CN102175915A - 一种免疫随机共振的机床传动系统电流特征频率提取方法 - Google Patents
一种免疫随机共振的机床传动系统电流特征频率提取方法 Download PDFInfo
- Publication number
- CN102175915A CN102175915A CN2010105946276A CN201010594627A CN102175915A CN 102175915 A CN102175915 A CN 102175915A CN 2010105946276 A CN2010105946276 A CN 2010105946276A CN 201010594627 A CN201010594627 A CN 201010594627A CN 102175915 A CN102175915 A CN 102175915A
- Authority
- CN
- China
- Prior art keywords
- frequency
- antibody
- transmission system
- current
- machine tool
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 38
- 238000000605 extraction Methods 0.000 title abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 230000006835 compression Effects 0.000 claims abstract description 8
- 238000007906 compression Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000013377 clone selection method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000035755 proliferation Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009774 resonance method Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
一种免疫随机共振的机床传动系统电流特征频率提取方法，先利用电流传感器采集传动系统伺服驱动电机的电流信号，再计算传动系统中各级输出转轴的回转频率和啮合频率，采用巴特沃斯滤波型带通滤波器处理采集的电流信号，将滤波后的电流信号进行移频，再对移频的电流信号采用多模态免疫克隆选择方法优化二次采样随机共振系统参数，选取最大亲和力的参数作为最优二次采样尺度和结构系统参数，最后根据最优二次采样尺度实现输入信号的压缩，对应频谱中的最大谱峰分量变换后为机床运动系统的特征频率分量，本发明提高了大频率尺度伺服电机电流信号的二次采样随机共振系统优化质量，能够有效提取出传动系统微弱特征频率。
Description
技术领域
本发明涉及机床传动特征提取技术领域，具体涉及一种免疫随机共振的机床传动系统电流特征频率提取方法。
背景技术
国内高档数控机床与国外同类机床的一项很主要差距就是精度保持问题，而导致精度异常及丧失的一个重要因素就是功能部件的运行缺陷。虽然数控系统目前自带的自诊断功能可以检测大部分电气系统故障，但是对机床运行期间引起器质性故障的问题却无能为力，如机床的主轴振动、丝杠磨损等缺陷。因此，如何检测出由于运动系统造成的机床故障就成为制约机床加工精度保持稳定的瓶颈问题。
由于数控机床的封闭特性造成了外部传感器安装困难，难以实施。即使勉强安装上，振动信息耦合性较强等因素也制约了机床运动部件的弱特征提取效果。而基于伺服电机电流的无传感器测量成为数控机床运行精度研究的一个重要手段，即由于电机定子和驱动装置的连接，在伺服电机电流信号中包含了机床运动部件的信息，如进给系统中的丝杠、传动系统中的齿轮等部件的运行状态。但是，在交流伺服电机定子电流信号中，由于伺服电机的谐波分量众多，最终导致电流信号中的运动系统状态特征频率微弱，往往被噪声淹没，难以识别。
为了有效提取出电流信号中的微弱特征分量，随机共振方法从另一个角度提供了弱信号检测的有效手段，即通过添加合适的噪声使非线性系统放大周期输入信号实现弱信号提取。然而在实际应用中，大多数物理信号均不能满足随机共振的条件，因此，为了使大参数信号的双稳态系统达到共振，一般需要对二次采样条件下的结构系统参数进行调节，而目前国内的现有研究主要针对单参数或双参数进行优化选择，没有考虑到二次采样尺度与结构系统参数的协同效应，即二次采样尺度的变化导致最优的结构系统参数不同。而利用免疫克隆选择的多模态优化算法实现伺服电流信号的二次采样随机共振系统参数优化技术还未见到。
发明内容
为了克服上述现有技术缺点，本发明的目的在于提供一种免疫随机共振的机床传动系统电流特征频率提取方法，解决了对伺服电机电流大参数信号的二次采样随机共振问题，从而达到理想的系统输出，并提取出电流中的特征频率分量。
为了达到上述目的，本发明所采用的技术方案是：
一种免疫随机共振的机床传动系统电流特征频率提取方法，包括以下步骤：
1)利用电流传感器采集传动系统伺服驱动电机的电流信号x(n)，n为采样点数，n为大于零的整数；
2)计算传动系统中各级输出转轴的回转频率fr和啮合频率fn，其中，
fr＝fi*Z (1)
fn＝fr*m (2)
fi为传动系统的输入频率即各级输入轴转频，Z为传动比，m为转轴齿数，则传动系统在电流信号中的特征频率分量为：
f＝fm+fn (3)
其中，fm为电流主频率；
3)采用巴特沃斯滤波型带通滤波器处理采集的电流信号，其中频带选择为[0.8*f，1.2*f]Hz；
4)滤波后的电流信号进行移频，将频带下限移至频率0Hz处；
5)对移频的电流信号x(n)采用多模态免疫克隆选择方法优化二次采样随机共振系统参数，即二次采样尺度R及结构系统参数a和b，其中a、b为朗之万势阱函数
的系统参数，二次采样尺度R为信号压缩比率R＝fs/fsr，fsr为压缩后的频率值，亲和力函数为
Sp为频率分量f的功率，
Np为输出信号的噪声功率，Δf为频率分辨率，Ap(w)为第p个抗体表示参数的随机共振输出信号幅值谱；
6)在优化出的参数集合中，选取最大亲和力的参数作为最优二次采样尺度R和结构系统参数a和b；
7)根据最优二次采样尺度R实现输入信号的压缩，压缩采样频率为fsr＝fs/R，fs为采样频率，其次，根据结构系统参数输出响应波形，对应频谱中的最大谱峰分量变换后为机床运动系统的特征频率分量，其中变换公式为f＝fc+R*f0r，f0r为最大谱峰频率。
所述的多模态免疫克隆选择方法的具体过程为：
5.1)抗体采用二进制位串方式编码，位串长度等于三个参数位串的和；
5.2)随机生成产抗体集合；
5.3)根据亲和力大小进行克隆增殖得到克隆抗体集；
5.4)对克隆群体进行高频变异，产生一个成熟抗体群体，其中高频变异与抗体的亲和力成反例，同时还将保留原抗体，来维持抗体性能不退化；
5.5)在变异的抗体集中，在每个抗体克隆群中选择亲和力最高的抗体组成新抗体群体；
5.6)在抗体群体中替换d％的亲和力差抗体，来维持抗体的多样性，返回步骤5.3进行优化；
5.7)将抗体群体的最优抗体添加到记忆细胞集中，返回步骤5.2继续获得新的记忆细胞。
由于本发明利用传动系统伺服电机的电流信号，通过对其进行免疫优化二次采样随机共振，实现了机床传动系统运行状态的无传感器检测，故而提高了大频率尺度伺服电机电流信号的二次采样随机共振系统优化质量，能够有效提取出传动系统微弱特征频率。
附图说明
图1为本发明的流程图。
图2为本发明具体实施例的电流信号波形。
图3为本发明具体实施例的电流信号频谱。
图4为本发明具体实施例的随机共振输出波形。
图5为本发明具体实施例的随机共振输出波形的频谱。
具体实施方式
下面结合附图对本发明进行详细说明。
参照图1，一种免疫随机共振的机床传动系统电流特征频率提取方法，包括以下步骤：
1)利用电流传感器采集传动系统伺服驱动电机的电流信号x(n)，n为采样点数，n为大于零的整数；
2)计算传动系统中各级输出转轴的回转频率fr和啮合频率fn，其中，
fr＝fi*Z (1)
fn＝fr*m (2)
fi为传动系统的输入频率(各级输入轴转频)，Z为传动比，m为转轴齿数，则传动系统在电流信号中的特征频率分量为：
f＝fm+fn (3)
其中，fm为电流主频率；
3)采用巴特沃斯滤波型带通滤波器处理采集的电流信号，其中频带选择为[0.8*f，1.2*f]Hz；
4)滤波后的电流信号进行移频，将频带下限移至频率0Hz处；
5)对移频的电流信号x(n)采用多模态免疫克隆选择方法优化二次采样随机共振系统参数，即二次采样尺度R及结构系统参数a和b，其中a、b为朗之万势阱函数
的系统参数，二次采样尺度R为信号压缩比率R＝fs/fsr，fsr为压缩后的频率值，亲和力函数为
Sp为频率分量f的功率，
Np为输出信号的噪声功率，Δf为频率分辨率，Ap(w)为第p个抗体表示参数的随机共振输出信号幅值谱；
6)在优化出的参数集合中，选取最大亲和力的参数作为最优二次采样尺度R和结构系统参数a和b；
7)根据最优二次采样尺度R实现输入信号的压缩，压缩采样频率为fsr＝fs/R，fs为采样频率，其次，根据结构系统参数输出响应波形，对应频谱中的最大谱峰分量变换后为机床运动系统的特征频率分量，其中变换公式为f＝fc+R*f0r，f0r为最大谱峰频率。
所述的多模态免疫克隆选择方法的具体过程为：
5.1)抗体采用二进制位串方式编码，位串长度等于三个参数位串的和；
5.2)随机生成产抗体集合；
5.3)根据亲和力大小进行克隆增殖得到克隆抗体集；
5.4)对克隆群体进行高频变异，产生一个成熟抗体群体，其中高频变异与抗体的亲和力成反例，同时还将保留原抗体，来维持抗体性能不退化；
5.5)在变异的抗体集中，在每个抗体克隆群中选择亲和力最高的抗体组成新抗体群体；
5.6)在抗体群体中替换d％的亲和力差抗体，来维持抗体的多样性，返回步骤5.3进行优化；
5.7)将抗体群体的最优抗体添加到记忆细胞集中，返回步骤5.2继续获得新的记忆细胞。
下面结合具体实施例对本发明进行详细说明。
图2所示为某大型落地铣镗床主轴传动系统的伺服电机电流信号归一化后的时域波形，其中，系统采样频率2000Hz，采样点数n＝2000，相应的频谱如图3所示，由于落地镗铣床结构庞大，要求驱动扭矩较大，因此，驱动轴通过齿轮箱三级减速把伺服电机的扭矩最终传递给主轴，其传动比为：
首先，利用电流传感器在机床控制柜电机驱动接线端采集伺服驱动电机的电流信号x(n)，n＝2000；
其次，按照公式(2)、(3)计算齿轮箱三级减速后输出频率，传动比
机床主轴的转速为50rad/min，则主轴传动系统的中间轴的啮合频率fn为43.33Hz，而伺服电机的电流主频率fm为35.57Hz，则中间轴在电流中的特征频率成分为35.57+43.33＝78.9Hz，而从如图3所示的频谱图中很难发现其谱线特征，分析其原因，其故障特征频率幅值较小，被噪声淹没，造成识别困难，
然后，现采用本发明进行多模态免疫优化二次采样随机共振来提取电流信号中的特征分量，
1)设巴特沃斯带通滤波器的频带[73.9，150]Hz；
2)二次采样频率R的取值范围为[1，500]，系统参数a，b的搜索范围为(0，10]；
3)免疫群体规模数n＝40，抗体进化代数为500代，优化结果如下：aop＝9.2147、bop＝5.2163、Rop＝460，二次采样随机共振系统输出波形和频谱如图4和图5所示，
最后，通过随机共振系统的输出信号在0.0109Hz处有一个明显的谱峰。根据频率恢复公式f＝fc+Rop*for＝78.914Hz，其中fc＝73.9Hz，fc是巴特沃斯带通滤波器的下限值，这个结果和输入信号中78.9Hz的微弱周期分量正好相符，说明该方法可以很好地检测出电流信号中的机床传动系统特征分量。
通过以上应用说明，本发明基于免疫优化随机共振的电流弱信号提取方法不但可以检测到极其微弱的故障特征频率，还能对微弱信号的幅值进行初步估计，可以有效地识别运行状态中微弱信号的特征。
Claims (2)
1.一种免疫随机共振的机床传动系统电流特征频率提取方法，其特征在于：包括以下步骤：
1)利用电流传感器采集传动系统伺服驱动电机的电流信号x(n)，n为采样点数，n为大于零的整数；
2)计算传动系统中各级输出转轴的回转频率fr和啮合频率fn，其中，
fr＝fi*Z (1)
fn＝fr*m (2)
fi为传动系统的输入频率(各级输入轴转频)，Z为传动比，m为转轴齿数，则传动系统在电流信号中的特征频率分量为：
f＝fm+fn (3)
其中，fm为电流主频率；
3)采用巴特沃斯滤波型带通滤波器处理采集的电流信号，其中频带选择为[0.8*f，1.2*f]Hz；
4)滤波后的电流信号进行移频，将频带下限移至频率0Hz处；
5)对移频的电流信号x(n)采用多模态免疫克隆选择方法优化二次采样随机共振系统参数，即二次采样尺度R及结构系统参数a和b，其中a、b为朗之万势阱函数
的系统参数，二次采样尺度R为信号压缩比率R＝fs/fsr，fsr为压缩后的频率值，亲和力函数为 
Sp为频率分量f的功率，Np为输出信号的噪声功率，Δf为频率分辨率，Ap(w)为第p个抗体表示参数的随机共振输出信号幅值谱；
6)在优化出的参数集合中，选取最大亲和力的参数作为最优二次采样尺度R和结构系统参数a和b；
7)根据最优二次采样尺度R实现输入信号的压缩，压缩采样频率为fsr＝fs/R，fs为采样频率，其次，根据结构系统参数输出响应波形，对应频谱中的最大谱峰分量变换后为机床运动系统的特征频率分量，其中变换公式为f＝fc+R*f0r，f0r为最大谱峰频率。
2.根据权利要求1所述的一种免疫随机共振的机床传动系统电流特征频率提取方法，其特征在于：所述的多模态免疫克隆选择方法的具体过程为：
5.1)抗体采用二进制位串方式编码，位串长度等于三个参数位串的和；
5.2)随机生成产抗体集合；
5.3)根据亲和力大小进行克隆增殖得到克隆抗体集；
5.4)对克隆群体进行高频变异，产生一个成熟抗体群体，其中高频变异与抗体的亲和力成反例，同时还将保留原抗体，来维持抗体性能不退化；
5.5)在变异的抗体集中，在每个抗体克隆群中选择亲和力最高的抗体组成新抗体群体；
5.6)在抗体群体中替换d％的亲和力差抗体，来维持抗体的多样性，返回步骤5.3进行优化；
5.7)将抗体群体的最优抗体添加到记忆细胞集中，返回步骤5.2继续获得新的记忆细胞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010594627 CN102175915B (zh) | 2010-12-17 | 2010-12-17 | 一种免疫随机共振的机床传动系统电流特征频率提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010594627 CN102175915B (zh) | 2010-12-17 | 2010-12-17 | 一种免疫随机共振的机床传动系统电流特征频率提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102175915A true CN102175915A (zh) | 2011-09-07 |
| CN102175915B CN102175915B (zh) | 2013-01-02 |
Family
ID=44519120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010594627 Expired - Fee Related CN102175915B (zh) | 2010-12-17 | 2010-12-17 | 一种免疫随机共振的机床传动系统电流特征频率提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102175915B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735330A (zh) * | 2012-06-15 | 2012-10-17 | 天津大学 | 基于粒子群优化算法的自适应随机共振微弱信号检测方法 |
| CN103412057A (zh) * | 2013-07-19 | 2013-11-27 | 西安交通大学 | 基于随机共振和移动最小二乘的弱振荡衰减信号参数识别 |
| CN108108672A (zh) * | 2017-12-05 | 2018-06-01 | 西安交通大学 | 一种基于线性搜索策略的随机共振电流弱信息识别方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101758422A (zh) * | 2009-12-10 | 2010-06-30 | 华中科技大学 | 一种数控装置技术指标的检测分析装置 |
-
2010
- 2010-12-17 CN CN 201010594627 patent/CN102175915B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101758422A (zh) * | 2009-12-10 | 2010-06-30 | 华中科技大学 | 一种数控装置技术指标的检测分析装置 |
Non-Patent Citations (2)
| Title |
|---|
| 张克南等: "电机电流分析法在机床类设备诊断中的应用研究", 《机床与液压》, vol. 35, no. 3, 31 March 2007 (2007-03-31), pages 196 - 198 * |
| 李玉光等: "机床传动系统的故障诊断", 《组合机床与自动化加工技术》, no. 7, 31 July 2004 (2004-07-31), pages 96 - 98 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735330A (zh) * | 2012-06-15 | 2012-10-17 | 天津大学 | 基于粒子群优化算法的自适应随机共振微弱信号检测方法 |
| CN103412057A (zh) * | 2013-07-19 | 2013-11-27 | 西安交通大学 | 基于随机共振和移动最小二乘的弱振荡衰减信号参数识别 |
| CN103412057B (zh) * | 2013-07-19 | 2015-11-25 | 西安交通大学 | 基于随机共振和移动最小二乘的弱振荡衰减信号参数识别 |
| CN108108672A (zh) * | 2017-12-05 | 2018-06-01 | 西安交通大学 | 一种基于线性搜索策略的随机共振电流弱信息识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102175915B (zh) | 2013-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cheng et al. | Adaptive multipoint optimal minimum entropy deconvolution adjusted and application to fault diagnosis of rolling element bearings | |
| CN108844733B (zh) | 一种基于kl散度与均方根值的齿轮状态监测指标提取方法 | |
| Pan et al. | Nonlinear sparse mode decomposition and its application in planetary gearbox fault diagnosis | |
| CN103499437B (zh) | 可调品质因子双树复小波变换的旋转机械故障检测方法 | |
| CN110514437B (zh) | 一种用于故障诊断的行星齿轮箱振动信号分离方法 | |
| Zhang et al. | Energy operator demodulating of optimal resonance components for the compound faults diagnosis of gearboxes | |
| CN105825197A (zh) | 一种线性化势阱壁的路径扩展随机共振微弱特征提取方法 | |
| Su et al. | Fault diagnosis of rotating machinery based on wavelet domain denoising and metric distance | |
| CN103670373A (zh) | 抽油机故障的诊断方法和系统 | |
| CN102175915A (zh) | 一种免疫随机共振的机床传动系统电流特征频率提取方法 | |
| CN107966287B (zh) | 一种自适应机电装备微弱故障特征提取方法 | |
| CN107450481B (zh) | 一种数控机床切削速度优化方法 | |
| CN108388839A (zh) | 一种基于二阶同步提取变换的强转速波动特征提取方法 | |
| CN113269169A (zh) | 一种轴承故障检测方法和装置 | |
| CN105303181A (zh) | 一种基于滑动窗的随机共振微弱冲击特征增强提取方法 | |
| CN116304808A (zh) | 基于分数阶随机共振的旋转机械故障诊断方法 | |
| CN103674550B (zh) | 一种滚动轴承静电监测信号实时混合去噪方法 | |
| CN112347944B (zh) | 一种基于零值比例频谱特征的机械传动故障检测方法 | |
| CN111582248B (zh) | 一种基于svd的齿轮箱信号降噪方法 | |
| CN107292067B (zh) | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 | |
| CN112528753A (zh) | 一种针对轧机轧钢过程冲击振动信号的预处理方法 | |
| CN116631769A (zh) | 一种自动绕线机监测方法及系统 | |
| Damine et al. | Enhancement of the AR-MED deconvolution process using ensemble empirical mode decomposition in bearing fault detection | |
| CN106363463A (zh) | 基于占能比的铣削加工颤振在线监测方法 | |
| Gu et al. | Weak fault feature extraction of rolling element bearings based on ensemble tunable Q-factor wavelet transform and non-dominated negentropy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130102 Termination date: 20151217 |
|
| EXPY | Termination of patent right or utility model |