數據分析可得出以下結論：Short[Pulses]和Long[Pulses]這兩個參數設置有誤，導致緊狀態(tài)信號輸出有誤，需要進一步優(yōu)化。記錄有加緊狀態(tài)的大值A1和小值A2，可設置Short:A2-10、Long:A1+10（如果數據變化幅度較大，可設置A1/A2±20），即Short設置為243、Long設置為266。優(yōu)化完成后，再進行10次測試，結果全部成功（圖8），且每次緊后，“緊到位”信號燈均正常亮，故障排除。（3）小結。①在使用“K11-controller”軟件優(yōu)化參數時，每次輸入數值后，均需要點擊“F4：SEND”軟鍵，這時輸入的數據才能被傳入K11模塊中，切記全部設置完成后要點擊“F5:SE”軟鍵，保存好數據。②對于主軸松緊這類故障，一般分為“無動作且信號狀態(tài)異常”和“有動作但信號狀態(tài)異常”兩類，前者重點排查機械方面（液壓控制閥、油量是否充足以及執(zhí)行元件等），后者主要檢查電氣方面（信號傳感器、PLC程序以及相關參數設置等）。（4）改進措施。①定期優(yōu)化K11模塊參數，以免由參數問題造成其他故障。②及時向液壓站中加液壓油（油的牌號要嚴格按照說明書要求選用，不得擅自更換），避免空氣進入，影響流量計正常檢測。

3大型數控機床故障診斷一般思路總結

首先，由于大型機床故障原因多而雜，將故障原因大致分類，根據工作經驗按照可能性大小依次排列。其次，在排除每類原因時要充分使用一些診斷方法，一般包括互換法、排除法、PMC(或PLC)在線診斷法、軟件測試法等。具體診斷故障時，要深入理解“控制原理”，從原理上進行診斷才能“以不變應萬變”，并且要把故障原因逐步“由多變少”，直到故障確切 。后，故障排除后，須經多次測試才能確保故障徹底被排除，力爭“零返修”，并設法從根本上設計出有效的改進方案。

通過實際工作中攻克的典型故障診斷實例，分析了引發(fā)故障的具體原因以及診斷方案，在徹底排除故障的同時，又從根本上做出了改進措施，后總結出故障診斷的一般思路，了大型數控機床故障診斷和維修效率，在行業(yè)內具有較強的可借鑒性和推廣價值。

裝置優(yōu)點：

1、護罩每片可連發(fā)同動，完全不同于一般護罩一片接一片拉動式，因此噪音低。

2、采用裝置之護罩可以增長使用壽命。

3、鋼板防護罩裝置可使護罩移動速度升到120m/min及承受更高的G值（2G）。

4、鋼板防護罩裝置使護罩同動且平行（避免了一般剪力式防護罩仍有蛇行的缺點）。

5、在高速時可以更平穩(wěn)，沒有振動產生。1數據挖掘技術

數據挖掘技術，就是借助處理工具有效提取隱藏在大量數據體系內有利用價值的信息，并且將信息進行匯總，依據信息的概念、信息的關聯性規(guī)則以及信息的規(guī)律完成信息分類處理，以備后續(xù)建立完整的應用框架方案。需要注意的是，因為數據挖掘技術本身涉及不同的領域，是一種集成化的技術模式，因此，在實際應用過程中，能將信息從簡單的查詢轉變?yōu)閿祿耐诰騾R總，不僅為人們創(chuàng)設良好的工作決策提供保障，也能建立更加系統(tǒng)化的技術支持體系[1]。在對大數據發(fā)展背景進行集中研究的過程中，要想滿足數據分析要求，就要整合數據挖掘技術的具體流程，確保能按照標準化模式和管理要點完善相應工作，從而提升管控體系的基本效率。首先，要保數據準備工作滿足預期，按照標準化流程進行數據的分析和判定。其次，要進行集中的數據挖掘，合理性建構系統(tǒng)化調控機制和管理模式，保數據挖掘技術的應用效果符合預期。后，要對挖掘結果進行解釋和對應評估，從而發(fā)揮不同算法以及應用管理的價值，其中，聚類分析、關聯法則分析以及分類分析都是較為常見的。