高档数控机床进给系统在线监测与故障诊断

1、研究背景与需求

    进给系统作为高档数控机床的重要组成部分，其工作稳定性和定位精度对保障机床零件加工质量和加工效率至关重要。目前高档数控机床进给系统的机械故障维护主要依赖于定期巡检和人工故障诊断，存在故障预警不及时和维护成本高的问题。对此，本项目以VMC-850L立式加工中心进给系统为研究对象，搭建了一套完整的多源信号监测系统，同时提出了一种基于多域特征提取和集成学习模型的智能故障诊断方法。通过自建数据监测系统进行故障诊断试验，以验证该方法的有效性和先进性。

2、数控机床进给系统常见故障

    数控机床进给系统的机械传动结构主要由伺服电机、联轴器、滚珠丝杠副、滚动轴承和导轨副组成。

滚动轴承主要起到支撑滚珠丝杠副运转的作用，其最常出现的故障类型是磨损类故障，会使轴承滚动体与内外圈滚道之间的间隙增大，降低轴承运行的精度。

    滚珠丝杠副会长期处于高负载、高转速的工作条件下，易发生磨损现象和弯曲变形，影响进给运动的平稳性，还有可能引起电机过载，发生爬行现象。

    联轴器可能因裂纹或螺丝松动导致传动不同步，甚至发生工作台干涉问题。

    导轨副润滑不足或负载过大时，可能导致轨面研伤，造成滑块移动不畅，并产生爬行现象。

3、实验台搭建与数据集建立

    为了全面获取数控机床进给系统的健康状态信息，通过对故障机理和多种信号监测原理的深入分析，提出了一种基于电流、振动、噪声及数控机床进给伺服信号的进给系统在线监测方案，设计了如图1 所示的进给系统在线监测方案。

对数控机床进给系统的在线监测主要分为两部分：一方面通过部署外置传感器对进给系统的关键传动部件进行机械故障监测，主要监测的信号包括振动信号、噪声信号和伺服电机的电流信号；另一方面通过获取数控系统内的进给伺服信号对进给系统的工作状态进行监测，主要监测的信号包括进给速度、进给位置以及能反映加工精度的动态跟随误差。

图1 高档数控机床进给系统在线监测方案

    为了保证监测质量，在方便安装的前提下，外置传感器应尽量贴近可能发生故障的机械部件。故振动传感器和噪声传感器的监测位置选在电机端轴承座附近和丝杠螺母副附近，如图2所示。

图2 传感器安装位置与信号传输过程

    数控机床进给伺服信号可从数控系统内部信息中获取。目前，高档数控机床的数控系统一般都配备有以太网接口并支持标准 TCP/IP 协议，经过简单参数配置即可实现与外部设备的通讯，能够方便地进行数控系统内部信息的实时数据采集。

图3 进给系统实验台

    为了采集滚动轴承和滚珠丝杠副常见故障类型的数据，首先需要进行故障件制备。对轴承的内圈、外圈及丝杠滚道制作了不同程度的磨损或破损伤痕，并用砂纸对轴承滚珠进行打磨，制造磨损类故障，如图4。

图4 故障件制备所用工具及部分故障件

4、使用的东方所仪器

    故障诊断的首要环节是获取充足且有效的故障信息，这需要对进给系统进行较为全面的监测。

数据采集仪选用北京东方所研发的高精度分布式采集仪INV3062C，该设备具备以太网和WIFI 接口，支持多台同步级联，可通过 DASP 软件进行精确的数据采集。根据设计的监测方案，外置传感器分别选用了北京东方振动所生产的三向振动加速度传感器INV9832、噪声传感器INV9206。

5、成果

    （1）通过分析多种传感器信号的监测原理，提出了基于多传感器信息融合的数控机床进给系统在线监测方案。主要以电流信号、振动信号和噪声信号作为进给系统机械故障监测的信息源，以伺服误差、进给速度、进给位置等数控系统伺服信号作为进给系统工作状态的信息源。

    （2）基于采集的故障数据，提取特征指标，构建多维混合域特征集合，构建了一种能够同时进行样本加权训练和敏感特征自动筛选的DoubleEnsemble-LightGBM故障诊断模型。

    （3）为了应对可能存在的复杂工况下机床故障诊断问题，提出了一种结合卷积神经网络和双向长短时记忆网络的自适应特征提取方法，并通过softmax分类器进行故障推理，建立了故障诊断深度学习模型。

    （4）设计并开发了高档数控机床进给系统状态监测与故障诊断系统。

参考文献

[1]  陈露萌.高档数控机床进给系统在线监测与故障诊断[D].北京信息科技大学,2023.