加工中心电主轴故障诊断系统研究

发布时间：2020-11-06 17:29

　　 加工中心,是适应省时、省力以及节能等时代背景要求而迅速发展起来的自动换刀数控机床。高速电主轴单元是决定数控机床实现高速化和高精度的关键部件,始终是机床技术发展的基础,主轴的性能高低将直接影响加工中心的品质优劣。在实际的使用过程中,往往会因为错误的程序运行、不恰当的机器设置以及操作者的不规范操作等因素,都会对主轴产生冲击与振动。对于企业和用户来说,都希望数控机床能够在经济、安全、高效的状态下运行生产。因此,对加工中心电主轴的生产过程进行监测与故障诊断具有重大意义。从提高加工中心电主轴的性能和实时掌握核心部件的运行工况等综合角度出发,本学位论文以电主轴核心部件轴承的故障缺陷为对象进行故障诊断系统的研究,将时域特征、频域特征、时频域分析等特征提取方法进行验证,建立神经网络故障诊断模型,最后本论文以德国的卧式加工中心DMC65H为研究对象完成了该故障诊断系统的编译。论文的主要研究内容如下:(1)论文首先介绍了课题来源和课题研究背景及意义,然后论述了当前国内外状态监测与故障诊断技术的研究现状,在对加工中心电主轴结构特点、工作原理、故障类型及原因等方面做了充分研究之后,确定了该故障诊断系统方案。(2)论文接着对数据采集与存储、降噪、特征提取、在线监测与故障诊断等关键技术进行了说明,选定了硬件设备,分析了软件系统的需求与开发原则,为后期的故障诊断系统开发提供了理论基础和技术支持。(3)论文通过对市场调研、用户需求以及对加工中心现场进行考察和了解之后,使用图形化编程语言Lab VIEW软件开发了一个加工中心电主轴在线监测与故障诊断系统。该系统整体结构主要包括数据采集、数据处理、数据分析、数据存储以及故障诊断等模块。其中,特征提取和故障诊断是整个软件系统的核心部分,本文主要采用常见的时频域分析方法进行数据分析,采用常见的时域特征参量以及EEMD的IMF分量频域特征参量进行故障特征提取,利用BP神经网络诊断模型进行故障诊断,判断主轴故障类型。以期该软件能够及时、准确的对加工中心电主轴运行状况进行诊断,及时的将机床运行状况反馈给操作人员,提早预防故障发生,提高机床运行的可靠性和安全性。最后通过实验数据进行各项功能分析,并经现场测试和调试,该故障诊断系统各项功能正常,基本达到了预期设计目的。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TG659
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题来源
    1.2 课题研究的背景及意义
    1.3 数控机床故障诊断技术研究现状
        1.3.1 国内外数控机床故障诊断技术研究现状
        1.3.2 国内外电主轴故障诊断技术研究现状
    1.4 本文研究的主要内容
    1.5 本章小结
第二章 加工中心电主轴故障特征分析及方法研究
    2.1 电主轴结构及其工作原理
        2.1.1 电主轴结构
        2.1.2 电主轴工作原理
    2.2 电主轴故障原因及分析
    2.3 滚动轴承故障特征频率
    2.4 电主轴轴承故障诊断特征提取
        2.4.1 时域特征
        2.4.2 频域特征
    2.5 故障诊断技术
    2.6 本章小结
第三章 加工中心电主轴故障诊断系统总体设计
    3.1 软件开发原则
    3.2 软件需求分析
    3.3 系统总体设计
        3.3.1 软件开发平台
        3.3.2 软件总体设计
        3.3.3 软件可行性分析
    3.4 电主轴故障诊断系统硬件选择
        3.4.1 传感器选择
        3.4.2 采集卡选择
        3.4.3 工控机选择
    3.5 电主轴故障诊断系统测量方法
        3.5.1 监测点确定
        3.5.2 监测周期确定
    3.6 本章小结
第四章 加工中心电主轴故障诊断系统功能设计与实现
    4.1 数据采集的实现
    4.2 数据分析的实现
    4.3 数据存储的实现
    4.4 软件测试
        4.4.1 测试环境
        4.4.2 界面测试
        4.4.3 功能测试
        4.4.4 测试结果分析
    4.5 本章小结
第五章 基于神经网络的加工中心电主轴轴承故障分析
    5.1 BP神经网络诊断
        5.1.1 BP神经网络理论
        5.1.2 BP神经网络的数学形式
    5.2 基于BP的主轴轴承加工故障试验分析
        5.2.1 数据采集
        5.2.2 故障诊断模型构建
        5.2.3 故障特征参数选取
        5.2.4 故障诊断结果分析
    5.3 基于LabVIEW的诊断系统实现
        5.3.1 数据分析
        5.3.2 结果验证
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录A:攻读硕士学位期间获奖及参研项目

【参考文献】

相关期刊论文 前10条

1 王家海;张燕青;周天航;;数控机床故障诊断的三维显示与优化的研究[J];机械科学与技术;2015年12期

2 周济;;智能制造——“中国制造2025”的主攻方向[J];中国机械工程;2015年17期

3 吴小涛;杨锰;袁晓辉;龚廷恺;;基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断[J];振动与冲击;2015年02期

4 张灿辉;梁长友;;基于RBF神经网络的高速旋转设备故障诊断技术研究[J];电子世界;2014年12期

5 万海波;杨世锡;;基于HHT的数控机床主轴振动监测系统的研制[J];振动与冲击;2014年06期

6 张锴锋;袁惠群;聂鹏;;基于广义分形维数的刀具磨损状态监测[J];振动与冲击;2014年01期

7 谢小正;赵荣珍;靳伍银;;数控机床主轴轴承故障知识获取方法[J];振动.测试与诊断;2013年05期

8 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

9 王民;张晋欣;昝涛;南景洋;赵钦志;张维;;数控加工中心高速电主轴运行状态测试[J];振动.测试与诊断;2013年04期

10 任彬;徐小力;;高档数控加工中心的远程动态知识库构建技术研究[J];沈阳大学学报(自然科学版);2013年03期

相关博士学位论文 前1条

1 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

相关硕士学位论文 前7条

1 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

2 赵丽荣;数控机床电气设计与调试[D];山东大学;2014年

3 秦军军;加工中心电主轴结构设计及性能分析[D];西华大学;2012年

4 温得英;高速加工中心电主轴的静动态特性分析[D];兰州理工大学;2012年

5 赵敏;数控机床智能化状态监测与故障诊断系统[D];西南交通大学;2011年

6 邓晓云;振动诊断技术在数控机床状态监测与故障诊断中应用的研究[D];大连交通大学;2010年

7 于婷婷;基于BP神经网络的滚动轴承故障诊断方法[D];大连理工大学;2008年

本文编号：2873440