CN108629864A - 一种基于振动的电主轴径向精度表征方法及其系统 - Google Patents
一种基于振动的电主轴径向精度表征方法及其系统 Download PDFInfo
- Publication number
- CN108629864A CN108629864A CN201810390604.XA CN201810390604A CN108629864A CN 108629864 A CN108629864 A CN 108629864A CN 201810390604 A CN201810390604 A CN 201810390604A CN 108629864 A CN108629864 A CN 108629864A
- Authority
- CN
- China
- Prior art keywords
- electro spindle
- vibration
- signal
- vibration signal
- accuracy
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明提供一种基于振动的电主轴径向精度表征方法,包括:设计空载试验步骤、设计标准加工工件步骤、加载试验步骤。本发明还提供一种基于振动的电主轴径向精度表征系统。本发明提供的技术方案明解决了在实际加工过程中不能测量径向精度的难题,本发明间接的通过振动信号来表征电主轴径向精度,为实际加工提供了技术支持。
Description
技术领域
本发明涉及智能制造领域,特别是涉及了一种基于振动的电主轴径向精度表征方法及其系统。
背景技术
近年来,随着中国制造2025的推进,具有深度感知、智慧决策、自动执行功能的智能装备得到快速发展,其中精密电主轴作为核心功能部件,已广泛应用于电子加工、高精密度机械加工、自动化生产线、航空航天、生物医疗等高科技行业。
电主轴是将电机转子直接固定装配于主轴,把传动链的长度缩短为零,即实现了“零传动”的高精度机电一体化产品。它主要包括主轴及轴承、电机、冷却装置、编码器等附件。它具有结构紧凑、质量轻、振动小、噪声低、响应快等优点,不但可以达到较高转速、实现大功率或大扭矩输出,同时还配有一系列调整、控制运行参数的功能,利于保障其高速运转时的精度和可靠性。
但是,作为数控机床的关键部件,电主轴的精度是决定机床加工精度的重要因素。从实际的机床加工角度来看,电主轴的精度等级是初始性能,是由电主轴的设计所决定的,而电主轴保持其精度的能力则是由多因素共同决定的。随着加工的进行,电主轴的精度会出现下降,机床加工精度也随之下降,直至失效,造成废品,产生经济损失。在某些极端情况下,如操作不当、润滑失效等原因造成电主轴的精度非正常地快速下降,可能会损坏电主轴和机床,甚至造成安全生产事故。
因此,对电主轴的精度状态进行实时的监测,是有效避免、减少类似损失的重要手段。但是在实际加工过程中如何测量电主轴的精度一直是业界亟需改进的目标。
发明内容
本发明要解决的技术问题是在实际加工过程中如何测量电主轴的精度,而且提高测量的准确度以及测试效率。
为解决上述技术问题,本发明的实施例提供一种基于振动的电主轴径向精度表征方法,其中,所述方法包括:
设计空载试验步骤:将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度;
设计标准加工工件步骤:对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量;
加载试验步骤:将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
优选的,所述设计空载试验步骤具体还包括:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
优选的,所述设计空载试验步骤具体还包括:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
优选的,所述设计标准加工工件步骤具体还包括:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
优选的,所述加载试验步骤具体还包括:
对所述标准加工工件逐层进行加工,并结合工件材质、转速以及进给速度因素计算吃刀量。
优选的,所述加载试验步骤具体还包括:
在对振动信号进行特征提取及对工件误差进行小波分解的过程中,振动信号包括与所述电主轴精度变化相关的信息;
利用空刀行程以及是否接触工件对振动信号的影响计算振动信号特征;
根据形状误差的个体差异对各个不同吃刀量试件进行误差分析。
另一方面,本发明的实施例还提供一种基于振动的电主轴径向精度表征系统,其中,所述系统包括:
设计空载试验模块,用于将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度;
设计标准加工工件模块,用于对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量;
加载试验模块,用于将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
优选的,所述设计空载试验模块还用于:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
优选的,所述设计空载试验模块还用于:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
优选的,所述设计标准加工工件模块还用于:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
优选的,所述加载试验模块还用于:
对所述标准加工工件逐层进行加工,并结合工件材质、转速以及进给速度因素计算吃刀量。
优选的,所述加载试验模块还用于:
在对振动信号进行特征提取及对工件误差进行小波分解的过程中,振动信号包括与所述电主轴精度变化相关的信息;
利用空刀行程以及是否接触工件对振动信号的影响计算振动信号特征;
根据形状误差的个体差异对各个不同吃刀量试件进行误差分析。
本发明的上述技术方案的有益效果如下:
上述方案中,通过设计空载试验和加载试验,采集振动信号、回转误差信号、径向误差信号,通过空载试验建立基于小波包降噪的时频域混合积分方法,从而主动表征电主轴径向精度,通过加载试验建立基于振动特征分析的电主轴径向精度被动表征的方法。结果表明利用该被动表征的方法可以通过振动信号间接表征回转误差的变化,从而实现实时监测回转误差的变化,进而在线地检测电主轴的精度状态。
附图说明
图1为本发明的实施例一中的一种基于振动的电主轴径向精度表征方法的流程示意图;
图2为本发明的实施例二中一种基于振动的电主轴径向精度主动表征和被动表征的方法流程图;
图3为本发明涉及到的空载试验电主轴径向精度监测系统框图;
图4为本发明涉及到的四种积分方法结果比较;
图5为本发明涉及到的小波与小波包降噪结果对比;
图6为本发明涉及到的标准加工工件示意图;
图7为本发明涉及到的加载试验工件形状误差建模流程图;
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的技术在实际加工过程中不能测量径向精度的难题,本发明间接的通过振动信号来表征电主轴径向精度,为实际加工提供了技术支持,进而成功的解决了这一技术问题。振动是伴随在电主轴运行过程中的重要信号参数,对振动信号的分析方法非常成熟且丰富,而且很容易在实际工况下进行振动信号的采集工作。本发明考虑将把电主轴精度的下降划为一种故障,通过分析振动信号来表征电主轴精度的研究思路,本发明专利涉及一种基于振动的电主轴径向精度主动表征和被动表征的方法,以振动信号分析为切入点,为寻求能够在线表征电主轴精度的方法作一探索和尝试,最终分析其效果显著。
如图1所示,本发明的实施例一中的一种基于振动的电主轴径向精度表征方法的流程示意图。
在步骤S1中,设计空载试验步骤:将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度。
在本实施例中,所述设计空载试验步骤具体还包括:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
在本实施例中,所述设计空载试验步骤具体还包括:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
在本实施例中,设计空载试验步骤分为(1)-(3)这三个阶段,具体为: (1)在电主轴轴端外部,采用磁吸式或者胶粘式将一个三通道的加速度传感器固定在电主轴前轴承外侧,同步采集X\Y\Z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台,以采集轴端的回转误差数值;(2)选择振动装置采样频率,设计对照实验,由于采集数据量较大,需要设计采样间隔以及采样时间,以减小后续处理运算量过大的难题,与此同时采集回转误差信号要与采样时间对应;(3)采集振动信号以及回转误差信号,对其运用基于小波包降噪的时频域混合积分方法,步骤如下:
在实际的工程应用中,大多数信号可能包含着许多尖峰或突变,而且噪声信号也并不是平稳的白噪声。对这种信号进行消噪处理时,传统的傅立叶变换完全是在频域中对信号进行分析,它不能给出信号在某个时间点上的变化情况,因此分辨不出信号在时间轴上的任何一个突变。但是小波分析能同时在时频域内对信号进行分析,所以它能有效地区分信号中的突变部分和噪声,从而实现对非平稳信号的消噪。
由于试验环境是真实的加工车间环境,因此采集到的振动信号包含有很多噪声,因此要对信号进行处理以提取有益信息的的关键一步即是信号降噪。小波分析的重要应用之一就是用于信号消噪,小波降噪的基本原理如下:
含噪的一维信号模型可以表示如下:s(k)=f(k)+ε·e(k)k=0,1,…,n-1
式中s(k)为含噪信号,f(k)为真实信号,e(k)为噪声信号。在一般的理论分析中,常假设该噪声信号为一个高斯白噪声,通常表现为高频信号,而工程实际中f(k)通常为低频信号或者一些比较平稳的信号。因此可按如下方法进行消噪处理:首先对信号进行小波分解,由于噪声信号多包含在具有较高频率的细节中,从而可以利用门限、阈值等形式对分解所得的小波系数进行处理,然后对信号进行小波重构即可达到对信号消噪的目的,即如下三个步骤:
步骤1:小波分解原始信号。选择合适的小波并确定分解的层数,然后进行分解计算。
步骤2:小波分解高频系数的阈值量化。对各个分解尺度下的高频系数选择一个阈值进行量化处理。
步骤3:小波重构信号。根据小波分解的最底层低频系数和各高层系数进行一维小波重构。
在通过上述步骤进行小波消噪处理的过程中,关键点有三个:
1)小波基函数的选择
由于小波基函数在处理信号时各有特点,且没有任何一种小波基函数可以对所有类型信号都取得最优的降噪效果。一般来讲,db小波系和sym小波系在降噪中是经常会被用到的两族小波基。
2)分解尺度的选择
在小波分解中,分解尺度的选择也是非常重要的一步。尺度取得越大,则噪声和信号表现的不同特性越明显,越有利于二者的分离。但另一方面,分解尺度越大,重构到的信号失真也会越大,在一定程度上又会影响最终降噪效果。因此在应用时要格外注意处理好两者之间的矛盾,选择一个合适的分解尺度。
3)阈值的选择
对信号进行了适当的分解后,即可以使用软阈值处理方法或硬阈值处理方法进行降噪处理。硬阈值处理是令绝对值小于阈值的信号点的值为零,软阈值处理是在硬阈值处理方法的基础上将边界出现不连续点收缩到零,这样可以有效避免中断,使得重建后的信号更加光滑。
在步骤S2中,设计标准加工工件步骤:对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量。
在本实施中,所述设计标准加工工件步骤具体还包括:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
在本实施中,为了更好地表征电主轴径向加工精度,减少非径向的干扰,特设计设计一种标准工件(阶梯型工件)。对该标准工件的要求是每一阶的高度和宽度为定值且相等,最上层的宽度等于每一层的宽度值。
本发明设计的加载试验完全按照真实工况开展,通过测量工件加工误差来反映加工过程中电主轴的精度状态。为了测试不同工况对电主轴精度的影响程度,本加载试验以转速、进给速度、切削深度为自变量,开展多组对照试验。
在步骤S3中,加载试验步骤:将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
在本实施中,所述加载试验步骤具体还包括:
对所述标准加工工件逐层进行加工,并结合工件材质、转速以及进给速度因素计算吃刀量。
在本实施中,所述加载试验步骤具体还包括:
在对振动信号进行特征提取及对工件误差进行小波分解的过程中,振动信号包括与所述电主轴精度变化相关的信息;
利用空刀行程以及是否接触工件对振动信号的影响计算振动信号特征;
根据形状误差的个体差异对各个不同吃刀量试件进行误差分析。
在本实施中,在加载试验步骤中:(1)在电主轴轴端外部,紧贴一个三通道的加速度传感器,同步采集X\Y\Z三个方向的振动信号,固定安装标准加工工件于机床加工平台,进行加工程序编写,计算吃刀量,最终确保安全进行加工;(2)利用高精度测量装置测量上一步的加工工件,测量、记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解。
电主轴的振动信号中蕴含了丰富的信息,是表征电主轴精度状态的重要参数来源。本发明专利首先对振动信号进行特征分析和特征提取。步骤如下:
步骤一:计算振动信号特征量包括信号的平均值、有效值、方差、裕度指标、能量等;
步骤二:采用本发明所提出的基于小波包降噪的时频域混合积分方法,对振动信号进行二次积分,得到振动的位移;
步骤三:按照试件形状误差的测试点,将其对应成分段的振动信号,计算每段的平均位移,将此平均位移经过小波分解的工件误差的细节系数进行比对;
步骤四:选择适当的振动信号特征参数拟合形状误差小波分解的逼近系数,使用振动的位移和能量信息拟合细节系数,最后将拟合得到的逼近系数和细节系数进行重构,与工件形状误差进行比较分析模型建立的是否准确;
步骤五:通过分析电主轴加工过程中的振动信号特征,建立其与工件形状误差之间的关系模型,即可实现通过振动来表征电主轴径向精度的目的。
以下举例进一步进行说明。
如图2所示,一种基于振动的电主轴径向精度主动表征和被动表征的方法流程示意图,主要包括以下步骤:
第一部分,设计空载试验,电主轴径向精度空载监测系统框图见图3,具体包括:
在电主轴轴端外部,采用磁吸式或者胶粘式将一个三通道的加速度传感器固定在电主轴前轴承外侧,同步采集X\Y\Z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台,以采集轴端的回转误差数值;
选择振动装置采样频率,设计对照实验,由于采集数据量较大,需要设计采样间隔以及采样时间,以减小后续处理运算量过大的难题,与此同时采集回转误差信号要与采样时间对应;
采集振动信号以及回转误差信号,对其运用基于小波包降噪的时频域混合积分方法,步骤如下:
在实际的工程应用中,大多数信号可能包含着许多尖峰或突变,而且噪声信号也并不是平稳的白噪声。对这种信号进行消噪处理时,传统的傅立叶变换完全是在频域中对信号进行分析,它不能给出信号在某个时间点上的变化情况,因此分辨不出信号在时间轴上的任何一个突变。但是小波分析能同时在时频域内对信号进行分析,所以它能有效地区分信号中的突变部分和噪声,从而实现对非平稳信号的消噪。
由于试验环境是真实的加工车间环境,因此采集到的振动信号包含有很多噪声,因此要对信号进行处理以提取有益信息的的关键一步即是信号降噪。小波分析的重要应用之一就是用于信号消噪,小波降噪的基本原理如下:
含噪的一维信号模型可以表示如下:s(k)=f(k)+ε·e(k)k=0,1,…,n-1
式中s(k)为含噪信号,f(k)为真实信号,e(k)为噪声信号。在一般的理论分析中,常假设该噪声信号为一个高斯白噪声,通常表现为高频信号,而工程实际中f(k)通常为低频信号或者一些比较平稳的信号。因此我们可按如下方法进行消噪处理:首先对信号进行小波分解,由于噪声信号多包含在具有较高频率的细节中,从而可以利用门限、阈值等形式对分解所得的小波系数进行处理,然后对信号进行小波重构即可达到对信号消噪的目的,即如下三个步骤:
步骤1:小波分解原始信号。选择合适的小波并确定分解的层数,然后进行分解计算。
步骤2:小波分解高频系数的阈值量化。对各个分解尺度下的高频系数选择一个阈值进行量化处理。
步骤3:小波重构信号。根据小波分解的最底层低频系数和各高层系数进行一维小波重构。
在通过上述步骤进行小波消噪处理的过程中,关键点有三个:
小波基函数的选择
由于小波基函数在处理信号时各有特点,且没有任何一种小波基函数可以对所有类型信号都取得最优的降噪效果。一般来讲,db小波系和sym小波系在降噪中是经常会被用到的两族小波基。本发明在经过大量的尝试之后,认为 sym10基函数能够取得最优的降噪效果。
分解尺度的选择
在小波分解中,分解尺度的选择也是非常重要的一步。尺度取得越大,则噪声和信号表现的不同特性越明显,越有利于二者的分离。但另一方面,分解尺度越大,重构到的信号失真也会越大,在一定程度上又会影响最终降噪效果。因此在应用时要格外注意处理好两者之间的矛盾,选择一个合适的分解尺度。本研究中的振动信号采样频率为12.8kHz,电主轴转速为3,000rpm,基频为 50Hz,因此需要7层小波分解。
阈值的选择
对信号进行了适当的分解后,即可以使用软阈值处理方法或硬阈值处理方法进行降噪处理。硬阈值处理是令绝对值小于阈值的信号点的值为零,软阈值处理是在硬阈值处理方法的基础上将边界出现不连续点收缩到零,这样可以有效避免中断,使得重建后的信号更加光滑。本发明使用MATLAB自带的小波工具箱,对振动信号进行了基于软阈值的降噪处理。
将时域积分、频域积分、时频域混合积分和本发明提出的基于小波降噪的时频域混合积分四种方法得到的位移信号与实测回转误差进行对比,结果如图 4所示。从图中可以看出,频域积分方法所得位移信号与实测位移信号误差最大,时域积分和时频域混合积分方法的值都偏小于回转误差,只有本发明提出的基于小波降噪的时频域混合积分方法拟合度最高。直观可见,本发明所提的基于小波降噪的时频域混合积分方法不但明显优于单纯的时域和频域积分方法,而且比时频域混合积分方法所得结果更加准确。改小波降噪为小波包降噪进行处理,之后的积分过程不变。经过小波降噪和小波包降噪后的积分结果如图5所示。可见,基于小波包降噪的时频域混合积分方法在基于小波的方法基础之上,积分精度又有所提升。
第二部分,设计标准加工工件
为了更好地表征电主轴径向加工精度,减少非径向的干扰,特设计设计一种标准工件(阶梯型工件)。对该标准工件的要求是每一阶的高度和宽度为定值且相等,最上层的宽度等于每一层的宽度值。
简单介绍加工及测量试件形状误差的方法和步骤:
方法:为了测试不同工况对电主轴精度的影响程度,本加载试验以转速、进给速度、切削深度为自变量,开展了6组对照试验,分别为转速 2000/2500/3000rpm、径向切深0.5/0.3/0.1mm、轴向切深0.5/0.3/0.1mm;
步骤一:试件一共加工了10层,考虑到测量过程的定位精度问题,分为左右两侧共计20层,每层均匀地取五个点进行测量;
步骤二:使用三坐标仪选定第一层为测量的基准面,之后的每一层测量值均已第一层为基准,避免误差累计;
步骤三:将实测值与理论值做差,即得到每个测量点的加工误差,将每层五个测量点的误差取平均数作为该层的形状误差。
本发明设计的加载试验充分考虑在实际加工过程中刀具在实际加工过程中同时受到轴向力和径向力作用,加载完全按照真实工况同时对轴向和径向切削工件,最后通过测量工件加工误差来反映加工过程中电主轴的精度状态。
第三部分,加载试验,电主轴径向精度加载试验监测系统框图见图4
为了测试不同工况对电主轴精度的影响程度,本加载试验以转速、进给速度、切削深度为自变量,开展多组对照试验。
在电主轴轴端外部,紧贴一个三通道的加速度传感器,同步采集X\Y\Z 三个方向的振动信号,固定安装标准加工工件于机床加工平台,进行加工程序编写,计算吃刀量,最终确保安全进行加工;
利用高精度测量装置测量上一步的加工工件,测量、记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解。
电主轴的振动信号中蕴含了丰富的信息,是表征电主轴精度状态的重要参数来源。本发明专利首先对振动信号进行特征分析和特征提取。步骤如下:
步骤一:计算振动信号特征量包括信号的平均值、有效值、方差、裕度指标、能量等;
振动信号中包含了大量的信息,包括与电主轴精度变化相关的信息,提取的特征向量是否合适,直接决定了能否挖掘出信号中的有益信息。因此,为了实现利用振动信号表征电主轴精度的目的,必须首先对振动信号进行特征分析和特征提取。常用的振动信号特征量包括信号的平均值、有效值、方差、裕度指标、能量等。它们均代表了不同的物理意义,设信号为x,其特征量有:
(1)平均值
描述了振动的稳定分量,又称直流分量。
(2)有效值
xrms描述了振动的平均功率,是机械故障诊断中用于判别运转状态是否正常的重要指标,其中振动速度的有效值又被称为振动的烈度。
(3)方差
s2描述了信号的波动范围,表示信号中交流分量的强弱,即交流信号的平均功率。
(4)裕度指标
Ce为无量纲的相对值,常用来检测机械设备的磨损情况。
(5)能量
V代表了振动能量的大小。
分段计算每个试件加工过程中振动信号的平均值、有效值、方差、裕度指标和能量特征值。
步骤二:采用本发明所提出的基于小波包降噪的时频域混合积分方法,对振动信号进行二次积分,得到振动的位移;
使用本发明所提的基于小波包降噪的时频域混合积分方法,对采集的振动加速度信号进行二次积分,求得振动位移值;观察分析,振动的位移值与小波分解的工件形状误差细节系数相似,考虑可以使用振动的位移值拟合形状误差的细节系数。
步骤三:按照试件形状误差的测试点,将其对应成分段的振动信号,计算每段的平均位移,将此平均位移经过小波分解的工件误差的细节系数进行比对;
步骤四:选择适当的振动信号特征参数拟合形状误差小波分解的逼近系数,使用振动的位移和能量信息拟合细节系数,最后将拟合得到的逼近系数和细节系数进行重构,与工件形状误差进行比较分析模型建立的是否准确;
BP神经网络是一种比较经典的神经网络算法,它是在单层神经网络的基础上发展而来的。由于单层神经网络的局限性,Rumelhart利用反向传播调整权值构造的多层网络使得系统能够根据样本不断地学习,直到达到所设置的误差限制范围之内,本发明采用基于BP神经网络的逼近系数拟合的方法对6个试验样本进行训练,采用循环训练的方法为每次选择5个样本为训练样本,剩下的1个样本作为测试样本,根据测算的效果,评估所选择的振动特征是否适合作为BP神经网络的输入特征参量。每次训练的次数设置为100,000次,训练精度设置为。经过比较,发现以振动的裕度指标和能量为BP神经网络的输入,能够达到最好的训练效果。
步骤五:通过分析电主轴加工过程中的振动信号特征,建立其与工件形状误差之间的关系模型,即可实现通过振动来表征电主轴径向精度的目的。
此外,本发明的实施例还提供一种基于振动的电主轴径向精度表征系统,其中,所述系统包括:
设计空载试验模块,用于将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度;
设计标准加工工件模块,用于对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量;
加载试验模块,用于将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
优选的,所述设计空载试验模块还用于:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
优选的,所述设计空载试验模块还用于:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
优选的,所述设计标准加工工件模块还用于:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
优选的,所述加载试验模块还用于:
对所述标准加工工件逐层进行加工,并结合工件材质、转速以及进给速度因素计算吃刀量。
优选的,所述加载试验模块还用于:
在对振动信号进行特征提取及对工件误差进行小波分解的过程中,振动信号包括与所述电主轴精度变化相关的信息;
利用空刀行程以及是否接触工件对振动信号的影响计算振动信号特征;
根据形状误差的个体差异对各个不同吃刀量试件进行误差分析。
本发明的上述技术方案的有益效果如下:
上述方案中,通过设计空载试验和加载试验,采集振动信号、回转误差信号、径向误差信号,通过空载试验建立基于小波包降噪的时频域混合积分方法,从而主动表征电主轴径向精度,通过加载试验建立基于振动特征分析的电主轴径向精度被动表征的方法。结果表明利用该被动表征的方法可以通过振动信号间接表征回转误差的变化,从而实现实时监测回转误差的变化,进而在线地检测电主轴的精度状态。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于振动的电主轴径向精度表征方法,其特征在于,所述方法包括:
设计空载试验步骤:将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度;
设计标准加工工件步骤:对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量;
加载试验步骤:将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
2.如权利要求1所述的基于振动的电主轴径向精度表征方法,其特征在于,所述设计空载试验步骤具体还包括:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
3.如权利要求2所述的基于振动的电主轴径向精度表征方法,其特征在于,所述设计空载试验步骤具体还包括:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
4.如权利要求1所述的基于振动的电主轴径向精度表征方法,其特征在于,所述设计标准加工工件步骤具体还包括:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
5.如权利要求1所述的基于振动的电主轴径向精度表征方法,其特征在于,所述加载试验步骤具体还包括:
对所述标准加工工件逐层进行加工,并结合工件材质、转速以及进给速度因素计算吃刀量。
6.如权利要求1所述的基于振动的电主轴径向精度表征方法,其特征在于,所述加载试验步骤具体还包括:
在对振动信号进行特征提取及对工件误差进行小波分解的过程中,振动信号包括与所述电主轴精度变化相关的信息;
利用空刀行程以及是否接触工件对振动信号的影响计算振动信号特征;
根据形状误差的个体差异对各个不同吃刀量试件进行误差分析。
7.一种基于振动的电主轴径向精度表征系统,其特征在于,所述系统包括:
设计空载试验模块,用于将三通道的加速度传感器固定在所述电主轴前轴承外侧,同步采集x/y/z三个方向的振动信号,将回转误差测量仪固定安装于机床加工平台以采集所述电主轴轴端的回转误差数值,将采集到的振动信号和回转误差信号进行时频域混合积分从而主动表征所述电主轴径向精度;
设计标准加工工件模块,用于对加载试验设计一种标准加工工件以实现所述电主轴在加工过程中既可以对轴向精度进行测量又可以对径向精度进行测量;
加载试验模块,用于将另一个三通道的加速度传感器固定在所述电主轴的轴端外部,同步采集x/y/z三个方向的振动信号,固定安装所述标准加工工件于机床加工平台,并进行加工程序编写和计算吃刀量,利用精度测量装置测量所述标准加工工件并记录工件误差,对振动信号进行特征提取及对工件误差进行小波分解以实现所述电主轴径向精度被动表征。
8.如权利要求7所述的基于振动的电主轴径向精度表征系统,其特征在于,所述设计空载试验模块还用于:
使用胶带将三通道的加速度传感器固定在所述电主轴前轴承外侧,确保所述加速度传感器的位置通过专用夹具夹持保证在加工过程中的位置保持不变,以确保在不同的加工条件下检测到的信号具有完全的可对比性。
9.如权利要求8所述的基于振动的电主轴径向精度表征系统,其特征在于,所述设计空载试验模块还用于:
在将采集到的振动信号和回转误差信号进行时频域混合积分之前对振动信号进行降噪处理。
10.如权利要求7所述的基于振动的电主轴径向精度表征系统,其特征在于,所述设计标准加工工件模块还用于:
将所述标准加工工件设计成为每层的等高度和等宽度,并且高度等于宽度以方面下一步的测量,利用精度等级较所述电主轴精度高的加工装置加工所述标准加工工件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810390604.XA CN108629864B (zh) | 2018-04-27 | 2018-04-27 | 一种基于振动的电主轴径向精度表征方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810390604.XA CN108629864B (zh) | 2018-04-27 | 2018-04-27 | 一种基于振动的电主轴径向精度表征方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629864A true CN108629864A (zh) | 2018-10-09 |
CN108629864B CN108629864B (zh) | 2020-08-21 |
Family
ID=63694768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810390604.XA Expired - Fee Related CN108629864B (zh) | 2018-04-27 | 2018-04-27 | 一种基于振动的电主轴径向精度表征方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629864B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110587377A (zh) * | 2019-09-03 | 2019-12-20 | 重庆大学 | 一种在线监测铣削加工刀具缺损的方法 |
CN111300145A (zh) * | 2019-11-29 | 2020-06-19 | 重庆大学 | 一种适用于复杂曲面铣削加工的时变切削条件刀具破损检测系统及方法 |
CN112059721A (zh) * | 2020-08-06 | 2020-12-11 | 清华大学 | 一种机床主轴回转精度在线间接测量方法 |
TWI766489B (zh) * | 2020-12-21 | 2022-06-01 | 財團法人工業技術研究院 | 用於工具機的加工監控方法及加工監控系統 |
CN115106839A (zh) * | 2021-03-19 | 2022-09-27 | 株式会社理光 | 加工判断装置、加工判断方法、加工系统、存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6552867B1 (en) * | 1999-02-01 | 2003-04-22 | Canon Kabushiki Kaisha | Head positioning controller for information recording and/or reproducing apparatus with head tracking of nonsynchronous radial runout (NRRO) of the disk |
JP3997936B2 (ja) * | 2003-03-13 | 2007-10-24 | 株式会社ジェイテクト | 回転精度測定方法及び回転精度測定装置 |
JP2010253604A (ja) * | 2009-04-23 | 2010-11-11 | Tohoku Univ | 走査運動誤差測定方法 |
CN102848266A (zh) * | 2012-09-29 | 2013-01-02 | 西南交通大学 | 一种机床主轴精度预测方法 |
CN103042436A (zh) * | 2013-01-21 | 2013-04-17 | 北京信息科技大学 | 一种基于轴心轨迹流形学习的主轴回转误差溯源方法 |
CN103592112A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种电主轴加载测试系统及方法 |
CN105808886A (zh) * | 2016-04-09 | 2016-07-27 | 北京工业大学 | 一种主轴回转误差辨识方法 |
CN105973595A (zh) * | 2016-04-27 | 2016-09-28 | 清华大学深圳研究生院 | 一种滚动轴承故障的诊断方法 |
-
2018
- 2018-04-27 CN CN201810390604.XA patent/CN108629864B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6552867B1 (en) * | 1999-02-01 | 2003-04-22 | Canon Kabushiki Kaisha | Head positioning controller for information recording and/or reproducing apparatus with head tracking of nonsynchronous radial runout (NRRO) of the disk |
JP3997936B2 (ja) * | 2003-03-13 | 2007-10-24 | 株式会社ジェイテクト | 回転精度測定方法及び回転精度測定装置 |
JP2010253604A (ja) * | 2009-04-23 | 2010-11-11 | Tohoku Univ | 走査運動誤差測定方法 |
CN102848266A (zh) * | 2012-09-29 | 2013-01-02 | 西南交通大学 | 一种机床主轴精度预测方法 |
CN103042436A (zh) * | 2013-01-21 | 2013-04-17 | 北京信息科技大学 | 一种基于轴心轨迹流形学习的主轴回转误差溯源方法 |
CN103592112A (zh) * | 2013-10-27 | 2014-02-19 | 沈阳建筑大学 | 一种电主轴加载测试系统及方法 |
CN105808886A (zh) * | 2016-04-09 | 2016-07-27 | 北京工业大学 | 一种主轴回转误差辨识方法 |
CN105973595A (zh) * | 2016-04-27 | 2016-09-28 | 清华大学深圳研究生院 | 一种滚动轴承故障的诊断方法 |
Non-Patent Citations (6)
Title |
---|
JIAWEI ZHOU; YIBO AI; KUN TIAN; WEIDONG ZHANG: "Application of Wavelet Packet Decomposition in Denoising of Motorized Spindle Vibration Signal Processing", 《2017 INTERNATIONAL CONFERENCE ON COMPUTER SYSTEMS, ELECTRONICS AND CONTROL (ICCSEC)》 * |
WENTAO SHAN, XIAOAN CHEN, YE HE, JINMING ZHOU: "A novel experimental research on vibration characteristics of the running high-speed motorized spindles", 《JOURNAL OF MECHANICAL SCIENCE AND TECHNOLOGY》 * |
付平: "《机械制造技术 VR版》", 31 January 2018 * |
侯秀松: "基于振动测试的旋转设备状态分析与故障诊断", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郑烽: "负载条件下机床主轴动态精度测量方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
陈超: "高速电主轴动态加载可靠性试验及其故障诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110587377A (zh) * | 2019-09-03 | 2019-12-20 | 重庆大学 | 一种在线监测铣削加工刀具缺损的方法 |
CN111300145A (zh) * | 2019-11-29 | 2020-06-19 | 重庆大学 | 一种适用于复杂曲面铣削加工的时变切削条件刀具破损检测系统及方法 |
CN111300145B (zh) * | 2019-11-29 | 2021-04-06 | 重庆大学 | 用于复杂曲面铣削加工的时变切削条件刀具破损检测方法 |
CN112059721A (zh) * | 2020-08-06 | 2020-12-11 | 清华大学 | 一种机床主轴回转精度在线间接测量方法 |
TWI766489B (zh) * | 2020-12-21 | 2022-06-01 | 財團法人工業技術研究院 | 用於工具機的加工監控方法及加工監控系統 |
CN115106839A (zh) * | 2021-03-19 | 2022-09-27 | 株式会社理光 | 加工判断装置、加工判断方法、加工系统、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108629864B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629864A (zh) | 一种基于振动的电主轴径向精度表征方法及其系统 | |
Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
Schmitz | Chatter recognition by a statistical evaluation of the synchronously sampled audio signal | |
Benkedjouh et al. | Tool wear condition monitoring based on continuous wavelet transform and blind source separation | |
US9508042B2 (en) | Method for predicting machining quality of machine tool | |
Schmitz et al. | Exploring once-per-revolution audio signal variance as a chatter indicator | |
Qin et al. | Concentrated velocity synchronous linear chirplet transform with application to robotic drilling chatter monitoring | |
Tansel et al. | Detecting chatter and estimating wear from the torque of end milling signals by using Index Based Reasoner (IBR) | |
Sevilla-Camacho et al. | Tool breakage detection in CNC high-speed milling based in feed-motor current signals | |
Li et al. | Online chatter detection in milling process based on VMD and multiscale entropy | |
Goyal et al. | Applications of digital signal processing in monitoring machining processes and rotary components: a review | |
CN110346130B (zh) | 一种基于经验模态分解和时频多特征的镗削颤振检测方法 | |
Chen et al. | Chatter detection for milling using novel p-leader multifractal features | |
CN110909710A (zh) | 一种基于s试件的自适应主轴性能劣化识别方法 | |
CN115409067A (zh) | 一种数控机床组件剩余寿命预测方法 | |
Chen et al. | A vibration feature extraction method based on time-domain dimensional parameters and Mahalanobis distance | |
CN111300148A (zh) | 一种电流信号监测刀具磨损的方法 | |
CN116861313B (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 | |
Du et al. | Intelligent turning tool monitoring with neural network adaptive learning | |
CN114905336B (zh) | 基于切削力成分解耦的变工况刀具磨损监测方法及系统 | |
CN115741235A (zh) | 基于五轴加工中心刀具的磨损预测与健康管理方法 | |
Madhusudana et al. | Use of discrete wavelet features and support vector machine for fault diagnosis of face milling tool | |
Shi et al. | Development of an online machining process monitoring system: Application in hard turning | |
Zheng et al. | Exploring the effectiveness of using internal CNC system signals for chatter detection in milling process | |
Afshar et al. | Generalized roughness bearing fault diagnosis using time series analysis and gradient boosted tree |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200821 |
|
CF01 | Termination of patent right due to non-payment of annual fee |