Page 120 - 2020 自動化機械暨智慧製造產業年鑑電子書

秒後便可以進行主成分分析建模，設定模擬損傷
ྡ c9ൿᅲ࿒ᚤᏐྡ
頻率。讓右上的正常頻率與損傷頻率的點陣圖呈
現密集，且能清楚看出正常與損傷的訊號群聚不
同，再進行主成分個數與警戒線設定，完成預測
模型建模，最後模擬預診結果，如圖6所示。
4.2機台情況預測

使用智慧預測與診斷系統進行機台健康狀況
診斷，如圖7所示，透過溫度感測器抓取溫度訊
號、加速規抓取振動訊號、電流感測器抓取馬達
電流訊號，並可顯示於監控畫面上。當機台訊號
異常時，監控畫面上的預診斷訊號就會顯示於警
ྡ cܔͭཫൢᅼۨ 戒線之上，同時提醒使用者。而當排除故障後機
台恢復正常運轉，訊號顯示於警戒線內，如圖8

所示。

5.結論

本研究運用有限元素分析法，分析小型複合
式加工機靜態與動態的性能，藉由靜態分析能夠
了解機台在本身自重下的變形量。透過模態分析
了解機台的共振頻率與振型，並比較模態分析與
模態實驗結果，其中4個振型和自然頻率誤差均
在5%以內，因此模型具有高度的準確性，可作
ྡ c࿁ዚ̨ආБ਄ੰൢᓙ
為機台性能評估與設計改善的基礎。接著進一步
分析機台之頻譜與暫態響應特性，最後整合運用
智慧預測與診斷系統，完成機台加工之線上即時
診斷與監控。
（感謝科技部計畫的支持，才能夠順利完成
此研究。）

118