CN116141080A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116141080A CN116141080A CN202211633449.2A CN202211633449A CN116141080A CN 116141080 A CN116141080 A CN 116141080A CN 202211633449 A CN202211633449 A CN 202211633449A CN 116141080 A CN116141080 A CN 116141080A
- Authority
- CN
- China
- Prior art keywords
- ball screw
- numerical control
- machine tool
- control machine
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005299 abrasion Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000003745 diagnosis Methods 0.000 claims description 16
- 238000003754 machining Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002307 isotope ratio mass spectrometry Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种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，包括如下步骤：步骤一，周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半‑全误差和机械坐标，半‑全误差＝工作台理论移动距离－工作台实际移动距离，工作台理论移动距离基于驱动模块旋转角度计算得到；步骤二，将待监测滚珠丝杠对应的坐标轴的行程中间区域划分成若干个区间，将采集的半‑全误差按坐标轴中间的若干个区间对应的坐标进行分组，统计每个区间的半‑全误差绝对值的平均值或最大值作为该区间的磨损状态特征值。其能够对滚珠丝杠磨损状态进行监控并实现滚珠丝杠寿命剩余寿命的预测，数据采集实时准确，应用成本低。
Description
技术领域
本发明涉及数控机床滚珠丝杠，具体涉及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。
背景技术
滚珠丝杠作为数控机床关键部件，需要保持良好的健康状态才能保证机床正常运行以及产品的加工质量。滚珠丝杠出现故障通常需要较长时间才能修复，对生产效率影响较大。随着高速、高精度和重载的发展需求，丝杠寿命无法准确预计。滚珠丝杠常出现的失效模式是滚珠丝杠的磨损及螺母副的损坏，对滚珠丝杠的状态进行预测分析可以实时监控其健康状态，当预测数据超出相应阈值时，可及时对滚珠丝杠进行检测维修，避免设备在生产过程中出现废品或故障停机，从而提高良品率和产线生产效率。
目前机床滚珠丝杠的磨损监测方法有通过采集滚珠丝杠驱动电机的电流信号、滚珠丝杠的振动信号，再建立相应的计算模型进行监测；也有不外加传感器直接采集机床数控系统信号，再根据相应模型进行监测，但均存在一定局限。
CN105033763A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IRMS；对均方根值IRMS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IRMS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。但该方法采用的是电流信号间接地监控滚珠丝杠磨损，电流信号容易受到外界干扰，其预测存在一定误差；同时该方法需要在每个轴额外增加与驱动电机相适配的电流传感器及电流信号采集器，使用成本高，不适合大规模批量化推广应用。
CN109822396A公开了一种使用机械位置坐标监测数控机床丝杠磨损的方法，具体步骤如下：实时采集机床机械坐标系X、Y、Z轴的位置坐标，实时采集的频率能够根据实际需要自行确定；计算全行程内各个位置点的滑移频次，机械坐标系的零点为机床固有的零点位置，螺母座在丝杠行程范围内反复移动，形成若干重复的轨迹；统计该轨迹在丝杠行程内某处坐标点重复频次，并以丝杠坐标值为横轴，以频次为纵轴形成一条滑移频次曲线，该曲线便可间接反映丝杠行程某处被磨损的程度情况。该方法通过实时采集机械坐标并计算螺母座在丝杠的滑移次数来监测丝杠各部位的使用次数，并将滚珠丝杠各部位的使用次数等效为磨损量，实现对滚珠丝杠磨损状态监测。方法虽然不需要额外增加硬件，但是此方法需要在机床运行过程中持续采集机械坐标，当数据采集出现中断或不完全时，其监测的滚珠丝杠磨损程度也就不准确。同时，滚珠丝杠的运行状态、负载不同时，其磨损增量也不相同，该方法监测的滚珠丝杠磨损程度存在一定误差。
发明内容
本发明的目的是提供一种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，其能够对滚珠丝杠磨损状态进行监控并实现滚珠丝杠剩余使用寿命的预测，数据采集实时准确，应用成本低。
为了实现上述目的，本发明采用的技术方案如下：
一种数控机床滚珠丝杠磨损状态监测方法，其包括如下步骤：
步骤一，周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标，所述半-全误差＝工作台理论移动距离－工作台实际移动距离，所述工作台理论移动距离基于驱动模块旋转角度计算得到；
步骤二，将待监测滚珠丝杠对应的坐标轴的行程中间区域划分成若干个区间，将步骤一采集的半-全误差按坐标轴中间的若干个区间对应的坐标进行分组，统计每个区间的半-全误差绝对值的平均值或最大值作为该区间的磨损状态特征值。
进一步，步骤二中以待监测滚珠丝杠对应的坐标轴的区间编号为横轴、磨损状态特征值为纵轴绘制磨损状态图，表示坐标轴各部位的磨损状态，反映待监测滚珠丝杠的磨损量。
进一步，步骤一中在数控机床各个坐标轴的驱动模块上布置用于检测驱动模块旋转角度的第一位置测量元件，在工作台上布置用于检测工作台实际移动距离的第二位置测量元件，基于第一位置测量元件和第二位置测量元件计算得到待监测滚珠丝杠对应的坐标轴在某一机械坐标时的半-全误差。
进一步，在数控机床上集成布置半-全误差诊断功能，编制半-全误差诊断运行用NC程序，该NC程序定期运行。
进一步，半-全误差诊断运行用NC程序运行时，数据采集周期设置为1～60000ms/次。
进一步，半-全误差诊断运行用NC程序运行时数控机床坐标轴的移动速度为0.01～100m/min，每次只移动一个坐标轴，每个坐标轴在行程范围内往复移动三次，数控机床在每次热机过程中运行一次诊断数据运行用NC程序，坐标轴运行区间需包含正常加工行走区间。
进一步，步骤一中，若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标发生变化，则采集一次半-全误差和机械坐标并记录，若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标未发生变化，则不采集第二次的数据。
进一步，步骤二中取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值，将所述磨损状态值与设定值进行比较，判断磨损状态是否正常。
一种数控机床滚珠丝杠剩余使用寿命预测方法，其包括如下步骤
S1，采用本发明所述的基于半-全误差的数控机床滚珠丝杠磨损状态监测方法得到坐标轴中间区域每个区间的磨损状态特征值，取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值；
S2，在一定时间内定期采集数控机床运行过程中坐标轴的磨损状态值并记录，形成趋势图；
S3，根据趋势图拟合得到预测模型，将滚珠丝杠的磨损状态预警值输入至预测模型中，得到滚珠丝杠剩余使用寿命。
进一步，S3中的采用一元线性回归方程建立预测模型，该预测模型为：ΔC＝kΔT，ΔC为滚珠丝杠的磨损状态值，k为拟合系数，ΔT为使用时间；
进一步，滚珠丝杠剩余使用寿命为ΔT剩余＝(Cm-C1)/k，Cm为滚珠丝杠的磨损状态预警值，C1为滚珠丝杠当前磨损状态值。
进一步，S2中每隔1天、7天或15天采集一次数控机床运行过程中坐标轴的磨损状态值并记录。
本发明的有益效果：
本发明通过周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标，将待监测滚珠丝杠对应的坐标轴的行程中间区域划分成若干个区间，将采集的半-全误差按坐标轴中间的若干个区间对应的坐标进行分组，统计每个区间的半-全误差绝对值的平均值作为该区间的磨损状态特征值。所述半-全误差＝工作台理论移动距离－工作台实际移动距离，所述工作台理论移动距离基于驱动模块旋转角度计算得到。数控机床的驱动模块到工作台之间的传动部件包括包括联轴器和滚珠丝杠，而联轴器的传动类型为刚性传动，滚珠丝杠的传动类型为挠性传动，所以坐标轴的半-全误差的来源主要为滚珠丝杠的传动间隙。当滚珠丝杠磨损后，其传动间隙会增大，从而该坐标轴的半-全误差也会增大，相应地半-全误差的增量也就反映了滚珠丝杠的磨损量。
本发明通过半-全误差的采集及计算分析，能够对滚珠丝杠磨损状态进行实现监控并实现滚珠丝杠剩余使用寿命的预测，不需要额外配置传感器，数据采集实时准确，应用成本低。
附图说明
图1是本发明所述数控机床滚珠丝杠磨损状态监测方法流程图；
图2是本发明所述数控机床滚珠丝杠剩余使用寿命预测方法流程图；
图3是滚珠丝杠传动原理及第一测量元件和第二测量元件的布置位置示意图；
图4是数控机床半-全误差说明示意图；
图5是本发明实施例Z轴磨损状态图；
图6是本发明实施例滚珠丝杠维修前后的磨损状态特征值对比图；
图7是本发明实施例滚珠丝杠磨损状态特征值历史趋势及寿命预测图。
图中，1—第一位置测量元件，2—驱动模块，3—联轴器，4—滚珠丝杠，5—工作台，6—第二位置测量元件。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实施例一，参见图1，所示的数控机床滚珠丝杠磨损状态监测方法，其包括如下步骤：
步骤一，周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标，所述半-全误差＝工作台理论移动距离－工作台实际移动距离，所述工作台理论移动距离基于驱动模块旋转角度计算得到。本实施例中，所述数控机床为卧式加工中心，数控系统为FANUC31i-MB，其X、Y、Z三个坐标轴配置有编码器及光栅尺作为半闭环和全闭环测量系统的测量元件，参见图3，对应坐标轴的第一位置测量元件1与第二位置测量元件6，控制形式为全闭环控制，加工对象为气缸盖。
参见图3，驱动模块2与工作台5通过联轴器3、滚珠丝杠4联接，通过驱动模块2旋转带动工作台5移动。滚珠丝杠4的传动通常会存在传动间隙，而传动间隙会随着滚珠丝杠4的持续磨损而逐渐增大，当磨损增大到一定程度后，滚珠丝杠4便会失效，无法再继续使用。
高精度数控机床通常配置有两个位置测量系统检测其坐标轴的实际位置。如图2所示，第一位置测量元件1即编码器安装在驱动模块2侧，用于检测驱动模块2的旋转角度，计算出工作台5理论移动距离；第二位置测量元件6即光栅尺安装在工作台5侧，用于检测工作台5的实际移动距离。如图4所示，第一位置测量元件1与第二位置测量元件6之间的差异称为半闭环-全闭环误差，简称半-全误差。
由于从驱动模块2到工作台5之间的传动部件包括联轴器3和滚珠丝杠4，而联轴器3的传动类型为刚性传动，滚珠丝杠4的传动类型为挠性传动，所以坐标轴的半-全误差的来源主要为滚珠丝杠4的传动间隙。当滚珠丝杠4磨损后，其传动间隙会增大，从而该坐标轴的半-全误差也会增大，相应地半-全误差的增量也就反映了滚珠丝杠4的磨损量。
步骤二，将待监测滚珠丝杠对应的坐标轴的行程中间区域划分成若十个区间，将步骤一采集的半-全误差按坐标轴中间的若干个区间对应的坐标进行分组，统计每个区间的半-全误差绝对值的平均值作为该区间的磨损状态特征值，以待监测滚珠丝杠对应的坐标轴的区间编号为横轴、磨损状态特征值为纵轴绘制磨损状态图，参见图5，表示坐标轴各部位的磨损状态，反映待监测滚珠丝杠的磨损量。
在数控机床上集成布置半-全误差诊断功能，具体的，本实施例的机床数控系统为FANUC31i-MB，启用半-全误差诊断功能需要配置参数：2078-双重位置反馈变换系数分子、2079-双重位置反馈变换系数分母、2118-半-全误差报警等级。本实施例的数控机床坐标轴伺服电机编码器型号为αi、最小检测单位为0.001mm，滚珠丝杠螺距25mm，根据FANUC31i-MB数控系统参数手册说明，双重位置反馈变换系数分子N＝25*1000＝25000，双重位置反馈变换系数分母M＝100万，二者的约分数为N/M＝1/40，对应参数双重位置反馈变换系数分子2078设置为1，双重位置反馈变换系数分母2079设置为40，半-全误差报警等级2118设置为最大值9999，即不报警。
编制半-全误差诊断运行用NC程序，该半-全误差诊断运行用NC程序定期运行。本实施例中，数控机床运行时坐标轴的移动速度为为0.05m/s，每次只移动一个坐标轴，每个坐标轴在行程范围内往复移动三次，数控机床在每次热机过程中运行一次诊断数据采集用NC程序，坐标轴运行区间需包含正常加工行走区间。
半-全误差诊断运行用NC程序运行时，周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标，将坐标轴的半-全误差、机械坐标与坐标轴名称、采集时间进行绑定存储。半-全误差诊断运行用NC程序运行时，数据采集周期设置为500ms/次。数据采集条件设置为：若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标发生变化，则采集一次半-全误差和机械坐标并记录，若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标未发生变化，则不采集第二次的数据，避免了同一数据重复采集。
步骤二中取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值，将所述磨损状态值与设定值进行比较，判断磨损状态是否正常。随着滚珠丝杠的持续磨损，提取的磨损状态值也随之增大，当磨损状态值超过设定值时即表示滚珠丝杠的磨损状态差，需要维修。在本实施例中，将设定值即滚珠丝杠磨损状态预警值设置为80，当获取的滚珠丝杠磨损状态特征值≥80时，表示滚珠丝杠磨损状态差，需要维修。参见图6，图中展示了坐标轴维修前与维修后的磨损状态。在维修前，该设备Z轴出现故障，表现为加工产品时Z轴振动，加工的产品表面出现振纹；在维修人员将Z轴滚珠丝杠间隙调小以后故障解除，产品质量恢复正常，后续监控该轴磨损状态值如图5中维修后所示，其磨损状态特征值较维修前明显下降。因此，能够采用从坐标轴半-全误差提取的滚珠丝杠磨损特征值来对滚珠丝杠磨损状态进行评价。
在实际使用过程中，结合加工精度需求，磨损特征值大不代表一定不能满足加工需求，工件的不同特征精度要求不同，调整工件装夹位置使磨损大的滚珠丝杠区域用于低精度特征加工，磨损小的滚珠丝杠区域用于高精度特征加工，合理延长丝杠使用寿命，物尽其用，减少了滚珠丝杠更换或维修成本。
实施例二，参见图2，所示数控机床滚珠丝杠剩余使用寿命预测方法，其包括如下步骤
S1，采用本发明所述的基于半-全误差的数控机床滚珠丝杠磨损状态监测方法得到坐标轴中间区域每个区间的磨损状态特征值，取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值。
S2，在一定时间内定期采集数控机床运行过程中坐标轴的磨损状态值并记录，形成趋势图；本实施例中，定期采集周期为1天，能够根据实际情况进行调整，每天采集一次数控机床运行过程中坐标轴的磨损状态值并记录，持续一段时间后，统计每天采集的磨损状态值形成趋势图。
S3，参见图7，根据趋势图拟合得到预测模型，将滚珠丝杠的磨损状态预警值输入至预测模型中，得到滚珠丝杠剩余使用寿命。
由于滚珠丝杠在稳定磨损阶段的磨损量与工作时间成正比增加，本实施例中采用一元线性回归方程建立预测模型，该预测模型为：ΔC＝kΔT，ΔC为滚珠丝杠的磨损状态值，k为拟合系数，ΔT为使用时间。不同设备工况不同，预测模型会存在差异，能够通过全生命周期监控半-全误差建立预测模型并不断修正。
滚珠丝杠剩余使用寿命为ΔT剩余＝(Cm-C1)/k，Cm为滚珠丝杠的磨损状态预警值，C1为滚珠丝杠当前磨损状态值。
建立可视化界面实时展示及定期或达到阈值后进行信息推送提醒，实时、精准预测滚珠丝杠预测剩余使用寿命，提前做好维护准备，减少了停机损失。
综上，本发明通过对滚珠丝杠传动间隙进行分析，采集坐标轴半-全误差并提取出磨损状态特征值，对滚珠丝杠磨损状态进行实施监控并实现滚珠丝杠剩余使用寿命的预测，具有不需要额外配置传感器、从结果出发，数据采集实时准确，应用成本低等优点，可在各行业配置有光栅尺的数控机床上进行推广。
以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。
Claims (12)
1.一种数控机床滚珠丝杠磨损状态监测方法，其特征在于，包括如下步骤：
步骤一，周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标，所述半-全误差＝工作台理论移动距离－工作台实际移动距离，所述工作台理论移动距离基于驱动模块旋转角度计算得到；
步骤二，将待监测滚珠丝杠对应的坐标轴的行程中间区域划分成若干个区间，将步骤一采集的半-全误差按坐标轴中间的若干个区间对应的坐标进行分组，统计每个区间的半-全误差绝对值的平均值或最大值作为该区间的磨损状态特征值。
2.根据权利要求1所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：步骤二中以待监测滚珠丝杠对应的坐标轴的区间编号为横轴、磨损状态特征值为纵轴绘制磨损状态图，表示坐标轴各部位的磨损状态，反映待监测滚珠丝杠的磨损量。
3.根据权利要求1或2所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：步骤一中在数控机床各个坐标轴的驱动模块上布置用于检测驱动模块旋转角度的第一位置测量元件，在工作台上布置用于检测工作台实际移动距离的第二位置测量元件，基于第一位置测量元件和第二位置测量元件计算得到待监测滚珠丝杠对应的坐标轴在某一机械坐标时的半-全误差。
4.根据权利要求1或2所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：在数控机床上集成布置半-全误差诊断功能，编制半-全误差诊断运行用NC程序，该NC程序定期运行并在该NC程序运行过程中周期性采集数控机床运行过程中待监测滚珠丝杠对应的坐标轴的半-全误差和机械坐标。
5.根据权利要求4所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：半-全误差诊断运行用NC程序运行时，数据采集周期设置为1～60000ms/次。
6.根据权利要求4所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：半-全误差诊断运行用NC程序运行时数控机床坐标轴的移动速度为0.01～100m/min，每次只移动一个坐标轴，每个坐标轴在行程范围内往复移动三次，数控机床在每次热机过程中运行一次诊断数据运行用NC程序，坐标轴运行区间需包含正常加工行走区间。
7.根据权利要求1或2所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：步骤一中，若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标发生变化，则采集一次半-全误差和机械坐标并记录；若相邻两次数据采集的待监测滚珠丝杠对应的坐标轴的机械坐标未发生变化，则不采集第二次的数据。
8.根据权利要求1或2所述的数控机床滚珠丝杠磨损状态监测方法，其特征在于：步骤二中取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值，将所述磨损状态值与设定值进行比较，判断磨损状态是否正常。
9.一种数控机床滚珠丝杠剩余使用寿命预测方法，其特征在于，包括如下步骤：
S1，采用权利要求1～8任一项所述的基于半-全误差的数控机床滚珠丝杠磨损状态监测方法得到坐标轴中间区域每个区间的磨损状态特征值，取磨损状态特征值最大的值作为待监测滚珠丝杠的磨损状态值；
S2，在一定时间内定期采集数控机床运行过程中坐标轴的磨损状态值并记录，形成趋势图；
S3，根据趋势图拟合得到预测模型，将滚珠丝杠的磨损状态预警值输入至预测模型中，得到滚珠丝杠剩余使用寿命。
10.根据权利要求9所述的数控机床滚珠丝杠剩余使用寿命预测方法，其特征在于：S3中的采用一元线性回归方程建立预测模型，该预测模型为：ΔC＝kΔT，ΔC为滚珠丝杠的磨损状态值，k为拟合系数，ΔT为使用时间。
11.根据权利要求10所述的数控机床滚珠丝杠剩余使用寿命预测方法，其特征在于：滚珠丝杠剩余使用寿命为ΔT剩余＝(Cm-C1)/k，Cm为滚珠丝杠的磨损状态预警值，C1为滚珠丝杠当前磨损状态值。
12.根据权利要求9所述的数控机床滚珠丝杠剩余使用寿命预测方法，其特征在于：S2中每隔1天、7天或15天采集一次数控机床运行过程中坐标轴的磨损状态值并记录。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211633449.2A CN116141080A (zh) | 2022-12-19 | 2022-12-19 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211633449.2A CN116141080A (zh) | 2022-12-19 | 2022-12-19 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116141080A true CN116141080A (zh) | 2023-05-23 |
Family
ID=86351721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211633449.2A Pending CN116141080A (zh) | 2022-12-19 | 2022-12-19 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116141080A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08229769A (ja) * | 1995-02-28 | 1996-09-10 | Mitsubishi Heavy Ind Ltd | 送り装置の破損防止装置 |
| CN1891387A (zh) * | 2005-12-21 | 2007-01-10 | 杭州杭机数控机床有限公司 | 数控快走丝线切割机床及精度控制方法 |
| CN101470433A (zh) * | 2007-12-27 | 2009-07-01 | 大隈株式会社 | 机械诊断方法及机械诊断装置 |
| CN102072705A (zh) * | 2010-12-20 | 2011-05-25 | 南京理工大学 | 滚珠丝杠螺旋线误差在线检测方法及其装置 |
| CN103753351A (zh) * | 2013-12-24 | 2014-04-30 | 西安瑞特快速制造工程研究有限公司 | 一种全闭环伺服系统的数控机床反向间隙监测方法 |
| JP2015105913A (ja) * | 2013-12-02 | 2015-06-08 | 上銀科技股▲分▼有限公司 | ボールねじの転動の滑らかさをチェックする方法 |
| CN107063102A (zh) * | 2017-06-16 | 2017-08-18 | 南京理工大学 | 一种微小型滚珠丝杠副行程误差测量装置 |
| CN107966928A (zh) * | 2017-11-21 | 2018-04-27 | 上海联影医疗科技有限公司 | 背隙误差补偿方法、装置、系统、计算机设备及放射治疗设备 |
| CN108459559A (zh) * | 2018-05-03 | 2018-08-28 | 南京航空航天大学 | 五轴联动加工机床轨迹误差实时监测方法 |
| CN108536095A (zh) * | 2018-04-24 | 2018-09-14 | 湖北文理学院 | 一种丝杠磨损量实时预测方法 |
| CN108548670A (zh) * | 2018-06-23 | 2018-09-18 | 西北工业大学 | 一种行星滚柱丝杠副传动误差测量方法 |
| CN110160436A (zh) * | 2019-06-28 | 2019-08-23 | 重庆理工大学 | 一种直线位移传感器的误差测量方法及测量装置 |
| JP2020017318A (ja) * | 2019-10-31 | 2020-01-30 | ファナック株式会社 | 制御装置、工場監視システム、制御装置の使用頻度検出方法、及び工場監視方法 |
| CN110842644A (zh) * | 2019-11-09 | 2020-02-28 | 北京工业大学 | 一种基于数控负载信息的机床运动部件接触刚度退化率监测方法 |
| DE102020112387A1 (de) * | 2020-05-07 | 2021-11-11 | Myomega Systems Gmbh | Verfahren zur verschleisserkennung von maschinenwerkzeugen |
-
2022
- 2022-12-19 CN CN202211633449.2A patent/CN116141080A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08229769A (ja) * | 1995-02-28 | 1996-09-10 | Mitsubishi Heavy Ind Ltd | 送り装置の破損防止装置 |
| CN1891387A (zh) * | 2005-12-21 | 2007-01-10 | 杭州杭机数控机床有限公司 | 数控快走丝线切割机床及精度控制方法 |
| CN101470433A (zh) * | 2007-12-27 | 2009-07-01 | 大隈株式会社 | 机械诊断方法及机械诊断装置 |
| CN102072705A (zh) * | 2010-12-20 | 2011-05-25 | 南京理工大学 | 滚珠丝杠螺旋线误差在线检测方法及其装置 |
| JP2015105913A (ja) * | 2013-12-02 | 2015-06-08 | 上銀科技股▲分▼有限公司 | ボールねじの転動の滑らかさをチェックする方法 |
| CN103753351A (zh) * | 2013-12-24 | 2014-04-30 | 西安瑞特快速制造工程研究有限公司 | 一种全闭环伺服系统的数控机床反向间隙监测方法 |
| CN107063102A (zh) * | 2017-06-16 | 2017-08-18 | 南京理工大学 | 一种微小型滚珠丝杠副行程误差测量装置 |
| CN107966928A (zh) * | 2017-11-21 | 2018-04-27 | 上海联影医疗科技有限公司 | 背隙误差补偿方法、装置、系统、计算机设备及放射治疗设备 |
| CN108536095A (zh) * | 2018-04-24 | 2018-09-14 | 湖北文理学院 | 一种丝杠磨损量实时预测方法 |
| CN108459559A (zh) * | 2018-05-03 | 2018-08-28 | 南京航空航天大学 | 五轴联动加工机床轨迹误差实时监测方法 |
| CN108548670A (zh) * | 2018-06-23 | 2018-09-18 | 西北工业大学 | 一种行星滚柱丝杠副传动误差测量方法 |
| CN110160436A (zh) * | 2019-06-28 | 2019-08-23 | 重庆理工大学 | 一种直线位移传感器的误差测量方法及测量装置 |
| JP2020017318A (ja) * | 2019-10-31 | 2020-01-30 | ファナック株式会社 | 制御装置、工場監視システム、制御装置の使用頻度検出方法、及び工場監視方法 |
| CN110842644A (zh) * | 2019-11-09 | 2020-02-28 | 北京工业大学 | 一种基于数控负载信息的机床运动部件接触刚度退化率监测方法 |
| DE102020112387A1 (de) * | 2020-05-07 | 2021-11-11 | Myomega Systems Gmbh | Verfahren zur verschleisserkennung von maschinenwerkzeugen |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111624951B (zh) | 加工条件调整装置以及加工条件调整系统 | |
| US11614728B2 (en) | Machine tool management system that obtains a next maintenance period from a maintenance period model and a refinement algorithm | |
| US10907722B2 (en) | Actuator diagnostics and prognostics | |
| CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
| CN103853101B (zh) | 具备有维护部件更换时期判断功能的数值控制装置的机床 | |
| Wang et al. | Failure probabilistic model of CNC lathes | |
| CN110605709B (zh) | 数字孪生与精密滤波驱动机器人集成系统及其使用方法 | |
| CN102929210A (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| CN110837247B (zh) | 基于机床数据的机床性能测评方法、系统、综合系统、云平台 | |
| CN109405889A (zh) | 用于掘进机工作臂减速器故障预测的系统与方法 | |
| WO2022043516A1 (en) | System and method for instantaneous performance management of a machine tool | |
| CN102636366A (zh) | 一种基于电机转矩信号的机床进给系统运行性能评估方法 | |
| CN116141080A (zh) | 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 | |
| CN112262027B (zh) | 异常判定装置和异常判定方法 | |
| Uhlmann et al. | Monitoring of slowly progressing deterioration of computer numerical control machine axes | |
| Starr et al. | Failure analysis of mature robots in automated production | |
| JP2003050617A (ja) | 異常予知・寿命管理システム | |
| TW202014814A (zh) | 刀具監控系統及刀具監控方法 | |
| CN101901002B (zh) | 一种多轴线束加工控制系统 | |
| Yuan et al. | Deep Learning-Based Predictive Maintenance Model for Air Cylinder in Manufacturing Systems | |
| JP7011106B1 (ja) | 状態判定装置及び状態判定方法 | |
| CN111625907B (zh) | 一种数控机床主轴健康程度量化评价方法 | |
| CN111399440B (zh) | 一种数控机床精度解耦测试系统及方法 | |
| CN117760719A (zh) | 一种丝杠状态自动监测方法、系统及计算机存储介质 | |
| CN117991752A (zh) | 基于数字孪生和物联网技术的设备故障预测系统及方法 |
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 |