基于MEWT-KPCA的电主轴故障诊断技术研究

发布时间：2020-08-22 08:54

【摘要】：电主轴是数控机床的关键功能部件,对高速数控机床、高速加工技术乃至制造业的发展有着重要影响。研究电主轴的故障诊断方法对挖掘电主轴的潜在故障、故障快速定位及维修等方面具有重要的实际应用价值,同时也为电主轴乃至数控机床的可靠性提升、故障预警、快速维修提供技术支撑。而传统的电主轴故障诊断方法主要是针对电主轴的机械类单一故障进行分析,比如轴承故障、转子不平衡故障等,没有考虑到多种故障之间耦合的复合故障类型以及电主轴的电气类故障。本文结合电主轴行业当前面临的重大问题及数控机床用户、企业的实际需求,对电主轴故障诊断技术进行了系统性研究。在深入了解电主轴结构、工作原理上,从传统机械主轴和主轴电机两个方面来分析电主轴常见的故障,挖掘潜在故障原因,分析故障形成机理,提出了基于MEWT-KPCA的电主轴故障诊断技术,并搭建了一套电主轴故障诊断系统。本文提出的故障诊断方法与传统故障诊断方法从故障识别准确率和效率(即诊断时间)两个维度进行对比,验证本文提出的电主轴故障诊断技术的有效性和高效性。本文的主要工作如下:1.介绍了电主轴的结构和工作原理,得出电主轴是一个复杂的机电耦合系统的结论,并通过统计分析,得出电主轴常见的故障部位。机械类故障主要发生在轴承部位,其次是壳体、旋转部件等位置处;电气类故障主要发生在电主轴定子部位。在此基础上对电主轴常见故障模式进行分析,挖掘潜在故障原因,分析故障形成机理,发现振动信号对于机械类故障比较敏感,三相电流信号对电气类故障比较敏感,并选取了三个能够表征信号特征信息的指标,即能量、峰度和均方根值。2.提出了基于MEWT-KPCA的电主轴故障诊断技术,确定了故障诊断的具体流程、操作,并详细论述了penalty小波阈值降噪、改进的经验小波变换(MEWT)、核主成分分析(KPCA)以及遗传算法优化的支持向量机(GA-SVM)的具体原理。3.通过实验验证了本文提出的故障诊断算法的有效性和高效性。结合电主轴常见故障模式及其机理的分析,设计了电主轴机械类故障和电气类故障实验,包括单一故障和复合故障。通过实验数据来验证本文提出的故障诊断算法的有效性,同时也进行横向对比,将本文提出的故障诊断算法与传统的故障诊断算法,如经验模态分解(EMD)、集合经验模态分解(EEMD)、局部均值分解(LMD)等算法在故障识别准确率和效率两个方面进行对比,结果表明本文提出的算法在故障识别准确率和效率两方面表现优异。4.基于LabVIEW和Matlab软件平台联合开发了一套具有良好人机交互界面的电主轴故障诊断系统。该系统能够完成电主轴历史状态数据的筛选与预处理、数据的特征提取与降维以及电主轴故障诊断功能。该系统的可行性通过电主轴机械类与电气类实验数据得以验证。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG659
【图文】：

图 1.1 电主轴结构剖视图轴技术最早应用于内圆磨床，其中在轴承等汽车零部件内表面的领域达到了广泛的应用[11]。随着数控机床的发展以及高速切业中的应用，数控机床的传统主轴即机械主轴已经不能够满足

D1686主轴

IBAG电主轴

【参考文献】

相关期刊论文 前10条

1 张可;周东华;柴毅;;复合故障诊断技术综述[J];控制理论与应用;2015年09期

2 马帅;伞红军;吴智恒;张华伟;雷群;;高速电主轴技术综述[J];机械制造;2014年05期

3 杨兆军;陈传海;陈菲;李国发;;数控机床可靠性技术的研究进展[J];机械工程学报;2013年20期

4 孟宗;顾海燕;李姗姗;;基于神经网络集成的B样条经验模态分解端点效应抑制方法[J];机械工程学报;2013年09期

5 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

6 许同乐;张新义;贾庆轩;郎学政;;基于小波阈值降噪滚动轴承信号的研究[J];船舶力学;2012年10期

7 申阳;张晓鹏;何峰涛;;精密机床主轴轴承早期失效分析[J];轴承;2012年05期

8 刘永坤;史康云;;电主轴的应用现状与发展方向探析[J];机电信息;2011年30期

9 杨贵杰;秦冬冬;;高速电主轴的关键技术及发展趋势[J];伺服控制;2010年02期

10 向玲;唐贵基;胡爱军;;旋转机械非平稳振动信号的时频分析比较[J];振动与冲击;2010年02期

相关博士学位论文 前3条

1 陈超;高速电主轴动态加载可靠性试验及其故障诊断研究[D];吉林大学;2016年

2 陈传海;面向可靠性概率设计的数控机床载荷谱建立方法研究[D];吉林大学;2013年

3 薛玉霞;数控机床可用性关键技术研究[D];吉林大学;2009年

相关硕士学位论文 前6条

1 李广正;关于选取主成分个数的探讨[D];兰州财经大学;2015年

2 杨川贵;基于LabVIEW的电主轴状态监测系统研制[D];吉林大学;2015年

3 帅洁妮;风机叶片材料声发射信号的降噪和盲源分离研究[D];南京航空航天大学;2013年

4 侯明明;油中微量水分的近红外光谱测定方法研究[D];重庆工商大学;2012年

5 谭琛;基于小波变换的电主轴振动故障检测技术研究[D];湖南大学;2011年

6 王元军;MCH63卧式加工中心可靠性分析与研究[D];南京航空航天大学;2010年

本文编号：2800494