基于数据驱动的数控机床关键功能部件健康评估

发布时间：2020-09-12 14:18

　　 数控机床是机械加工中的重要装备之一,在长期加工运转后,其关键部件的性能会随着时间的推移而逐渐衰退,具体原因包含高速运转、机械摩擦、磨损、载荷冲击、高温、腐蚀等因素的综合作用。关键部件的性能衰退会对机床的健康程度产生影响,如主轴动态性能不好、进给轴定位精度差、刀具磨损影响工件表面质量,造成零件的加工质量、合格率降低。严重时可能会引发机床故障,影响正常生产作业。为了准确感知设备关键部件的健康状态,本文对数控机床的关键部件主轴、滚珠丝杠、刀具进行信号监测,研究部件数据特征提取与选择方法、健康评估算法模型,建立运行过程中的控制流数据或传感器信号与健康状态的非线性映射关系,从而实现数控机床的预防性维护。主要内容如下:(1)对于主轴子部件,采用加速度传感器获取主轴两个相互垂直的径向振动信号。首先对加速度信号进行小波包分解得到子频带能量图,然后利用深度神经循环网络进行学习。实验结果表明,该方法可以对主轴的健康状态进行准确的评估。其优点在于可以自动学习得到原始特征中的敏感特征编码矩阵,避免了常用方法中人工进行特征选取的复杂性。(2)针对进给轴选取其关键部件滚珠丝杠进行健康评估。采集其驱动电机的速度、电流信号,对其进行时域特征、小波域特征提取。首先采用拉普拉斯特征值映射获取传感器信号特征中的内蕴流形,并对降维后的特征采用马氏距离度量,再映射到健康指数空间,从而得到测试数据偏离于基线数据的程度。通过对比该方法与常用方法的可分性、相关度两个指标,证明所提出方法的鲁棒性更好。(3)在刀具监测方面,首先选取其加工过程中的主轴电流以及切削加工参数、材料作为输入,对其进行时域特征、频域特征和小波域特征提取。然后对提取到的特征集合,选取与刀具磨损相关度高的敏感特征。最后采用随机森林评估器对筛选到的特征进行评估。与其他集成学习方法相对比,随机森林评估器在该任务中多个工况都表现了较优的性能。(4)本研究基于上述方法设计了嵌入式的评估系统,通过数控系统获取控制流数据,采用嵌入式控制器的采集卡获取传感器信号,应用评估算法进行健康指数映射。对实际机床滚珠丝杠部件进行多次评估,得到其健康指数变化趋势。同时该系统具备扩展多类型机床的能力,为数控机床关键部件的健康评估提供了理论、方法与技术基础。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TG659
【部分图文】：

图 1-2 于数据驱动 数控 床关 部 康评估方法Fig.1-2 Data driven based health assessment method of key components of CNC machine tools（2）部件数据的特征提取对部件的健康衰退过程进行分析，通过数据驱动的方法来对数据中隐藏的特征进行提取，包括有监督的提取方法和无监督的特征提取方法。以及从有干扰的

图 2-6 带磁座 加速度传感器安装Fig.2-6 Installation of acceleration sensor withmagnetic seat由于铣床主轴同时带动刀具进行高质量的重要表征参数，电流信号的优点

实际应用加速

【参考文献】

相关期刊论文 前6条

1 雷亚国;贾峰;周昕;林京;;基于深度学习理论的机械装备大数据健康监测方法[J];机械工程学报;2015年21期

2 蒋喜;刘宏昭;訾佼佼;原大宁;刘丽兰;;基于伪寿命分布和Bayes法的电主轴可靠性对比[J];机械科学与技术;2014年11期

3 李威霖;傅攀;李晓晖;;无先验知识下基于CHMM的刀具磨损监测技术[J];机床与液压;2013年15期

4 黄海凤;高宏力;许明恒;张筱辰;郭亮;;数控机床主轴系统性能退化评估方法[J];振动.测试与诊断;2013年04期

5 高宏力;刘庆杰;黄柏权;赵敏;吴希曦;寿云;;数控机床故障预测与健康管理系统关键技术[J];计算机集成制造系统;2010年10期

6 乔阳;艾兴;刘战强;赵军;;涂层硬质合金刀具铣削粉末冶金高温合金的切削性能研究[J];四川大学学报(工程科学版);2010年03期

相关博士学位论文 前6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 王晓燕;基于故障相关性分析的主轴系统关键备件需求预测研究[D];吉林大学;2015年

3 黄海凤;数控机床滚珠丝杠副性能退化机理与评估技术研究[D];西南交通大学;2013年

4 李威霖;车铣刀具磨损状态监测及预测关键技术研究[D];西南交通大学;2013年

5 申志刚;高速切削刀具磨损状态的智能监测技术研究[D];南京航空航天大学;2009年

6 高宏力;切削加工过程中刀具磨损的智能监测技术研究[D];西南交通大学;2005年

相关硕士学位论文 前10条

1 郭兴;数控机床状态智能监测系统开发[D];山东大学;2016年

2 周振;基于指令域的数控机床健康状态监测[D];华中科技大学;2016年

3 谢刚;基于模糊推理的五轴数控机床故障预警系统研究[D];电子科技大学;2015年

4 王巍巍;数控机床主轴故障诊断特征提取及其诊断方法研究[D];华北电力大学;2014年

5 刘然;刀具磨损状态识别及预测研究[D];西南交通大学;2014年

6 吕云腾;高温电涡流位移传感器分析与设计[D];浙江大学;2014年

7 冯波;变电站SCADA系统数据库的设计与开发[D];山东大学;2013年

8 冯晓亮;基于条件随机场的铣削刀具磨损状态监测技术研究[D];天津大学;2012年

9 夏添;基于主轴电机电流信号的铣削稳定性监测研究[D];华中科技大学;2012年

10 陈青海;基于驱动电机电流信号的车削颤振在线监测方法研究[D];华中科技大学;2012年

本文编号：2817735