CN115383514A - 一种基于振动信号时域分析的磨削烧伤监测方法 - Google Patents
一种基于振动信号时域分析的磨削烧伤监测方法 Download PDFInfo
- Publication number
- CN115383514A CN115383514A CN202211085091.4A CN202211085091A CN115383514A CN 115383514 A CN115383514 A CN 115383514A CN 202211085091 A CN202211085091 A CN 202211085091A CN 115383514 A CN115383514 A CN 115383514A
- Authority
- CN
- China
- Prior art keywords
- grinding
- value
- burn
- characteristic
- rms
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/099—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring features of the machined workpiece
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23F—MAKING GEARS OR TOOTHED RACKS
- B23F1/00—Making gear teeth by tools of which the profile matches the profile of the required surface
- B23F1/02—Making gear teeth by tools of which the profile matches the profile of the required surface by grinding
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及磨削烧伤监测技术领域，尤其涉及一种基于振动信号时域分析的磨削烧伤监测方法，包括以下步骤：S1，收集磨齿机砂轮主轴的振动加速度信号，并绘制振动加速度曲线，从振动加速度曲线中获取有效值特征时间序列；S2，去除干扰值和异常值；S3，根据磨削过程特征时间序列设定磨削烧伤判断阈值；S4，将磨削特征值与磨削烧伤判断阈值进行对比，当磨削特征值大于磨削烧伤判断阈值时，发生烧伤；当磨削特征值小于或等于磨削烧伤判断阈值时，未发生烧伤。本发明通过计算有效值提取表征磨削过程的特征，以六西格玛和移动平均滤波去除磨削过程特征的突刺点，可表征磨齿机加工过程的磨削特征变化规律，并通过设置烧伤阈值来实现磨削烧伤的判断。
Description
技术领域
本发明涉及磨削烧伤监测技术领域，具体为一种基于振动信号时域分析的磨削烧伤监测方法。
背景技术
在齿轮磨削加工过程中，磨齿机砂轮与工件的磨削过程中会产生瞬间高温，其中大部分热量可直接传递到工件造成工件金相组织发生改变，发生工件磨削烧伤。
齿面发生磨削烧伤后，对齿轮的使用性能会造成一定的影响。而磨齿机磨削过程受到砂轮转速、进给量和工件轴移动速度等多参数的影响，使得形成烧伤的机理复杂。
目前，针对磨削烧伤，大多采用事后检测或者定性的在线监测方法，不能及时高效的发现烧伤现象，在工程实际中未能发挥有效的作用。
发明内容
针对现有技术中存在的问题，本发明提供一种基于振动信号时域分析的磨削烧伤监测方法。
本发明是通过以下技术方案来实现：
一种基于振动信号时域分析的磨削烧伤监测方法，包括以下步骤：
S1，收集磨齿机砂轮主轴的振动加速度信号，并利用振动加速度信号绘制振动加速度曲线，从振动加速度曲线中获取有效值特征时间序列；
S2，去除有效值特征时间序列中的干扰值和异常值，得到磨削过程特征时间序列；
S3，根据磨削过程特征时间序列设定磨削烧伤判断阈值；
S4，将磨削特征值与磨削烧伤判断阈值进行对比，当磨削特征值大于磨削烧伤判断阈值时，发生烧伤；当磨削特征值小于或等于磨削烧伤判断阈值时，未发生烧伤。
优选的，在S1中，所述有效特征时间序列的获取步骤为：将振动加速度曲线进行分段，分别计算每段曲线的有效值，并将有效值按照先后次序构建有效值特征时间序列。
优选的，所述有效值的表达式如下：
式中，xrms_k表示第k段信号的有效值特征，N为分段信号的长度，xi为该段信号中的第i个数值。
优选的，所述有效值特征时间序列的表达式如下：
xrms＝[xrms_1 … xrms_k … xrms_z]
式中，z为原始信号总的分段数。
优选的，在S2中，所述异常值的去除包括初处理和再处理。
优选的，所述初处理采用六西格玛6σrms进行去除，具体步骤如下：首先计算有效值特征序列的平均值和方差，利用六西格玛6σrms去除异常值，并将异常值替换为特定值，得到初处理的有效值特征时间序列。
优选的，利用六西格玛6σrms去除异常值的表达式如下：
[xrms(i)<3σrms∪xrms(j)>3σrms]。
优选的，所述再处理采用移动平均滤波的方法对初处理的有效值特征时间序列进行平滑，得到磨削过程特征时间序列。
优选的，在S3中，所述磨削烧伤判断阈值的具体步骤如下：以未发生烧伤时的磨削特征值为基数，以烧伤发生时的磨削特征值与未发生烧伤时的磨削特征值的差值的一半为增量阈值，以基数与增量阈值之和为发生烧伤时的磨削烧伤判断阈值。
优选的，所述磨削特征值为每个完整完整磨齿过程曲线中的第二道磨削过程中的最高值。
与现有技术相比，本发明具有以下有益效果：
本发明一种基于振动信号时域分析的磨削烧伤监测方法以磨齿机加工中的砂轮主轴加速度信号为输入，通过计算有效值提取表征磨削过程的特征，去除干扰项和异常值的磨削过程特征时间序列可以清晰明了的表征磨齿机加工过程的磨削特征变化规律，最后通过设置烧伤阈值来实现磨削烧伤的判断。
振动加速度信号容易获取，振动信号是机械设备非常成熟的监测手段，容易实现在线监测。
本发明的方法简单稳定，不受加工参数的影响，相较于传统方法能够高效的识别磨削烧伤，且容易实现在线监测，可广泛应用于磨齿机加工过程状态监测。
进一步的，利用六西格玛去除有效值特征时间序列中的由于启停机和外界原因造成的干扰值和异常值，并通过移动平均滤波去除初处理的有效值特征时间序列中的突刺点，进一步去除会造成误判的干扰数值。
附图说明
图1为本发明的流程总图；
图2为磨齿机主轴振动信号；
图3为有效值特征时间序列；
图4为去除异常值后的有效值特征时间序列；
图5为平均移动滤波后的有效值特征时间序列。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明公开了一种基于振动信号时域分析的磨削烧伤监测方法，参照图1，包括以下步骤：
S1，收集磨齿机砂轮主轴的振动加速度信号，加速度信号由设置于磨齿机砂轮主轴上的加速度传感器测得。
将振动加速度曲线进行分段，分别计算每段曲线的有效值，其表达式如下：
式中，xrms_k表示第k段信号的有效值特征，N为分段信号的长度，xi为该段信号中的第i个数值。
之后，将有效值按照先后次序构建有效值特征时间序列，其表达式如下：
xrms＝[xrms_1 … xrms_k … xrms_z]
式中，z为原始信号总的分段数。
S2，异常值的去除包括初处理和再处理，利用六西格玛6σrms和移动平均滤波的方法去除有效值特征时间序列中的干扰值和异常值，得到磨削过程特征时间序列。
初处理时，首先计算有效值特征序列的平均值和方差，利用六西格玛6σrms筛选异常值，并将异常值替换为特定值，得到初处理的有效值特征时间序列。
筛选过程为[xrms(i)<3σrms∪xrms(j)>3σrms]。
再处理时，采用移动平均滤波的方法对初处理的有效值特征时间序列进行平滑，得到磨削过程特征时间序列。
以窗长为5作例，移动滤波的计算方法如下：
X_rms(1)＝xrms′(1)
X_rms(2)＝(xrms′(1)+xrms′(2)+xrms′(3))/3
X_rms(3)＝(xrms′(1)+xrms′(2)+xrms′(3)+xrms′(4)+xrms′(5))/5
X_rms(4)＝(xrms′(2)+xrms′(3)+xrms′(4)+xrms′(5)+xrms′(6))/5
X_rms(5)＝(xrms′(3)+xrms′(4)+xrms′(5)+xrms′(6)+xrms′(7))/5
S3，根据磨削过程特征时间序列设定磨削烧伤判断阈值，具体步骤为：以未发生烧伤时的磨削特征值为基数，磨削特征值为每个完整完整磨齿过程曲线中的第二道磨削过程中的最高值；以烧伤发生时的磨削特征值与未发生烧伤时的磨削特征值的差值的一半为增量阈值，以基数与增量阈值之和为发生烧伤时的磨削烧伤判断阈值。
S4，将磨削特征值与磨削烧伤判断阈值进行对比，当磨削特征值大于磨削烧伤判断阈值时，发生烧伤；当磨削特征值小于或等于磨削烧伤判断阈值时，未发生烧伤。
使用某型数控磨齿机依次对三个齿轮工件进行磨削加工，每个工件磨削两次。磨齿机加工过程中砂轮转速为5500rpm，单步进给量为0.04mm。三个工件加工过程中Z轴移动速度分别为140mm/min、80mm/min、200mm/min。加工完成后通过酸洗发现，前两个工件无烧伤发生，第三个工件有烧伤发生。
S1，利用数据采集软件以10240Hz的采样频率收集磨齿机砂轮主轴的振动加速度信号(如图2所示)，三个工件共计时长8min。
将振动加速度信号以2000个点的长度进行分段，分别计算每段曲线的有效值如图3所示，图3可以观察到3个磨削加工过程，但存在由于主轴启停导致的异常值和干扰项，影响烧伤是否发生的判断。
S2，异常值的去除包括初处理和再处理，利用六西格玛6σrms和移动平均滤波的方法去除有效值特征时间序列中的干扰值和异常值，得到磨削过程特征时间序列。
初处理时，首先计算有效值特征序列的平均值和方差，利用六西格玛6σrms筛选异常值，并将异常值替换为特定值，得到初处理的有效值特征时间序列如图4所示。
筛选过程为[xrms(i)<3σrms∪xrms(j)>3σrms]。
再处理时，采用移动平均滤波的方法对初处理的有效值特征时间序列进行平滑，得到磨削过程特征时间序列。
本实施例中设置的移动滤波的窗长为21，平滑后得到的磨削过程有效值特征时间序列如图5所示，可以看到，图5中有效去除了与磨削过程无关的异常值和干扰项。
S3，根据磨削过程特征时间序列设定磨削烧伤判断阈值，具体步骤为：以未发生烧伤时的磨削特征值为基数，磨削特征值为每个完整完整磨齿过程曲线中的第二道磨削过程中的最高值。参照图5，可以清晰观察到三个磨削加工过程。每个磨削过程中对应两个明显的波峰，为每个工件的两次磨削过程，三个工件的磨削特征值分别为0.00351、0.00314、0.00435，以未发生烧伤时的最小磨削特征值为基数，即0.00314。
以烧伤发生时的磨削特征值与未发生烧伤时的磨削特征值的差值的一半为增量阈值，即(0.00435-0.00314)/2＝0.000605。
以基数与增量阈值之和为发生烧伤时的磨削烧伤判断阈值，即0.00314+0.00605＝0.003745。
S4，将磨削特征值与磨削烧伤判断阈值进行对比，当磨削特征值大于磨削烧伤判断阈值时，发生烧伤；当磨削特征值小于或等于磨削烧伤判断阈值时，未发生烧伤。
前两个工件磨削加工过程中磨削特征值均未超过该阈值，也即没有发生烧伤，第三个工件磨削加工过程中的磨削特征值超过了烧伤阈值，也即发生了烧伤现象，说明本发明提出的方法能够有效识别磨削过程中的烧伤现象。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种基于振动信号时域分析的磨削烧伤监测方法，其特征在于，包括以下步骤：
S1，收集磨齿机砂轮主轴的振动加速度信号，并利用振动加速度信号绘制振动加速度曲线，从振动加速度曲线中获取有效值特征时间序列；
S2，去除有效值特征时间序列中的干扰值和异常值，得到磨削过程特征时间序列；
S3，根据磨削过程特征时间序列设定磨削烧伤判断阈值；
S4，将磨削特征值与磨削烧伤判断阈值进行对比，当磨削特征值大于磨削烧伤判断阈值时，发生烧伤；当磨削特征值小于或等于磨削烧伤判断阈值时，未发生烧伤。
2.根据权利要求1所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，在S1中，所述有效特征时间序列的获取步骤为：将振动加速度曲线进行分段，分别计算每段曲线的有效值，并将有效值按照先后次序构建有效值特征时间序列。
3.根据权利要求2所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，所述有效值的表达式如下：
式中，xrms_k表示第k段信号的有效值特征，N为分段信号的长度，xi为该段信号中的第i个数值。
4.根据权利要求2所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，所述有效值特征时间序列的表达式如下：
xrms＝[xrms_1…xrms_k…xrms_z]
式中，z为原始信号总的分段数。
5.根据权利要求2所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，在S2中，所述异常值的去除包括初处理和再处理。
6.根据权利要求5所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，所述初处理采用六西格玛6σrms进行去除，具体步骤如下：首先计算有效值特征序列的平均值和方差，利用六西格玛6σrms去除异常值，并将异常值替换为特定值，得到初处理的有效值特征时间序列。
7.根据权利要求6所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，利用六西格玛6σrms去除异常值的表达式如下：
8.根据权利要求6所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，所述再处理采用移动平均滤波的方法对初处理的有效值特征时间序列进行平滑，得到磨削过程特征时间序列。
9.根据权利要求8所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，在S3中，所述磨削烧伤判断阈值的具体步骤如下：以未发生烧伤时的磨削特征值为基数，以烧伤发生时的磨削特征值与未发生烧伤时的磨削特征值的差值的一半为增量阈值，以基数与增量阈值之和为发生烧伤时的磨削烧伤判断阈值。
10.根据权利要求9所述的基于振动信号时域分析的磨削烧伤监测方法，其特征在于，所述磨削特征值为每个完整完整磨齿过程曲线中的第二道磨削过程中的最高值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211085091.4A CN115383514A (zh) | 2022-09-06 | 2022-09-06 | 一种基于振动信号时域分析的磨削烧伤监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211085091.4A CN115383514A (zh) | 2022-09-06 | 2022-09-06 | 一种基于振动信号时域分析的磨削烧伤监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115383514A true CN115383514A (zh) | 2022-11-25 |
Family
ID=84124042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211085091.4A Pending CN115383514A (zh) | 2022-09-06 | 2022-09-06 | 一种基于振动信号时域分析的磨削烧伤监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115383514A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5759085A (en) * | 1993-06-01 | 1998-06-02 | Zf Friedrichshafen Ag | Process for avoiding overstressing a workpiece during grinding |
| CN106826565A (zh) * | 2017-03-16 | 2017-06-13 | 中国人民解放军装甲兵工程学院 | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 |
| CN107633122A (zh) * | 2017-09-11 | 2018-01-26 | 上海理工大学 | 一种基于功率信号的磨削烧伤监控方法 |
| CN208621219U (zh) * | 2018-05-15 | 2019-03-19 | 中国工程物理研究院激光聚变研究中心 | 基于磨削阻力矩实时测量的砂轮磨损在线监测装置 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN111230740A (zh) * | 2020-01-14 | 2020-06-05 | 华中科技大学 | 一种航空发动机叶片机器人磨削烧伤预测方法及装置 |
| CN111251187A (zh) * | 2020-01-16 | 2020-06-09 | 华中科技大学 | 一种叶片磨削烧伤信息融合与特征提取方法及装置 |
| CN111721835A (zh) * | 2020-06-28 | 2020-09-29 | 上海理工大学 | 空心钻磨削砂轮状态智能监测方法 |
| CN114473870A (zh) * | 2022-03-11 | 2022-05-13 | 新代科技(苏州)有限公司 | 磨床监测系统及监测方法 |
-
2022
- 2022-09-06 CN CN202211085091.4A patent/CN115383514A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5759085A (en) * | 1993-06-01 | 1998-06-02 | Zf Friedrichshafen Ag | Process for avoiding overstressing a workpiece during grinding |
| CN106826565A (zh) * | 2017-03-16 | 2017-06-13 | 中国人民解放军装甲兵工程学院 | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 |
| CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和系统 |
| CN107633122A (zh) * | 2017-09-11 | 2018-01-26 | 上海理工大学 | 一种基于功率信号的磨削烧伤监控方法 |
| CN208621219U (zh) * | 2018-05-15 | 2019-03-19 | 中国工程物理研究院激光聚变研究中心 | 基于磨削阻力矩实时测量的砂轮磨损在线监测装置 |
| CN111230740A (zh) * | 2020-01-14 | 2020-06-05 | 华中科技大学 | 一种航空发动机叶片机器人磨削烧伤预测方法及装置 |
| CN111251187A (zh) * | 2020-01-16 | 2020-06-09 | 华中科技大学 | 一种叶片磨削烧伤信息融合与特征提取方法及装置 |
| CN111721835A (zh) * | 2020-06-28 | 2020-09-29 | 上海理工大学 | 空心钻磨削砂轮状态智能监测方法 |
| CN114473870A (zh) * | 2022-03-11 | 2022-05-13 | 新代科技(苏州)有限公司 | 磨床监测系统及监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
| CN105058165A (zh) | 基于振动信号的刀具磨损量监测系统 | |
| CN106112697B (zh) | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 | |
| CN107186547A (zh) | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 | |
| CN106647629A (zh) | 一种基于数控系统内部数据的断刀检测方法 | |
| CN106141815A (zh) | 一种基于ar模型的高速铣削颤振在线辨识方法 | |
| CN114850969B (zh) | 一种基于振动信号的刀具失效监控方法 | |
| CN106564012B (zh) | 一种磨削加工颤振的检测方法 | |
| CN106970593A (zh) | 一种通过主轴转速智能控制实现加工颤振在线抑制的方法 | |
| CN114714157B (zh) | 一种基于时变滤波经验模态分解与瞬时能量比的磨削颤振监测方法 | |
| CN111975451B (zh) | 基于非线性自适应分解与香农熵的铣削颤振在线监测方法 | |
| CN109991925A (zh) | 一种切削颤振在线监控方法及监控系统 | |
| Yang et al. | Application of bispectrum diagonal slice feature analysis in tool wear states monitoring | |
| Mou et al. | A study of tool tipping monitoring for titanium milling based on cutting vibration | |
| CN115383514A (zh) | 一种基于振动信号时域分析的磨削烧伤监测方法 | |
| CN105954031B (zh) | 一种基于奇异谱分解滤波的包络分析方法 | |
| CN111193495B (zh) | 一种工件校直数据的滤波处理方法 | |
| CN112597958B (zh) | 一种滚动轴承故障自动识别方法及系统 | |
| CN112699550A (zh) | 一种基于迁移学习的切削力神经网络预测模型训练方法 | |
| DE102014117091A1 (de) | Motorsteuerung mit einer Funktion zur Erfassung von Auffälligkeiten der Kraftübertragungseinheit zwischen Motor und Hauptwelle | |
| CN117313009A (zh) | 一种基于加工中心设备数据的预防故障方法 | |
| CN111880475A (zh) | 用于数控机床的防撞机控制方法、控制系统及数控机床 | |
| US20220009049A1 (en) | Calibration-Based Tool Condition Monitoring System for Repetitive Machining Operations | |
| Paul | Detection of change in processes using wavelets | |
| CN114888634A (zh) | 铣刀磨损监测方法及装置 |
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 |