本发明涉及一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其包括以下步骤:1)在主轴外周向间隔设置两个电涡流传感器,由两个电涡流传感器采集主轴振动信号;2)对检测到的主轴振动信号进行处理对主轴的运行状态进行判断;3)主轴振动信号在同一平面坐标系内交于一点,连续采样后获得轴心轨迹;4)对主轴轴心轨迹进行误差分离获得主轴实际回转精度A;5)根据主轴的实际回转精度A和流形敏感特征Q
1.一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其包括以下步骤:1)在主轴外周向间隔设置两个电涡流传感器,两个电涡流传感器沿主轴轴心呈90°交错设置,通过两个电涡流传感器采集主轴振动信号;2)对检测到的主轴振动信号进行处理,进而对主轴的运行状态进行判断,其包括以下步骤:(1)将两个呈90°交错设置的电涡流传感器测得的振动信号分别标记为X和Y,采用均值-方差标准化方法对X、Y振动信号进行归一化预处理;(2)对归一化后的X、Y振动信号进行EEMD降噪处理;(3)提取由X、Y振动信号共同形成的若干轴心轨迹,将每个轴心轨迹上的离散点作为一个维度,构造高维特征空间;(4)采用ISOMAP、LLE或LTSA流形学习算法提取轴心轨迹二维流形作为敏感特征;(5)根据由步骤(4)处理后能得到不同故障状态的流形敏感特征Q_ij,根据流形敏感特征Q_ij进行主轴故障状态f(i)判断;3)经步骤1)中两个电涡流传感器采集到相位差为90度的主轴振动信号在同一平面坐标系内交于一点,连续采样后获得轴心轨迹;4)对步骤3)中获得的主轴轴心轨迹进行误差分离,以获得主轴实际回转精度A;5)根据主轴的实际回转精度A和流形敏感特征Q_ij获得映射函数图谱数据库Q:{f(i)=Q_ijA};其中,i表示主轴状态的种类:正常状态、主轴偏心、轴承发热磨损故障状态;j=1,2,3,表示ISOMAP、LLE和LTSA三种不同的流形学习算法;6)若主轴的实际回转精度A≥ηE,η=0.8~1,则调用映射函数图谱数据库Q,进行主轴回转误差的溯源,并对相应故障进行维修;若主轴的实际回转精度A≥ηE,η=0.6~0.8,则对主轴回转误差进行溯源分析监控;其中E是该主轴所在机床出厂时的主轴回转精度。
2.如权利要求1所述的一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其特征在于:所述步骤4)中,所述主轴轴心轨迹误差分离采用三点法圆度误差分离方法进行圆度形状和回转误差的分离。
3.如权利要求2所述的一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其特征在于:所述主轴轴心轨迹误差分离采用频域三点法。技术领域
本发明涉及一种机电设备主轴回转误差溯源方法,特别是关于一种基于轴心轨迹流形学习的主轴回转误差溯源方法。
背景技术
随着原子能、航天技术、微电子学、信息技术及生物工程等新兴科学技术的发展,对机械加工精度的要求越来越高,从毫米到微米、亚微米,现在已经发展到纳米水平,并逐渐向着原子晶格尺寸(亚纳米)水平迈进,称之为超精密加工。精密机床是实现精密加工的首要基础条件。目前高速超精密数控机床成为现代化制造业的关键生产设备,提高高速超精密数控机床在加工运行过程中精度的可靠性、稳定性和可维护性,对提升企业竞争力越来越重要。产品寿命预测和安全服役基础理论是“十二五”国家科技计划先进制造技术领域的重要研究内容,数控机床故障诊断与预警技术是保障机床可靠运行、提高机床服役性能的核心技术之一。高档超精密数控机床由于结构复杂、传递环节较多,导致故障不能准确定位,盲目的拆修会造成安装精度误差、机床服役性能下降和可靠性降低。因此对数控装备的工作状态进行实时监测、诊断和预警非常重要。超精密机床的质量,取决于其关键部件的质量,主轴部件是保证超精密机床加工精度的核心,也是最容易失效的部位之一,其动态性能的好坏对机床的切削抗振性、加工精度及表面粗糙度均有很大的影响,是制约数控机床加工精度和使用效率的关键因素。实验表明:精密车削的圆度误差约有30%~70%是由于主轴的回转误差引起的,且加工的精度越高,所占的比例越大。主轴系统回转时的轴心轨迹包含了大量与主轴系统技术状态和回转零件工作状态有关的信息,是机床精度退化研究和状态分析的信息来源。因此,针对高速超精密加工数控机床主轴加工过程中由于各种原因产生的回转精度劣化、功能丧失严重影响产品零件的加工精度和质量等一系列技术难题亟待解决,以有效提高机床服役可靠性。据统计,每年由于数控机床精度劣化和故障造成的生产损失达数千亿人民币,机床的可靠性、故障诊断与预测、性能评估等问题得到国内外学者的广泛关注。目前针对机床主轴系统的回转精度检测偏重静态的回转精度检测;主轴状态监测与预测,更多的集中在典型故障模式识别。二者是互相分离独立的,不能为现场生产实际提供实时精度劣化的评估和判断。主轴系统的回转精度是严重影响加工精度,反映机床动态性能的主要指标和分析误差来源的重要手段。
发明内容
针对上述问题,本发明的目的是提供一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其能有效提高机床服役可靠性,并保证加工精度和生产效率。为实现上述目的,本发明采取以下技术方案:一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其包括以下步骤:1)在主轴外周向间隔设置两个电涡流传感器,两个电涡流传感器沿主轴轴心呈90°交错设置,通过两个电涡流传感器采集主轴振动信号;2)对检测到的主轴振动信号进行处理,进而对主轴的运行状态进行判断,其包括以下步骤:(1)将两个呈90°交错设置的电涡流传感器测得的振动信号分别标记为X和Y,采用均值-方差标准化方法对X、Y振动信号进行归一化预处理;(2)对归一化后的X、Y振动信号进行EEMD降噪处理;(3)提取由X、Y振动信号共同形成的若干轴心轨迹,将每个轴心轨迹上的离散点作为一个维度,构造高维特征空间;(4)采用ISOMAP、LLE或LTSA流形学习算法提取轴心轨迹二维流形作为敏感特征;(5)根据由步骤(4)处理后能得到不同故障状态的流形敏感特征Q_ij,根据流形敏感特征Q_ij进行主轴故障状态f(i)判断;3)经步骤1)中两个电涡流传感器采集到相位差为90度的主轴振动信号在同一平面坐标系内交于一点,连续采样后获得轴心轨迹;4)对步骤3)中获得的主轴轴心轨迹进行误差分离,以获得主轴实际回转精度A;5)根据主轴的实际回转精度A和流形敏感特征Q_ij获得映射函数图谱数据库Q:{f(i)=Q_ij|A};其中,i表示主轴状态的种类:正常状态、主轴偏心、轴承发热磨损故障状态;j=1,2,3,表示ISOMAP、LLE和LTSA三种不同的流形学习算法;6)若主轴的实际回转精度A≥ηE,η=0.8~1,则调用映射函数图谱数据库Q,进行主轴回转误差的溯源,并对相应故障进行维修;若主轴的实际回转精度A≥ηE,η=0.6~0.8,则对主轴回转误差进行溯源分析监控;其中E是该机床出厂时的主轴回转精度。所述步骤4)中,所述主轴轴心轨迹误差分离采用三点法圆度误差分离方法进行圆度形状和回转误差的分离。所述主轴轴心轨迹误差分离采用频域三点法。本发明由于采取以上技术方案,其具有以下优点:本发明由于采用以轴心轨迹为桥梁,建立机床主轴运行状态与主轴回转精度的关联和映射,提供基于轴心轨迹流形学习的主轴回转精度劣化溯源方法,对主轴的回转精度劣化趋势进行预测。可为建立提高机械加工精度相应的实时补偿方法提供依据、为现场生产实际提供实时精度劣化判断,实现主轴精度劣化可回溯,能有效提高机床服役可靠性,对提升数控机床加工的精度可靠性和生产效率具有重要意义和应用价值。本发明可以广泛在各种数控机床中应用。
附图说明
图1是本发明的整体流程示意图;图2是本发明的两个电涡流传感器结构示意图;图3是本发明的主轴运行状态识别流程示意图;图4是本发明采用EEMD去噪前后轴心轨迹示意图;其中,图4(a)是主轴正常状态进行EEMD降噪处理前后的轴心轨迹;图4(b)是主轴不对中状态进行EEMD降噪处理前后的轴心轨迹;图5是本发明的主轴在正常、不对中状态时分别采用三种流形学习算法获得的二维流形特征示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。如图1所示,本发明提供一种基于轴心轨迹流形学习的主轴回转误差溯源方法,其包括以下步骤:1)在主轴1外周向间隔设置两个电涡流传感器2,两个电涡流传感器2沿主轴1轴心呈90°交错设置(如图2所示),通过两个电涡流传感器2采集主轴1振动信号。2)对检测到的主轴振动信号进行处理,进而对主轴1的运行状态进行判断(如图3所示),其包括以下步骤:(1)将两个呈90°交错设置的电涡流传感器2测得的振动信号分别标记为X和Y,采用均值-方差标准化方法对X、Y振动信号进行归一化预处理;(2)对归一化后的X、Y振动信号进行EEMD降噪处理;(3)提取由X、Y振动信号共同形成的若干轴心轨迹(如图4所示),将每个轴心轨迹上的离散点作为一个维度,构造高维特征空间;以主轴1正常和不对中两种状态为例,进行EEMD降噪处理前后的轴心轨迹(如图4所示),由此可以看出EEMD降噪后的轴心轨迹更加平滑。(4)再采用ISOMAP(等距映射算法)、LLE(局部线性嵌入算法)或LTSA(局部切空间排列算法)流形学习算法提取轴心轨迹二维流形作为敏感特征;其中每种流形习算法对应表示主轴1运行状态的曲线图分别不同,以主轴1正常和不对中两种状态为例进行流形敏感特征提取,三种流形学习算法提取不同状态的低维流形图不同(如图5所示)。(5)根据由步骤(4)处理后可以得到不同故障状态的流形敏感特征Q_ij,根据流形敏感特征Q_ij进行主轴故障状态f(i)判断。3)经步骤1)中两个电涡流传感器2采集到相位差为90度的主轴振动信号在同一平面坐标系内交于一点,连续采样后即可获得轴心轨迹(如图4所示)。4)对步骤3)中获得的主轴轴心轨迹进行误差分离,以获得主轴实际回转精度。采用已有的三点法圆度误差分离方法(EST)进行圆度形状和回转误差的分离;本发明采用频域三点法实现误差的分离,得到主轴1的实际回转精度A。由于主轴回转误差的计算是在已测得主轴回转误差运动轨迹的条件下定量地求解其运动误差大小的一种方法,用主轴回转误差的特征值—回转精度来表示主轴回转误差的大小。主轴回转精度的定义方式:以圆图像的圆度误差值作为主轴回转精度,采用频域三点法圆度误差分离方法后,以圆图像的圆度误差值作为主轴回转精度,计算所测试主轴1的实际回转精度A。5)根据主轴1的实际回转精度A和流形敏感特征Q_ij获得映射函数图谱数据库Q:{f(i)=Q_ij|A};其中,i表示主轴状态的种类,如正常状态、主轴偏心、轴承发热磨损等故障状态;j=1,2,3,表示ISOMAP、LLE和LTSA三种不同的流形学习算法;每一种主轴状态,都对应三种流形敏感特征。6)若主轴1的实际回转精度A≥ηE,η=0.8~1,则调用映射函数图谱数据库Q,进行主轴回转误差的溯源,并对相应故障进行维修;若主轴1的实际回转精度A≥ηE,η=0.6~0.8,则对主轴回转误差进行溯源分析监控;其中E是该机床出厂时的主轴回转精度。综上所述,本发明根据主轴回转精度的轴心轨迹,调用流形敏感特征和故障状态的映射函数图谱数据库Q,根据敏感特征可以很容易确定主轴1的故障状态,实现了主轴回转误差的溯源。上述各实施例仅用于说明本发明,各步骤都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别步骤进行的改进和等同变换,均不应排除在本发明的保护范围之外。