基于图论算法与蚁群优化支持向量机的数控机床故障智能诊断

来源：计算机集成制造系统杂志2026年第2期北京时间：

作者：迟玉伦, 戴顺达, 朱文博

单位：上海理工大学机械学院

摘要：针对传统数控机床故障诊断方法耗时且精度不足、无法满足快速诊断需求的问题,提出一种基于图论算法和蚁群优化支持向量机(ACO-SVM)的方法实现机床故障的快速精确诊断。首先,通过故障历史数据建立数控机床故障传播模型,利用图论算法进行分析,得到故障的风险影响度排序确定故障的优先级;然后,针对优先级较高的故障,利用传感器采集加工信号提取特征值构建特征向量;进一步,利用蚁群算法优化支持向量机参数,构建ACO-SVM故障诊断模型实现机床故障精确诊断;最后,通过实验对某公司轴承磨床磨削烧伤故障进行验证,结果表明:基于图论算法可对故障进行定位排序,利用ACO-SVM模型的诊断平均准确率达到99.378%,对提升数控机床故障快速维修及机床可靠性具有重要意义。

关键词：支持向量机,图论算法,蚁群算法,故障诊断

基金资助：国家自然科学基金资助项目(51605294)。