数控机床滚珠丝杠副的状态监测与故障诊断研究

发布时间：2017-07-08 09:27

  本文关键词：数控机床滚珠丝杠副的状态监测与故障诊断研究

  更多相关文章： 数控机床 滚珠丝杠副 状态监测 故障诊断 无传感器 经验模态分解 核函数主元分析 BP神经网络 PNN神经网络

【摘要】：数控机床是现代工业中重要的大型机械设备,滚珠丝杠副因具有很高的传动效率、定位精度和刚度等特点而成为数控机床进给系统中主要的基础传动部件之一,在机床的力矩传动以及加工定位过程中起到不可替代的作用。然而,滚珠丝杠副也是进给系统中容易发生故障的部件之一,如若发生故障,就会影响整个机床的加工精度,甚至造成停机。因此,研究开发高效可靠的状态监测及故障诊断技术,用于指导数控机床的维护保养,对于提高数控机床的高速、高精度运行能力具有十分重要的意义。本文以数控机床滚珠丝杠副为研究对象,在综合分析故障诊断技术、滚珠丝杠副故障诊断的国内外研究现状以及无传感器数控机床监测技术发展的基础上,提出了基于数控机床内置传感器获取内部伺服信息的滚珠丝杠副故障诊断方法,并与传统的外置传感器监测机床状态信息的故障诊断方法进行对比分析。针对滚珠丝杠副的正常、滚道磨损、滚珠破损和丝杠弯曲四种状态类型设计了试验方案,基于Lab VIEW和MATLAB软件进行混合编程,最终建立了基于BP神经网络和PNN神经网络的滚珠丝杠副智能诊断模型,对数控机床滚珠丝杠副的状态类型进行识别研究。在分析了数控机床伺服进给系统的组成及内置传感器作用的基础上,提出了数控机床伺服进给系统中滚珠丝杠副状态信息的无传感器监测的概念,研究了滚珠丝杠副状态信息的获取方法。基于滚珠丝杠副的结构组成,分析了其故障机理和振动特征;确定了针对滚珠丝杠副的正常状态、滚道磨损、滚珠破损和丝杠弯曲四种状态类型的状态监测与故障诊断方法。设计了数控机床滚珠丝杠副的试验方案和试验系统的总体架构,搭建了状态信息监测试验台;基于Lab VIEW及西门子STARTER软件平台,针对传统监测与无传感器监测两种监测方法建立了滚珠丝杠副状态信息的数据采集系统,并对数据采集系统的硬件和软件进行了详细设计。进行了数据的分析和处理,对基于两种采集方法所采集到的滚珠丝杠副状态信息进行时域、频域及时频域分析,获得初始特征量;通过核主元分析方法,对初始特征向量进行降维、约简处理,最终分别确定了33组和27组状态信息数据作为滚珠丝杠副各状态类型的有效特征量组合。建立了BP神经网络与PNN神经网络两种网络模型分别对两种监测方法所得到的数据进行智能模式识别;对比分析两种网络模型及其对两种监测方法所获滚珠丝杠副状态信息的识别性能,结果表明,基于无传感器信息和PNN神经网络的滚珠丝杠副故障诊断方法更具有优势,能够有效的完成滚珠丝杠副的故障诊断。
【关键词】：数控机床 滚珠丝杠副 状态监测 故障诊断 无传感器 经验模态分解 核函数主元分析 BP神经网络 PNN神经网络
【学位授予单位】：青岛理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG659
【目录】：

• 摘要9-11
• Abstract11-13
• 第1章 绪论13-18
• 1.1 概述13-14
• 1.1.1 课题来源13
• 1.1.2 课题研究的目的及意义13-14
• 1.2 故障诊断技术的国内外研究现状14-15
• 1.3 滚珠丝杠副故障诊断的国内外研究现状15-16
• 1.4 基于无传感器的数控机床状态监测技术16-17
• 1.5 本文研究的主要内容17-18
• 第2章 滚珠丝杠副状态信息无传感器监测原理18-29
• 2.1 引言18
• 2.2 无传感器监测概念18
• 2.3 伺服进给系统及主要四个功能模块18-23
• 2.3.1 伺服进给系统驱动控制原理19-21
• 2.3.2 伺服进给系统检测反馈装置21-23
• 2.4 基于无传感器的几种典型信号的监测原理23-28
• 2.4.1 伺服电机的输出电流（扭矩）监测23-26
• 2.4.2 伺服电机的温度监测26
• 2.4.3 滚珠丝杠副的伺服误差信息26-28
• 2.5 本章小结28-29
• 第3章 滚珠丝杠副及其典型故障机理分析29-35
• 3.1 滚珠丝杠副简介及结构29-30
• 3.2 滚珠丝杠副故障机理分析30-34
• 3.2.1 滚珠丝杠副典型失效分析及常见故障30-32
• 3.2.2 滚珠丝杠副振动特征分析32-34
• 3.3 本章小结34-35
• 第4章 数控机床滚珠丝杠副信号采集系统设计35-58
• 4.1 引言35
• 4.2 试验台设计介绍35-37
• 4.3 滚珠丝杠副传统监测方法试验方案设计37-50
• 4.3.1 外置传感器的选择38-41
• 4.3.2 传感器的安装及测点的选择41-43
• 4.3.3 数据采集平台及采集卡的选择43-45
• 4.3.4 基于LabVIEW的信号采集存储模块设计45-50
• 4.4 滚珠丝杠副无传感器监测方法试验方案设计50-55
• 4.4.1 STARTER软件简介50
• 4.4.2 无传感器信息的采集50-55
• 4.4.3 滚珠丝杠副的伺服误差信息采集55
• 4.5 试验系统总体架构55-57
• 4.6 本章小结57-58
• 第5章 滚珠丝杠副故障信号分析与特征向量构造58-74
• 5.1 引言58
• 5.2 试验数据说明58
• 5.3 伺服电机温度信号分析58-59
• 5.4 滚珠丝杠副各状态信息的特征量提取59-68
• 5.4.1 时域分析和特征参数提取59-62
• 5.4.2 频域分析和特征参数提取62-64
• 5.4.3 时频域分析与特征参数提取64-68
• 5.5 基于核函数主元分析的特征向量构造68-72
• 5.5.1 核函数主元分析方法简介69-70
• 5.5.2 基于KPCA方法的滚珠丝杠副状态信息特征筛选70-72
• 5.6 本章小结72-74
• 第6章 基于神经网络的滚珠丝杠副故障诊断74-87
• 6.1 引言74
• 6.2 基于BP神经网络的数控机床滚珠丝杠副故障模式识别74-80
• 6.2.1 BP神经网络概述及结构74-75
• 6.2.2 BP神经网络的算法75-76
• 6.2.3 BP神经网络模型的结构设计及构造76-77
• 6.2.4 BP神经网络的训练结果及网络性能分析77-80
• 6.3 基于PNN神经网络的数控机床滚珠丝杠副故障模式识别80-84
• 6.3.1 PNN神经网络概述及结构80-81
• 6.3.2 PNN神经网络的算法81
• 6.3.3 PNN神经网络模型的结构设计及构造81-82
• 6.3.4 PNN神经网络的训练结果及网络性能分析82-84
• 6.4 两种网络模型及其对两种信息的识别性能对比分析84-86
• 6.5 本章小结86-87
• 第7章 结论与展望87-89
• 7.1 论文工作总结87-88
• 7.2 研究展望88-89
• 参考文献89-93
• 攻读硕士学位期间发表的学术论文93-95
• 致谢95

【参考文献】

中国期刊全文数据库 前2条

1 杨振辉;;影响超长行程龙门式数控机床滚珠丝杠精度的因素及对策[J];机械工程师;2009年10期

2 韩军;周慧君;常瑞丽;;数控机床伺服进给系统无传感器性能评估技术的研究[J];机床与液压;2014年13期

，

本文编号：533962