CN108536095A - 一种丝杠磨损量实时预测方法 - Google Patents
一种丝杠磨损量实时预测方法 Download PDFInfo
- Publication number
- CN108536095A CN108536095A CN201810374621.4A CN201810374621A CN108536095A CN 108536095 A CN108536095 A CN 108536095A CN 201810374621 A CN201810374621 A CN 201810374621A CN 108536095 A CN108536095 A CN 108536095A
- Authority
- CN
- China
- Prior art keywords
- leading screw
- work
- subinterval
- wear extent
- real
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
Abstract
本发明公开了一种丝杠磨损量实时预测方法,其包括如下步骤:实时采集丝杠工作时的传感器信号,并进行信号预处理;通过预处理后的信号数据判断丝杠工况状态,根据丝杠工况的不同将丝杠工作过程划分为工作子区间;对每个工作子区间对丝杠产生的磨损量进行累加,得到丝杠累积磨损量,实现对丝杠磨损量的实时预测。本发明具有预测速度快、准确率高的优点,同时不需要额外的搭建实验平台,不需要拆装丝杠,不影响丝杠的正常工作,可实现丝杠磨损量的实时预测。
Description
技术领域
本发明属于丝杠磨损量预测的技术领域,更具体地,涉及一种丝杠磨损量实时预测方法。
背景技术
丝杠的设计寿命一般为1-1.5万小时,随着数控机床加工朝着高速、高精和重载的方向发展,数控机床丝杠往往不能达到设计寿命便出现损坏。丝杠最常见的损坏形式是丝杠磨损,对数控机床丝杠磨损量进行实时预测,可在丝杠损坏发生前及时采取措施,保证加工的质量和精度,提高良品率和生产效率,并节省生产成本。
目前,丝杠磨损量检测和预测技术领域已经发展了一些方法与技术,但均存在一定的局限性。
如公告号为CN201510164393,名称为“一种滚珠丝杠副磨损测量试验台”,该专利通过丝杠轴带动滑板做精确速度的直线运动,实现测量滚珠丝杠在恒定轴向预紧力作用下的丝杠磨损量。但该方法需要搭建试验台,将丝杠放上试验台测量,使用成本高,不利于推广使用。
公告号为CN201510559313,名称为“一种数控机床滚珠丝杠磨损状态的预测方法”,该专利通过采集数控机床进给轴电机的三项电流信号,进行预处理后提取特征值实现数控机床滚珠丝杠磨损状态的预测。但该方法直接通过电流特征预测丝杠磨损状态,却未考虑丝杠转速、负载等因素对电流的影响,预测存在一定的误差,且未能量化丝杠磨损值。
因此,针对现有技术的局限性,本领域的技术人员致力于开发一种适合生产现场应用的丝杠磨损量实时预测方法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种丝杠磨损量实时预测方法,其通过获取丝杠工作时的传感器信号,对丝杠工作期间产生的磨损量进行累加计算,实现对丝杠磨损量的实时预测。
为实现上述目的,按照本发明的一个方面,提供了一种丝杠磨损量实时预测方法,其特征在于,包括下列步骤:
(a)实时采集丝杠工作时的传感器信号,作为丝杠磨损量预测模型的输入;
(b)对步骤(a)所述传感器信号进行预处理,除去噪声和干扰;
(c)依据步骤(b)预处理后的传感器信号,判断丝杠工作过程的工况,将工况不同的工作过程划分成不同的工作子区间Si,工作子区间Si内的工况相同。
(d)累加步骤(c)中每个工作子区间Si对丝杠产生的磨损量wi,累加公式为:
其中,Wm为丝杠当前磨损量,m为工作子区间总个数,wi为丝杠在第i个工作子区间si工作时产生的磨损量,ti为丝杠在第i个工作子区间si的工作时间长度,Δki为丝杠在第i个工作子区间si的工况下的磨损速率。
作为进一步优选的,步骤(a)所述传感器信号为丝杠转速和丝杠驱动电机负载电流。
作为进一步优选的,步骤(b)所述预处理为对传感器信号进行低通滤波,以滤除噪声,提高信噪比。
作为进一步优选的,步骤(c)所述的判断丝杠工作过程的工况,通过丝杠工作时的转速和丝杠驱动电机负载电流来判断丝杠所处的工况,当转速和负载电流在规定偏差范围内可看作为同一工况条件。
作为进一步优选的,步骤(d)所述的工作子区间总个数m从丝杠第一次工作时开始递增累加。
作为进一步优选的,步骤(d)所述的特定工况下的丝杠磨损速率Δki是丝杠在该工况条件下工作单位时间平均磨损量,可通过实验测试得到或由经验公式求得。
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,能够取得下列有益效果:
1、本发明通过实时采集丝杠工作时传感器信号实现丝杠磨损量实时预测,与现有技术相比较,不需要额外的搭建实验平台,不需要拆装丝杠,可以在丝杠正常工作的条件下实现,不影响丝杠的正常工作;
2、本发明通过丝杠工作时的传感器信号判断丝杠所处的工况,对不同工况下丝杠产生的磨损分开计算,相比于现有技术和方法,考虑了不同工况对丝杠磨损的影响,更符合丝杠实际工作条件,丝杠磨损量预测结果更准确。
3、通过本发明实现对丝杠磨损量的实时预测,可在丝杠磨损量高于规定阈值时提供报警,提示维修人员及时处理,降低丝杠故障发生率,提高丝杠的可靠性水平,进而提高设备整机的可靠性水平。
附图说明
图1是按照本发明的优选实施例所构建的丝杠磨损量实时预测方法的流程图;
图2是按照本发明的优选实施例所构建的丝杠在不同工况下加工的磨损量曲线图;
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。
图1是按照本发明的优选实施例所构建的性能评估方法的流程图,如图1所示,本实例选取对象为宝鸡机床厂VMC850L加工中心的X轴丝杠,X轴行程800mm,丝杠类型为滚珠丝杠,丝杠驱动电机类型为伺服电机,数控系统为华中数控HNC-818B。本发明实施包括以下步骤:
步骤(a):实时采集丝杠工作时的传感器信号,作为丝杠磨损量预测模型的输入。考虑到实际生产加工的要求,采集传感器信号既不能影响数控机床动态性能,也不能影响生产加工过程。对于数控机床来说,可以直接通过网络协议从数控系统内读取这些信号,无须额外安装外部传感器;也可以直接将丝杠磨损量预测模型植入数控系统内部,作为数控系统一个功能子模块运行。
本实例不用额外安装传感器,直接将丝杠磨损量预测模型植入数控系统内部,通过数控系统内部获取所需的信号数据。从数控系统内获取的信号数据包括X轴转速、X轴电机功率。
步骤(b):采集到的信号是连续时序信号,需要进行预处理。本实例对信号进行低通滤波,滤除噪声,提高信噪比。
步骤(c):依据步骤(b)预处理后的传感器信号,判断丝杠工作过程的工况,将工况不同的工作过程划分成不同的工作子区间si,工作子区间si内的工况相同。
具体的,本实例将X轴转速、X轴电机功率数据作为划分X轴丝杠工况的指标。当X轴转速n和X轴电机功率p均在规定偏差范围内,即(n,p)∈(ni±Δn,pj±Δp)时,可视为同一工况,记为工况本实例中取Δn=100r/min,Δp=0.1kw。判断丝杠工作过程的工况后,依照丝杠的工况是否相同将丝杠整个工作过程划分成不同的工作子区间Si,每个工作子区间Si内丝杠所处的工况为同一工况条件。
步骤(d):累加步骤(c)中每个工作子区间Si对丝杠产生的磨损量wi,累加公式为:
其中,Wm为丝杠当前磨损量,m为工作子区间总个数,wi为丝杠在第i个工作子区间Si工作时产生的磨损量,ti为丝杠在第i个工作子区间Si的工作时间长度,Δki为丝杠在第i个工作子区间Si的工况下的磨损速率。
本实例中,由于传感器信号是固定采样频率f0采集的连续时序信号,故工作子区间Si的工作时间长度ti可由信号采样数据点个数求得,计算公式为:
其中,Ni为工作子区间Si内的采样信号数据点的个数,f0为信号的固定采样频率。
丝杠在工作子区间Si的工况下的磨损速率Δki可通过实验测试得到或由经验公式求得,本实例通过实验测得同型号丝杠在不同工况下的丝杠磨损量曲线,如图2所示。由图2可知,同一工况的丝杠磨损量曲线由三段直线构成,分别代表丝杠磨损的三个阶段:。丝杠磨损量曲线的直线斜率为对应丝杠磨损阶段的平均磨损速率。由此可得丝杠在工作子区间Si的工况下的磨损速率Δki的计算公式:
其中,k1、k2、k3依次为工作子区间Si的工况下丝杠磨损量曲线的三段直线的斜率,依次为工作子区间Si的工况下丝杠磨损量曲线的三段直线间的两个交点处的磨损量值,Wi-1为丝杠在工作子区间Si加工前已产生的累积磨损量,可递归求得。
已知工作子区间Si内工况的X轴转速n和X轴电机功率p,可由图2查得丝杠在工作子区间Si的工况下对应的丝杠磨损曲线,从而求得丝杠在工作子区间Si工作时新增的磨损量wi,最终累积计算出丝杠当前磨损量Wm。
综上,本发明通过实时采集丝杠工作时的传感器信号,预处理后通过信号数据判断丝杠工况状态,根据丝杠工况的不同将丝杠工作过程划分为工作子区间,对每个工作子区间对丝杠产生的磨损量进行累加,得到丝杠累积磨损量,实现对丝杠磨损量的实时预测。具有不需要额外的搭建实验平台,不需要拆装丝杠,不影响丝杠的正常工作等优点。
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)
1.一种丝杠磨损量实时预测方法,其特征在于,包括如下步骤:
(a)实时采集丝杠工作时的传感器信号,作为丝杠磨损量预测模型的输入;
(b)对步骤(a)所述传感器信号进行预处理,除去噪声和干扰;
(c)依据步骤(b)预处理后的传感器信号,判断丝杠工作过程的工况,将工况不同的工作过程划分成不同的工作子区间Si,工作子区间Si内的工况相同;
(d)累加步骤(c)中每个工作子区间Si对丝杠产生的磨损量wi,累加公式为:
其中,Wm为丝杠当前磨损量,m为工作子区间总个数,wi为丝杠在第i个工作子区间Si工作时产生的磨损量,ti为丝杠在第i个工作子区间Si的工作时间长度,Δki为丝杠在第i个工作子区间Si的工况下的磨损速率。
2.如权利要求1所述的丝杠磨损量实时预测方法,其特征在于,所述传感器信号的采集不影响丝杠的动态特性,不影响丝杠的正常使用。
3.如权利要求1所述的丝杠磨损量实时预测方法,其特征在于,所述预处理为对传感器信号进行低通滤波,以滤除噪声,提高信噪比。
4.如权利要求1所述的丝杠磨损量实时预测方法,其特征在于,所述工作子区间Si为丝杠工作时工况条件相同且时间上连续的区间。
5.如权利要求1所述的丝杠磨损量实时预测方法,其特征在于,所述工作子区间Si对丝杠产生的磨损量wi,是通过丝杠在工作子区间Si的工作时间长度ti与丝杠在工作子区间Wi的工况下的磨损速率Δki相乘求得。
6.如权利要求1所述的丝杠磨损量实时预测方法,其特征在于,所述丝杠在工作子区间Wi的工况下的磨损速率Δki是丝杠在该工况条件下工作单位时间的平均磨损量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374621.4A CN108536095B (zh) | 2018-04-24 | 2018-04-24 | 一种丝杠磨损量实时预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374621.4A CN108536095B (zh) | 2018-04-24 | 2018-04-24 | 一种丝杠磨损量实时预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108536095A true CN108536095A (zh) | 2018-09-14 |
CN108536095B CN108536095B (zh) | 2020-01-17 |
Family
ID=63478601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374621.4A Active CN108536095B (zh) | 2018-04-24 | 2018-04-24 | 一种丝杠磨损量实时预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108536095B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109822396A (zh) * | 2019-01-07 | 2019-05-31 | 武汉恒力华振科技有限公司 | 一种使用机械位置坐标监测数控机床丝杠磨损的方法 |
CN111366358A (zh) * | 2020-03-20 | 2020-07-03 | 首钢京唐钢铁联合有限责任公司 | 一种升降丝杠的故障检测装置及方法 |
CN113834677A (zh) * | 2021-09-09 | 2021-12-24 | 广州大学 | 举升装置故障检测系统、故障检测方法、装置及存储介质 |
JP2022501723A (ja) * | 2018-09-21 | 2022-01-06 | キストラー ホールディング アクチエンゲゼルシャフト | 電気機械式接合システムの状態を分析するための方法及びその方法を実行するための電気機械式接合システム |
CN116141080A (zh) * | 2022-12-19 | 2023-05-23 | 重庆长安汽车股份有限公司 | 数控机床滚珠丝杠磨损状态监测及剩余使用寿命预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105033763A (zh) * | 2015-09-02 | 2015-11-11 | 华中科技大学 | 一种数控机床滚珠丝杠磨损状态的预测方法 |
CN105893741A (zh) * | 2016-03-29 | 2016-08-24 | 华中科技大学 | 一种全程实时数据统计的丝杠健康保障方法 |
CN106274878A (zh) * | 2015-05-20 | 2017-01-04 | 比亚迪股份有限公司 | 基于汽车管路压力的制动片磨损预警系统和方法 |
CN107553219A (zh) * | 2017-10-23 | 2018-01-09 | 沈阳百祥机械加工有限公司 | 一种基于多种类传感器复合信号的刀具磨损监控方法 |
CN108038271A (zh) * | 2017-11-22 | 2018-05-15 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
-
2018
- 2018-04-24 CN CN201810374621.4A patent/CN108536095B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106274878A (zh) * | 2015-05-20 | 2017-01-04 | 比亚迪股份有限公司 | 基于汽车管路压力的制动片磨损预警系统和方法 |
CN105033763A (zh) * | 2015-09-02 | 2015-11-11 | 华中科技大学 | 一种数控机床滚珠丝杠磨损状态的预测方法 |
CN105893741A (zh) * | 2016-03-29 | 2016-08-24 | 华中科技大学 | 一种全程实时数据统计的丝杠健康保障方法 |
CN107553219A (zh) * | 2017-10-23 | 2018-01-09 | 沈阳百祥机械加工有限公司 | 一种基于多种类传感器复合信号的刀具磨损监控方法 |
CN108038271A (zh) * | 2017-11-22 | 2018-05-15 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022501723A (ja) * | 2018-09-21 | 2022-01-06 | キストラー ホールディング アクチエンゲゼルシャフト | 電気機械式接合システムの状態を分析するための方法及びその方法を実行するための電気機械式接合システム |
JP7299310B2 (ja) | 2018-09-21 | 2023-06-27 | キストラー ホールディング アクチエンゲゼルシャフト | 電気機械式接合システムの状態を分析するための方法及びその方法を実行するための電気機械式接合システム |
CN109822396A (zh) * | 2019-01-07 | 2019-05-31 | 武汉恒力华振科技有限公司 | 一种使用机械位置坐标监测数控机床丝杠磨损的方法 |
CN111366358A (zh) * | 2020-03-20 | 2020-07-03 | 首钢京唐钢铁联合有限责任公司 | 一种升降丝杠的故障检测装置及方法 |
CN111366358B (zh) * | 2020-03-20 | 2021-11-19 | 首钢京唐钢铁联合有限责任公司 | 一种升降丝杠的故障检测装置及方法 |
CN113834677A (zh) * | 2021-09-09 | 2021-12-24 | 广州大学 | 举升装置故障检测系统、故障检测方法、装置及存储介质 |
CN113834677B (zh) * | 2021-09-09 | 2023-08-08 | 广州大学 | 举升装置故障检测系统、故障检测方法、装置及存储介质 |
CN116141080A (zh) * | 2022-12-19 | 2023-05-23 | 重庆长安汽车股份有限公司 | 数控机床滚珠丝杠磨损状态监测及剩余使用寿命预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108536095B (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108536095A (zh) | 一种丝杠磨损量实时预测方法 | |
CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
CN108427841A (zh) | 一种数控机床刀具剩余寿命实时预测方法 | |
CN104990503A (zh) | 一种基于激光位移传感器的砂轮外圆跳动检测方法 | |
CN109839270A (zh) | 进给轴的异常诊断方法和异常诊断装置 | |
CN111948976B (zh) | 刀具状态监控方法、非易失性可读存储介质及电子设备 | |
CN110793792B (zh) | 异常监视装置、异常监视方法以及控制装置 | |
CN111144009B (zh) | 一种风机的运行状态评估方法、装置、设备和存储介质 | |
CN110579224B (zh) | 一种利用霍尔传感器精确测量电机动子位移的方法及系统 | |
CN115859210B (zh) | 一种带电机设备停机尾音智能检测方法及系统 | |
CN116298719A (zh) | 设备绝缘老化识别方法、装置、电子设备及存储介质 | |
CN104931257B (zh) | 一种通过最小化信号频谱信息熵提取转速波动的方法 | |
CN108490879B (zh) | 一种基于近似熵的数控机床丝杠健康状态评估方法 | |
CN113219334A (zh) | 一种基于推杆加载电流的壁板型面加载状态预警方法 | |
CN108646670A (zh) | 一种数控机床部件温度实时预测方法 | |
CN114137246B (zh) | 应用加速度计并结合dfa法的旋转体实时转速测定方法 | |
CN115890342A (zh) | 一种考虑多工况的滚珠丝杠磨损预测方法 | |
Meier et al. | Determination of bearing clearance by the application of neural networks | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
CN104179912A (zh) | 一种测定滚珠丝杠副滚珠运动状态的装置 | |
Yang et al. | Development of intelligent sensing unit for micro-electrical discharge machining | |
CN114942066A (zh) | 电主轴误差间接预测方法及装置 | |
CN117078118B (zh) | 一种数控机床生产工件质量智能检测系统 | |
CN116819322B (zh) | 一种电机性能测试方法及系统 | |
CN116221098A (zh) | 一种基于压力脉动频谱特性的航空柱塞泵在线状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230526 Address after: 441703 Gucheng County Economic Development Zone, Xiangyang City, Hubei Province Patentee after: Hubei Gucheng Donghua Technology Co.,Ltd. Address before: 441053 No. 296, Longzhong Road, Xiangcheng District, Xiangyang City, Hubei Province Patentee before: HUBEI University OF ARTS AND SCIENCE Patentee before: XY-HUST ADVANCED MANUFACTURING ENGINEERING Research Institute |
|
TR01 | Transfer of patent right |