TW201319539A - 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 - Google Patents
利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 Download PDFInfo
- Publication number
- TW201319539A TW201319539A TW100140621A TW100140621A TW201319539A TW 201319539 A TW201319539 A TW 201319539A TW 100140621 A TW100140621 A TW 100140621A TW 100140621 A TW100140621 A TW 100140621A TW 201319539 A TW201319539 A TW 201319539A
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- lead screw
- ball lead
- ball
- mode function
- Prior art date
Links
Abstract
本發明係揭露一種利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法。此振動訊號量測系統包含訊號擷取模組、訊號前處理模組、訊號分析模組及一訊號後處理模組。訊號前處理模組將訊號擷取模組所擷取之振動訊號轉換為內稟模式函數圖,並由訊號分析模組從中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數。訊號後處理模組則將內稟模式函數轉換該多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。
Description
本發明是有關於一種滾珠導螺桿預壓力失效之量測系統,特別是有關於一種利用希爾伯特黃轉換法(Hilbert-Huang Transform,HHT)分析滾珠導螺桿裝置之聲紋訊號及振動訊號,以診斷滾珠導螺桿預壓力失調之量測系統及其方法。
目前,滾珠導螺桿為精密線性傳動與定位系統之重要元件,其功能為利用導螺桿將旋轉運動轉換為直線運動,以達成線性傳輸功能。由於滾珠導螺桿以滾珠作為螺桿與螺帽之間的動力傳送媒介,並以鋼珠滾動代替傳統螺桿的滑動方式,因此能夠大幅提昇進給傳動時的機械效率與高進給速度,為精密定位及高進給系統的關鍵性機械零組件。也因為如此,滾珠導螺桿常被廣泛應用於精密加工機與半導體製造設備上。為了因應高精度切削的高精度加工路線,往往會將滾珠導螺的轉速及剛性不斷的提升,導致滾珠導螺桿因高轉速及重預壓下產生高摩擦扭力,而經過長時間的往復進給下,造成內部滾珠摩耗的程度瞬間增加,進而產生熱溫升及熱變位,使之造成螺帽預壓失效影像加工定位精度。因此,如何診斷滾珠導螺桿的預壓力失效,一直是相當重要的議題。
由於滾珠導螺桿的預壓力影響定位精度甚鉅,且滾珠導螺桿運動中是無法直接量測其機械尺寸,因此如何早期診斷滾珠導螺桿的預壓力失效,一直是相當重要的問題。然而,滾珠導螺桿運動所產生的訊號為非穩態訊號,習知技術之量測裝置使用傅立葉轉換(Fourier transform)濾波,濾波後的結果仍無法據以分析。
而黃愕博士在1998年提出The Empirical Mode Decomposition and The Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis, Proceedings of Royal Society of London Series A, Vol 454, pp. 903-995 1998.其中提到的希伯爾特轉換法(Hilbert-Huang Transform,HHT)可有效分析旋轉機械故障振動之非線性及非穩態訊號。因此,如何提出一種滾珠導螺桿預壓力失效之量測系統,能夠整合希爾伯特黃轉換法來更有效地檢測滾珠導螺桿的預壓力失效,即為本發明所欲解決之問題。
有鑑於上述習知技藝之問題,本發明之主要目的之一就是在提供一種利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法,以解決習知技藝之量測系統無法準確分析滾珠導螺桿的預壓力失效的問題。
根據本發明之目的,提出一種利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統,係包含:訊號擷取模組,係擷取滾珠導螺桿裝置運轉時之振動訊號;訊號前處理模組,係利用經驗模式分解法(Empirical Mode Decomposition Method,EMD)將振動訊號轉換為可表示在不同振動頻率之下,滾珠導螺桿預壓力特徵訊號之內稟模式函數圖;訊號分析模組,係分析內稟模式函數圖,並從中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數(Intrinsic Mode Function,INF);以及訊號後處理模組,係以多尺度熵分析法(Multiscale Entropy,MSE)將內稟模式函數轉換為多尺度熵分析圖,多尺度熵分析圖表示在不同的尺度之下,內稟模式函數之熵值變化,以量測滾珠導螺桿預壓力變化。其中,訊號前處理模組係將在不同時間點所擷取之該振動訊號轉換為複數個內稟模式函數圖,並由訊號分析模組由複數個內稟模式函數圖中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個內稟模式函數,再由訊號後處理模組將各個內稟模式函數轉換為多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。
根據本發明之目的,再提出一種利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法,係包含下列步驟:經由訊號擷取模組擷取在不同時間點之滾珠導螺桿裝置運轉之振動訊號;利用訊號前處理模組將在不同時間點所擷取之振動訊號轉換為複數個內稟模式函數圖;由訊號分析模組由複數個內稟模式函數圖中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個內稟模式函數;以及透過訊號後處理模組將各個內稟模式函數轉換為多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。
其中,內稟模式函數係表示振動訊號之瞬時振幅及瞬時頻率。
其中,訊號分析模組係將內稟模式函數圖轉換為邊際圖譜(Marginal Spectrum),邊際圖譜能表示滾珠導螺桿預壓力特徵訊號出現的頻率位置,以找出在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數。
其中,訊號擷取模組為加速規。
根據本發明之目的,又提出一種利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統,係包含:訊號擷取模組,係擷取滾珠導螺桿裝置運轉時產生之聲紋訊號;儲存模組,係儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之聲紋訊號之聲紋數據;訊號處理模組,係利用經驗模式分解法將聲紋訊號轉換為可表示在不同聲紋頻率之下,滾珠導螺桿預壓力特徵訊號之內稟模式函數圖,並從中提取在預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數;以及訊號分析模組,係利用短時距傅立葉轉換(Short-Time Fourier Transform,STFT)將內稟模式函數轉換為時頻圖,並分析時頻圖以產生邊際時域圖(Marginal Time)及邊際頻域圖(Marginal Frequency),並與該聲紋數據比對,以量測滾珠導螺桿預壓力變化。
根據本發明之目的,更提出一種利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測方法,係包含下列步驟:利用訊號擷取模組擷取滾珠導螺桿裝置運轉時產生之聲紋訊號;藉由儲存模組儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之聲紋訊號之聲紋數據;由訊號處理模組利用經驗模式分解法將聲紋訊號轉換為內稟模式函數圖,並從中提取在預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數;透過訊號分析模組將內稟模式函數轉換為時頻圖、邊際時域圖及邊際頻域圖,並與聲紋數據比對,以量測滾珠導螺桿預壓力變化。
其中,內稟模式函數係表示聲紋訊號之瞬時振幅及瞬時頻率。
其中,訊號擷取模組為一麥克風。
承上所述,依本發明之利用希爾伯特黃轉換法診斷滾珠導螺桿預壓力失調之量測系統及其方法,其可具有一或多個下述優點:
(1) 本發明的所提出的方法可有效分析旋轉機械故障振動之非線性及非穩態訊號,因此可以準確量測滾珠導螺桿預壓力是否失效。
(2) 本發明可藉由希伯爾特黃轉換法與多尺度熵分析法有效的判斷滾珠導螺桿預壓力是否失效,此方法不必停機檢查,即可有效檢測出滾珠導螺桿預壓力是否失效,以增進滾珠導螺桿的壽命。
本發明採用1998 年美國太空總署(National Aeronautics and Space Administration, NASA)的黃鍔博士發表的經驗模態分解法(Empirical Mode Decomposition, EMD),利用資料本身時間尺度作為能量,將原來訊號分解為從高頻至低頻的多個內稟模態函數(Intrinsic Mode Function, IMF),再把內稟模態函數當作展開的基底,利用這些基底就可以完全表示原來訊號的物理特性,也就保證了分解之完整性,避免失真的高正交性,並使訊號表現瞬間變化的局部性,且能在非線性訊號分析的適應性,再利用希伯特轉換出內稟模態函數的瞬間振幅與頻率,使訊號能表現瞬間變化的訊息與特性,稱為希伯特黃轉換(Hilbert Huang Transform, HHT)。
另外,本發明更採用了多尺度熵分析法(Multiscale Entropy,MSE)。由於一個系統的熵和複雜度隱含著整個系統運動規律性,熵與複雜度的物理意義直接和系統單一變數的性質相聯繫。在計算熵和複雜度時,一般同近年來由符號動力學理論發展出來的符號時間序列分析方法相聯繫。符號時間序列分析實質是結合混沌時間序列分析和資訊理論的一種分析方法,其實質是先對序列值的符號化,符號化後編碼,編碼後計算熵或複雜度等特徵。
以下將參照相關圖式,說明依本發明之利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法之實施例,為使便於理解,下列所述實施例中之相同元件係以相同之符號標示來說明。
請參閱第1圖,係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之方塊圖。如圖所示,滾珠導螺桿預壓力量測系統1包含訊號擷取模組11、訊號前處理模組12、訊號分析模組13及訊號後處理模組14。
訊號擷取模組11可擷取滾珠導螺桿裝置運轉時所產生之振動訊號,此訊號擷取模組11可為一加速規。訊號前處理模組12可利用希爾伯特轉換法中之經驗模式分解法121將振動訊號111轉換為一可表示在不同振動頻率之下,滾珠導螺桿預壓力特徵訊號之一內稟模式函數圖122,內稟模式函數可表示振動訊號111之瞬時振幅及瞬時頻率。而訊號分析模組13可分析內稟模式函數圖122,並將其轉換為邊際圖譜(Marginal Spectrum),邊際圖譜能表示滾珠導螺桿預壓力特徵訊號出現的頻率位置,以找出在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數131。
值得一提的是,由於內稟模式函數圖122包含多個內稟模式函數131,各個內稟模式函數131顯示之特徵訊號具有不同的意義。因此,只有在特定頻率下出現的特徵訊號才是與滾珠導螺桿有關的訊號。因此,訊號分析模組13需要由內稟模式函數圖122中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數131,以做為後續分析的依據。
訊號後處理模組14係以多尺度熵分析法141(Multiscale Entropy,MSE)將該內稟模式函數131轉換為多尺度熵分析圖142,多尺度熵分析圖142表示在不同的尺度之下,內稟模式函數131之熵值變化,以量測滾珠導螺桿預壓力變化。
因此,利用訊號前處理模組12將在不同時間點所擷取之振動訊號111轉換為多個內稟模式函數圖122,並從提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個該內稟模式函數131。訊號後處理模組14則將各個內稟模式函數131轉換為多尺度熵分析圖142。由於當滾珠導螺桿之預壓力變化,會在多尺度熵分析圖142產生熵值的變化。因此,藉由分析多尺度熵分析圖142中各曲線熵值的變化,即可量測滾珠導螺桿之預壓力的變化情況。
另外,利用本發明之方法,即使在滾珠導螺桿裝置運轉時,也能夠測定其預壓力是否失效,因此不必停機檢查,在實際應用時更加的方便。
請參閱第2A及2B圖,係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之內稟函數圖。訊號前處理模組可利用希爾伯特轉換法中之經驗模式分解法將在不同的時間點下所擷取之振動訊號轉換為內稟模式函數圖,內稟模式函數圖顯示之特徵訊號具有不同的意義。例如,經由事前訓練得知,與滾珠導螺桿預壓力有關之特徵訊號會落在頻率320Hz附近。訊號前處理模組將內稟模式函數圖轉換為邊際圖譜(Marginal Frequency),如第3圖所示。由第3圖可以很明顯的看出,第3組內稟模式函數(IMF3)之邊際圖譜之特徵訊號出現在在頻率320Hz附近。因此可以斷定第3組內稟模式函數與滾珠導螺桿預壓力有關。
請參閱第4圖,係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之多尺度熵分析圖。訊號後處理模組係以多尺度熵分析法將在各個不同的時間點下,與滾珠導螺桿預壓力有關之內稟模式函數轉換為多尺度熵分析圖。由第4圖可以很明顯的看出,滾珠導螺桿預壓力變動時,其熵值相對提高(Entropy 0~1.2)。而在35分鐘後因溫升平衡,其整個複雜度在高尺度下相對趨於穩定。
請參閱第5圖,係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法之流程圖。
在步驟S51中,經由訊號擷取模組擷取在不同時間點之滾珠導螺桿裝置運轉之振動訊號。
在步驟S52中,利用訊號前處理模組將在不同時間點所擷取之振動訊號轉換為複數個內稟模式函數圖。
在步驟S53中,由訊號分析模組由複數個內稟模式函數圖中提取在預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個內稟模式函數。
在步驟S54中,透過訊號後處理模組將各個內稟模式函數轉換為多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。
請參閱第6圖,係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之方塊圖。如圖所示,滾珠導螺桿預壓力量測系統6包含訊號擷取模組61、儲存模組64、訊號分析模組63及訊號處理模組62。
訊號擷取模組61可擷取滾珠導螺桿裝置運轉時產生之聲紋訊號611,此訊號擷取模組61可為一麥克風。儲存模組64可儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之聲紋訊號之聲紋數據641。因此,可經由事前訓練,將在不同預壓力條件(如輕預壓2%、中預壓4%、重預壓6%)下之聲紋數據儲存於儲存模組64中,以便進行比對測量。
訊號處理模組可利用希爾伯特轉換法中之經驗模式分解法621將聲紋訊號611轉換為一可表示在不同聲紋頻率之下,滾珠導螺桿預壓力特徵訊號之內稟模式函數圖622,並選取在預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數623。
訊號分析模組則利用短時距傅立葉轉換631(Short-Time Fourier Transform,STFT)將該內稟模式函數623轉換為時頻圖632,並根據該時域圖632產生邊際時域圖633(Marginal Time)及一邊際頻域圖634(Marginal Frequency),並與該聲紋數據641比對。利用上述的方法即可以有效量測滾珠導螺桿預壓力變化。
請參閱第7A、7B及7C圖,係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之時頻圖、邊際時域圖及邊際頻域圖。本發明利用希爾伯特轉換法中之經驗模式分解法將含有螺桿特徵訊號之內稟模式函數利用短時距傅立葉轉換將其轉換為時頻圖,而於時頻圖中有一個紅色十字指標可將訊號分解成邊際時域圖(Marginal Time)及邊際頻域圖(Marginal Frequency)。
如圖所示,在不同預壓力(輕預壓2%、中預壓4%、重預壓6%)之下,整體聲壓趨勢呈現滾珠導螺桿於啟動及停止時所激發出的聲壓較大。而滾珠導螺桿於行程的往返點附近也有聲壓的出現,但能量與啟動及停止時所激發出的聲壓小很多,這是由於滾珠導螺桿於啟動及停止時需克服摩擦力。而滾珠導螺桿於行程的往返點時,滾珠從順時鐘轉向逆時鐘,需要克服反轉時的摩擦力。然而,對聲壓的比對而言,應屬滾珠導螺桿於啟動及停止時所造成的聲壓較為劇烈。
由第7A圖可以很明顯的看出,2%預壓力的滾珠導螺桿因背隙較大,摩擦力所展現的訊號特徵時間較長且疏散。反之,第7B及7C圖中之4%及6%預壓力螺桿摩擦力展現的訊號特徵較短且緊密。在第7C圖中,由過預壓6%之滾珠導螺桿內部滾珠較其他螺桿緊密,可發現預壓6%之滾珠導螺桿於啟動及停止時的摩擦力都無像其他螺桿有能量的上升,而是一開始就呈現最大值,直到克服摩擦力後能量才開始上降。如圖中所示,紅色虛線箭頭為啟動及停止之摩擦訊號,紅色圈圈虛線為滾珠反轉時的摩擦力。因此,本發明可藉由不同馬達轉速及不同預壓力之滾珠導螺桿的聲壓數據,來判斷不同預壓力的螺桿。
請參閱第8圖,係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之流程圖。
在步驟81中,利用訊號擷取模組擷取滾珠導螺桿裝置運轉時產生之聲紋訊號。
在步驟82中,藉由儲存模組儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之聲紋訊號之聲紋數據。
在步驟83中,由訊號處理模組利用經驗模式分解法將聲紋訊號轉換為內稟模式函數圖,並從中提取在預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之內稟模式函數。
在步驟84中,透過訊號分析模組將內稟模式函數轉換為時頻圖、邊際時域圖及邊際頻域圖,並與聲紋數據比對,以量測滾珠導螺桿預壓力變化。
綜上所述,本發明之利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法可有效分析旋轉機械故障振動之非線性及非穩態訊號,因此可以準確量測滾珠導螺桿預壓力是否失效。本發明不必停機檢查,即可有效檢測出滾珠導螺桿預壓力是否失效,以增進滾珠導螺桿的壽命。可見本發明在突破先前之技術下,確實已達到所欲增進之功效,且也非熟悉該項技藝者所易於思及,實已符合專利之申請要件。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
1、6...滾珠導螺桿預壓力量測系統
11、61...訊號擷取模組
111...振動訊號
12、62...訊號前處理模組
121、621...經驗模式分解法
122、622...內稟模式函數圖
13、63...訊號分析模組
131、623...內稟模式函數
14...訊號後處理模組
141...多尺度熵分析法
142...多尺度熵分析圖
611...聲紋訊號
64...儲存模組
641...聲紋數據
631...短時距傅立葉轉換
632...時頻圖
633...邊際時域圖
634...邊際頻域圖
S51~S54、S81~S84...步驟流程
第1圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之方塊圖。
第2A及2B圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之內稟函數圖。
第3圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之邊際圖譜。
第4圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之多尺度熵分析圖。
第5圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法之流程圖。
第6圖係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之方塊圖。
第7A、7B、7C圖係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之時頻圖、邊際時域圖及邊際頻域圖。
第8圖係為本發明之本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之流程圖。
第2A及2B圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之內稟函數圖。
第3圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之邊際圖譜。
第4圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之多尺度熵分析圖。
第5圖係為本發明之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法之流程圖。
第6圖係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之方塊圖。
第7A、7B、7C圖係為本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之第一實施例之時頻圖、邊際時域圖及邊際頻域圖。
第8圖係為本發明之本發明之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統之流程圖。
1...滾珠導螺桿預壓力量測系統
11...訊號擷取模組
111...振動訊號
12...訊號前處理模組
121...經驗模式分解法
122...內稟模式函數圖
13...訊號分析模組
131...內稟模式函數
14...訊號後處理模組
141...多尺度熵分析法
142...多尺度熵分析圖
Claims (14)
- 一種利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統,係包含:
一訊號擷取模組,係擷取滾珠導螺桿裝置運轉時之一振動訊號;
一訊號前處理模組,係利用經驗模式分解法(Empirical Mode Decomposition Method,EMD)將該振動訊號轉換為一可表示在不同振動頻率之下,滾珠導螺桿預壓力特徵訊號之一內稟模式函數圖;
一訊號分析模組,係分析該內稟模式函數圖,並從中提取在一預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之一內稟模式函數(Intrinsic Mode Function,INF);以及
一訊號後處理模組,係以多尺度熵分析法(Multiscale Entropy,MSE)將該內稟模式函數轉換為一多尺度熵分析圖,該多尺度熵分析圖表示在不同的尺度之下,該內稟模式函數之熵值變化,以量測滾珠導螺桿預壓力變化;
其中,該訊號前處理模組係將在不同時間點所擷取之該振動訊號轉換為該複數個內稟模式函數圖,並由該訊號分析模組由該複數個內稟模式函數圖中提取在一預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個該內稟模式函數,再由該訊號後處理模組將各個該內稟模式函數轉換為該多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。 - 如申請專利範圍第1項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統,其中該內稟模式函數係表示該振動訊號之瞬時振幅及瞬時頻率。
- 如申請專利範圍第2項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統,其中該訊號分析模組係將該內稟模式函數圖轉換為一邊際圖譜(Marginal Spectrum),該邊際圖譜能表示滾珠導螺桿預壓力特徵訊號出現的頻率位置,以找出在該預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之該內稟模式函數。
- 如申請專利範圍第1項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測系統,其中該訊號擷取模組為一加速規。
- 一種利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法,係包含下列步驟:
經由一訊號擷取模組擷取在不同時間點之滾珠導螺桿裝置運轉之一振動訊號;
利用一訊號前處理模組將在不同時間點所擷取之振動訊號轉換為複數個內稟模式函數圖;
由一訊號分析模組由該複數個內稟模式函數圖中提取在一預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之各個內稟模式函數;以及
透過一訊號後處理模組將各個該內稟模式函數轉換為一多尺度熵分析圖,以量測滾珠導螺桿預壓力變化。 - 如申請專利範圍第5項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法,其中該內稟模式函數係表示振動訊號之瞬時振幅及瞬時頻率。
- 如申請專利範圍第6項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法,其中該訊號分析模組係將該內稟模式函數轉換為一邊際圖譜,該邊際圖譜能表示滾珠導螺桿預壓力特徵訊號出現的頻率位置,以找出在該預設振動頻率下,出現滾珠導螺桿預壓力特徵訊號之該內稟模式函數。
- 如申請專利範圍第5項所述之利用振動訊號診斷滾珠導螺桿預壓力失調之量測方法,其中該訊號擷取模組為一加速規。
- 一種利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統,係包含:
一訊號擷取模組,係擷取滾珠導螺桿裝置運轉時產生之一聲紋訊號;
一儲存模組,係儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之該聲紋訊號之一聲紋數據;
一訊號處理模組,係利用經驗模式分解法將該聲紋訊號轉換為一可表示在不同聲紋頻率之下,滾珠導螺桿預壓力特徵訊號之一內稟模式函數圖,並從中提取在一預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之一內稟模式函數;以及
一訊號分析模組,係利用短時距傅立葉轉換(Short-Time Fourier Transform,STFT)將該內稟模式函數轉換為一時頻圖,並分析該時頻圖以產生一邊際時域圖(Marginal Time)及一邊際頻域圖(Marginal Frequency),並與該聲紋數據比對,以量測滾珠導螺桿預壓力變化。 - 如申請專利範圍第9項所述之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統,其中該內稟模式函數係表示該聲紋訊號之瞬時振幅及瞬時頻率。
- 如申請專利範圍第9項所述之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統,其中該訊號擷取模組為一麥克風。
- 一種利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測方法,係包含下列步驟:
利用一訊號擷取模組擷取滾珠導螺桿裝置運轉時產生之一聲紋訊號;
藉由一儲存模組儲存在不同預壓力條件之下,滾珠導螺桿裝置運轉時產生之該聲紋訊號之一聲紋數據;
由一訊號處理模組利用經驗模式分解法將該聲紋訊號轉換為一內稟模式函數圖,並從中提取在一預設聲紋頻率下,出現滾珠導螺桿預壓力特徵訊號之一內稟模式函數;以及
透過一訊號分析模組將該內稟模式函數轉換為一時頻圖、一邊際時域圖及一邊際頻域圖,並與該聲紋數據比對,以量測滾珠導螺桿預壓力變化。
- 如申請專利範圍第12項所述之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測方法,其中該內稟模式函數係表示該聲紋訊號之瞬時振幅及瞬時頻率。
- 如申請專利範圍第12項所述之利用聲紋訊號診斷滾珠導螺桿預壓力失調之量測方法,其中該訊號擷取模組為一麥克風。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100140621A TWI465707B (zh) | 2011-11-07 | 2011-11-07 | 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100140621A TWI465707B (zh) | 2011-11-07 | 2011-11-07 | 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201319539A true TW201319539A (zh) | 2013-05-16 |
TWI465707B TWI465707B (zh) | 2014-12-21 |
Family
ID=48872445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100140621A TWI465707B (zh) | 2011-11-07 | 2011-11-07 | 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI465707B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI504478B (zh) * | 2014-06-04 | 2015-10-21 | Hiwin Tech Corp | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method |
TWI508815B (zh) * | 2014-06-25 | 2015-11-21 | ||
CN105865776A (zh) * | 2016-03-23 | 2016-08-17 | 浙江理工大学 | 一种基于eemd和广义s变换的风电齿轮箱故障诊断方法 |
TWI564554B (zh) * | 2014-12-12 | 2017-01-01 | 國立勤益科技大學 | 用於xxy平台即時故障之檢測方法 |
TWI613552B (zh) * | 2013-12-26 | 2018-02-01 | 崑山科技大學 | 軸承摩擦偵測方法、電腦可讀取記錄媒體與使用其之系統 |
CN110867195A (zh) * | 2019-11-20 | 2020-03-06 | 四川赛康智能科技股份有限公司 | 一种基于声纹及振动针对电力主设备的缺陷在线监测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI812305B (zh) * | 2022-06-27 | 2023-08-11 | 國立彰化師範大學 | 故障診斷系統及故障診斷方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001248704A (ja) * | 2000-03-07 | 2001-09-14 | Fuji Photo Film Co Ltd | ボールねじ送り機構 |
IT1316041B1 (it) * | 2000-12-22 | 2003-03-26 | Umbra Cuscinetti Spa | Albero a vite per circolazione di sfere con aumentata frequenza divibrazione e migliorata dissipazione delle vibrazioni. |
TW200905105A (en) * | 2007-07-31 | 2009-02-01 | Nat Univ Chin Yi Technology | Noise measuring method and device for ball screw |
TWI353442B (en) * | 2007-11-28 | 2011-12-01 | Nat Univ Chin Yi Technology | Torque and twist angle measuring device for a ball |
-
2011
- 2011-11-07 TW TW100140621A patent/TWI465707B/zh not_active IP Right Cessation
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI613552B (zh) * | 2013-12-26 | 2018-02-01 | 崑山科技大學 | 軸承摩擦偵測方法、電腦可讀取記錄媒體與使用其之系統 |
TWI504478B (zh) * | 2014-06-04 | 2015-10-21 | Hiwin Tech Corp | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method |
TWI508815B (zh) * | 2014-06-25 | 2015-11-21 | ||
US20150377719A1 (en) * | 2014-06-25 | 2015-12-31 | Hiwin Technologies Corp. | Method for detecting preload residual rate |
US9593987B2 (en) * | 2014-06-25 | 2017-03-14 | Hiwin Technologies Corp. | Method for detecting preload residual rate |
TWI564554B (zh) * | 2014-12-12 | 2017-01-01 | 國立勤益科技大學 | 用於xxy平台即時故障之檢測方法 |
CN105865776A (zh) * | 2016-03-23 | 2016-08-17 | 浙江理工大学 | 一种基于eemd和广义s变换的风电齿轮箱故障诊断方法 |
CN110867195A (zh) * | 2019-11-20 | 2020-03-06 | 四川赛康智能科技股份有限公司 | 一种基于声纹及振动针对电力主设备的缺陷在线监测方法 |
CN110867195B (zh) * | 2019-11-20 | 2023-12-12 | 四川赛康智能科技股份有限公司 | 一种基于声纹及振动针对电力主设备的缺陷在线监测方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI465707B (zh) | 2014-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI465707B (zh) | 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 | |
Yang et al. | Sparse time-frequency representation for incipient fault diagnosis of wind turbine drive train | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
Loutas et al. | Condition monitoring of a single-stage gearbox with artificially induced gear cracks utilizing on-line vibration and acoustic emission measurements | |
CN102226740A (zh) | 基于外加周期信号控制随机共振的轴承故障检测方法 | |
Lee et al. | Failure diagnosis system for a ball-screw by using vibration signals | |
CN106053074B (zh) | 一种基于stft和转动惯量熵的滚动轴承声音信号故障特征提取方法 | |
CN111337250A (zh) | 基于虚拟仪器的机床状态故障诊断系统和方法 | |
TW201204960A (en) | Diagnosis method of ball screw preload loss via Hilbert-Huang Transform and apparatus therefor | |
CN104596766A (zh) | 一种轴承早期故障确定方法 | |
Luo et al. | The diagnosis approach for rolling bearing fault based on Kurtosis criterion EMD and Hilbert envelope spectrum | |
JP2012098213A (ja) | 転がり直動要素用稼働状態監視装置および転がり直動要素の稼働状態監視方法 | |
Azeez et al. | Detection of rolling element bearing defects by vibration signature analysis: A review | |
Jain et al. | A review on vibration signal analysis techniques used for detection of rolling element bearing defects | |
TW201633025A (zh) | 工具機主軸故障形式的診斷方法及其系統 | |
Nabhan et al. | Multiple defects detection in outer race of gearbox ball bearing using time domain statistical parameters | |
Mauricio et al. | Novel cyclo-nonstationary indicators for monitoring of rotating machinery operating under speed and load varying conditions | |
Zhang et al. | Wind turbine planetary gearbox fault diagnosis via proportion-extracting synchrosqueezing chirplet transform | |
Zhuang et al. | Rolling bearing fault diagnosis by aperiodic stochastic resonance under variable speed conditions | |
CN202092865U (zh) | 加速度轴承振动测量仪 | |
He et al. | Real-time fault diagnosis of motor bearing via improved cyclostationary analysis implemented onto edge computing system | |
CN102798462B (zh) | 基于自解调变换的无时标阶次跟踪方法 | |
Bujoreanu et al. | Vibration analysis methods in bearing damage detection | |
Rubhini et al. | Machine condition monitoring using audio signature analysis | |
Borhana et al. | Early fault detection in bearing using time domain technique: Faulty bearing seeded on inner raceway and ball |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |