CN102507119B - 一种数控装备切削激励实验模态的分析方法 - Google Patents

Abstract

本发明公开了一种数控机床实验模态分析方法，包括1)利用仿真软件生成随机值序列，并选择采样率以获得感兴趣的频带范围；2)加工凸台试件，使得试件表面生成的断续切削宽度符合上述随机值序列，从而得到对数控机床产生结构随机冲击的激励；3)在数控机床的各部件上布置传感器，以获取机床结构振动响应信号；4)切削凸台试件，完成结构模态激励；5)选定振动响应幅值较大的测点作为基准点，按基于多参考最小二乘复频域法(LSCF)辨识得到机床结构模态参数。本发明可以在无需外加激励条件下，通过加工特定试件完成对数控机床激振，完成模态测试，大大降低模态实验的激振成本和减小激振所造成的损失。

Description

一种数控装备切削激励实验模态的分析方法

技术领域：

本发明属于数控装备结构模态参数分析技术领域，尤其涉及一种数控装备实验模态分析方法。

背景技术：

实验模态分析是目前数控装备动态特性辨识的通用方法，是基于同时测量输入激励和输出响应信号，从而基于模态分析理论识别出结构的模态参数。但对于输入激励无法实施的装备结构模态参数辨识，如对于重、大型机床等结构，则该实验模态分析方法无法应用。故只利用结构响应信号进行结构模态参数辨识的工作模态辨识方法开始得到应用，但该法必须假设未知的输入激励为白噪声激励；而对于数控装备的切削工作状态，该假设条件很难满足，如果该假设未能满足，则未知输入激励某些频域特征将直接反映在辨识得到的结构模态参数中，引起辨识结果的畸变或者得到错误的结果，故这种基于响应信号分析的工作模态分析方法的工程应用受到很大的局限性。如何实现未知输入激励的白噪声前提假设条件，从而正确应用基于响应模态分析理论，实现对重、大型数控装备工作模态下的结构模态参数辨识是目前急需研究的一种方法。

机床结构模态参数的识别在本领域中已有成熟的方法，属于现有技术，如《LMS公司用户培训资料理论基础》中提出了一种基于多参考最小二乘复频域法(LSCF)，可以很好地识别出机床模态参数。

发明内容：

本发明的目的旨在克服现有技术之不足，提供一种数控装备实验模态分析方法，其目的是基于设计的机床宽带白噪声切削，并且切削加工过程影响对结构响应的反馈，从而基于响应信号辨识得到机床结构模态参数，获得机床结构模态参数辨识。

本发明为实现上述目标所采用的具体技术方案为：

一种数控装备实验模态分析方法，它包括如下步骤：

1)通过仿真完成随机序列生成

生成随机点序列，选择采样率，得到关心的频带范围(频带范围根据数控机床的感兴趣模态确定)。

2)制作凸台试件

按确定好采样率的随机序列在试件表面加工沟槽宽度，得到加工试件凸台切宽长度分布序列，从而使得加工后的试件表面生成的断续切削宽度满足随机序列，得到加工过程中随机切宽产生的随机冲击力激励。

3)布置传感器，完成响应信号提取

数控机床各部件布置加速度传感器对机床结构振动响应信号拾取。

4)加工凸台试件，完成结构模态激励

由机床结构振动响应信号信噪比和分析数控机床感兴趣模态范围，选择满足结构激励能量的试件切削深度，使得在切削试件时，对数控机床结构实现足够能量和宽带的白噪声切削激励。

5)选择基准点，完成模态参数辨识

选定振动响应幅值较大的测点作为基准点，按基于多参考最小二乘复频域法(LSCF)辨识得到机床结构模态参数。

在本发明中，其中步骤1)所述二值序列特征是针对数控机床加工切削方式提出，使得数控机床在铣削和车削方式下能够产生随机切削冲击力序列。

所述数值序列采样率的采样时间间隔针对机床数控系统G代码编程中的主轴转速、进给位移和进给速度三个变量提出，从而实现满足确定时间采样点的序列频带以覆盖感兴趣数控机床结构的频带范围。从而基于主轴转速、进给部件移动距离和移动速度编程实现设计随机数值序列的切削力冲击实现。

所述对数控机床结构进行随机冲击力激励是指数控机床刀具和试件的之间的切削力对数控机床结构的实现随机切削力冲击激励序列。

机床结构加速度传感器布置是指满足测点布置满足结构辨识固有频率的空间分辨率，或者满足结构振型空间观察要求。

切削深度的选取是指由机床结构振动响应信号信噪比，确定序列激励能量能否激励感兴趣模态，从而确定能满足结构激励能量的试件切削深度，并不改变随机激励序列的频带分布特性，实现对机床结构实现能量足够的宽带白噪声的切削力激励。

本发明可以很好的在无需外加激励条件下，通过加工特定试件即可完成对数控机床激振，完成模态测试。可以大大降低模态实验的激振成本和减小激振所造成的损失。

附图说明：

图1为本发明流程示意图。

图2为本发明详细流程图。

图3为所述数控装备设计切削激励时域和频域图。

图4为本发明所述试件壁厚分布示意图。

图5为测试设备系统示意图。

具体实施方式：

下面结合附图对本发明作进一步说明：

图1-2为本发明流程示意图，下面以分析实例XHK5140立式加工中心的机床结构模态参数分析为例进行说明。

设计试件激励可以针对车床、铣床等具体机床加工方式设定，对于XHK5140立式加工中心来说加工方式以铣削为主，选择以铣削凸台的方式实现脉冲切削，以周铣方式进行加工，切削试件设计成多个随机壁厚的凸台实现伪随机脉冲切削，刀具选用盘铣刀，均匀安装三个刀片，保证每次切削过程仅有一个刀齿切削。

参考铣削力计算经验公式，考虑试件凸台设计和加工参数的设定：

$F_c=C_f\frac{a_p^{x_F}{a}_f^{y_F}{a}_w^{u_F}}{d_0^{{\mathrm{\α}}_F}{n}^{{\mathrm{\ω}}_F}}{K}_{F_c}---\left(1\right)$

其中，C_f，x_F，y_F，u_F，α_F，ω_F，——各个切削参数的系数，详细参考机械加工手册。

a_p——铣削深度，即背吃刀量。

a_f——每齿进给量。

a_w——铣削宽度。

d₀——铣刀直径。

n——主轴转速。

建立铣削凸台的连续脉冲铣削力模型，其主要参数分别有主轴转速、每齿进给量、背吃刀量、铣刀直径、凸台壁厚序列、凸台分布位置等。

考虑到激励实现的难易度和加工方式的特点，切削过程中每齿进给量、背吃刀量、铣刀直径保持不变；为了避免固定主轴转速引入的周期性，设计主轴转速随机变化，主轴转速随机序列可以从MatLab软件在设定数值范围内生成；凸台壁厚序列和分布位置决定脉冲的随机分布，凸台起始位置为均布，凸台壁厚随机序列也可由MatLab软件生成。然后将选定的参数输入到铣削凸台的连续脉冲铣削力模型中，生成切削激励力的时域图，故铣削加工凸台序列的激励信号为周期伪随机序列，通过谱分析方法得到频域图。(如图3所示)

分析频域图10dB带宽，看频宽能否覆盖感兴趣模态的频带范围以及能量能否激励感兴趣模态阶数。若频宽偏小，则适当提高随机转速的范围及减小凸台宽度序列，若能量偏小，则适当增大切削深度，或者每齿进给量和背吃刀量，再重新模拟分析，确定合适的一组参数，并保存该组参数。

按照参数中凸台壁厚序列、凸台分布位置，设计并加工出待切削试件。图4所示为试验机床对象验证的一实例设计试件，图4中4为待加工试件，试件上凸台序列由1指定序列加工得到。试件装夹在机床工作台5上。图5中2给出的参数中每齿进给量、背吃刀量和主轴转速的随机序列，由数控系统3编辑数控加工程序控制机床加工。按结构固有频率空间分辨要求或振型辨识需求在XHK5140立式加工中心的关键部位布置若干加速度传感器6。

运行数控加工程序铣削试件，同时通过信号采集模块7采集传感器的加速度信号。信号处理模块8实现加速度信号加窗平均、自功率谱计算和互功率谱计算等处理，模态分析模块9运用多参考最小二乘复频域法(LSCF)。分析加速度信号的自功率谱和互功率谱，辨识分析得到XHK5140立式加工中心的模态参数。

以上所述仅是本发明的较佳实施方式，故凡依本发明申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明保护范围内。

Claims (1)

1.一种数控机床实验模态分析方法，包括如下步骤：

1)通过仿真生成随机值序列

利用仿真软件生成随机值序列，并选择采样率以获得感兴趣的频带范围，其中该频带范围根据数控机床的感兴趣模态确定，所述采样率的采样时间间隔根据机床的G代码中的主轴转速、进给位移和进给速度确定；

2)制作凸台试件

加工凸台试件，使得试件表面生成的断续切削宽度符合上述随机值序列，从而得到对数控机床产生结构随机冲击的激励；

3）布置传感器，完成响应信号提取

在数控机床的各部件上布置传感器，以获取机床结构振动响应信号；

4）切削凸台试件，完成结构模态激励

根据所述机床结构振动响应信号的信噪比和数控机床的模态范围，选择满足结构激励能量的试件切削深度，使得对设计宽度序列的试件在该切削进行切削时，以实现激励机床结构足够能量的宽带白噪声切削力激励；

5）选择基准点，完成模态参数辨识

选定振动响应幅值较大的测点作为基准点，按基于多参考最小二乘复频域法(LSCF)辨识得到机床结构模态参数。