基于傅里葉變換的數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)

劉學(xué)平

（寧夏巨能機(jī)器人股份有限公司， 寧夏 銀川 750000）

引言

數(shù)控機(jī)床是制造業(yè)中的重要裝備機(jī)械，是制造機(jī)器設(shè)備的工作母機(jī)，對(duì)我國(guó)工業(yè)的發(fā)展起到至關(guān)重要的作用[1]。數(shù)控機(jī)床電主軸并不是單一的零部件，而是由主軸、驅(qū)動(dòng)電機(jī)、軸承組成的一套組件。與傳統(tǒng)機(jī)床主軸相比，電主軸是由內(nèi)置的電機(jī)驅(qū)動(dòng)，零部件之間連接更加緊密且加工精度更高[2]。雖然這種主軸具有多種優(yōu)勢(shì)，但是也會(huì)受沖擊信號(hào)、振動(dòng)信號(hào)等因素導(dǎo)致主軸故障，因此，為了保證數(shù)控機(jī)床的進(jìn)一步發(fā)展，保障數(shù)控機(jī)床加工穩(wěn)定性，運(yùn)用傅里葉變換技術(shù)對(duì)數(shù)控機(jī)床主軸故障做出預(yù)測(cè)[3]。其主軸故障開(kāi)始進(jìn)行預(yù)測(cè)技術(shù)研究。傳統(tǒng)預(yù)測(cè)技術(shù)在不同的主軸上，預(yù)測(cè)效果均不同，其預(yù)測(cè)誤差較大，穩(wěn)定性效果較差[4-5]。本文考慮到數(shù)控機(jī)床主軸容易出現(xiàn)粉塵、溫度、主軸振動(dòng)信號(hào)等因素影響，與數(shù)控機(jī)床的主軸故障做出預(yù)測(cè)，旨在提高主軸故障預(yù)測(cè)精度，為設(shè)備維護(hù)提供參考。

1 基于傅里葉變換的數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)設(shè)計(jì)

1.1 采集數(shù)控機(jī)床主軸故障數(shù)據(jù)

在數(shù)控機(jī)床主軸出現(xiàn)故障時(shí)，主軸振動(dòng)信號(hào)會(huì)出現(xiàn)異常會(huì)出現(xiàn)異常振動(dòng)，影響機(jī)床的正常運(yùn)行[6]。因此，本文對(duì)傳統(tǒng)預(yù)測(cè)技術(shù)進(jìn)行優(yōu)化。本文首先對(duì)數(shù)控機(jī)床主軸故障數(shù)據(jù)進(jìn)行采集，運(yùn)用主軸上的傳感設(shè)備，準(zhǔn)確采集主軸與其周圍部件的振動(dòng)數(shù)據(jù)，根據(jù)振動(dòng)數(shù)據(jù)分析主軸運(yùn)行情況，由此對(duì)主軸故障進(jìn)行預(yù)測(cè)。假設(shè)正常的數(shù)控機(jī)床主軸振動(dòng)頻率為250 kHz，采樣頻率為20 kHz，則超出250 kHz 或低于250 kHz，均為主軸異常振動(dòng)?；贚abview 構(gòu)建數(shù)據(jù)采集結(jié)構(gòu)體，設(shè)置信號(hào)采樣頻率，為了避免信號(hào)采集不全，出現(xiàn)信號(hào)丟失的問(wèn)題，運(yùn)用AD 部件傳遞信號(hào)，由此給主軸故障預(yù)測(cè)提出準(zhǔn)確數(shù)據(jù)，提高數(shù)據(jù)預(yù)測(cè)精準(zhǔn)度。

1.2 基于傅里葉變換進(jìn)行故障數(shù)據(jù)處理

在將數(shù)控機(jī)床主軸故障數(shù)據(jù)采集出來(lái)后，本文使用傅里葉變換，進(jìn)行故障數(shù)據(jù)處理。在進(jìn)行數(shù)據(jù)處理之前，本文首先對(duì)故障參數(shù)進(jìn)行選取，由于故障過(guò)程中，特征較多，需要特定的信號(hào)處理效果，從而提高數(shù)據(jù)處理能力。本文使用傅里葉變換公式，將數(shù)據(jù)處理的時(shí)域分布參數(shù)進(jìn)行確定。公式如下：

式中：M 為時(shí)域分布參數(shù)；Hz為主軸樣本的長(zhǎng)度；Hn為傅里葉變換時(shí)的重疊寬度；Hs為傅里葉變換時(shí)間。對(duì)于數(shù)控機(jī)床主軸來(lái)講，故障數(shù)據(jù)的采集與處理至關(guān)重要，由于數(shù)控機(jī)床故障中主軸故障最多，影響最大，因此，一旦數(shù)控機(jī)床主軸出現(xiàn)故障，將會(huì)影響整個(gè)機(jī)床的使用效果。本文使用傅里葉變換公式，將數(shù)據(jù)處理后，可以提取出主軸故障特征，為后續(xù)步驟提供條件。

1.3 構(gòu)建主軸故障預(yù)測(cè)模型

本文采用傅里葉變換作為數(shù)控機(jī)床主軸預(yù)測(cè)技術(shù)的基礎(chǔ)，因此，本文以上文中采集到的電流信號(hào)故障數(shù)據(jù)、異常振動(dòng)頻率數(shù)據(jù)、異常傳感數(shù)據(jù)等運(yùn)用到預(yù)測(cè)模型中，通過(guò)傅里葉變換，從而得到最終的預(yù)測(cè)結(jié)果，如圖1 所示。

如圖1 所示，通過(guò)傅里葉的變換，可以將電流信號(hào)故障數(shù)據(jù)、異常振動(dòng)頻率數(shù)據(jù)、異常傳感數(shù)據(jù)等特征進(jìn)行提取。設(shè)置樣本數(shù)據(jù)采集頻率為2 bit/s，采集時(shí)間為T，則時(shí)間T 內(nèi)可采集的樣本數(shù)據(jù)量為：

圖1 主軸故障預(yù)測(cè)模型

連續(xù)信號(hào)f（T）的離散形式可以表示為f（T0）、f（T1）、f（T2），…，f（TN-1）.

連續(xù)信號(hào)的頻率序列表示為SN：

傅里葉變換預(yù)測(cè)模型表示為：

根據(jù)公式（3）得出最終的預(yù)測(cè)結(jié)果，進(jìn)一步提高數(shù)控機(jī)床主軸故障預(yù)測(cè)精度。

1.4 實(shí)現(xiàn)數(shù)控機(jī)床主軸故障預(yù)測(cè)

為了實(shí)現(xiàn)數(shù)控機(jī)床主軸故障預(yù)測(cè)，本文首先對(duì)數(shù)控機(jī)床主軸故障數(shù)據(jù)進(jìn)行采集，將電流信號(hào)等數(shù)據(jù)采集完成后，通過(guò)傅里葉變換進(jìn)行數(shù)據(jù)處理，從而提高數(shù)據(jù)處理精度，保證最終的預(yù)測(cè)結(jié)果。在此基礎(chǔ)上，再構(gòu)建出相應(yīng)的故障預(yù)測(cè)模型，從而完成數(shù)控機(jī)床主軸故障的一次預(yù)測(cè)[7]。

2 實(shí)驗(yàn)分析

為了驗(yàn)證本文設(shè)計(jì)的預(yù)測(cè)技術(shù)是否具有實(shí)用效果，本文對(duì)上述技術(shù)進(jìn)行實(shí)驗(yàn)。將傳統(tǒng)數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)與本文設(shè)計(jì)的數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)進(jìn)行對(duì)比，實(shí)驗(yàn)過(guò)程及結(jié)果如下所示。

2.1 實(shí)驗(yàn)準(zhǔn)備

由于數(shù)控機(jī)床主軸是機(jī)床最重要的零部件，對(duì)其故障進(jìn)行預(yù)測(cè)可以提升機(jī)床的工作效率，從而提高經(jīng)濟(jì)效益。本文基于此，對(duì)主軸故障預(yù)測(cè)技術(shù)進(jìn)行設(shè)計(jì)。本文考慮到機(jī)床在運(yùn)行過(guò)程中可能出現(xiàn)的變量，精準(zhǔn)把控其中的變量，從而提高預(yù)測(cè)的精準(zhǔn)度。以某機(jī)床集團(tuán)生產(chǎn)的VDL-600A 數(shù)控機(jī)床主軸為實(shí)驗(yàn)對(duì)象，其它硬件設(shè)備包括PC 計(jì)算機(jī)、高分辨率電流傳感器、數(shù)據(jù)采集卡等。準(zhǔn)確采集數(shù)控機(jī)床主軸運(yùn)行數(shù)據(jù)。為了提高實(shí)驗(yàn)的準(zhǔn)確性，需控制實(shí)驗(yàn)環(huán)境及主軸故障參數(shù)，設(shè)置數(shù)控技術(shù)主軸的故障參數(shù)設(shè)定如表1 所示。

如表1 所示，本文選取平均值、均方根值、峰值、峰值因子、脈沖系數(shù)、利潤(rùn)因素、溫度、主軸粉塵、運(yùn)行影響因子等故障參數(shù)，其正常運(yùn)行情況下的參數(shù)與故障時(shí)的參數(shù)有較大不同，通過(guò)此參數(shù)的確定，可以減少后續(xù)步驟的誤差。通過(guò)此參數(shù)的選取，本文進(jìn)一步確定了數(shù)控機(jī)床主軸故障的協(xié)變量值，如表2 所示。

表1 數(shù)控機(jī)床主軸故障參數(shù)表

表2 數(shù)控機(jī)床主軸故障的協(xié)變量值

如表2 所示，在協(xié)變量分別設(shè)定為1528、1634、1742、1856、1972、2008、2181 時(shí)，其中MA 為粉塵可能影響主軸故障的數(shù)量；BN 為操作過(guò)程中出現(xiàn)的溫度變量。

2.2 實(shí)驗(yàn)結(jié)果

在上述實(shí)驗(yàn)環(huán)境下，本文隨機(jī)選取10 個(gè)數(shù)控機(jī)床主軸，將傳統(tǒng)數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)與本文設(shè)計(jì)的數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果如下圖2 所示。

圖2 實(shí)驗(yàn)結(jié)果

如圖2 所示，在相同的實(shí)驗(yàn)條件下，傳統(tǒng)數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)的預(yù)測(cè)誤差較大，且不穩(wěn)定，誤差結(jié)果波動(dòng)較大，影響實(shí)際預(yù)測(cè)效果；而本文設(shè)計(jì)的數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)預(yù)測(cè)誤差較小，均在10-4以內(nèi)，波動(dòng)幅度較小，預(yù)測(cè)效果更加穩(wěn)定，符合本文研究目的。

3 結(jié)語(yǔ)

近年來(lái)，我國(guó)制造業(yè)空前發(fā)展，數(shù)控機(jī)床作為復(fù)雜、精密零件加工的主要設(shè)備，其自身的故障率越低越有助于我國(guó)制造業(yè)的發(fā)展。與普通機(jī)床相比，數(shù)控機(jī)床加工精度更高，且效率更高，但也會(huì)存在故障，主軸作為數(shù)控機(jī)床的重要組成部分，其故障會(huì)直接影響機(jī)床是否能夠正常使用，因此對(duì)數(shù)控機(jī)床主軸故障進(jìn)行預(yù)測(cè)是十分必要的。本文基于此，利用傅里葉變換，設(shè)計(jì)數(shù)控機(jī)床主軸故障預(yù)測(cè)技術(shù)，旨在提高主軸故障的預(yù)測(cè)精度，減少主軸故障的發(fā)生，為制造業(yè)的進(jìn)一步發(fā)展提供基礎(chǔ)條件。