為響應(yīng)“中國制造2025”規(guī)劃,使中國制造走向智能制造的未來發(fā)展道路,數(shù)控機床作為“中國制造”的機械制造基礎(chǔ)裝備,正在進行全面的信息化升級,監(jiān)測制造過程中的機床各部件信息。主軸作為機床關(guān)鍵部件,其健康狀態(tài)決定了機床工作性能。主軸振動是主軸健康狀態(tài)指標(biāo)的重要影響因素,因此,要想提高機床制造過程工作性能,必須感知主軸振動信息,進行主軸振動在線監(jiān)測。制造過程中,數(shù)控機床主軸處于多刀多工序的多工況條件下,主軸振動具有不同的振動狀態(tài),且長期監(jiān)測數(shù)據(jù)量大,因此,要實現(xiàn)主軸振動狀態(tài)監(jiān)測的目的,就需要解決振動原始數(shù)據(jù)量大、振動狀態(tài)多且缺乏異常振動數(shù)據(jù)樣本等問題。本文針對以上問題,從振動信息特征提取方法、主軸振動狀態(tài)監(jiān)測方法、機床主軸振動信號采集與振動狀態(tài)監(jiān)測系統(tǒng)實現(xiàn)進行研究,實現(xiàn)了機床工作過程中產(chǎn)生的大量主軸振動映射為主軸振動健康信息的目的,主要內(nèi)容如下:（1）本文研究了機床主軸振動信號特征提取方法,解決機床主軸振動原始數(shù)據(jù)量大、信息含量大,不利于長期在線監(jiān)測的問題。根據(jù)主軸振動特性,對振動信號進行FFT頻域變換和趨勢項消除處理,結(jié)合頻譜分析和統(tǒng)計值分析,提取主軸振動信號局部峰值-中心頻率譜參數(shù),譜段... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

全文內(nèi)容及其結(jié)構(gòu)示意圖

第二章機床主軸振動信號頻譜特征提取方法11(1)頻域變換，通過傅里葉變換將振動時域信號轉(zhuǎn)換為頻域信號，傅里葉變換公式：()[()]()itFFXtxtedt==式中，tX)(為時域信號，F(xiàn))(是轉(zhuǎn)換以后的頻域信號。振動信號經(jīng)過頻域轉(zhuǎn)換可獲得相應(yīng)的幅頻信息和相頻信息。幅頻信息涵蓋了每個頻率分量及其振動幅值大小，它是旋轉(zhuǎn)機械振動特性和運行狀態(tài)最直觀的分析手段,由幅值譜圖的變化規(guī)律及振動狀態(tài)特征頻率即可感知旋轉(zhuǎn)機械運行的健康狀態(tài)。(2)特征提取，振動信號頻域轉(zhuǎn)換以后，通過幅頻譜分析可以獲得很多特征參數(shù)，最直觀特征參數(shù)包括主頻率、各諧波頻率、頻率分布、功率譜密度等，功率譜的統(tǒng)計值特征參數(shù)也廣泛用于特征提齲2.2機床主軸振動信號特征及其預(yù)處理分析2.2.1機床主軸振動信號特征分析2.2.1.1主軸系統(tǒng)的振動信號劃分根據(jù)應(yīng)用角度的不同，主軸振動信號有不同的劃分。(1)主軸系統(tǒng)各個組件在振動狀態(tài)異常情況下，其振動信號分布在不同的頻段，如表2-2所示，根據(jù)不同振動信號頻率大小可以粗略判定主軸系統(tǒng)組件的狀態(tài)[7]。表2-2部分主軸組件振動狀態(tài)對應(yīng)頻段狀態(tài)異常組件振動頻率范圍振動類型軸、聯(lián)軸器不平衡、松動等5倍工頻以內(nèi)低頻振動齒輪產(chǎn)生點蝕、裂紋等1KHz左右中頻振動軸承損傷>1KHz高頻振動(2)按照振動信號的特性，主軸系統(tǒng)振動信號可進行如下圖2-1劃分。振動信號確定信號隨機信號周期信號非周期信號簡諧周期信號復(fù)雜周期信號準(zhǔn)周期信號瞬態(tài)信號平穩(wěn)信號非平穩(wěn)信號各態(tài)歷經(jīng)信號非各態(tài)歷經(jīng)信號調(diào)制型非平穩(wěn)信號一般非平穩(wěn)信號圖2-1振動信號的分類

隨機信號。確定信號可以通過數(shù)學(xué)模型進行描述，隨機信號只能通過多次試驗進行統(tǒng)計分析。(3)按照主軸動態(tài)特性分析，主軸振動可劃分為自由振動、自激振動、參變振動和受迫振動，主要應(yīng)用于主軸系統(tǒng)的動力學(xué)模型動態(tài)特性分析。2.2.1.2主軸振動狀態(tài)的影響因素及其振動特性在復(fù)雜工況下，影響主軸振動狀態(tài)的因素較多，主要分為內(nèi)部因素和外部因素，內(nèi)部因素有主軸系統(tǒng)自身的振動特性、主軸機械結(jié)構(gòu)故障的產(chǎn)生和主軸系統(tǒng)性能退化等，外部因素有加工工件的振動特性、加工刀具的振動特性和加工參數(shù)等。主軸振動狀態(tài)影響因素分類如圖2-2所示。主軸振動狀態(tài)影響因素內(nèi)部因素外部因素主軸系統(tǒng)振動特性主軸轉(zhuǎn)子不平衡主軸裂紋缺陷主軸回轉(zhuǎn)精度差工件振動特性刀具振動特性加工參數(shù)環(huán)境因素圖2-2主軸振動狀態(tài)影響因素分類外部因素為多變因素，隨工況的變化而變化。主要對內(nèi)部因素對主軸振動狀態(tài)的影響進行分析：(1)主軸轉(zhuǎn)子不平衡主要因素是軸彎曲或質(zhì)量偏心，主軸在運行狀態(tài)下，兩種因素隨主軸轉(zhuǎn)動并產(chǎn)生周期性激振信號，兩種情況的振動特性如下：①主軸彎曲轉(zhuǎn)子和質(zhì)量偏心轉(zhuǎn)子在主軸轉(zhuǎn)速較快情況下會產(chǎn)生動態(tài)偏心力且隨速度恒定而趨于一個定值，在具有彈性的轉(zhuǎn)子支承處軸承產(chǎn)生與動態(tài)偏心力的動態(tài)反作用力，且振動幅值與動態(tài)偏心力的大小成比例，在軸承上進行振動檢測會發(fā)現(xiàn)兩種情況下幅頻特性相近，且相頻特性基本一致；②轉(zhuǎn)速較低時，彎曲轉(zhuǎn)子會有明顯振動；③在有阻尼的情況下，質(zhì)量偏心轉(zhuǎn)子的轉(zhuǎn)速略高于無阻尼狀態(tài)的臨界轉(zhuǎn)速，彎曲轉(zhuǎn)子的情況則相反；④彎曲轉(zhuǎn)子和質(zhì)量偏心轉(zhuǎn)子在轉(zhuǎn)動情況下均會產(chǎn)生于轉(zhuǎn)速相同頻率的自激振動，且頻譜和波形相似，振動頻譜都是轉(zhuǎn)動頻譜一倍成分左右，波形基本趨于正弦波形。

【參考文獻】：
期刊論文
[1]基于時域特征的滾動軸承壽命預(yù)測[J]. 戴邵武,陳強強,丁宇.  計算機測量與控制. 2019(10)
[2]機械設(shè)備振動監(jiān)測的自適應(yīng)變采樣算法研究[J]. 段禮祥,陳瑞典,張來斌,秦天飛,王寧.  儀表技術(shù)與傳感器. 2019(07)
[3]基于振動監(jiān)測工業(yè)機組狀態(tài)的方法[J]. 賈進林,林振昌,劉立強.  中國新技術(shù)新產(chǎn)品. 2019(13)
[4]基于EEMD-SVD與時域分析的馬田系統(tǒng)軸承故障診斷[J]. 剡昌鋒,王偉,王慧濱,朱濤,吳黎曉.  蘭州理工大學(xué)學(xué)報. 2019(03)
[5]航空發(fā)動機制造企業(yè)智能工廠建設(shè)[J]. 單繼東,曹增義,王昭陽.  航空制造技術(shù). 2018(15)
[6]旋轉(zhuǎn)機械故障診斷與狀態(tài)監(jiān)測發(fā)展綜述[J]. 吳秀星,關(guān)佳亮.  設(shè)備管理與維修. 2018(10)
[7]關(guān)于建設(shè)航空智能生產(chǎn)線的思考[J]. 侯志霞,鄒方,王湘念,呂瑞強.  航空制造技術(shù). 2015(08)
[8]基于HHT的數(shù)控機床主軸振動監(jiān)測系統(tǒng)的研制[J]. 萬海波,楊世錫.  振動與沖擊. 2014(06)
[9]基于最大熵原理與鑒別信息的機床主軸系統(tǒng)退化分析[J]. 董新峰,李郝林,余慧杰.  振動與沖擊. 2013(05)
[10]云制造典型特征、關(guān)鍵技術(shù)與應(yīng)用[J]. 李伯虎,張霖,任磊,柴旭東,陶飛,王勇智,尹超,黃培,趙欣培,周祖德.  計算機集成制造系統(tǒng). 2012(07)

博士論文
[1]風(fēng)電齒輪箱運行狀態(tài)監(jiān)測與故障診斷[D]. 竇春紅.北京交通大學(xué) 2019
[2]高速電主軸動力學(xué)建模及振動特性研究[D]. 黃偉迪.浙江大學(xué) 2018
[3]基于振動信號分析的旋轉(zhuǎn)機械故障診斷方法研究[D]. 劉頡.華中科技大學(xué) 2018
[4]高速電主軸動態(tài)加載可靠性試驗及其故障診斷研究[D]. 陳超.吉林大學(xué) 2016
[5]高速電主軸綜合性能測試及若干關(guān)鍵技術(shù)研究[D]. 周大帥.北京工業(yè)大學(xué) 2011
[6]機電設(shè)備微弱特征提取與診斷方法研究[D]. 何慧龍.天津大學(xué) 2007

碩士論文
[1]基于復(fù)數(shù)據(jù)經(jīng)驗?zāi)B(tài)分解和隨機森林理論的風(fēng)電機組多域特征故障診斷研究[D]. 馬富齊.西安理工大學(xué) 2019
[2]基于過程數(shù)據(jù)分析的數(shù)控機床狀態(tài)預(yù)測及故障預(yù)警研究[D]. 張心羽.電子科技大學(xué) 2017
[3]旋轉(zhuǎn)機械故障早期識別方法研究與應(yīng)用[D]. 練曉婷.大連理工大學(xué) 2013
[4]加工中心主軸在線檢測技術(shù)研究[D]. 朱文營.山東理工大學(xué) 2012



本文編號：3020501