CN103802022B - 数控机床动态特性衰变的评估方法 - Google Patents
数控机床动态特性衰变的评估方法 Download PDFInfo
- Publication number
- CN103802022B CN103802022B CN201410077383.2A CN201410077383A CN103802022B CN 103802022 B CN103802022 B CN 103802022B CN 201410077383 A CN201410077383 A CN 201410077383A CN 103802022 B CN103802022 B CN 103802022B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- frequency
- digit control
- control machine
- characteristic
- 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.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明提供了一种数控机床动态特性衰变的评估方法,其特征在于,包括以下步骤:步骤一:获得数控机床的一定特征点在初始时间K0时的特征数据序列作为参考特征数据序列X0;步骤二:获得一定特征点在待测时间Ki的特征数据序列作为对比特征数据序列Xi;步骤三:根据X0和Xi,计算得到二者的闵可夫斯基贴近度Ni;以及步骤四:基于Ni的数值对数控机床动态特性衰变进行评估。根据本发明所提供的数控机床动态特性衰变的评估方法,通过Ni能够直观定量的显示了机床数控机床的动态特性衰变程度,是一种简单易行而又准确可靠的评估方法,适合于在工厂车间内推广应用。
Description
技术领域
本发明涉及一种数控机床动态特性衰变的模糊评估技术,具体涉及一种基于闵可夫斯基贴近度的数控机床动态特性衰变的评估方法。
背景技术
数控机床是一种典型的复杂机电耦合系统,其动态性能是机床结构、结合面、主轴、伺服进给系统和切削工艺等子系统动态特性的综合表现。动态特性是评价数控机床性能的重要技术指标,它与机床加工性能有密切关系,直接影响机床的加工质量、加工精度和切削效率。机床在使用过程中,随着轴承、传动齿轮、丝杠、导轨以及其它接触面的磨损或者操作润滑不当,都会使机床的动态特性逐渐衰变,机床的加工精度和使用寿命会受到不同程度的影响。所以评估机床动态特性的衰变,对机床在使用过程中的维护和故障诊断具有重要的意义。
目前,研究数控机床动态特性的方法主要有理论分析法、实验测试法以及理论分析和实验测试相结合的综合分析方法。理论分析法通过抽象、简化零部件的结构建立机床的动力学模型,由此进行机床动态特性的分析,但是,由于数控机床部件结合面间的刚度和阻尼、传动间隙、摩擦、切削工艺系统等因素的复杂性和不确定性,理论模型很难真实的模拟机床的实际情况,因而理论分析法精度较低。实验测试法通过对机床进行模态测试,得到机床的动态特性参数,但是,进行模态测试时环境干扰信号难以计算,并且测试设备价格昂贵。理论分析和实验测试相结合的方法建立机床结构的动力学模型,利用实验测试得到的模态数据修正理论模型,使修正后的理论模型能够确切地模拟机床的实际情况,该方法能够提高机床动态特性的理论分析精度,但是步骤较为复杂繁琐。
上述三种方法通过不同的方式得到机床的动态特性参数,但都只能对数控机床的动态特性进行定性评估,目前仍没有可用于定量评估数控机床动态特性衰变的有效方法。
发明内容
为了解决以上问题,本发明的目的是提供一种数控机床动态特性衰变的评估方法。
为了实现上述目的,本发明所采用的技术方案是:
一种数控机床动态特性衰变的评估方法,其特征在于,包括以下四个步骤:
步骤一:获得数控机床的一定特征点在初始时间K0时的特征数据序列作为参考特征数据序列X0;
步骤二:获得一定特征点在待测时间Ki的特征数据序列作为对比特征数据序列Xi;
步骤三:根据X0和Xi,计算得到二者的闵可夫斯基贴近度Ni;以及
步骤四:基于Ni的数值进行评估,数值越大,则Ki时数控机床的动态特性与K0时的动态特性越接近,数控机床的动态特性的衰变程度越小,数值越小,则Ki时数控机床的动态特性与K0时的动态特性相差越大,数控机床动态特性的衰变程度越大。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,一定特征点为主轴振动特征点、工作台振动特征点和工件夹具振动特征点中的任意一个或多个。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,步骤一和步骤二中的特征数据序列的获得方法均为:使数控机床在特定参数下运行,采集一定特征点的加速度信号;对加速度信号采用1/3倍频程频谱分析法进行特征提取,获得特征数据序列。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,1/3倍频程频谱分析法包括以下四个步骤:
a、采用基-2算法的FFT变换将所述加速度信号转换至频域,得到离散频域功率谱,该离散频域功率谱包括离散频率及功率谱幅值;
b、利用1/3倍频程频谱分析法对所述加速度信号进行频谱分析,将所述加速度信号的频谱划分为n个频带,分别计算得到每一个频带的中心频率fc;
c.根据公式分别计算得到每一个频带的中心频率fc所对应的上限频率fu和下限频率fd;
d.根据所述频域功率谱,分别将每一个频带内的离散频率及对应的功率谱幅值、该频带的上限频率、和该频带的下限频率代入公式得到该频带的功率谱Sx,n,式中,fd,n、fu,n分别为该频带的下限频率和上限频率,fi为该频带的离散频率,Sx,n(fi)为该频带的各离散频率的功率谱幅值,
根据公式分别计算得到每一个频带的振动幅值An,所有频带的振动幅值构成所述特征数据序列。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,利用1/3倍频程频谱分析法对加速度信号进行频谱分析时,所取的频率范围是20Hz~10kHz,共划分为28个频带。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,所述频谱分析中,所取的频率范围是20Hz~20kHz,共划分为30个频带。
另外,本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征:其中,闵可夫斯基贴近度Ni的计算方法包括以下两步:
步骤一:计算Xi对X0的模糊隶属度;
步骤二:根据模糊隶属度,计算得到闵可夫斯基距离di(Xi,X0),
根据公式Ni=Ni(Xi,X0)=1-di(Xi,X0),计算得到Xi与X0之间的闵可夫斯基贴近度。
发明的作用与效果
根据本发明所提供的数控机床动态特性衰变的评估方法,由于根据闵可夫斯基贴近度Ni的数值大小对数控机床动态特性的衰变进行评估,根据评估结果,即可得到数控机床的动态特性衰变情况,与传统方法相比,本发明通过Ni直观定量的显示了机床数控机床的动态特性衰变程度,是一种简单易行而又准确可靠的评估方法,适合于在工厂车间内推广应用。
附图说明
图1是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的流程图;
图2是实施例中数控外圆磨床在4月份砂轮转速2100r/min、工件主轴转速90r/min时工件主轴X方向的一段加速度信号的时域图;
图3是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的1/3倍频程特征提取的流程图;
图4是实施例中数控外圆磨床在4月份砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号的1/3倍频程频谱图;以及
图5是实施例中数控外圆磨床在砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号4、6、8、9月份特征数据序列的对比图。
具体实施方式
以下结合附图,对本发明所涉及的数控机床动态特性衰变的评估方法做进一步说明。
<实施例>
在本实施例中,选择某数控外圆磨床(以下简称磨床)为评估对象,选择该磨床的工件主轴和砂轮主轴为特征点,测试初始时间K0设定为4月15日(以下称为4月),待测时间Ki分别为6月15日、8月15日和9月15日(以下分别称为6月、8月、9月)。
测试系统的采样频率为25.6kHz,设定砂轮的转速为2100r/min,同时以45r/min、67.5r/min、90r/min、112.5r/min、135r/min改变外圆磨床的主轴转速,分别计算不同转速下,工件主轴X方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、工件主轴Y方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、工件主轴Z方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、以及砂轮主轴Z方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度,进而根据所得的闵可夫斯基贴近度数值大小的变化对该磨床的动态特性衰变进行评估。
图1是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的流程图。
图2是实施例中数控外圆磨床在4月份砂轮转速2100r/min、工件主轴转速90r/min时工件主轴X方向的一段加速度信号的时域图。
以砂轮转速2100r/min、工件主轴转速为90r/min时,不同月份工件主轴X方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度的计算为例,采用如图1所示的评估方法对该磨床动态特性的衰变进行评估,包括以下步骤:
步骤一(S1):参考特征数据序列X0的获得
1(S-1-1).将三向加速度传感器吸附在磨床的工件主轴上,设置采样频率为25.6kHz,设定砂轮的转速为2100r/min,工件主轴转速为90r/min,采集得到如图2所示的4月份工件主轴X方向的一段加速度信号的时域序列t(N),其中,t(N)=(t1,t2,…,tN),N为加速度信号时域序列的长度。
2(S-1-2).基于1/3倍频程频谱分析法对时域序列t(N)进行特征提取,获得4月的特征数据序列作为参考特征数据序列X0。
图3是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的1/3倍频程特征提取的流程图。
1/3倍频程频谱分析法进行特征提取的过程如图3所示,包括以下步骤:
a(S-1-2a).基于快速傅立叶变换(FFT)计算t(N)的频域功率谱
对t(N)进行“基-2时间抽取”,得到“按时间抽取”子序列t1(r)和t2(r)。
t1(r)=t(2r),r=0,1,2,...,N/2-1(1)
t2(r)=t(2r+1),r=0,1,2,...,N/2-1(2)
按照式(3),分别对子序列t1(r)和t2(r)进行离散傅里叶变换(DFT),得到加速度信号t(N)的频域序列T(k)。
式中,因此频域序列T(k)可表示为式(4):
式中,T1(k)为t1(r)的N/2点进行离散傅里叶变换(DFT)后得到的频域序列,T2(k)为t2(r)的N/2点进行离散傅里叶变换(DFT)后得到的频域序列。
根据T1(k)和T2(k)的周期性(N/2)和的对称性得到快速傅里叶变换(FFT)的频谱序列如式(5)所示:
根据式(5),计算得到时域序列t(N)=(t1,t2,…,tN)的FFT频域功率谱。
b(S-1-2b).确定1/3倍频程频谱分析法的中心频率fc
在本实施例中,利用1/3倍频程对时域序列t(N)进行特征提取时,所取的频率范围是20Hz~10kHz,共划分为28个频带。
根据公式fc=1000×103n/30Hz(n=0,±1,±2,...),计算得到每一个频带的中心频率fc,选取fc的近似值,即所选取的中心频率fc依次为:20Hz,25Hz,31.5Hz,40Hz,50Hz,63Hz,80Hz,100Hz,125Hz,160Hz,200Hz,250Hz,315Hz,400Hz,500Hz,630Hz,800Hz,1000Hz,1350Hz,1600Hz,2000Hz,2500Hz,3150Hz,4000Hz,5000Hz,6300Hz,8000Hz,10000Hz。
c(S-1-2c).计算每一个频带的上、下限频率
1/3倍频程的中心频率fc所处的频带介于上限频率fu和下限频率fd之间。上限频率fu、下限频率fd以及中心频率fc之间的关系如式(6)所示:
根据公式(6),分别计算得到每个频带的中心频率所对应的上限频率fu和下限频率fd。
d(S-1-2d).特征数据序列的计算
根据S-1-2a中得到的FFT频域功率谱,则S-1-2b中所划分的28个频带中,第n(n=1,2,…28)个频带的功率谱Sx,n的计算如式(7)所示:
式中,fd,n、fu,n分别为第n个频带的频率下限和频率上限,fi为第n个频带内的离散频率,Sx,n(fi)为第n个频带内各离散频率的功率谱幅值。
频带功率谱的平方根为该频带的幅值An,即
1/3倍频程功率谱中28个恒定带宽比的频带所对应的幅值An(n=1,2,3,…,28)构成该磨床加速度信号的特征数据序列,即参考特征数据序列X0=(A1,A2,A3,…,A28)。
图4是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中数控外圆磨床在4月份砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号的1/3倍频程频谱图。
在本实施例中,4月份该磨床的工件主轴X方向加速度信号的特征数据序列,即参考特征数据序列X0如表1所示,记为X0=(x0(1),x0(2),…x0(28))。
表1磨床工件主轴X方向的参考特征数据序列X0
步骤二:对比特征数据序列Xi的获得
按照上述步骤一的方法,在工件主轴转速为90r/min的条件下,分别测试并计算得到相同条件下4月份工件主轴X方向的另一段加速度信号的特征数据序列以及6月、8月、9月的工件主轴X方向加速度信号的特征数据序列,作为对比数据序列Xi(i=4,6,8,9),且X4=(x4(1),x4(2),…x4(28))、X6=(x6(1),x6(2),…x6(28))、X8=(x8(1),x8(2),…x8(28))、以及X9=(x9(1),x9(2),…x9(28)。
图5是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中数控外圆磨床在砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号4、6、8、9月份特征数据序列的对比图。
步骤三:计算每个对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度
根据步骤一和步骤二得到的参考特征数据序列X0以及4月、6月、8月、9月的对比特征数据序列X4、X6、X8和X9,分别计算4月、6月、8月、9月的对比特征数据序列与4月份的参考特征数据参数序列的闵可夫斯基贴近度,具体包括以下步骤:
1.计算Xi(i=4,6,8,9)对X0的模糊隶属度
分别对X0和Xi(i=4,6,8,9)进行数据序列的初始化,得到如式(8)所示初始化数据序列Yi(i=0,4,6,8,9):
Yi=(xi(1)-xi(1),xi(2)-xi(1),…,xi(n)-xi(1))
(8)
=(yi(1),yi(2),…,yi(n)),i=0,4,6,8,9,n=1,2,3,…,28
分别将每一个初始化数据序列Yi(i=0,4,6,8,9)代入式(9),计算得到该初始化数据序列的绝对差:
△ij=|yi(j)-y0(j)|,i=4,6,8,9,j=1,2,…,28(9)
则对比特征数据序列Xi(i=4,6,8,9)对参考特征数据序列X0的隶属度uij如式(10)所示:
2.计算Xi(i=4,6,8,9)与X0之间的闵可夫斯基贴近度
根据式(11),计算每个对比特征数据序列Xi(i=4,6,8,9)与参考特征数据序列X0之间的闵可夫斯基贴近度Ni(i=4,6,8,9):
Ni=Ni(Xi,X0)=1-di(Xi,X0)(11)
式中,di(Xi,X0)为闵可夫斯基距离,p为常数,此处取p=2。
依据公式(11),分别计算得到4月、6月、8月和9月份的对比特征数据序列与参考特征数据序列X0的闵可夫斯基贴近度Ni,在本实施例中,4月、6月、8月和9月的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度依次为N4=0.9129,N6=0.8409,N8=0.8235,N9=0.5860。
步骤五:基于闵可夫斯基贴近度对该磨床动态特性的衰变进行评估
Ni越大,则第Ki时该磨床的动态特性与初始时间的动态特性越接近,机床动态特性的衰变程度越小;Ni越小,则第Ki时该磨床的动态特性与初始时间的动态特性相差越大,机床动态特性的衰变程度越大。
根据N4为0.9129,接近于1,说明此时该磨床的动态特性与初始时间的动态特性较为接近,与实际情况相符,验证了本实施例所提供的方法较为可靠,根据N6为0.8409,N8为0.8235,N9为0.5860,说明随着使用时间的加长,磨床零部件出现磨损、润滑或操作不当,动态特性逐渐衰变,尤其在8月份到9月份之间,衰变最为明显。
参照上述步骤一至步骤五的操作,设定砂轮的转速为2100r/min,当工件主轴的转速分别为45r/min、67.5r/min、112.5r/min、135r/min时,分别计算每一个工件主轴转速下,4月、6月、8月和9月份工件主轴X方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度Ni(i=4,6,8,9),结果如表2所示:
表2磨床工件主轴X方向的闵可夫斯基贴近度
按照上述步骤一至步骤五的操作,设定砂轮的转速为2100r/min,当工件主轴的转速分别为45r/min、67.5r/min、90r/min、112.5r/min、135r/min时,分别计算每一个工件主轴转速下,4月、6月、8月和9月份工件主轴Y方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度Ni(i=4,6,8,9),结果如表3所示;分别计算每一个主轴转速下4月、6月、8月和9月份工件主轴Z方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度Ni(i=4,6,8,9),结果如表4所示
表3磨床工件主轴Y方向的闵可夫斯基贴近度
表4磨床工件主轴Z方向的闵可夫斯基贴近度
参照上述步骤一至步骤五的操作,选取砂轮主轴为特征点,设定砂轮的转速为2100r/min,当工件主轴的转速分别为45r/min、67.5r/min、90r/min、112.5r/min、135r/min时,分别计算每一个工件主轴转速下4月、6月、8月和9月份砂轮主轴Z方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度Ni(i=4,6,8,9),结果如表5所示:
表5磨床砂轮主轴振动信号特征序列闵可夫斯基贴近度
由表2-表5中的数据可以看出,对于本实施例中的数控磨床,不论是工件主轴特征点还是砂轮主轴特征点,其某个方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度的变化,均能表征数控磨床动态特性的衰变程度,验证了本发明方法的正确性和有效性。
实施例的作用与效果
根据本实施例所提供的数控机床动态特性衰变的评估方法,由于根据闵可夫斯基贴近度Ni的数值大小对数控机床动态特性的衰变进行评估,根据评估结果,即可得到数控机床的动态特性衰变情况,与传统方法相比,本实施例通过Ni直观定量的显示了机床数控机床的动态特性衰变程度,是一种简单易行而又准确可靠的评估方法,适合于在工厂车间内推广应用。
当然本发明所涉及的数控机床动态特性衰变的评估方法并不仅仅限定于上述实施例中的方法。以上内容仅为本发明构思下的基本说明,而依据本发明的技术方案所作的任何等效变换,均应属于本发明的保护范围。
另外,在上述实施例中,利用1/3倍频程对时域序列t(N)进行特征提取时,所取的频率范围是20Hz~10kHz,共划分为28个频带,本发明所涉及的数控机床动态特性衰变的评估方法所取的频率范围还可以是20Hz~20kHz,且还可以划分为30个频带,优选划分为30个频带。
另外,上述实施例中选择磨床的工件主轴和砂轮主轴为特征点,本发明所涉及的数控机床动态特性衰变的评估方法还可以选择其它的特征点进行评估,如工作台振动特征点和工件夹具振动特征点。
另外,上述实施例中选择外圆磨床进行动态特性衰变的评估,本发明所涉及的数控机床动态特性衰变的评估方法可以对其它任何数控机床的动态特性衰变进行评估,如数控车床、数控钻床、数控铣床、数控刨床、数控镗床及加工中心等。
Claims (7)
1.一种数控机床动态特性衰变的评估方法,其特征在于,包括以下四个步骤:
步骤一:获得所述数控机床的一定特征点在初始时间K0时的特征数据序列作为参考特征数据序列X0;
步骤二:获得所述一定特征点在待测时间Ki的特征数据序列作为对比特征数据序列Xi;
步骤三:根据所述X0和所述Xi,计算得到二者的闵可夫斯基贴近度Ni;以及
步骤四:基于所述Ni的数值进行评估,数值越大,则Ki时所述数控机床的动态特性与K0时的动态特性越接近,所述数控机床的动态特性的衰变程度越小,数值越小,则Ki时所述数控机床的动态特性与K0时的动态特性相差越大,所述数控机床动态特性的衰变程度越大。
2.根据权利要求1所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述一定特征点为主轴振动特征点、工作台振动特征点和工件夹具振动特征点中的任意一个或多个。
3.根据权利要求1所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述步骤一和所述步骤二中的所述特征数据序列的获得方法均为:使所述数控机床在特定参数下运行,采集所述一定特征点的加速度信号;对所述加速度信号采用1/3倍频程频谱分析法进行特征提取,获得所述特征数据序列。
4.根据权利要求3所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述1/3倍频程频谱分析法包括以下四个步骤:
a、采用基-2算法的FFT变换将所述加速度信号转换至频域,得到离散频域功率谱,该离散频域功率谱包括离散频率及功率谱幅值;
b、利用1/3倍频程频谱分析法对所述加速度信号进行频谱分析,将所述加速度信号的频谱划分为n个频带,分别计算得到每一个频带的中心频率fc;
c.根据公式分别计算得到每一个频带的中心频率fc所对应的上限频率fu和下限频率fd;
d.根据所述频域功率谱,分别将每一个频带内的离散频率及对应的功率谱幅值、该频带的上限频率、和该频带的下限频率代入公式得到该频带的功率谱Sx,n,式中,fd,n、fu,n分别为该频带的下限频率和上限频率,fi为该频带的离散频率,Sx,n(fi)为该频带的各离散频率的功率谱幅值,
根据公式分别计算得到每一个频带的振动幅值An,所有频带的振动幅值构成所述特征数据序列。
5.根据权利要求4所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述频谱分析中,所取的频率范围是20Hz~10kHz,共划分为28个频带。
6.根据权利要求4所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述频谱分析中,所取的频率范围是20Hz~20kHz,共划分为30个频带。
7.根据权利要求1所述的数控机床动态特性衰变的评估方法,其特征在于:
其中,所述闵可夫斯基贴近度Ni的计算方法包括以下两步:
步骤一:计算所述Xi对所述X0的模糊隶属度;
步骤二:根据所述模糊隶属度,计算得到闵可夫斯基距离di(Xi,X0),
根据公式Ni=Ni(Xi,X0)=1-di(Xi,X0),计算得到所述Xi与所述X0之间的闵可夫斯基贴近度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077383.2A CN103802022B (zh) | 2014-03-04 | 2014-03-04 | 数控机床动态特性衰变的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077383.2A CN103802022B (zh) | 2014-03-04 | 2014-03-04 | 数控机床动态特性衰变的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103802022A CN103802022A (zh) | 2014-05-21 |
CN103802022B true CN103802022B (zh) | 2016-02-03 |
Family
ID=50699660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410077383.2A Expired - Fee Related CN103802022B (zh) | 2014-03-04 | 2014-03-04 | 数控机床动态特性衰变的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103802022B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112781820B (zh) * | 2020-12-29 | 2022-01-11 | 浙江大学 | 一种滚刀性能退化趋势评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794138A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 数控机床动态特性测试分析系统 |
CN101832881A (zh) * | 2010-05-14 | 2010-09-15 | 华中科技大学 | 一种机床固定结合部动态特性的检测方法 |
CN102063548A (zh) * | 2011-01-07 | 2011-05-18 | 西安交通大学 | 一种机床整机动态性能优化设计方法 |
CN103217267A (zh) * | 2013-03-27 | 2013-07-24 | 南京理工大学 | 滚滑复合导轨结合部动态特性参数测试装置及其测试方法 |
EP2682228A1 (en) * | 2012-07-06 | 2014-01-08 | Jtekt Corporation | Dynamic characteristic calculation apparatus and its method for machine tool |
-
2014
- 2014-03-04 CN CN201410077383.2A patent/CN103802022B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794138A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 数控机床动态特性测试分析系统 |
CN101832881A (zh) * | 2010-05-14 | 2010-09-15 | 华中科技大学 | 一种机床固定结合部动态特性的检测方法 |
CN102063548A (zh) * | 2011-01-07 | 2011-05-18 | 西安交通大学 | 一种机床整机动态性能优化设计方法 |
EP2682228A1 (en) * | 2012-07-06 | 2014-01-08 | Jtekt Corporation | Dynamic characteristic calculation apparatus and its method for machine tool |
CN103217267A (zh) * | 2013-03-27 | 2013-07-24 | 南京理工大学 | 滚滑复合导轨结合部动态特性参数测试装置及其测试方法 |
Non-Patent Citations (1)
Title |
---|
机床动态验收试验;杨绪光等;《中国机械工程》;19840830(第04期);19-23 * |
Also Published As
Publication number | Publication date |
---|---|
CN103802022A (zh) | 2014-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109506921B (zh) | 一种旋转机械故障诊断与预警方法 | |
Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
TWI472402B (zh) | Tool flutter monitoring method | |
Liu et al. | Early chatter detection in gear grinding process using servo feed motor current | |
De Castelbajac et al. | Monitoring of distributed defects on HSM spindle bearings | |
Ibarra-Zarate et al. | Bearing fault diagnosis in rotating machinery based on cepstrum pre-whitening of vibration and acoustic emission | |
CN102825506A (zh) | 振动辨别方法以及振动辨别装置 | |
Chen et al. | Chatter detection in milling processes using frequency-domain Rényi entropy | |
Kulkarni et al. | Investigations on mother wavelet selection for health assessment of lathe bearings | |
CN105033763A (zh) | 一种数控机床滚珠丝杠磨损状态的预测方法 | |
Zuber et al. | Gearbox faults feature selection and severity classification using machine learning | |
US7153183B2 (en) | Method and apparatus for lapping gears | |
CN103802022B (zh) | 数控机床动态特性衰变的评估方法 | |
Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds | |
GB2480665A (en) | Method of Machining using Vibration Prediction | |
CN109940456A (zh) | 机床主轴性能检测方法与系统 | |
Klocke et al. | New concepts of force measurement systems for specific machining processes in aeronautic industry | |
Klocke et al. | New concepts of force measurement systems for specific machining processes in aeronautic industry | |
CN109531270B (zh) | 基于内置传感器的数控机床进给系统的模态测试方法 | |
Ogedengbe et al. | Feasibility of tool condition monitoring on micro-milling using current signals | |
KR101865081B1 (ko) | 가공 정밀도 향상을 위한 공작 기계의 채터 검출방법 | |
CN102095564B (zh) | 汽轮发电机组波动型碰摩故障实时辨识方法 | |
Lamraoui | Spindle bearing fault detection in high-speed milling machines in non-stationary conditions | |
Bisu et al. | Experimental approach on torsor dynamic analysis for milling process monitoring and diagnosis | |
Koike et al. | Evaluation of sensor-less identification method for stable spindle rotation against chatter with milling simulation analysis |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160203 Termination date: 20190304 |