论文部分内容阅读
作为加工中心的关键部件，高速主轴的运行状态已经成为人们关注的热点。主轴系统的故障诊断是典型的模式识别问题，需要解决的关键问题是根据采集到的信号提取故障的特征参量，最终判别出主轴系统的故障类型，这其中的核心问题是敏感特征提取以及模式识别。主轴的轴心轨迹包含大量的与其运转状况相关的信息，能够客观反映出主轴的工作状况。对轴心轨迹进行特征提取可以为判断主轴运行状态、分析其劣化趋势提供依据。 对高速主轴进行动态回转精度测试与状态劣化分析可以实时了解主轴的工作状态，在加工生产中具有重大意义。本文主要研究主轴动态回转误差的测试以及主轴运行状态的模式识别，最终建立主轴状态与零件加工精度的映射关系。具体有以下工作: 针对主轴不同故障状态下轴心轨迹的特征以及主轴系统振动信号的特征，构造高维特征空间，探究在不同高维特征空间组合下，运用不同的流形学习算法来提取其低维流形。结果表明根据流形学习算法提取的二维流形能够很好地区分出主轴以及转子系统等多个测试对象各自不同的故障模式。 研究了主轴系统故障敏感特征的提取与模式识别方法。主要包括基于EEMD的信号提纯方法，基于二维全息谱与流形学习相融合的故障特征提取方法，以及基于流形学习与支持向量机的模式识别方法，并通过实验验证上述方法的有效性。 研究了基于三点法的主轴误差分离方法。利用实习中心VDL-600A型立式加工中心主轴系统进行实验研究。测试主轴的回转误差信号，分离出主轴的回转精度，并利用API回转精度测试仪对同一台设备进行回转误差的测试，结果表明文中所用的基于三点法测试主轴回转精度的方法是有效的。运用两点法测试主轴回转误差信号，并利用FFT算法分离出同步误差运动与非同步误差运动。 基于LABVIEW与Matlab开发出“主轴状态劣化评估与溯源系统”，该系统主要实现主轴振动位移信号的采集，并在此基础上测试出主轴的回转精度，通过流形学习与支持向量机实现主轴状态模式识别，最终建立回转精度与劣化状态之间的映射关系，实现主轴运行状态的劣化溯源，对主轴的综合性能进行评估。