CN112710358B - 一种智能机床状态监测装置及其状态监测方法 - Google Patents

一种智能机床状态监测装置及其状态监测方法 Download PDF

Info

Publication number
CN112710358B
CN112710358B CN202110330623.5A CN202110330623A CN112710358B CN 112710358 B CN112710358 B CN 112710358B CN 202110330623 A CN202110330623 A CN 202110330623A CN 112710358 B CN112710358 B CN 112710358B
Authority
CN
China
Prior art keywords
machine tool
vibration
axis direction
current
signal
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.)
Active
Application number
CN202110330623.5A
Other languages
English (en)
Other versions
CN112710358A (zh
Inventor
杜福嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Chengyuan High Tech Co ltd
Original Assignee
Nanjing Chengyuan High Tech Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Chengyuan High Tech Co ltd filed Critical Nanjing Chengyuan High Tech Co ltd
Priority to CN202110330623.5A priority Critical patent/CN112710358B/zh
Publication of CN112710358A publication Critical patent/CN112710358A/zh
Application granted granted Critical
Publication of CN112710358B publication Critical patent/CN112710358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • 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
    • B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Numerical Control (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种智能机床状态监测装置及其状态监测方法，涉及机床主轴的运转监测技术领域。该装置包括检测机床主轴电机电流信号的电流传感器；检测机床主轴振动信号的三轴振动传感器；数据采集模块，包括高速数据输入接口、LCD屏、通讯接口和电源部分，数据采集模块对信号进行处理并做出状态判断。针对机床强电磁和环境干扰的影响，该装置能够结合电流信号对振动信号进行降噪处理，并且对降噪处理后的数据进行实时的数据融合处理、特征提取、故障诊断、状态信息显示和故障报警。本发明通过对机床主轴相关的电流和振动的实时监控，可快速完成机床状态诊断，具有实时性强、便携、良好的环境适应性，可显著提高机床状态监测的实时性和准确性。

Description

一种智能机床状态监测装置及其状态监测方法
技术领域
本发明涉及机床主轴的运转监测技术领域，尤其涉及一种智能机床状态监测装置及其状态监测方法。
背景技术
随着技术的发展，对产品质量的要求越来越高，机床也在向高速和高精度发展。而机床的磨损和意外故障会导致加工精度降低和停机，最终影响到机床的加工效率和寿命。为了保证机床的加工精度和可靠性，需要对机床的关键部件进行监控，并依据监控信息分析机床的状态。目前已有很多基于机床温度、振动、电流等参数的监控系统，主要是通过把数据发送到上位机或云端进行处理，在现场只是完成对数据的采集。但是因为机床的高速性，数据采集的频率非常高，数据量非常大。为了传输这些数据，需要较大的带宽。而大量的数据传输到云端或上位机，需要较大的存储空间，这增加了系统搭建的成本和维护成本。同时机床故障发展迅速，因此对监控系统的实时性要求很高，诊断结果延迟一定的时间将使所得到的结果失去意义，而采集数据的传输必然导致一定的延时，给机床系统的状态监控带来不利影响。另一方面，机床是一个机、电、液、气等协同工作的复杂系统，现场具有温度高、电磁干扰强等特点。因此，如何在强电磁和环境干扰下有效地采集到真实信号是一大挑战。而故障，尤其是早期故障，其信号的强度非常弱，容易被湮没在噪声信号中。因此，需要采取措施消除各种噪声对信号的影响。传统的数据采集模块对采集的数据主要采用低通滤波器或抗混叠的低通滤波器，所有的数据需要在上位机进行额外处理。而数据传输过程中的延迟，导致信号同步会出现问题，给信号的深度降噪和融合带来困难。
发明内容
为了解决上述存在的问题，本发明提出一种智能机床状态监测装置及其状态监测方法，该装置能够实时监测机床主轴电机的电流信号并进行特征提取，并且同时监测机床主轴的振动信号，并对振动信号进行降噪和融合，提高故障诊断的准确率。
为了实现上述目的，本发明采用以下方案，
一种智能机床状态监测装置，所述监测装置包括：
电流传感器，为通孔结构，安装于机床主轴电机电源输入的任意一相电源线上，用于检测机床主轴电机电流信号；
三轴振动传感器，为表面安装部件，安装于机床主轴轴承的正上方中间位置，用于检测机床主轴三个方向的振动信号；
数据采集模块，包括高速数据输入接口、LCD屏、通讯接口和电源部分；
所述高速数据输入接口为四通道的模拟量输入接口，用以采集机床主轴电机电流信号和机床主轴三个方向的振动信号；
所述数据采集模块内部通过采集到的机床主轴电机电流信号对采集到的机床主轴三个方向的振动信号进行降噪处理和数据融合处理，并且数据采集模块内部对采集的信号进行特征提取、状态监控和故障报警；
所述LCD屏用以显示机床主轴的状态和报警信息；
所述通讯接口包括以太网有线接口和USB接口，用以和上位机进行通讯；所述电源部分为数据采集模块提供工作电源。
进一步地，所述模拟量输入接口采用BNC接口，且所述数据采集模块内部设置的高速AD芯片完成模拟量的采集。
进一步地，所述数据采集模块内部设有ARM芯片，所述的通讯接口由所述ARM芯片完成功能；所述数据采集模块内部设有FPGA芯片，所述的模拟量的采集由所述FPGA芯片完成。
进一步地，所述降噪处理为：
根据所述电流传感器采集到的机床主轴电机电流信号，并结合机床主轴电机的极对数和其传动系统的传动比，计算出机床主轴的运转周期，根据机床主轴的运转周期对采集到的机床主轴三个方向的振动信号分别进行五次周期性叠加求和，然后取平均，消除非周期信号和白噪声信号。
进一步地，所述数据融合处理为：
所述机床主轴三个方向为X轴方向、Y轴方向和Z轴方向，根据所述机床主轴三个方向的振动影响的权重关系，Z轴方向的振动信号、Y轴方向的振动信号和X轴方向的振动信号按5:3:2的权重比进行融合，将三维振动信号转换成一维振动信号。
又进一步地，所述X轴方向为平行于三轴振动传感器安装面的轴承轴向方向，所述Y轴方向为平行于三轴振动传感器安装面的轴承旋转方向，所述Z轴方向为垂直于三轴振动传感器安装面的轴承径向方向
进一步地，所述特征提取为：
降噪处理和数据融合处理后，对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，提取的特征包括：
均值
Figure 971244DEST_PATH_IMAGE001
均方根值
Figure 984199DEST_PATH_IMAGE002
峰值
Figure 866704DEST_PATH_IMAGE003
峭度值
Figure 658336DEST_PATH_IMAGE004
偏斜度
Figure 351617DEST_PATH_IMAGE005
平均能量
Figure 789552DEST_PATH_IMAGE006
。
进一步地，所述的通讯为：
所述数据采集模块与上位机通讯，只定时上传提取的时域特征和频域特征，原始数据不保存。
进一步地，所述数据采集模块设有指示机床主轴运转状态的LED指示灯和蜂鸣器，所述数据采集模块设有用于数据存储的SD卡，所述的状态监控和故障报警为：
根据ISO 10816的振动监测评估标准来设置报警和故障的阈值，将提取的特征参数与阈值进行比较，以此来判断机床主轴的状态；
当机床主轴运转正常时，LED指示灯为绿色，LCD屏上显示提取的特征；当任何特征值超过阈值20%以内时，为报警状态，所述LED指示灯变为黄色，LCD屏上显示出现警报的部位和特征参数；当任何特征值超过阈值20%以上时，为故障状态，LED指示灯为闪烁的红色，同时所述蜂鸣器连续发出声音，在LCD屏上闪烁故障部位和严重程度；
当出现报警状态和故障状态时，将采集的原始电流信号和振动信号存储在所述数据采集模块的SD卡中，以用于后期深入处理。
本发明还提供一种智能机床状态监测装置的状态监测方法，其特征在于，包括以下步骤：
1）根据机床主轴电机的极对数P和其传动系统的传动比i，计算得到电流周期与机 床主轴的运转周期的比
Figure 272485DEST_PATH_IMAGE007
；
2）根据电流传感器采集到电流信号的电流波形，以电流波形中电流信号相邻两次从正半周向负半周的过零点的时间差值为电流周期
Figure 745055DEST_PATH_IMAGE008
；
3）根据电流周期与机床主轴的运转周期的比，以及电流周期，计算得到机床主轴的运转周期
Figure 920822DEST_PATH_IMAGE009
；
4）根据机床主轴的运转周期对三轴振动传感器测得的三个方向上的振动信号进行降噪处理，以电流波形中电流信号从正到负的过零点为开始时间点，以机床主轴的运转周期T分别对X轴方向上的振动信号、Y轴方向上的振动信号和Z轴方向上的振动信号进行五次周期性叠加求和，再取平均，得到降噪处理后的X轴方向上的振动信号
Figure 846052DEST_PATH_IMAGE010
、Y轴方向上的振动信号
Figure 634142DEST_PATH_IMAGE011
和Z轴方向上的振动信号
Figure 757956DEST_PATH_IMAGE012
；
5）根据机床主轴三个方向上振动的影响不同，按照Z轴方向、Y轴方向和X轴方向的权重比为5:3:2，对降噪处理后的三个方向上的振动信号进行数据融合处理，形成一维振动信号
Figure 42307DEST_PATH_IMAGE013
；
6）对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，包括均值、均方根值、峰值、峭度值、偏斜度和平均能量；
7）将提取的特征与阈值进行对比，当机床主轴运转正常时，LED指示灯为绿色，LCD屏上显示提取的特征；当任何特征值超过阈值20%以内时，为报警状态，所述LED指示灯变为黄色，LCD屏上显示出现警报的部位和特征参数；当任何特征值超过阈值20%以上时，为故障状态，LED指示灯为闪烁的红色，同时所述蜂鸣器连续发出声音，在LCD屏上闪烁故障部位和严重程度；当出现报警状态和故障状态时，将采集的原始的电流信号和振动信号存储在所述数据采集模块的SD卡中，以用于后期深入处理。
本发明的电流传感器套装在连接电机的三个相线中的任一相线上，测量电机任一相线的电流，通过电流传感器把电流信号转换成电压信号，输入到数据采集模块；因为电机的三个相线具有对称性，因此通过单个相线的电流的测量反应电机的频率、负载状况等信息。
三轴振动传感器安装在机床主轴轴承正上方中间位置，此处为机床主轴振动幅度最大位置，采集机床主轴的加速度信息。三轴振动传感器传感器通过BNC电缆把输出信号连接到数据采集模块。在数据采集模块内部，主要完成模数转换、降噪处理、数据融合处理、特征提取工作。最终通过USB接口或以太网接口只向上位机上传提取的时域和频域特征信息，大大减少了通信带宽需求和数据存储量。
机床的主轴存在电机干扰、环境温度影响、布线的串扰等多种干扰源，而振动信号 是高频信号，信号频带较宽，容易受到各种干扰源的影响。通常噪声都是白噪声，具有正态 分布特性，其均值为零，平均值后噪声为零。而机床主轴的状态和主轴的运行转速具有严格 的相关性，所有的状态信号和故障信号都是以转速为周期的周期信号，则机床主轴的周期 性的振动信号能够很好的反应主轴的运转状态。振动传感器监测到的振动信号实则是主轴 的周期性的振动信号与噪声信号的和，设三轴振动传感器监测到的振动信号为x(t)，主轴 的周期性的振动信号为s(t)，噪声信号为n(t)，那么，
Figure 517150DEST_PATH_IMAGE014
；
这里，机床主轴的运转周期由电机的转速和传动系统的传动比来决定，机床主轴的传动系统的传动比是固定不变的，因此信号的周期由电机的转速来决定。根据电流传感器检测的电流信号可以确定电流周期
Figure 545149DEST_PATH_IMAGE008
，根据用户设置的电机的极对数P以及传动系统的传动比i，计算可得到机床主轴的运转周期
Figure 789049DEST_PATH_IMAGE015
；
本发明中所述的降噪处理方式，即以机床主轴的运转周期T对振动传感器采集到的主轴的振动信号进行叠加，将N个周期的采集到的主轴的振动信号叠加再取平均，
Figure 978721DEST_PATH_IMAGE016
；那么，采集到的主轴的振动信号降噪处理后，主轴的周期性的振动信号不受叠加平均的影响，而非周期的噪声信号则会消减N倍，这样降噪处理后振动信号更接近于主轴的周期性的振动信号，突出信号的周期特性，大幅削弱非周期信号和白噪声信号对采集信号的影响。
机床的主轴运转状态由主轴振动信号反应，本发明中，三轴振动传感器检测的振动信号包括X轴方向上的振动信号、Y轴方向上的振动信号和Z轴方向上的振动信号，而主轴的三轴方向上的振动具有相关性，且对主轴运转的影响程度不同，那么主轴的三轴方向上的振动信号对机床的主轴运转状态的反应也不同，Z轴的振动信号最能反映主轴的状态，Y轴其次，X轴的影响最小，则确定三轴方向上的振动信号的权重比为5:3:2，因此，本发明对降噪处理后的机床主轴的X轴方向上的振动信号
Figure 430607DEST_PATH_IMAGE010
、Y轴方向上的振动信号
Figure 59035DEST_PATH_IMAGE011
和Z轴方向上的振动信号
Figure 360703DEST_PATH_IMAGE012
，按照权重比进行数据融合处理，把三个方向的振动信号合成为一维振动信号
Figure 783594DEST_PATH_IMAGE013
，减小振动数据的数据量。
降噪处理和数据融合处理后，对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，包括均值、均方根值、峰值、峭度值、偏斜度和平均能量。这些时域特征和频域特征通过通讯的方式上传给上位机，此时需要传输的数据量大大降低。
为了满足状态监控的实时性需求，根据ISO 10816的振动监测评估标准来设置报警和故障的阈值，将提取的特征参数与阈值进行比较，以此来判断机床主轴的状态；当任何特征值未超过阈值20%时，机床主轴运转正常；当任何特征值超过阈值20%以内时，为报警状态；当任何特征值超过阈值20%以上时，为故障状态；当出现报警状态和故障状态时，将采集的原始电流信号和振动信号存储在所述数据采集模块的SD卡中，可以用于后期深入处理。
另外，本发明所述的装置可以在不改变机床原有布线的情况下完成安装和监测工作，减少对机床原有系统的改造工作，同时具有快速部署，使用方便的特点；面对机床现场强干扰环境，根据电机电流数据计算主轴运转周期，并以此周期对振动信号进行降噪处理，提高信号的信噪比，经过降噪处理后，故障诊断的准确率从90%上升到95%；在数据采集模块中对采集的数据进行数据融合处理、特征提取，只上传信号的特征信息，大大减小了通信的带宽和数据存储需求；在数据采集模块中不但完成数据采集，而且还有数据显示、报警功能，通过LED指示灯、LCD屏和蜂鸣器告知机床主轴的状态，给维护人员提供详细的参考信息。
附图说明
图1为本发明所述电流传感器和三轴振动传感器的安装结构示意图。
图2为本发明所述数据采集模块的后面板的示意图。
图3为本发明所述数据采集模块的前面板的示意图。
图4为本发明所述机床状态监测装置的原理图。
图5为本发明所述数据采集模块的测控及信号处理电路图。
图6为本发明的实施例中的机床状态监测流程图。
图7为本发明的实施例中的Z轴方向的振动信号处理前后的波形图，其中，（m1）为降噪处理前的Z轴方向的振动信号的时域波形，（m2）为降噪处理前的Z轴方向的振动信号的频域波形；（m3）为降噪处理后的Z轴方向的振动信号的时域波形，（m4）为降噪处理后的Z轴方向的振动信号的频域波形。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1-图4所示，本实施例所述一种智能机床状态监测装置，所述监测装置包括，图1中，机床主轴2以及机床主轴2电机1和安装在机床主轴2轴承6，
电流传感器4，为通孔结构，安装于电机1电源输入的任意一相电源线3上，用于检测机床主轴2电机1电流信号；所述电流传感器4采用闭环霍尔电流传感器，所述电流传感器4测量量程等于电机1电流大小；
三轴振动传感器5，为表面安装部件，安装于机床主轴2轴承6的正上方中间位置，用于检测机床主轴2三个方向的振动信号，所述机床主轴2的三个方向的为X轴方向、Y轴方向和Z轴方向，所述X轴方向为平行于三轴振动传感器安装面的轴承轴向方向，所述Y轴方向为平行于三轴振动传感器安装面的轴承旋转方向，所述Z轴方向为垂直于三轴振动传感器安装面的轴承径向方向；所述三轴振动传感器5的型号是PCB公司的356A16，测量范围为±50g；频率范围0.5～5000Hz；
数据采集模块，包括高速数据输入接口、LCD屏、通讯接口和电源部分；
所述高速数据输入接口为四通道的模拟量输入接口，用以采集机床主轴电机电流信号和机床主轴三个方向的振动信号；所述模拟量输入接口采用BNC接口，且所述数据采集模块内部设置的高速AD芯片完成模拟量的采集；所述数据采集模块内部通过采集到的机床主轴电机电流信号对采集到的机床主轴三个方向的振动信号进行降噪处理和数据融合处理，并且数据采集模块内部对采集的信号进行特征提取、状态监控和故障报警；所述数据采集模块内部设有ARM芯片，所述的通讯接口由所述ARM芯片完成功能；所述数据采集模块内部设有FPGA芯片，所述的模拟量的采集由所述FPGA芯片完成；所述LCD屏用以显示机床主轴的状态和报警信息；所述通讯接口包括以太网有线接口和USB接口，用以和上位机进行通讯；所述电源部分为数据采集模块提供工作电源。
具体的，所述数据采集模块的后面板上设置BNC端子78，该BNC端子78设有四个接口AI1、AI2、AI3和AI4，并且电流传感器4通过BNC电缆连接到BNC端子78的AI1上，三轴振动传感器5的分别通过BNC电缆连接到BNC端子78的AI2、AI3和AI4上；
所述数据采集模块的后面板上设有直流供电端子79，供电电压范围是10VDC～30VDC，数据采集模块通过直流供电端子79接入直流电为整个模块供电；另外，所述数据采集模块的前面板上还设有电源开关71，通过电源开关71可以控制打开或关闭数据采集模块的供电的电源；
所述数据采集模块的通讯接口，即以太网有线接口76和USB接口75均设置于所述数据采集模块的前面板上，而且，所述数据采集模块提取的特征信息通过以太网有线接口76和USB接口75上传到上位机；所述数据采集模块的前面板板上设有用于存储数据的SD卡77；
所述数据采集模块的前面板上还设有反应机床主轴2运转状态的LCD屏72、LED指示灯73和蜂鸣器74；并且，数据采集模块对电流传感器4和三轴振动传感器5的信号处理之后，提取的特征值可以在LCD屏72上显示；另外，所述机床主轴的运转状态分为：处于正常状态时，此时LED指示灯73为绿色；处于报警状态时，即所述数据采集模块提取的任何一项特征值超过阈值20%之内时，此时LED指示灯73为黄色，同时LCD屏72上显示报警信息；处于故障状态时，即所述数据采集模块提取的任何一项特征值超过阈值20%以上时，状态显示LED指示灯73为闪烁的红色，同时蜂鸣器74发出连续的声音，在LCD屏72上闪烁故障部位和严重程度。这里，在报警状态和故障状态出现时，上述所有通道采集的传感器的信息会被实时地保存到SD卡中，以便后期深入分析机床主轴2运转不正常的原因。
本实施例中，如图5所示，具体的，所述数据采集模块的内部包括DC-DC供电模块、ARM芯片、AD芯片、FPGA芯片、FLASH 芯片；电流传感器4和三轴振动传感器5采用相同的模拟量采集电路，电流传感器4和三轴振动传感器5均通过BNC端子78连接到数据采集模块的内部的AD芯片上，AD芯片的位数是24位；电流传感器4检测的电流信号和三轴振动传感器5检测的振动信号经过AD转换之后传输到FPGA芯片上做进一步处理，即在FPGA芯片完成信号的降噪处理、数据融合处理、特征提取；上述的以太网有线接口76和USB接口75通过ARM芯片控制；FLASH 芯片用来存储FPGA芯片和ARM芯片的程序，SD卡通过FPGA芯片进行控制；整个数据采集模块通过直流供电端子79输入直流电，再通过DC-DC模块给电路板上各个功能单元供电。
如图6所示，本实施例所述的智能机床状态监测装置的状态监测方法，包括以下步骤：
步骤S502：首先根据用户的设置，得到机床主轴电机的极对数和传动系统的传动 比，再通过极对数和传动比计算得到电流周期与振动信号的周期比
Figure 170713DEST_PATH_IMAGE017
，
其中，P为电机1的极对数，i为机床主轴2传动系统的传动比；
步骤S504：根据电流传感器采集到电流信号的电流波形，以电流波形中电流信号相邻两次从正半周向负半周的过零点的时间差值为电流周期
Figure 602832DEST_PATH_IMAGE008
；
步骤S506：根据步骤S502计算得到的电流周期与振动信号的周期比J，和步骤S504计算得到的电流周期
Figure 57209DEST_PATH_IMAGE008
，计算得到振动信号的周期
Figure 854264DEST_PATH_IMAGE018
；
步骤S508：根据步骤S506计算得到振动信号的周期T对三轴振动传感器5测得的三个轴方向上的振动信号进行降噪处理，即，三轴振动传感器5测得的X轴方向上的振动信号的周期、Y轴方向上的振动信号的周期和Z轴方向上的振动信号的周期均为T，以此周期T分别对X轴方向上的振动信号、Y轴方向上的振动信号和Z轴方向上的振动信号进行周期叠加，并且以电流波形中电流信号从正到负的过零点为开始时间点，按5个振动信号的周期T进行振动信号的叠加，再对叠加的振动信号取平均，得到降噪处理后的X轴方向上的振动信号
Figure 463100DEST_PATH_IMAGE010
、Y轴方向上的振动信号
Figure 698909DEST_PATH_IMAGE011
和Z轴方向上的振动信号
Figure 771907DEST_PATH_IMAGE012
，消除大部分非周期信号和白噪声信号对状态监测的影响；
步骤S510：根据机床主轴三个方向上振动的影响不同，按照Z轴方向、Y轴方向和X轴方向的权重比为5:3:2，对降噪处理后的三个方向上的振动信号进行数据融合处理，形成一维振动信号
Figure 739863DEST_PATH_IMAGE013
；
步骤S512：分别对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，包括均值、均方根值、峰值、峭度值、偏斜度和平均能量，具体为：
均值
Figure 898312DEST_PATH_IMAGE001
均方根值
Figure 173698DEST_PATH_IMAGE002
峰值
Figure 38886DEST_PATH_IMAGE003
峭度值
Figure 177743DEST_PATH_IMAGE004
偏斜度
Figure 823488DEST_PATH_IMAGE005
平均能量
Figure 73204DEST_PATH_IMAGE006
；
步骤S514：根据ISO 10816的振动监测评估标准来设置报警和故障的阈值，将提取的各个特征值与设置的对应的阈值进行对比，用以判断机床主轴的运转状态，当任何特征值未超出对应的阈值，则机床主轴的运转正常，LED指示灯显绿色，且LCD屏上显示特征值；
步骤S516：当任何特征值超过阈值20%以内时，为报警状态，所述LED指示灯变为黄色，LCD屏上显示出现警报的部位和特征参数；当任何特征值超过阈值20%以上时，为故障状态，LED指示灯为闪烁的红色，同时所述蜂鸣器连续发出声音，在LCD屏上闪烁故障部位和严重程度；当出现报警状态和故障状态时，将采集的原始的电流信号和振动信号存储在所述数据采集模块的SD卡中，以用于后期深入处理。
本实施例中机床主轴的状态和主轴的运行转速具有严格的相关性，所有的状态信号和故障信号都是以转速为周期的周期信号，则机床主轴的周期性的振动信号能够很好的反应主轴的运转状态。振动传感器监测到的振动信号实则是主轴的周期性的振动信号与噪声信号的和；本实施例中所述的降噪处理时，将5个周期的采集到的主轴的振动信号叠加再取平均，采集到的主轴的振动信号降噪处理后，主轴的周期性的振动信号不受叠加平均的影响，而非周期的噪声信号则会消减5倍，这样降噪处理后振动信号更接近于主轴的周期性的振动信号，大幅削弱非周期信号和白噪声信号对采集信号的影响。振动信号的周期即为机床主轴的运转周期。
如图7所示，处理前的Z轴方向的时域振动信号的波形图比较杂乱，同时处理前的Z轴方向的振动信号的频域波形图中出现多个和特征无关的频谱；从降噪处理后的Z轴方向的时域振动信号的波形图和降噪处理后的Z轴方向的振动信号的频域波形图可以看出，降噪过程消除了噪声对振动信号的影响，时域信号的周期性增强，而且频域的特征频率更加突出。经过降噪处理后，故障诊断的准确率从90%上升到95%。
本实施例先对主轴的X轴方向上的振动信号、Y轴方向上的振动信号和Z轴方向上的振动信号分别进行降噪处理，然后按照确定的权重比进行数据融合处理，把三个轴方向的振动信号合成为一维振动信号，减小振动数据的数据量。
本实施例所述的装置可以在不改变机床原有布线的情况下完成安装和监测工作，减少对机床原有系统的改造工作，同时具有快速部署，使用方便的特点；在数据采集模块中对采集的数据进行数据融合、特征提取，只上传信号的特征信息，大大减小了通信的带宽和数据存储需求；在数据采集模块中不但完成数据采集，而且还有数据显示、报警功能，通过LED指示灯、LCD屏和蜂鸣器告知机床主轴的状态，给维护人员提供详细的参考信息。

Claims (8)

1.一种智能机床状态监测装置，其特征在于，所述监测装置包括：
电流传感器，为通孔结构，安装于机床主轴电机电源输入的任意一相电源线上，用于检测机床主轴电机电流信号；
三轴振动传感器，为表面安装部件，安装于机床主轴轴承的正上方中间位置，用于检测机床主轴三个方向的振动信号；
数据采集模块，包括高速数据输入接口、LCD屏、通讯接口和电源部分；
所述高速数据输入接口为四通道的模拟量输入接口，用以采集机床主轴电机电流信号和机床主轴三个方向的振动信号；
所述数据采集模块内部通过采集到的机床主轴电机电流信号对采集到的机床主轴三个方向的振动信号进行降噪处理和数据融合处理，并且数据采集模块内部对采集的信号进行特征提取、状态监控和故障报警；
所述LCD屏用以显示机床主轴的状态和报警信息；
所述通讯接口包括以太网有线接口和USB接口，用以和上位机进行通讯
所述电源部分为数据采集模块提供工作电源；
所述降噪处理为：根据所述电流传感器采集到的机床主轴电机电流信号，并结合机床主轴电机的极对数和其传动系统的传动比，计算出机床主轴的运转周期，根据机床主轴的运转周期对采集到的机床主轴三个方向的振动信号分别进行五次周期性叠加求和，然后取平均，消除非周期信号和白噪声信号；
所述数据融合处理为：所述机床主轴三个方向为X轴方向、Y轴方向和Z轴方向，根据所述机床主轴三个方向的振动影响的权重关系，Z轴方向的振动信号、Y轴方向的振动信号和X轴方向的振动信号按5:3:2的权重比进行融合，将三维振动信号转换成一维振动信号。
2.根据权利要求1所述的智能机床状态监测装置，其特征在于：所述模拟量输入接口采用BNC接口，且所述数据采集模块内部设置的高速AD芯片完成模拟量的采集。
3.根据权利要求2所述的智能机床状态监测装置，其特征在于：所述数据采集模块内部设有ARM芯片，所述的通讯接口由所述ARM芯片完成功能；所述数据采集模块内部设有FPGA芯片，所述的模拟量的采集由所述FPGA芯片完成。
4.根据权利要求1所述的智能机床状态监测装置，其特征在于：所述X轴方向为平行于三轴振动传感器安装面的轴承轴向方向，所述Y轴方向为平行于三轴振动传感器安装面的轴承旋转方向，所述Z轴方向为垂直于三轴振动传感器安装面的轴承径向方向。
5.根据权利要求1所述的智能机床状态监测装置，其特征在于，所述特征提取为：
降噪处理和数据融合处理后，对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，提取的特征包括：
均值
Figure 683784DEST_PATH_IMAGE001
均方根值
Figure 506246DEST_PATH_IMAGE002
峰值
Figure 960230DEST_PATH_IMAGE003
峭度值
Figure 159131DEST_PATH_IMAGE004
偏斜度
Figure 765692DEST_PATH_IMAGE005
平均能量
Figure 759056DEST_PATH_IMAGE006
。
6.根据权利要求1所述的智能机床状态监测装置，其特征在于，所述的通讯为：所述数据采集模块与上位机通讯，只定时上传提取的时域特征和频域特征，原始数据不保存。
7.根据权利要求1所述的智能机床状态监测装置，其特征在于，所述数据采集模块设有指示机床主轴运转状态的LED指示灯和蜂鸣器，所述数据采集模块设有用于数据存储的SD卡，所述的状态监控和故障报警为：
根据ISO 10816的振动监测评估标准来设置报警和故障的阈值，将提取的特征参数与阈值进行比较，以此来判断机床主轴的状态；
当机床主轴运转正常时，LED指示灯为绿色，LCD屏上显示提取的特征；当任何特征值超过阈值20%以内时，为报警状态，所述LED指示灯变为黄色，LCD屏上显示出现警报的部位和特征参数；当任何特征值超过阈值20%以上时，为故障状态，LED指示灯为闪烁的红色，同时所述蜂鸣器连续发出声音，在LCD屏上闪烁故障部位和严重程度；
当出现报警状态和故障状态时，将采集的原始的电流信号和振动信号存储在所述数据采集模块的SD卡中，以用于后期深入处理。
8.一种如权利要求1-7任一项所述的智能机床状态监测装置的状态监测方法，其特征在于，包括以下步骤：
1）根据机床主轴电机的极对数P和其传动系统的传动比i，计算得到电流周期与机床主轴的运转周期的比
Figure 700336DEST_PATH_IMAGE007
；
2）根据电流传感器采集到电流信号的电流波形，以电流波形中电流信号相邻两次从正半周向负半周的过零点的时间差值为电流周期
Figure 437348DEST_PATH_IMAGE008
；
3）根据电流周期与机床主轴的运转周期的比，以及电流周期，计算得到机床主轴的运转周期
Figure 898416DEST_PATH_IMAGE009
；
4）根据机床主轴的运转周期对三轴振动传感器测得的三个方向上的振动信号进行降噪处理，以电流波形中电流信号从正到负的过零点为开始时间点，以机床主轴的运转周期T分别对X轴方向上的振动信号、Y轴方向上的振动信号和Z轴方向上的振动信号进行五次周期性叠加求和，再取平均，得到降噪处理后的X轴方向上的振动信号
Figure 328261DEST_PATH_IMAGE010
、Y轴方向上的振动信号
Figure 569886DEST_PATH_IMAGE011
和Z轴方向上的振动信号
Figure 31960DEST_PATH_IMAGE012
；
5）根据机床主轴三个方向上振动的影响不同，按照Z轴方向、Y轴方向和X轴方向的权重比为5:3:2，对降噪处理后的三个方向上的振动信号进行数据融合处理，形成一维振动信号
Figure 675431DEST_PATH_IMAGE013
；
6）对电流信号和振动信号进行快速傅立叶变换FFT，然后根据变换前的电流信号和振动信号、变换后的电流信号和振动信号进行时域特征和频域特征的提取，包括均值、均方根值、峰值、峭度值、偏斜度和平均能量；
7）将提取的特征与阈值进行对比，当机床主轴运转正常时，LED指示灯为绿色，LCD屏上显示提取的特征；当任何特征值超过阈值20%以内时，为报警状态，所述LED指示灯变为黄色，LCD屏上显示出现警报的部位和特征参数；当任何特征值超过阈值20%以上时，为故障状态，LED指示灯为闪烁的红色，同时蜂鸣器连续发出声音，在LCD屏上闪烁故障部位和严重程度；当出现报警状态和故障状态时，将采集的原始的电流信号和振动信号存储在所述数据采集模块的SD卡中，以用于后期深入处理。
CN202110330623.5A 2021-03-29 2021-03-29 一种智能机床状态监测装置及其状态监测方法 Active CN112710358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110330623.5A CN112710358B (zh) 2021-03-29 2021-03-29 一种智能机床状态监测装置及其状态监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110330623.5A CN112710358B (zh) 2021-03-29 2021-03-29 一种智能机床状态监测装置及其状态监测方法

Publications (2)

Publication Number Publication Date
CN112710358A CN112710358A (zh) 2021-04-27
CN112710358B true CN112710358B (zh) 2021-06-25

Family

ID=75550327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110330623.5A Active CN112710358B (zh) 2021-03-29 2021-03-29 一种智能机床状态监测装置及其状态监测方法

Country Status (1)

Country Link
CN (1) CN112710358B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114088192A (zh) * 2021-10-12 2022-02-25 向量传感科技(宁波)有限公司 振动监测保护系统及方法、存储介质
CN114102262B (zh) * 2021-12-27 2023-03-24 爱派尔(常州)数控科技有限公司 一种机床主轴安全检测方法、系统及机床
CN114371658B (zh) * 2021-12-27 2024-06-07 上海滨捷机电有限公司 一种数控机床集成电柜控制方法、系统、电子设备和可读存储介质
CN117798744B (zh) * 2024-02-29 2024-05-10 茌平县汇通机械制造有限公司 一种数控机床运行状态监测方法
CN118559503B (zh) * 2024-08-05 2024-09-24 山东联峰精密科技有限公司 一种面向精密机床主轴的在线分析方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118437A (zh) * 2007-09-03 2008-02-06 石毅 一种新型的数控机床远程状态监测与故障诊断系统实现方法
CN102073304A (zh) * 2011-01-17 2011-05-25 西安交通大学 一种机床功能部件可重构监测系统及其方法
CN102794467A (zh) * 2012-08-31 2012-11-28 绍兴文理学院 一种采用环下润滑的高速电主轴
CN106217130A (zh) * 2016-08-15 2016-12-14 大连理工大学 复杂曲面加工过程中铣刀状态在线监测与预警方法
WO2018163211A1 (en) * 2017-03-08 2018-09-13 Rohan Kelkar System and method for monitoring and controlling cnc machine remotely
CN207924481U (zh) * 2018-03-11 2018-09-28 厦门嵘拓物联科技有限公司 一种数控机床运行状态智能监测系统
CN108620950A (zh) * 2018-05-08 2018-10-09 华中科技大学无锡研究院 一种车削刀具加工状态监测方法及系统
CN109596341A (zh) * 2018-12-10 2019-04-09 沈阳航天三菱汽车发动机制造有限公司 一种直结式主轴磨合试验台
CN110056640A (zh) * 2019-04-12 2019-07-26 苏芯物联技术(南京)有限公司 基于加速度信号和边缘计算的减速机无线故障诊断方法
CN110806723A (zh) * 2019-10-23 2020-02-18 成都飞机工业（集团）有限责任公司 一种数控机床状态评估新方法
CN111259765A (zh) * 2020-01-13 2020-06-09 北京工业大学 一种基于数控机床主轴电流信号的阶次分析方法
CN112115802A (zh) * 2020-08-26 2020-12-22 武汉理工大学 一种起重机回转机构齿轮故障诊断方法、系统及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118437A (zh) * 2007-09-03 2008-02-06 石毅 一种新型的数控机床远程状态监测与故障诊断系统实现方法
CN102073304A (zh) * 2011-01-17 2011-05-25 西安交通大学 一种机床功能部件可重构监测系统及其方法
CN102794467A (zh) * 2012-08-31 2012-11-28 绍兴文理学院 一种采用环下润滑的高速电主轴
CN106217130A (zh) * 2016-08-15 2016-12-14 大连理工大学 复杂曲面加工过程中铣刀状态在线监测与预警方法
WO2018163211A1 (en) * 2017-03-08 2018-09-13 Rohan Kelkar System and method for monitoring and controlling cnc machine remotely
CN207924481U (zh) * 2018-03-11 2018-09-28 厦门嵘拓物联科技有限公司 一种数控机床运行状态智能监测系统
CN108620950A (zh) * 2018-05-08 2018-10-09 华中科技大学无锡研究院 一种车削刀具加工状态监测方法及系统
CN109596341A (zh) * 2018-12-10 2019-04-09 沈阳航天三菱汽车发动机制造有限公司 一种直结式主轴磨合试验台
CN110056640A (zh) * 2019-04-12 2019-07-26 苏芯物联技术(南京)有限公司 基于加速度信号和边缘计算的减速机无线故障诊断方法
CN110806723A (zh) * 2019-10-23 2020-02-18 成都飞机工业（集团）有限责任公司 一种数控机床状态评估新方法
CN111259765A (zh) * 2020-01-13 2020-06-09 北京工业大学 一种基于数控机床主轴电流信号的阶次分析方法
CN112115802A (zh) * 2020-08-26 2020-12-22 武汉理工大学 一种起重机回转机构齿轮故障诊断方法、系统及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《基于多振动信号信息融合的旋转机械故障诊断方法》;李萍;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20090115(第1期);第C029-60页 *

Also Published As

Publication number Publication date
CN112710358A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN112710358B (zh) 一种智能机床状态监测装置及其状态监测方法
CN105573251B (zh) 圆盘式刀库及自动换刀系统综合性能检测平台
CN211234959U (zh) 一种船舶轴系状态监测与故障智能诊断系统
de Jesus Rangel-Magdaleno et al. FPGA-based vibration analyzer for continuous CNC machinery monitoring with fused FFT-DWT signal processing
CN107063701A (zh) 无人船状态监测及故障预警系统
KR101289674B1 (ko) 차량용 통합 데이터 계측 장치
WO2020255446A1 (ja) 駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置
CN110686856A (zh) 直升机2米直径旋翼风洞试验台振动监视、预警及安全保护系统
JP7528035B2 (ja) 機械設備の振動監視装置
CN209372414U (zh) 一种行星齿轮故障诊断系统
CN112710871A (zh) 一种定位测速系统主机的测试方法和装置
JP6742563B1 (ja) 駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置
CN210665797U (zh) Crh3型动车组速度传感器便携式检测装置
CN100529716C (zh) 机械故障诊断仪及其工作方法
CN205941600U (zh) 车辆轮速传感器检测装置
CN201867615U (zh) 一种单片微机纺织机械温度压力检测仪
CN209605741U (zh) 一种飞轮检测系统
CN114055249A (zh) 镗孔表面粗糙度监测方法和系统以及存储介质
CN113757048B (zh) 一种风电机组齿轮箱在线监测与智能故障诊断系统
CN112666925B (zh) 柴油机车载诊断系统及其诊断方法
CN114415013A (zh) 一种工业电动机寿命预测及运维系统
Dajun et al. Study on monitoring and warning system for high-speed motorized spindle based on vibration signals
CN102998114B (zh) 一种可移动式abs齿轮检测装置
CN105067031A (zh) 一种多通道数控机床能耗数据采集台架
CN108982987B (zh) 一种升船机驱动装置同步性测量与分析装置及方法

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