一种数控机床主轴的故障诊断与预测的方法
【技术领域】
[0001]本发明属于数控机床领域，具体涉及一种数控机床主轴的故障诊断与预测的方法，可广泛应用于数控机床主轴故障诊断与预测。
【背景技术】
[0002]数控机床机械方面的故障，以主轴部分故障最为常见，且最难判断。数控系统虽然有自身的诊断系统，但主要局限于电气故障，机械故障方面就稍显不足。在日常维修中，当遇到数控机床主轴方面有问题，传统方法只能凭经验进行逐一排除，往往得检查每一个传动环节，要对数控机床主轴内部结构大量拆卸来检测和分析。通常一副轴承拆下来之后是不能重新装回去再用的，得重新买一副新的轴承用特定的工艺安装上去，这从时间和备件上来说，都是一种极大的浪费，但又没有其它的检测手段和工具，所以这种浪费又不可避免。而且，这样做劳动强度大，维修周期长，严重影响数控机床主轴维修进度，增加了维修成本。
[0003]数控机床主轴作为重要部件，其特点是高速负载转动，回转精度要求很高。从机械振动角度分析，主轴是整个机床的主要振动源。此外，主轴箱、齿轮箱、弹性连接件等部件也是机床的部分振动源，并对整个机床的运动有调节作用。所以，对数控机床主轴的工作状态，尤其是对主轴动态的径向跳动及振动进行监测和分析，判断主轴在工作转速下其动态跳动是否超差显得尤为重要；当主轴系统发生故障时，需判断故障来自主轴及其轴承还是来自主轴齿轮箱，从而有效地进行数控机床主轴故障诊断与预测、准确找到故障点及原因、缩短机床停机时间、节约维修成本。目前国内的机床厂家、大专院校及相关科研机构等对数控机床主轴故障诊断进行了相关的研究，取得了一定的成果，如基于噪声小波包络谱的数控机床主轴故障诊断方法、基于灰色关联度分析的数控机床主轴系统故障诊断方法等。
[0004]公开号为CN 102825504A，公开日为2012年12月19日的中国专利文献公开了一种数控机床主轴状态检测方法，包括上位机和传感器系统；所述传感器系统的输出端连接所述上位机的输入端；其特征在于包括以下步骤:步骤一、所述上位机采集所述传感器系统发出的信号；步骤二、分析根据步骤一采集到的信号，确定故障特征参数；步骤三、将步骤二得到的故障特征参数通过专家系统进行处理，得出第一故障诊断结果；将步骤二得到的故障特征参数通过人工神经网络系统进行处理，得出第二故障诊断结果；将步骤二得到的故障特征参数通过支持向量机进行处理，得出第三故障诊断结果；步骤四、将所述第一故障诊断结果、第二故障诊断结果和第三故障诊断结果通过遗传算法进行融合。
[0005]该专利文献公开的数控机床主轴状态检测方法，需将得到的故障特征参数分别通过专家系统、人工神经网络系统和支持向量机进行处理，得出三个故障诊断结果，再将三个故障诊断结果通过遗传算法进行融合，检测相当复杂，诊断结果容易出现误差，故障诊断准确性较低，且无法实现机床主轴故障的预测，增大了机床主轴的维护成本。
【发明内容】
[0006]本发明的目的在于克服现有技术存在的上述问题，提出一种数控机床主轴的故障诊断与预测的方法。本发明可以提升数控机床主轴故障诊断的准确性及诊断效率，能对数控机床主轴状态趋势进行相关预测，有效降低数控机床主轴的维护成本。
[0007]本发明采用以下技术方案来实现:
一种数控机床主轴的故障诊断与预测的方法，其特征在于，包括以下步骤:
A、建立数据库:把被测对象信息、测点信息、巡检路线信息、采样参数信息和报警号信息输入信号处理中心，在信号处理中心建立数据库；
B、信号采集与分析:采用高精度激光位移传感器进行数控机床主轴上外表面点的跳动位移监测，采用红外温度传感器进行数控机床主轴上外表面点的实时温度采集，采用第一加速度传感器和第二加速度传感器进行数控机床主轴上外表面点的振动监测，将监测信号通过数据处理中心存储到步骤A中的数据库内，通过混合推理模型对测量数据进行时域分析和频域分析，得到主轴的特征参数点集合；
C、故障诊断:通过数控机床主轴的结构形式、几何参数和设计参数建立数控机床主轴的物理模型，再结合物理模型参数与步骤B中主轴的特征参数点集合进行分析，进行主轴故障诊断；
D、故障预测:将步骤C中的主轴故障诊断结果写入步骤A中的数据库，并将结果样本进行分类，形成正负样本；根据步骤C中数控机床主轴的物理模型，建立各机床主轴的健康档案并保存到步骤A中的数据库内，混合推理模型根据正负样本和健康档案对主轴运行趋势进行判断，实现故障预测。
[0008]所述步骤B中，主轴的特征参数点集合包括时域参数和频域参数。
[0009]所述混合推理模型包括神经网络、专家系统和支持向量机。
[0010]一种数控机床主轴的故障诊断与预测的系统，包括高精度激光位移传感器、红外温度传感器、第一加速度传感器、第二加速度传感器、信号调理模块和信号处理中心，所述第一加速度传感器和第二加速度传感器均安装在数控机床主轴上，所述信号调理模块分别与高精度激光位移传感器、红外温度传感器、第一加速度传感器、第二加速度传感器和信号处理中心连接；
高精度激光位移传感器，用于采集数控机床主轴径向跳动的信号；
红外温度传感器，用于采集数控机床主轴的实时温度信号；
第一加速度传感器，用于采集数控机床主轴的振动信号；
第二加速度传感器，用于采集数控机床主轴的振动信号；
信号调理模块，用于接收从高精度激光位移传感器、红外温度传感器、第一加速度传感器和第二加速度传感器传送来的测量数据，并将这些数据进行相应的A/D转换，处理成需要的数字信号；
信号处理中心，用于接收和处理从信号调理模块生成的数字信号。
[0011]本发明与现有技术相比，其优点在于:
一、本发明，高精度激光位移传感器，用于采集数控机床主轴径向跳动的信号；红外温度传感器，用于采集数控机床主轴的实时温度信号；第一加速度传感器，用于采集数控机床主轴的振动信号；第二加速度传感器，用于采集数控机床主轴的振动信号；信号调理模块，用于接收从高精度激光位移传感器、红外温度传感器、第一加速度传感器和第二加速度传感器传送来的测量数据，并将这些数据进行相应的A/D转换，处理成需要的数字信号；信号处理中心，用于接收和处理从信号调理模块生成的数字信号；通过建立数控机床主轴的物理模型，结合物理模型参数与主轴的特征参数点集合进行分析，再将主轴故障诊断结果写入数据库，并将结果样本进行分类，形成正负样本；通过数控机床主轴的物理模型，建立各机床主轴的健康档案并保存到数据库内，混合推理模型根据正负样本和健康档案就能够对主轴运行趋势进行判断，极大的提升了数控机床主轴故障诊断的准确性及诊断效率，对数控机床主轴状态趋势进行相关预测，有效的降低了数控机床主轴的维护成本。
[0012]二、本发明，采用高精度激光位移传感器，高精度激光位移传感器可对于数控机床主轴径向跳动的信号采集，采集其转动周期内的主轴位移信号，通过后续数据整理计算，得到其精确的最大最小跳动；同时，利用相关标准和方法，判断其是否处于正常的跳动范围内；结合整体振动测试，分析数控机床主轴跳动引起的设备影响状况是否恶化。
[0013]三、本发明，采用神经网络、专家系统和支持向量机等先进的人工智能技术进行故障诊断与预测，通过混合推理模型迅速分析从高精度激光位移传感器、红外温度传感器和第一加速度传感器、第二加速度传感器传送来的测量数据，在数控机床主轴运行过程中，根据各台机床建立的数控机床主轴模型，从而有效推断出故障源，进行数控机床主轴故障诊断与预测。
[0014]四、本发明，采用了非接触式测量机床主轴精度、温度和采用加速度传感器检测机床主轴部件振动的方法，实现对数控机床主轴故障的快速测量、分析、诊断与预测。
[0015]五、本发明，采用了先进的激光位移传感器测量机床主轴精度，解决了机床主轴高速运转时精度检测困难的难题。
[0016]六、本发明，综合运用基于神经网络、专家系统和支持向量机三种先进的人工智能技术研制出数控机床主轴故障诊断与预测便携式系统，提高了数控机床主轴故障诊断的准确性。
【附图说明】
[0017]图1为本发明采用的一种数控机床主轴的故障诊断与预测的系统结构图；
图2为本发明采用的一种数控机床主轴的故障诊断与预测的系统运行图；
图3为本发明混合推理模型结构示意图；
附图标记:1、数控机床主轴，2、高精度激光位移传感器，3、红外温度传感器，4、第一加速度传感器，5、第二加速度传感器，6、信号调理模块，7、信号处理中心。
【具体实施方式】
[0018]参见图1-图3，一种数控机床主轴的故障诊断与预测的系统，包括高精度激光位移传感器2、红外温度传感器3、第一加速度传感器4、第二加