一種數(shù)控機床主軸的故障診斷與預測的方法
【技術領域】
[0001]本發(fā)明屬于數(shù)控機床領域，具體涉及一種數(shù)控機床主軸的故障診斷與預測的方法，可廣泛應用于數(shù)控機床主軸故障診斷與預測。
【背景技術】
[0002]數(shù)控機床機械方面的故障，以主軸部分故障最為常見，且最難判斷。數(shù)控系統(tǒng)雖然有自身的診斷系統(tǒng)，但主要局限于電氣故障，機械故障方面就稍顯不足。在日常維修中，當遇到數(shù)控機床主軸方面有問題，傳統(tǒng)方法只能憑經(jīng)驗進行逐一排除，往往得檢查每一個傳動環(huán)節(jié)，要對數(shù)控機床主軸內(nèi)部結(jié)構大量拆卸來檢測和分析。通常一副軸承拆下來之后是不能重新裝回去再用的，得重新買一副新的軸承用特定的工藝安裝上去，這從時間和備件上來說，都是一種極大的浪費，但又沒有其它的檢測手段和工具，所以這種浪費又不可避免。而且，這樣做勞動強度大，維修周期長，嚴重影響數(shù)控機床主軸維修進度，增加了維修成本。
[0003]數(shù)控機床主軸作為重要部件，其特點是高速負載轉(zhuǎn)動，回轉(zhuǎn)精度要求很高。從機械振動角度分析，主軸是整個機床的主要振動源。此外，主軸箱、齒輪箱、彈性連接件等部件也是機床的部分振動源，并對整個機床的運動有調(diào)節(jié)作用。所以，對數(shù)控機床主軸的工作狀態(tài)，尤其是對主軸動態(tài)的徑向跳動及振動進行監(jiān)測和分析，判斷主軸在工作轉(zhuǎn)速下其動態(tài)跳動是否超差顯得尤為重要；當主軸系統(tǒng)發(fā)生故障時，需判斷故障來自主軸及其軸承還是來自主軸齒輪箱，從而有效地進行數(shù)控機床主軸故障診斷與預測、準確找到故障點及原因、縮短機床停機時間、節(jié)約維修成本。目前國內(nèi)的機床廠家、大專院校及相關科研機構等對數(shù)控機床主軸故障診斷進行了相關的研究，取得了一定的成果，如基于噪聲小波包絡譜的數(shù)控機床主軸故障診斷方法、基于灰色關聯(lián)度分析的數(shù)控機床主軸系統(tǒng)故障診斷方法等。
[0004]公開號為CN 102825504A，公開日為2012年12月19日的中國專利文獻公開了一種數(shù)控機床主軸狀態(tài)檢測方法，包括上位機和傳感器系統(tǒng)；所述傳感器系統(tǒng)的輸出端連接所述上位機的輸入端；其特征在于包括以下步驟:步驟一、所述上位機采集所述傳感器系統(tǒng)發(fā)出的信號；步驟二、分析根據(jù)步驟一采集到的信號，確定故障特征參數(shù)；步驟三、將步驟二得到的故障特征參數(shù)通過專家系統(tǒng)進行處理，得出第一故障診斷結(jié)果；將步驟二得到的故障特征參數(shù)通過人工神經(jīng)網(wǎng)絡系統(tǒng)進行處理，得出第二故障診斷結(jié)果；將步驟二得到的故障特征參數(shù)通過支持向量機進行處理，得出第三故障診斷結(jié)果；步驟四、將所述第一故障診斷結(jié)果、第二故障診斷結(jié)果和第三故障診斷結(jié)果通過遺傳算法進行融合。
[0005]該專利文獻公開的數(shù)控機床主軸狀態(tài)檢測方法，需將得到的故障特征參數(shù)分別通過專家系統(tǒng)、人工神經(jīng)網(wǎng)絡系統(tǒng)和支持向量機進行處理，得出三個故障診斷結(jié)果，再將三個故障診斷結(jié)果通過遺傳算法進行融合，檢測相當復雜，診斷結(jié)果容易出現(xiàn)誤差，故障診斷準確性較低，且無法實現(xiàn)機床主軸故障的預測，增大了機床主軸的維護成本。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于克服現(xiàn)有技術存在的上述問題，提出一種數(shù)控機床主軸的故障診斷與預測的方法。本發(fā)明可以提升數(shù)控機床主軸故障診斷的準確性及診斷效率，能對數(shù)控機床主軸狀態(tài)趨勢進行相關預測，有效降低數(shù)控機床主軸的維護成本。
[0007]本發(fā)明采用以下技術方案來實現(xiàn):
一種數(shù)控機床主軸的故障診斷與預測的方法，其特征在于，包括以下步驟:
A、建立數(shù)據(jù)庫:把被測對象信息、測點信息、巡檢路線信息、采樣參數(shù)信息和報警號信息輸入信號處理中心，在信號處理中心建立數(shù)據(jù)庫；
B、信號采集與分析:采用高精度激光位移傳感器進行數(shù)控機床主軸上外表面點的跳動位移監(jiān)測，采用紅外溫度傳感器進行數(shù)控機床主軸上外表面點的實時溫度采集，采用第一加速度傳感器和第二加速度傳感器進行數(shù)控機床主軸上外表面點的振動監(jiān)測，將監(jiān)測信號通過數(shù)據(jù)處理中心存儲到步驟A中的數(shù)據(jù)庫內(nèi)，通過混合推理模型對測量數(shù)據(jù)進行時域分析和頻域分析，得到主軸的特征參數(shù)點集合；
C、故障診斷:通過數(shù)控機床主軸的結(jié)構形式、幾何參數(shù)和設計參數(shù)建立數(shù)控機床主軸的物理模型，再結(jié)合物理模型參數(shù)與步驟B中主軸的特征參數(shù)點集合進行分析，進行主軸故障診斷；
D、故障預測:將步驟C中的主軸故障診斷結(jié)果寫入步驟A中的數(shù)據(jù)庫，并將結(jié)果樣本進行分類，形成正負樣本；根據(jù)步驟C中數(shù)控機床主軸的物理模型，建立各機床主軸的健康檔案并保存到步驟A中的數(shù)據(jù)庫內(nèi)，混合推理模型根據(jù)正負樣本和健康檔案對主軸運行趨勢進行判斷，實現(xiàn)故障預測。
[0008]所述步驟B中，主軸的特征參數(shù)點集合包括時域參數(shù)和頻域參數(shù)。
[0009]所述混合推理模型包括神經(jīng)網(wǎng)絡、專家系統(tǒng)和支持向量機。
[0010]一種數(shù)控機床主軸的故障診斷與預測的系統(tǒng)，包括高精度激光位移傳感器、紅外溫度傳感器、第一加速度傳感器、第二加速度傳感器、信號調(diào)理模塊和信號處理中心，所述第一加速度傳感器和第二加速度傳感器均安裝在數(shù)控機床主軸上，所述信號調(diào)理模塊分別與高精度激光位移傳感器、紅外溫度傳感器、第一加速度傳感器、第二加速度傳感器和信號處理中心連接；
高精度激光位移傳感器，用于采集數(shù)控機床主軸徑向跳動的信號；
紅外溫度傳感器，用于采集數(shù)控機床主軸的實時溫度信號；
第一加速度傳感器，用于采集數(shù)控機床主軸的振動信號；
第二加速度傳感器，用于采集數(shù)控機床主軸的振動信號；
信號調(diào)理模塊，用于接收從高精度激光位移傳感器、紅外溫度傳感器、第一加速度傳感器和第二加速度傳感器傳送來的測量數(shù)據(jù)，并將這些數(shù)據(jù)進行相應的A/D轉(zhuǎn)換，處理成需要的數(shù)字信號；
信號處理中心，用于接收和處理從信號調(diào)理模塊生成的數(shù)字信號。
[0011]本發(fā)明與現(xiàn)有技術相比，其優(yōu)點在于:
一、本發(fā)明，高精度激光位移傳感器，用于采集數(shù)控機床主軸徑向跳動的信號；紅外溫度傳感器，用于采集數(shù)控機床主軸的實時溫度信號；第一加速度傳感器，用于采集數(shù)控機床主軸的振動信號；第二加速度傳感器，用于采集數(shù)控機床主軸的振動信號；信號調(diào)理模塊，用于接收從高精度激光位移傳感器、紅外溫度傳感器、第一加速度傳感器和第二加速度傳感器傳送來的測量數(shù)據(jù)，并將這些數(shù)據(jù)進行相應的A/D轉(zhuǎn)換，處理成需要的數(shù)字信號；信號處理中心，用于接收和處理從信號調(diào)理模塊生成的數(shù)字信號；通過建立數(shù)控機床主軸的物理模型，結(jié)合物理模型參數(shù)與主軸的特征參數(shù)點集合進行分析，再將主軸故障診斷結(jié)果寫入數(shù)據(jù)庫，并將結(jié)果樣本進行分類，形成正負樣本；通過數(shù)控機床主軸的物理模型，建立各機床主軸的健康檔案并保存到數(shù)據(jù)庫內(nèi)，混合推理模型根據(jù)正負樣本和健康檔案就能夠?qū)χ鬏S運行趨勢進行判斷，極大的提升了數(shù)控機床主軸故障診斷的準確性及診斷效率，對數(shù)控機床主軸狀態(tài)趨勢進行相關預測，有效的降低了數(shù)控機床主軸的維護成本。
[0012]二、本發(fā)明，采用高精度激光位移傳感器，高精度激光位移傳感器可對于數(shù)控機床主軸徑向跳動的信號采集，采集其轉(zhuǎn)動周期內(nèi)的主軸位移信號，通過后續(xù)數(shù)據(jù)整理計算，得到其精確的最大最小跳動；同時，利用相關標準和方法，判斷其是否處于正常的跳動范圍內(nèi)；結(jié)合整體振動測試，分析數(shù)控機床主軸跳動引起的設備影響狀況是否惡化。
[0013]三、本發(fā)明，采用神經(jīng)網(wǎng)絡、專家系統(tǒng)和支持向量機等先進的人工智能技術進行故障診斷與預測，通過混合推理模型迅速分析從高精度激光位移傳感器、紅外溫度傳感器和第一加速度傳感器、第二加速度傳感器傳送來的測量數(shù)據(jù)，在數(shù)控機床主軸運行過程中，根據(jù)各臺機床建立的數(shù)控機床主軸模型，從而有效推斷出故障源，進行數(shù)控機床主軸故障診斷與預測。
[0014]四、本發(fā)明，采用了非接觸式測量機床主軸精度、溫度和采用加速度傳感器檢測機床主軸部件振動的方法，實現(xiàn)對數(shù)控機床主軸故障的快速測量、分析、診斷與預測。
[0015]五、本發(fā)明，采用了先進的激光位移傳感器測量機床主軸精度，解決了機床主軸高速運轉(zhuǎn)時精度檢測困難的難題。
[0016]六、本發(fā)明，綜合運用基于神經(jīng)網(wǎng)絡、專家系統(tǒng)和支持向量機三種先進的人工智能技術研制出數(shù)控機床主軸故障診斷與預測便攜式系統(tǒng)，提高了數(shù)控機床主軸故障診斷的準確性。
【附圖說明】
[0017]圖1為本發(fā)明采用的一種數(shù)控機床主軸的故障診斷與預測的系統(tǒng)結(jié)構圖；
圖2為本發(fā)明采用的一種數(shù)控機床主軸的故障診斷與預測的系統(tǒng)運行圖；
圖3為本發(fā)明混合推理模型結(jié)構示意圖；
附圖標記:1、數(shù)控機床主軸，2、高精度激光位移傳感器，3、紅外溫度傳感器，4、第一加速度傳感器，5、第二加速度傳感器，6、信號調(diào)理模塊，7、信號處理中心。
【具體實施方式】
[0018]參見圖1-圖3，一種數(shù)控機床主軸的故障診斷與預測的系統(tǒng)，包括高精度激光位移傳感器2、紅外溫度傳感器3、第一加速度傳感器4、第二加