论文部分内容阅读
为响应“中国制造2025”规划,使中国制造走向智能制造的未来发展道路,数控机床作为“中国制造”的机械制造基础装备,正在进行全面的信息化升级,监测制造过程中的机床各部件信息。主轴作为机床关键部件,其健康状态决定了机床工作性能。主轴振动是主轴健康状态指标的重要影响因素,因此,要想提高机床制造过程工作性能,必须感知主轴振动信息,进行主轴振动在线监测。制造过程中,数控机床主轴处于多刀多工序的多工况条件下,主轴振动具有不同的振动状态,且长期监测数据量大,因此,要实现主轴振动状态监测的目的,就需要解决振动原始数据量大、振动状态多且缺乏异常振动数据样本等问题。本文针对以上问题,从振动信息特征提取方法、主轴振动状态监测方法、机床主轴振动信号采集与振动状态监测系统实现进行研究,实现了机床工作过程中产生的大量主轴振动映射为主轴振动健康信息的目的,主要内容如下:(1)本文研究了机床主轴振动信号特征提取方法,解决机床主轴振动原始数据量大、信息含量大,不利于长期在线监测的问题。根据主轴振动特性,对振动信号进行FFT频域变换和趋势项消除处理,结合频谱分析和统计值分析,提取主轴振动信号局部峰值-中心频率谱参数,谱段子带总能量-质心频率谱参数和统计值特征参数,并通过主轴外壳振动仿真信号验证特征提取方法的有效性。(2)本文研究了基于概率神经网络(PNN)与相似度结合的在线振动状态监测方法,解决了主轴振动状态多且缺乏异常振动数据样本的问题。本文结合机床主轴振动状态特点,分析了振动状态模型数据集合结构,对模型数据集合进行归一化处理和基于DBSCAN聚类算法的异常数据处理。采用了基于标准偏差的振动特征离散度评估,基于欧式距离的振动可定义状态差异度评估。经过评估的模型数据集合结合多重PNN模型结构,构建多重PNN振动状态模型,进行状态识别与相似度计算,最后通过主轴外壳振动仿真信号验证了基于多重PNN-相似度的振动状态在线监测方法的正确性。(3)开发了主轴振动信号采集与状态监测系统。基于STM32搭建了振动采集系统硬件,开发了AD采集、SPI通信和基于WIFI通信的数据传输等程序;基于Qt平台,开发了振动状态在线监测系统软件,实现了特征测试、状态构建、状态扩建和状态监测四个工作模式。最后测试了系统用于振动状态监测的有效性。