基于状态监测数据的盘式刀库故障预测与健康管理技术研究

发布时间：2020-06-04 02:48

【摘要】：随着装备制造业的快速发展,我国已成为世界上加工中心需求量最大的国家,然而,国产高档加工中心在国内市场占有率却相对较低。究其原因,国产高档加工中心的可靠性和安全性较低,导致故障频发,给机床用户企业造成巨大的经济损失,提高国产数控机床的可靠性和安全性迫在眉睫。自动换刀系统作为加工中心中故障率最高的关键功能部件之一,其可靠性水平直接影响了整机的可靠性水平。经过在机床主机企业和用户企业的长时间现场跟踪试验和调研,了解到自动换刀系统的预防性维修策略和事后维策略存在着维修时间不当的问题,所以,确定出本文要解决的核心问题,如何实现盘式刀库的故障预测与健康管理,从而为基于状态维修策略的制定提供依据。针对上述问题,根据故障预测与健康管理技术的国内外现状,可知PHM技术是解决基于状态维修策略制定的基础。目前,关于自动换刀系统故障预测与健康管理的研究文献和应用报道极少。因此,本文以加工中心盘式刀库自动换刀系统为研究对象,对其开展故障预测与健康管理研究工作,对提高盘式刀库可靠性、制定维修策略具有重要的实际应用价值和理论研究意义。具体研究内容如下:1.盘式刀库的故障分析与PHM体系结构的设计。首先,对盘式刀库典型故障进行了分析,根据其运行环境、工作应力等分析其故障机理;其次,建立起盘式刀库典型故障模式与刀库性能指标之间的隐含关系模型;最后,在分析盘式刀库故障机理的基础上,确定了盘式刀库的PHM体系结构。2.盘式刀库状态监测系统的搭建及健康状态评估方法的研究。研究并搭建了盘式刀库状态监测系统,对盘式刀库的振动、电流、电压、位移等性能指标进行监测,通过对各性能指标的监测结果的分析确定出各性能指标的标准值、上极限值和下极限值。根据故障分析结果,将盘式刀库及五大部件的健康状态分为健康、亚健康、退化、恶化和故障等五个等级,为了准确评估盘式刀库及各部件的健康状态,本文提出了基于灰色聚类和熵权法的健康状态评估方法。首先将盘式刀库各性能指标进行归一化处理,采用熵权法确定出各部件性能指标的权重;其次,建立了五个灰类等级所对应的白化权函数,采用灰色聚类计算出各个部件的隶属灰类,即得到各部件的健康状态水平;之后,根据各部件的健康水平,建立盘式刀库的模糊综合评判矩阵;最后,利用模糊综合评判法得到盘式刀库的健康状态综合评估结果,通过试验验证该评估方法的准确性和可靠性。3.根据健康评估结果确定盘式刀库当前运行状态属于哪一灰色类别,当评估结果为退化时,需要对其进行故障预测。通过对常见的三种故障预测方法的对比分析,提出了适用于非线性复杂系统的基于ARMA模型的盘式刀库故障预测方法。首先对状态监测的性能指标数据进行标准化处理和平稳性检验,若性能指标当前状态为退化时,对该数据进行一阶差分处理后建立ARMA预测模型,利用该模型得出一阶差分的预测结果,将一阶差分结果与原始数据累加,得到性能指标的预测值。本文以刀套拔刀力为例,对盘式刀库刀套的拔刀力进行了长时间的监测,确定了拔刀力值的变化趋势,将预测的拔刀力值与原始数据对比分析,验证了该方法的预测精度。4.为了便于刀库企业对盘式刀库实施故障树分析、状态监测、健康状态评估、故障预测等的研究,研究开发了一套基于LabVIEW虚拟平台的盘式刀库PHM系统。该系统采用LabVIEW与MATLAB混合编程的方法,将系统功能划分为五大模块:状态监测模块、数据管理模块、健康状态评估模块、故障预测模块和维修策略模块,从而实现了对盘式刀库进行状态监测、数据管理、健康状态评估、故障预测以及维修策略的制定等功能,并集成于同一系统中,增加了该系统的实际应用价值。
【图文】：

图 1.1 加工中心各子系统故障分布表 1.1 加工中心各子系统故障频次分布表故障部位 子系统代码 故障频次自动换刀系统 ATC 48电气系统 E 35主轴系统 S 25润滑冷却系统 LC 23数控系统 NC 20气动系统 P 15进给系统 F 13防护系统 PD 4排屑系统 CC 4

（a）盘式刀库 （b）链式刀库 （c）斗笠式刀库图 1.2 自动换刀系统类型盘式刀库的故障率较高，，其发生故障时整机必须停机维修检查，从而严重影响了整机的生产加工效率，同时故障可能会造成工作人员生命威胁和产品严重损伤。目前，针对加工中心这类复杂装备系统通常采用的维修方式为“事后维修”和“计划维修”如图 1.3 所示，然而这两种维修方式的缺点分别为“事后维修”将导致巨大的经济损失甚至造成生命安全事故，“计划维修”通常会出现过早维修或者维修过晚增加维修成本。为提高盘式刀库的可靠性降低其故障发生率，最有效方法是基于状态维修（Condition Based Maintenance），其主要目的是将故障扼杀在萌芽阶段，具体实施策略是根据设备的当前工作状态进行健康状况评估，将评估结果作为设备维修策略制定的依据，这是一种预测性维修策略。因此，我国数控机床正从“计划维修”和“事后维修”的传统维修模式向“基于状态维修”转化。
【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

【参考文献】

相关期刊论文 前10条

1 姚晓山;张卫东;周平;朱子梁;;基于油液监测的船舶柴油机故障预测与健康管理技术研究[J];武汉理工大学学报(交通科学与工程版);2014年04期

2 胡龙萍;徐晓凤;;基于灰色聚类的汽车健康状态评估[J];计算机技术与发展;2014年10期

3 崔建国;林泽力;陈希成;吕瑞;齐义文;蒋丽英;;飞机液压系统健康状态综合评估技术研究[J];控制工程;2014年03期

4 崔建国;林泽力;吕瑞;蒋丽英;齐义文;;基于模糊灰色聚类和组合赋权法的飞机健康状态综合评估方法[J];航空学报;2014年03期

5 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

6 张继军;马登武;张金春;;基于HMM的电子设备状态监测与健康评估[J];系统工程与电子技术;2013年08期

7 王亮;吕卫民;李伟;曲正;;复杂系统健康状态评估技术现状及发展[J];计算机测量与控制;2013年04期

8 刘锴;郭炎伟;;ATC用复杂弧面分度凸轮自动化设计研究[J];机械工程与自动化;2013年02期

9 徐文;薛玉霞;申桂香;;基于粒子群优化改进灰色模型的数控机床故障预测[J];制造业自动化;2012年08期

10 赵中敏;王茂凡;;大型数控设备故障预测与健康管理视情维修系统[J];机床电器;2011年06期

相关博士学位论文 前6条

1 孟苓辉;牵引变流器的故障预测与健康管理（PHM）及可靠性评估技术研究[D];北京交通大学;2017年

2 王海琨;退化型产品的剩佘寿命预测与健康管理方法研究[D];电子科技大学;2016年

3 范彬;面向飞行器关键部件健康管理的故障预测方法研究[D];国防科学技术大学;2015年

4 李向前;复杂装备故障预测与健康管理关键技术研究[D];北京理工大学;2014年

5 孙见忠;面向单元体的航空发动机健康状态评估与预测方法研究[D];南京航空航天大学;2012年

6 袁侃;复杂系统的故障诊断及容错控制研究[D];南京航空航天大学;2010年

相关硕士学位论文 前10条

1 黎园亮;加工中心自动换刀装置综合性能测试技术研究[D];青海大学;2017年

2 吕王朋;基于特种车的故障预测与健康管理系统研究[D];南京理工大学;2017年

3 郭兴;数控机床状态智能监测系统开发[D];山东大学;2016年

4 朱帅军;高铁动车组故障预测与健康管理关键技术的研究[D];北京交通大学;2016年

5 张欢欢;圆盘式刀库状态监控系统研制[D];吉林大学;2015年

6 黄丽丽;基于SCADA的风力机故障预测与健康管理技术研究[D];电子科技大学;2015年

7 段炜;加工中心盘式刀库换刀系统的故障预警方法研究[D];吉林大学;2014年

8 张深逢;数控机床状态监测与故障诊断系统的开发应用[D];华北水利水电大学;2014年

9 程科;飞机操纵系统状态监测与故障预测方法研究[D];南京航空航天大学;2014年

10 韩鹏卓;面向可靠性的链式刀库及ATC性能测试系统[D];大连理工大学;2013年

本文编号：2695776