论文部分内容阅读
电主轴是数控机床的关键功能部件,对高速数控机床、高速加工技术乃至制造业的发展有着重要影响。研究电主轴的故障诊断方法对挖掘电主轴的潜在故障、故障快速定位及维修等方面具有重要的实际应用价值,同时也为电主轴乃至数控机床的可靠性提升、故障预警、快速维修提供技术支撑。而传统的电主轴故障诊断方法主要是针对电主轴的机械类单一故障进行分析,比如轴承故障、转子不平衡故障等,没有考虑到多种故障之间耦合的复合故障类型以及电主轴的电气类故障。本文结合电主轴行业当前面临的重大问题及数控机床用户、企业的实际需求,对电主轴故障诊断技术进行了系统性研究。在深入了解电主轴结构、工作原理上,从传统机械主轴和主轴电机两个方面来分析电主轴常见的故障,挖掘潜在故障原因,分析故障形成机理,提出了基于MEWT-KPCA的电主轴故障诊断技术,并搭建了一套电主轴故障诊断系统。本文提出的故障诊断方法与传统故障诊断方法从故障识别准确率和效率(即诊断时间)两个维度进行对比,验证本文提出的电主轴故障诊断技术的有效性和高效性。本文的主要工作如下:1.介绍了电主轴的结构和工作原理,得出电主轴是一个复杂的机电耦合系统的结论,并通过统计分析,得出电主轴常见的故障部位。机械类故障主要发生在轴承部位,其次是壳体、旋转部件等位置处;电气类故障主要发生在电主轴定子部位。在此基础上对电主轴常见故障模式进行分析,挖掘潜在故障原因,分析故障形成机理,发现振动信号对于机械类故障比较敏感,三相电流信号对电气类故障比较敏感,并选取了三个能够表征信号特征信息的指标,即能量、峰度和均方根值。2.提出了基于MEWT-KPCA的电主轴故障诊断技术,确定了故障诊断的具体流程、操作,并详细论述了penalty小波阈值降噪、改进的经验小波变换(MEWT)、核主成分分析(KPCA)以及遗传算法优化的支持向量机(GA-SVM)的具体原理。3.通过实验验证了本文提出的故障诊断算法的有效性和高效性。结合电主轴常见故障模式及其机理的分析,设计了电主轴机械类故障和电气类故障实验,包括单一故障和复合故障。通过实验数据来验证本文提出的故障诊断算法的有效性,同时也进行横向对比,将本文提出的故障诊断算法与传统的故障诊断算法,如经验模态分解(EMD)、集合经验模态分解(EEMD)、局部均值分解(LMD)等算法在故障识别准确率和效率两个方面进行对比,结果表明本文提出的算法在故障识别准确率和效率两方面表现优异。4.基于LabVIEW和Matlab软件平台联合开发了一套具有良好人机交互界面的电主轴故障诊断系统。该系统能够完成电主轴历史状态数据的筛选与预处理、数据的特征提取与降维以及电主轴故障诊断功能。该系统的可行性通过电主轴机械类与电气类实验数据得以验证。