机床主轴振动状态在线监测方法研究与系统实现
发布时间：2021-02-06 08:54
为响应“中国制造2025”规划,使中国制造走向智能制造的未来发展道路,数控机床作为“中国制造”的机械制造基础装备,正在进行全面的信息化升级,监测制造过程中的机床各部件信息。主轴作为机床关键部件,其健康状态决定了机床工作性能。主轴振动是主轴健康状态指标的重要影响因素,因此,要想提高机床制造过程工作性能,必须感知主轴振动信息,进行主轴振动在线监测。制造过程中,数控机床主轴处于多刀多工序的多工况条件下,主轴振动具有不同的振动状态,且长期监测数据量大,因此,要实现主轴振动状态监测的目的,就需要解决振动原始数据量大、振动状态多且缺乏异常振动数据样本等问题。本文针对以上问题,从振动信息特征提取方法、主轴振动状态监测方法、机床主轴振动信号采集与振动状态监测系统实现进行研究,实现了机床工作过程中产生的大量主轴振动映射为主轴振动健康信息的目的,主要内容如下:（1）本文研究了机床主轴振动信号特征提取方法,解决机床主轴振动原始数据量大、信息含量大,不利于长期在线监测的问题。根据主轴振动特性,对振动信号进行FFT频域变换和趋势项消除处理,结合频谱分析和统计值分析,提取主轴振动信号局部峰值-中心频率谱参数,谱段...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
全文内容及其结构示意图
第二章机床主轴振动信号频谱特征提取方法11(1)频域变换，通过傅里叶变换将振动时域信号转换为频域信号，傅里叶变换公式：()[()]()itFFXtxtedt==式中，tX)(为时域信号，F)(是转换以后的频域信号。振动信号经过频域转换可获得相应的幅频信息和相频信息。幅频信息涵盖了每个频率分量及其振动幅值大小，它是旋转机械振动特性和运行状态最直观的分析手段,由幅值谱图的变化规律及振动状态特征频率即可感知旋转机械运行的健康状态。(2)特征提取，振动信号频域转换以后，通过幅频谱分析可以获得很多特征参数，最直观特征参数包括主频率、各谐波频率、频率分布、功率谱密度等，功率谱的统计值特征参数也广泛用于特征提龋2.2机床主轴振动信号特征及其预处理分析2.2.1机床主轴振动信号特征分析2.2.1.1主轴系统的振动信号划分根据应用角度的不同，主轴振动信号有不同的划分。(1)主轴系统各个组件在振动状态异常情况下，其振动信号分布在不同的频段，如表2-2所示，根据不同振动信号频率大小可以粗略判定主轴系统组件的状态[7]。表2-2部分主轴组件振动状态对应频段状态异常组件振动频率范围振动类型轴、联轴器不平衡、松动等5倍工频以内低频振动齿轮产生点蚀、裂纹等1KHz左右中频振动轴承损伤>1KHz高频振动(2)按照振动信号的特性，主轴系统振动信号可进行如下图2-1划分。振动信号确定信号随机信号周期信号非周期信号简谐周期信号复杂周期信号准周期信号瞬态信号平稳信号非平稳信号各态历经信号非各态历经信号调制型非平稳信号一般非平稳信号图2-1振动信号的分类
随机信号。确定信号可以通过数学模型进行描述，随机信号只能通过多次试验进行统计分析。(3)按照主轴动态特性分析，主轴振动可划分为自由振动、自激振动、参变振动和受迫振动，主要应用于主轴系统的动力学模型动态特性分析。2.2.1.2主轴振动状态的影响因素及其振动特性在复杂工况下，影响主轴振动状态的因素较多，主要分为内部因素和外部因素，内部因素有主轴系统自身的振动特性、主轴机械结构故障的产生和主轴系统性能退化等，外部因素有加工工件的振动特性、加工刀具的振动特性和加工参数等。主轴振动状态影响因素分类如图2-2所示。主轴振动状态影响因素内部因素外部因素主轴系统振动特性主轴转子不平衡主轴裂纹缺陷主轴回转精度差工件振动特性刀具振动特性加工参数环境因素图2-2主轴振动状态影响因素分类外部因素为多变因素，随工况的变化而变化。主要对内部因素对主轴振动状态的影响进行分析：(1)主轴转子不平衡主要因素是轴弯曲或质量偏心，主轴在运行状态下，两种因素随主轴转动并产生周期性激振信号，两种情况的振动特性如下：①主轴弯曲转子和质量偏心转子在主轴转速较快情况下会产生动态偏心力且随速度恒定而趋于一个定值，在具有弹性的转子支承处轴承产生与动态偏心力的动态反作用力，且振动幅值与动态偏心力的大小成比例，在轴承上进行振动检测会发现两种情况下幅频特性相近，且相频特性基本一致；②转速较低时，弯曲转子会有明显振动；③在有阻尼的情况下，质量偏心转子的转速略高于无阻尼状态的临界转速，弯曲转子的情况则相反；④弯曲转子和质量偏心转子在转动情况下均会产生于转速相同频率的自激振动，且频谱和波形相似，振动频谱都是转动频谱一倍成分左右，波形基本趋于正弦波形。
【参考文献】：
期刊论文
[1]基于时域特征的滚动轴承寿命预测[J]. 戴邵武,陈强强,丁宇. 计算机测量与控制. 2019(10)
[2]机械设备振动监测的自适应变采样算法研究[J]. 段礼祥,陈瑞典,张来斌,秦天飞,王宁. 仪表技术与传感器. 2019(07)
[3]基于振动监测工业机组状态的方法[J]. 贾进林,林振昌,刘立强. 中国新技术新产品. 2019(13)
[4]基于EEMD-SVD与时域分析的马田系统轴承故障诊断[J]. 剡昌锋,王伟,王慧滨,朱涛,吴黎晓. 兰州理工大学学报. 2019(03)
[5]航空发动机制造企业智能工厂建设[J]. 单继东,曹增义,王昭阳. 航空制造技术. 2018(15)
[6]旋转机械故障诊断与状态监测发展综述[J]. 吴秀星,关佳亮. 设备管理与维修. 2018(10)
[7]关于建设航空智能生产线的思考[J]. 侯志霞,邹方,王湘念,吕瑞强. 航空制造技术. 2015(08)
[8]基于HHT的数控机床主轴振动监测系统的研制[J]. 万海波,杨世锡. 振动与冲击. 2014(06)
[9]基于最大熵原理与鉴别信息的机床主轴系统退化分析[J]. 董新峰,李郝林,余慧杰. 振动与冲击. 2013(05)
[10]云制造典型特征、关键技术与应用[J]. 李伯虎,张霖,任磊,柴旭东,陶飞,王勇智,尹超,黄培,赵欣培,周祖德. 计算机集成制造系统. 2012(07)
博士论文
[1]风电齿轮箱运行状态监测与故障诊断[D]. 窦春红.北京交通大学 2019
[2]高速电主轴动力学建模及振动特性研究[D]. 黄伟迪.浙江大学 2018
[3]基于振动信号分析的旋转机械故障诊断方法研究[D]. 刘颉.华中科技大学 2018
[4]高速电主轴动态加载可靠性试验及其故障诊断研究[D]. 陈超.吉林大学 2016
[5]高速电主轴综合性能测试及若干关键技术研究[D]. 周大帅.北京工业大学 2011
[6]机电设备微弱特征提取与诊断方法研究[D]. 何慧龙.天津大学 2007
硕士论文
[1]基于复数据经验模态分解和随机森林理论的风电机组多域特征故障诊断研究[D]. 马富齐.西安理工大学 2019
[2]基于过程数据分析的数控机床状态预测及故障预警研究[D]. 张心羽.电子科技大学 2017
[3]旋转机械故障早期识别方法研究与应用[D]. 练晓婷.大连理工大学 2013
[4]加工中心主轴在线检测技术研究[D]. 朱文营.山东理工大学 2012
本文编号：3020501
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
全文内容及其结构示意图
第二章机床主轴振动信号频谱特征提取方法11(1)频域变换，通过傅里叶变换将振动时域信号转换为频域信号，傅里叶变换公式：()[()]()itFFXtxtedt==式中，tX)(为时域信号，F)(是转换以后的频域信号。振动信号经过频域转换可获得相应的幅频信息和相频信息。幅频信息涵盖了每个频率分量及其振动幅值大小，它是旋转机械振动特性和运行状态最直观的分析手段,由幅值谱图的变化规律及振动状态特征频率即可感知旋转机械运行的健康状态。(2)特征提取，振动信号频域转换以后，通过幅频谱分析可以获得很多特征参数，最直观特征参数包括主频率、各谐波频率、频率分布、功率谱密度等，功率谱的统计值特征参数也广泛用于特征提龋2.2机床主轴振动信号特征及其预处理分析2.2.1机床主轴振动信号特征分析2.2.1.1主轴系统的振动信号划分根据应用角度的不同，主轴振动信号有不同的划分。(1)主轴系统各个组件在振动状态异常情况下，其振动信号分布在不同的频段，如表2-2所示，根据不同振动信号频率大小可以粗略判定主轴系统组件的状态[7]。表2-2部分主轴组件振动状态对应频段状态异常组件振动频率范围振动类型轴、联轴器不平衡、松动等5倍工频以内低频振动齿轮产生点蚀、裂纹等1KHz左右中频振动轴承损伤>1KHz高频振动(2)按照振动信号的特性，主轴系统振动信号可进行如下图2-1划分。振动信号确定信号随机信号周期信号非周期信号简谐周期信号复杂周期信号准周期信号瞬态信号平稳信号非平稳信号各态历经信号非各态历经信号调制型非平稳信号一般非平稳信号图2-1振动信号的分类
随机信号。确定信号可以通过数学模型进行描述，随机信号只能通过多次试验进行统计分析。(3)按照主轴动态特性分析，主轴振动可划分为自由振动、自激振动、参变振动和受迫振动，主要应用于主轴系统的动力学模型动态特性分析。2.2.1.2主轴振动状态的影响因素及其振动特性在复杂工况下，影响主轴振动状态的因素较多，主要分为内部因素和外部因素，内部因素有主轴系统自身的振动特性、主轴机械结构故障的产生和主轴系统性能退化等，外部因素有加工工件的振动特性、加工刀具的振动特性和加工参数等。主轴振动状态影响因素分类如图2-2所示。主轴振动状态影响因素内部因素外部因素主轴系统振动特性主轴转子不平衡主轴裂纹缺陷主轴回转精度差工件振动特性刀具振动特性加工参数环境因素图2-2主轴振动状态影响因素分类外部因素为多变因素，随工况的变化而变化。主要对内部因素对主轴振动状态的影响进行分析：(1)主轴转子不平衡主要因素是轴弯曲或质量偏心，主轴在运行状态下，两种因素随主轴转动并产生周期性激振信号，两种情况的振动特性如下：①主轴弯曲转子和质量偏心转子在主轴转速较快情况下会产生动态偏心力且随速度恒定而趋于一个定值，在具有弹性的转子支承处轴承产生与动态偏心力的动态反作用力，且振动幅值与动态偏心力的大小成比例，在轴承上进行振动检测会发现两种情况下幅频特性相近，且相频特性基本一致；②转速较低时，弯曲转子会有明显振动；③在有阻尼的情况下，质量偏心转子的转速略高于无阻尼状态的临界转速，弯曲转子的情况则相反；④弯曲转子和质量偏心转子在转动情况下均会产生于转速相同频率的自激振动，且频谱和波形相似，振动频谱都是转动频谱一倍成分左右，波形基本趋于正弦波形。
【参考文献】：
期刊论文
[1]基于时域特征的滚动轴承寿命预测[J]. 戴邵武,陈强强,丁宇. 计算机测量与控制. 2019(10)
[2]机械设备振动监测的自适应变采样算法研究[J]. 段礼祥,陈瑞典,张来斌,秦天飞,王宁. 仪表技术与传感器. 2019(07)
[3]基于振动监测工业机组状态的方法[J]. 贾进林,林振昌,刘立强. 中国新技术新产品. 2019(13)
[4]基于EEMD-SVD与时域分析的马田系统轴承故障诊断[J]. 剡昌锋,王伟,王慧滨,朱涛,吴黎晓. 兰州理工大学学报. 2019(03)
[5]航空发动机制造企业智能工厂建设[J]. 单继东,曹增义,王昭阳. 航空制造技术. 2018(15)
[6]旋转机械故障诊断与状态监测发展综述[J]. 吴秀星,关佳亮. 设备管理与维修. 2018(10)
[7]关于建设航空智能生产线的思考[J]. 侯志霞,邹方,王湘念,吕瑞强. 航空制造技术. 2015(08)
[8]基于HHT的数控机床主轴振动监测系统的研制[J]. 万海波,杨世锡. 振动与冲击. 2014(06)
[9]基于最大熵原理与鉴别信息的机床主轴系统退化分析[J]. 董新峰,李郝林,余慧杰. 振动与冲击. 2013(05)
[10]云制造典型特征、关键技术与应用[J]. 李伯虎,张霖,任磊,柴旭东,陶飞,王勇智,尹超,黄培,赵欣培,周祖德. 计算机集成制造系统. 2012(07)
博士论文
[1]风电齿轮箱运行状态监测与故障诊断[D]. 窦春红.北京交通大学 2019
[2]高速电主轴动力学建模及振动特性研究[D]. 黄伟迪.浙江大学 2018
[3]基于振动信号分析的旋转机械故障诊断方法研究[D]. 刘颉.华中科技大学 2018
[4]高速电主轴动态加载可靠性试验及其故障诊断研究[D]. 陈超.吉林大学 2016
[5]高速电主轴综合性能测试及若干关键技术研究[D]. 周大帅.北京工业大学 2011
[6]机电设备微弱特征提取与诊断方法研究[D]. 何慧龙.天津大学 2007
硕士论文
[1]基于复数据经验模态分解和随机森林理论的风电机组多域特征故障诊断研究[D]. 马富齐.西安理工大学 2019
[2]基于过程数据分析的数控机床状态预测及故障预警研究[D]. 张心羽.电子科技大学 2017
[3]旋转机械故障早期识别方法研究与应用[D]. 练晓婷.大连理工大学 2013
[4]加工中心主轴在线检测技术研究[D]. 朱文营.山东理工大学 2012
本文编号：3020501
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3020501.html
