CN105033763A - 一种数控机床滚珠丝杠磨损状态的预测方法 - Google Patents

Abstract

本发明公开了一种数控机床滚珠丝杠磨损状态的预测方法，其包括如下步骤：采集数控机床进给轴电机的三相电流信号，并进行预处理，然后计算三相电流的均方根值I_RMS；对均方根值I_RMS进行频域分析，获得进给轴的滚珠丝杠磨损前后的电流信号频域能量分布，根据滚珠丝杠磨损前后电流信号频域能量分布的对比，获取电流信号突变时所对应的频率；根据获取的频率选择小波包分解层数，对均方根值I_RMS进行小波包分解，获得多个小波包分量，对敏感段小波包分量重构后的信号求其方差特征值，以该方差特征值实现数控机床滚珠丝杠磨损状态的预测。本发明具有预测速度快、成本低、准确率高的优点，可实现滚珠丝杠磨损状态的快速评价。

Description

一种数控机床滚珠丝杠磨损状态的预测方法

技术领域

本发明属于滚珠丝杠磨损状态预测领域，更具体地，涉及一种数控机床滚珠丝杠磨损状态的预测方法。

背景技术

滚珠丝杠的设计寿命为1-1.5万小时，随着数控机床加工朝着高速、高加速、高精、重载发展，往往达不到设计寿命滚珠丝杠就出现了损坏。滚珠丝杠最容易出现的损坏形式是磨损，对机床进给系统滚珠丝杠磨损状态进行预测，以对滚珠丝杠出现磨损状态得到一个相对量化的指标，可及时采取措施，保证工件加工品质，降低废品率，提高加工效率。

目前机床设备磨损监测方法主要分为直接监测法和间接监测法。直接监测法是对其磨损量进行直接测量，直接监测法虽然能比较准确的测量出磨损部件的磨损量，但是其测量不便，有些部件如滚珠丝杠、轴承、导轨，没有专门测量磨损的仪器，不易获得准确的磨损量。间接监测法是通过获取机床信号，通过对信号进行分析来实现机床部件的磨损状态监测，监测信号通过不同的传感器获取，传感器可以获得比较丰富的传感信号，如神户大学的RyutaSATO利用电机电流信号辅助速度、位置等信号建立了滚珠丝杠副的磨损测量方法，通过与实测的反向间隙对比，验证了此方法的有效性，但是作者认为反向间隙即为滚珠丝杠的磨损量；又如2013年西南交通大学的黄海凤，通过采集与滚珠丝杠相连的电机的电流信号、振动信号，来对滚珠丝杠的性能退化进行监测，但是其主要是通过构建电流信号、振动信号与摩擦系数的变化构建出丝杠磨损的监测方法。

然而，进一步的研究，上述现有技术仍然存在以下的缺陷或不足：虽然上述方法存在一定的可行性，但是其在工程应用中很不方便，测试成本较高；虽然电流信号的获取相对简单，但上述方法中没有提到，一则没有涉及到机床加工状态下的快速辨识，二则没有从机床电流信号结合机床激起能量的变化趋势预测丝杠磨损状态。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种数控机床滚珠丝杠磨损状态的预测方法，其通过获取机床进给轴电机电流信号，预处理后经过小波包分解，提取对应频段方差特征值，实现对滚珠丝杠磨损状态的预测，其采用电流信号作为监测信号，具有信号获取容易，传感器成本低，安装方便等特点，同时小波包分解能将信号分解到不同的频段，从滚珠丝杠磨损前后变化频率所在的频段中提取的特征值更加稳定，可有效反应滚珠丝杠磨损状态，具有计算速度快等优点，因而尤其适用于数控机床滚珠丝杠磨损状态的在线预测。

为实现上述目的，本发明提出了一种数控机床滚珠丝杠磨损状态的预测方法，其特征在于，包括如下步骤：

(1)采集待测的数控机床进给轴电机的三相电流信号，对所述三相电流信号进行预处理，然后计算获得三相电流的均方根值I_RMS；

(2)对所述均方根值I_RMS进行频域分析，获得所述进给轴的滚珠丝杠磨损前后的电流信号频域能量分布，根据所述滚珠丝杠磨损后的电流信号频域能量分布与其磨损前的电流信号频域能量分布的对比，获取电流信号突变时所对应的频率；

(3)根据步骤(2)中获取的频率选择小波包分解层数，然后根据该小波包分解层数对所述均方根值I_RMS进行小波包分解，将所述均方根值I_RMS的时域信号分解到不同的频段，由此获得多个小波包分量，对包含所述频率的小波包分量进行信号重构，获取该信号重构后的小波包分量的方差特征值，以该方差特征值实现数控机床滚珠丝杠磨损状态的预测。

作为进一步优选的，所述预处理为对所述三相电流信号进行低通滤波，以滤除噪声，提高信噪比。

作为进一步优选的，所述三相电流的均方根值其中i_u、i_v、i_w为电机的三相交流电流。

作为进一步优选的，所述小波包分解层数优选为5层。

作为进一步优选的，随着所述滚珠丝杠磨损的逐步加大，获取的方差特征值逐步增大，当所述滚珠丝杠完全达到寿命的终点时，所述方差特征值为0.2。

作为进一步优选的，当更换新的滚珠丝杠后，所述方差特征值会明显减小，趋近于0。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：本发明采用电流信号作为监测信号，具有信号获取容易，抗干扰能力强，传感器成本低，安装方便等特点，在工程实践中具有很好的普适性，因此在实际应用中有很大优势；本发明采用小波包分解可以将信号分解到不同的频段，更有利于提取出与滚珠丝杠磨损状态相关的信息；本发明从滚珠丝杠磨损前后变化频率所在的频段中提取特征值，且特征值基于包含频率的小波包分量重构后的信号求其方差特征值，可以有效反映滚珠丝杠磨损的磨损状态，具有计算速度快，识别准确率高，预测更加稳定的优点。

附图说明

图1是本发明实施例提供的预测方法流程示意图；

图2是本发明电流信号监测系统示意图；

图3是本发明采集到的加工过程的电流信号频谱图；

图4(a)和图4(b)分别是本发明滚珠丝杠磨损前后电流信号频域能量分布对比图；

图5是本发明小波包分解示意图；

图6是本发明电流信号特征值提取过程示意图；

图7是本发明提取的电流信号特征值；

图8是不同机床提取的方差特征值。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提供的滚珠丝杠磨损状态预测方法，通过获取机床进给轴电机的电流信号，预处理后经过小波包分解与特征值提取过程，建立滚珠丝杠磨损状态辨识模型，通过长时间的监测，达到通过电流信号预测滚珠丝杠磨损状态的目的。

本发明的对象针对在美国MAG公司生产的XS211卧式加工中心，选取其生产缸盖中的某个加工工序进行分析，对其X轴丝杠的磨损状态进行辨识，本发明进行了长时间的加工过程中的电流信号获取，对滚珠丝杠磨损状态进行预测。如图1所示，本发明实施例具体包括以下步骤：

(1)采集待测的数控机床进给轴电机的三相电流信号，对所述三相电流信号进行预处理，然后计算获得三相电流的均方根值I_RMS。

具体的，如图2所示，利用霍尔传感器采集数控机床进给轴电机的三相电流，并对电流信号进行低通滤波，滤除噪声，提高信噪比。电机输出的电流分别为电机三相交流电流i_u、i_v、i_w，I_RMS为三相电流的均方根值其电流信号中含有机床进给系统丝杠的传动工作状态，采集到的电流信号I_RMS值如图3所示。

(2)对加工过程中的电流信号均方根值I_RMS进行快速傅里叶变换，分析其频域能量分布情况，获得滚珠丝杠不同状态下的频谱，对比滚珠丝杠磨损前后电流信号频域能量分布变化，根据所述滚珠丝杠磨损后的电流信号频域能量分布与其磨损前的电流信号频域能量分布的对比，选取出其频率能量改变比较大的频率(即电流信号突变时所对应的频率)作为小波包分解层数选择的依据，通过对滚珠丝杠磨损前后的电流信号进行频域分析可以反映出由于滚珠丝杠磨损造成的频域能量分布变化最敏感的频率成分。

具体的，如图4所示，图4中的两种信号分别是丝杠在寿命终点与新丝杠两种条件下采集的信号的频谱分析，通过对比可以发现其在32.23hz时电流信号变化最为敏感，其频率能量变化相对很大，其在整个过程中表征丝杠的状态比较敏感，由此可以将其作为下步小波包分解层数选取提供依据，在进行小波包分析的时候，其频带包含此频率成分。

(3)根据步骤(2)中频谱分析后，敏感频段的确定对每次获得的电流信号的均方根值进行多层小波包分解，将I_RMS进行小波包理论分解到不同的频段，获得多个小波包分量，根据滚珠丝杠磨损前后频域能量分布差别，从包含敏感频率的小波包分量重构后的信号求其方差特征值，以该方差特征值实现数控机床滚珠丝杠磨损状态的预测。由于滚珠丝杠磨损会造成频域能量发生变化，小波包分解可以将整个频域范围内的电流信号分解到不同的频段，从滚珠丝杠磨损前后变化频率所在的频段提取特征值，可以使表征滚珠丝杠磨损的特征值更加稳定，更能反映滚珠丝杠的磨损状态。

具体的，根据最敏感频率确定分解层数，其中电流信号的采样频率为2000HZ，小波包分解的有效频率为1000HZ，最敏感的频率成分为32.23hz，对小波包进行5层分解，第5层的每个频段为1000/25＝31.25HZ，小波包分量(5,1)包含的频段为31.25hz～62.5hz，正好包含了最敏感的频率成分32.23hz，在对电流信号进行分析时，小波包分解层数越多，越能定位有用频率，但是分解层数过多会造成频率混叠，经过实际分析直接选择小波包5层分解即可，小波包的分解示意图如图5所示，根据图5可知，初始层为(0,0)，第一层为(1,0)、(1,1)，第二层为(2,0)、(2,1)、(2,2)、(2,3)，第三层为(3,0)、(3,1)、(3,2)、(3,3)、(3,4)、(3,5)、(3,6)、(3,7)，第四层共有16个小波包分量，为(4,0)、(4,1)、(4,2)、……、(4,13)、(4,14)、(4,15)，第五层共有32个小波包分量，分别为(5,0)、(5,1)、(5,2)、……、(5,29)、(5,30)、(5,31)。

然后对包涵敏感频率的小波包分量(5,1)进行重构，记为yat(2)，求其方差特征值va，va＝var(yat(2))，其中yat(2)代表小波包分量(5,1)重构后的信号，var代表求解方差的函数。本实施例选取每一个加工工件的铣面过程中的电流信号小波包分析后敏感频段的相对能量做为分析样本，对其进行方差分析，经过不断的连续不断的信号采集，提取特征值的过程如图6所示，提取的电流信号方差特征值如7所示，图7中a点表示特征值线性趋势，b点为换掉旧丝杠时电流信号方差特征值，c点为换上新丝杠时电流信号方差特征值。

最后将提取的方差特征值做为评价丝杠状态的评价指标，实现滚珠丝杠磨损状态的预测，其评价依据如下：随着丝杠的磨损劣化越来越严重，提取的方差特征值呈现增大的趋势，随着丝杠磨损的逐步加大，其获取的方差特征值逐步增大，当丝杠完全达到寿命的终点时，方差特征值达到0.2，同时在更换新的丝杠后，其特征值会明显的减小，趋近于0，因此可采用电流信号小波包分量重构后的信号求其方差特征值做为评价丝杠状态的评价指标，针对丝杠的工作状态通过定时获取其电流信号，对其进行方差特征值的提取，则可以快速判别其丝杠的工作状态。如图8所示为不同机床提取其方差特征值，其中a和c为中度磨损时对应的方差特征值，b为严重磨损时对应的方差特征值，d为轻度磨损时对应的方差特征值，以方差特征值表征出丝杠的不同磨损状态，可以将此完整丝杠的方差特征值做为同类型丝杠的工作状态进行评估，一则是对丝杠的实时状态作出精确的评估，同时可以通过样本特征值的比较预测出丝杠的有效工作时间。

综上，本发明通过获取机床进给轴电机电流信号，预处理后经过小波包分解与对应频段方差特征值提取，实现对滚珠丝杠磨损状态的预测，达到通过电流信号预测滚珠丝杠磨损状态的目的，具有预测速度快、成本低、准确率高的优点，可实现滚珠丝杠磨损状态的在线快速评价。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种数控机床滚珠丝杠磨损状态的预测方法，其特征在于，包括如下步骤：

(1)采集待测的数控机床进给轴电机的三相电流信号，对所述三相电流信号进行预处理，然后计算获得三相电流的均方根值I_RMS；

(2)对所述均方根值I_RMS进行频域分析，获得所述进给轴的滚珠丝杠磨损前后的电流信号频域能量分布，根据所述滚珠丝杠磨损后的电流信号频域能量分布与其磨损前的电流信号频域能量分布的对比，获取电流信号突变时所对应的频率；

(3)根据步骤(2)中获取的频率选择小波包分解层数，然后根据该小波包分解层数对所述均方根值I_RMS进行小波包分解，将所述均方根值I_RMS的时域信号分解到不同的频段，由此获得多个小波包分量，对包含所述频率的小波包分量进行信号重构，获取该信号重构后的小波包分量的方差特征值，以该方差特征值实现数控机床滚珠丝杠磨损状态的预测。

2.如权利要求1所述的数控机床滚珠丝杠磨损状态的预测方法，其特征在于，所述预处理为对所述三相电流信号进行低通滤波，以滤除噪声，提高信噪比。

3.如权利要求1或2所述的数控机床滚珠丝杠磨损状态的预测方法，其特征在于，所述三相电流的均方根值其中i_u、i_v、i_w为电机的三相交流电流。

4.如权利要求3所述的数控机床滚珠丝杠磨损状态的预测方法，其特征在于，所述小波包分解层数优选为5层。

5.如权利要求4所述的数控机床滚珠丝杠磨损状态的预测方法，其特征在于，随着所述滚珠丝杠磨损的逐步加大，获取的方差特征值逐步增大，当所述滚珠丝杠完全达到寿命的终点时，所述方差特征值为0.2。

6.如权利要求5所述的数控机床滚珠丝杠磨损状态的预测方法，其特征在于，当更换新的滚珠丝杠后，所述方差特征值会明显减小，趋近于0。