来越复杂,同时对数控机床的自动化水平要求不断提高。因此一旦发生故障引起生产停机,会造成巨大的经济损失,甚至造成人身伤害,仅靠企业的人工维护方式能力远远不够,因此,实现数控设备健康状态监测与评测系统得以及时、准确地预防和诊断设备故障是十分迫切的。数控机床健康监测与评测用于评测数控机床是否满足相关的精度指标要求,并且为实现数据机床的高精度的制造加工性能提供依据,同时结合大数据、人工智能等技术实现数控机床的故障诊断及故障预警机制。本文是对数控机床尤其是高档(如五轴联动)数控机床的健康状态监测系统的一个较深入、系统的研究,其中包括误差建模与误差补偿的理论推理与指导、快速实时误差测试与误差补偿的实施方法与验证、支持高可靠性维修决策的多源融合技术,基于大数据技术的数控机床关键部件的故障诊断及预警等。本研究成果与创新点对于数控机床健康监测与评测工作,有较好的理论与实际意义。其主要研究成果如下:进行了数控机床健康状况的规范化监测系统的理论研究。包括:(1)规范统一了误差定义与误差模型;(2)运用多刚体运动学理论,建立了任意结构的高档(如五轴联动)数控机床的综合几何误差的多刚体运动学模型;(3)利用齐次变换矩阵及其微分,研究了任意结构机床综合几何误差变换矩阵。概括了五轴联动数控机床原始误差项的高精度快速检测方法,并提出了原始误差项的误差分离(误差辨识)方法。建立了数控机床关键误差的补偿模型,并根据数控系统实时性特点,设计了数控机床误差实时补偿系统,建立了关键误差的补偿模型,即反向间隙与螺距误差补偿、过象限误差补偿模型等。研究了数控机床故障诊断及预警的关键技术,其中包括基于D-S理论的数控机床多源融合技术、基于大数据技术的机床关键部件的故障诊断及预警的实现与验证等。通过对以上内容的研究,本课题主要创新点包括:提出数控机床健康状况的综合评定方法,提高了机床健康评估的全面性及客观性。该方法既包括基于误差理论的数控机床精度检测、又包括基于大数据技术的故障诊断及预警,实现静态精度测试与动态测试的结合,机床当前运行状态与历史状态的结合,从而保证评测结果精确性及可靠性。在误差测试方面,结合五轴数控机床的运动学原理,建立了五轴数控机床的综合误差分析模型;根据球杆仪的测量原理,通过误差传递函数的推导,确定了误差元素与测量曲线间的对应关系。在误差辩识方面,利用激光干涉仪等仪器,结合九线法机床测量方法,实现21项机床原始误差的分离,为主要误差项的快速、高效检测和数控机床误差补偿提供基础数据;结合球杆仪测量原理,提出了基于圆度误差测量的机床误差分离方法。在误差补偿方面,提出了采用基于速度钳制的反向误差补偿算法,减小了机床各轴换向时的机床振动,提高了工件的切削质量;提出了变参数双模糊算法,通过对静态摩擦力的补偿,实现对过象限误差控制,减小了各轴在换向处的随动误差。在数控机床故障诊断及预警方面,研究了基于D-S证据理论的多源数据融合方法,设计了滚动轴承故障诊断与预警模型架构,提出并实现了自组织特征映射网络的故障诊断算法及自适应ARMA故障预警算法,在保证精度的前提下,提高了滚动轴承故障诊断与预警的计算效率。最后,本文在我研究所的车削中心及五轴联动加工中心上试验验证了双向螺距与反向间隙以及圆度误差的补偿效果,验证了本文补偿模型和策略的可行性。