数控机床故障诊断方法的研究

数控机床故障诊断方法的研究数控机床是机械、计算机、自动控制、测量等多种技术的综合体,是一体化、自动化程度高,结构复杂,技术先进,价格昂贵的机器。目前,大中型企业普遍应用了数控机床,它是生产中的关键设备,因而就要求它在工作过程中每一时刻都必须按着指令准确无误地工作。任何部分的故障和失败,都可能造成机床停机,从而造成生产停顿等,若出现故障后不能及时正确地进行故障诊断和维修,将带来较大的经济损失。

数控机床的组成一、机床故障的分类

数控设备的故障是多种多样的,可以从不同角度对其进行分类。从故障发生的性质上看,数控系统故障可分为软件故障、硬件故障和干扰故障三种。其中,软件故障是指由程序编制错误、机床操作失误、参数设定不正确等引起的故障"软件故障可通过认真消化、理解随机资料、掌握正确的操作方法和编程方法,就可避免和消除。硬件故障是指由CNC电子元器件、润滑系统、换刀系统、限位机构、机床本体等硬件因素造成的故障。干扰故障则表现为内部干扰和外部干扰,是指由于系统工艺、线路设计、电源地线配置不当等以及工作环境的恶劣变化而产生的。从数控机床的结构来看,可大体分为机床本体故障、电气故障与数控装置系统故障"随着集成电路规模的日益扩大,光缆通信技术应用于数控装置中,使其体积日益缩小,价格逐年下降,可靠性显著提高,功能也更加完善,数控装置的故障已从数控机床总的故障次数中占主导地位降到了很次要的地位,约占整个故障的55%"数控机床本体故障约占整个故障的57%,包括主轴箱故障,导轨副和丝杆螺母副的配合故障,润滑及支承的预紧故障,液压和气动装置故障"电子控制系统故障约占整个故障的37.5%,包括伺服系统故障,检测元件故障,机床电器故障,执行电器及各种电机故障。

二、数控机床自诊断技术自诊断系统的思想是:向被诊断的部件或装置写入一串成为测试码的数据,然后观察系统相应的输出数据(称为校验码),根据事先已知的测试码、校验码与故障的对应关系,通过对观察结果的分析以确定故障。系统开机后,自动诊断整个硬件系统,为系统的正常工作做好准备;另外就是在运行或输入加工程序过程中,一旦发现错误,则数控系统自动进入自诊断状态,通过故障检测,定位并发出故障报警信息。故障自诊断技术是当今数控系统一项十分重要的技术,它的强弱是评价数控系统性能的一个重要指标。随着微处理器技术的发展,数控系统的自诊断能力越来越强,从原来简单的诊断朝着多功能和智能化的方向发展。现在的数控系统都有较丰富的自诊断功能,百余种的报警信号都可显示出来.其中大部分是CNC系统自身的故障报警等,有的是数控机床制造厂利用操作者信息,将机床的故障也显示在显示器上。根据报普信号能比较容易地找到故障和排除故障,但大部分针对电气故障,而机械故障常常难以判断。本文主要研究的就是数控机床的机械类故障。

三、数控机床机械故障诊断方法机床在运行过程中,机械零部件受到力、热、摩擦以及磨损等多种因素的作用,运行状态不断变化,一旦发生故障,往往会导致不良后果。因此,必须在机床运行过程中,对机床的运行状态及时做出判断并采取相应的措施。数控机床机械故障诊断包括对机床运行状态的识别、预测和监视三个方面的内容。通过对数控机床机械装置的某些特征参数,如振动、噪声和温度等进行测定,将测定值与规定的正常值进行比较,以判断机械装置的工作状态是否正常,若对机械装置进行定期或连续监测,便可获得机械装置状态变化的趋势性规律,从而对机械装置的运行状态进行预测和预报。在诊断技术上,既有传统的、简易方法,又有利用先进测试手段的、现代诊断方法。数控机床机械故障诊断的方法。其中利用振动信号进行不解体故障诊断是最常见的故障诊断方法,设备在工作时产生振动是不可避免的,内部工作零部件的性能状态信息通过一定的传递路径反映到其表面振动信号中。因此,振动信号中包含着振源信息及系统状态等信息,通过对振动信号的分析,就可以知道内部的性能状况。四、数控机床故障诊断的一般过程故障诊断与预知维修是一门通过研究设备运行状态信息的变化,进而识别其状态的科学。它是集机械、电子、计算机、信号处理、经济学等多门学科为一体的交叉学科是综合性技术在工程中具体实施的一项复杂技术科学"因此它研究的内容繁琐而又重要,从工程应用的角度来看,数控机床故障诊断的一般过程主要包括以下方面:1故障机理的研究

故障机理的研究需要多门基础学科的支撑,如力学,数学,摩擦学等,还受到数控机床自身结构及工作环境与工作状态的影响,从而给人们的研究带来了较大的困难。但是作为故障诊断的上游工作,是实行故障诊断的理论依据,因此对其进行研究是十分必要的。只有在了解和掌握故障产生的机理后,才能确定表征故障的特征参数,从而选择正确的分析方法把它从数控机床运行中出现的现象中分离出来,如振动、噪声、温度等等。2状态信号的收集

状态信号也称为机械设备运行中的二次效应,是故障特征信息的载体,因此在故障诊断中及时、准确地获得状态信号是十分必要的。目前状态信号获取的最直观、有效的方法就是依靠相关传感器及其辅助测试仪器在机械设备运行过程中进行拾取。其整个工作过程包括以下几个方面:第一是根据工程需要选择传感器类型!有关测试参数及测试位置等,以保证获取信号的有效性;第二是对传感器拾取的信号进行预处理(如抗混滤波,功放等)及向上传输;第三是数据的采集,即把连续信号离散化;第四是数据的存储,根据分析软件的要求把获得离散数据按一定格式保存为文件,以备将来随时调用和分析。对于本文来说用于分析的状态信号主要是振动信号。3特征信息选择与提取

根据现有的信号分析方法和处理技术,从收集到的、众多的状态信号中提取与设备故障最为密切的特征信息。通过对这些特征信息值的检验及其变化规律来识别系统的工作状态。然而由于多种因素的影响,数控机床故障信息总是混杂在大量的干扰信号中,或者几种故障特征相互关联,因此特征信息的正确选择与提取非常重要,也是数控机床故障诊断成败的关键之一。4故障分析与诊断故障分析与诊断就是根据所提取的特征信息来判别系统状态有无异常,并根据此信息和其它补充测试的辅助信息寻找故障源。故障源可能是零件、部件或子系统,可依据特征信息和故障源对系统性能指标的影响程度做出估计,并综合分析出故障等级。目前最常用诊断故障的方法就是把获得特征信息值与标准值进行比较,判断它们在一定裕度内的差别,依此来判断故障的部位与程度,也就所谓的模式识别。不过这种方法在多故障模式下,诊断结果的准确性往往不尽人意。根据以上分析结果,由数控机床的性能状态特征,预测故障发展的趋势,安排计划维修时间。并根据故障性质和部位,制定相应的维修措施和维修内容,然后向维修车间下达维修任务书。维修完毕,把维修纪录反馈到诊断中心,并把全部过程录入该设备的管理数据库,以便以后查询"综合上述,数控机床故障诊断的整个过程。振动故障信号特征提取方法在实际信号采集中,采集到的信号并不单单是我们需要的信号,它包含有多方面的内容(信息),这些信号均有自己的振动源或激励源:如加工冲击,故障冲击,不平衡,外界干扰等。在诊断分析中,我们对采集的信号进行分离,分离成固有振动信号、工频干扰信号和故障信号等。通过信号的特征提取(即信号处理)可以将需要的信号提取出来,同时对这些信号进行处理和分析。特征提取是故障诊断过程的关键环节之一,直接关系到后续诊断的识别。目前在工况检测和故障诊断中应用的信号处理方法有:幅值域分析法、时域分析、频域分析、时频分析、空域采样和转速跟踪及近几年来分形几何中的关联维数方法等。在上述各种方法中,都是运用现代的信号分析和数据处理方法将采样时间序列转为能够表达工况状态的特征量,通过特征分析,找到工况与特征量之间的关系,把反映故障征兆的特征信息和与故障无关的特征信息分离开。理论上各种方法都可得到多个表达系统动态行为的特征量,实际具体研究和应用中,需要根据具体的监测对象,选择合适的检测信号和检测部位,提取对故障最为敏感、规律性强,状态识别时实时性强,占内存小,计算速度快的主特征量。（1）幅值域分析法幅值域分析是在信号幅值上进行的各种处理"信号幅值的无量纲指标也是故障诊断中常用的故障信息处理方法,反映波形形态的无量纲指标对信号的幅值和频率的变化不敏感"幅值的概率密度和概率分布来描述振动信号的统计特性,它提供了随机振动沿幅值域分布的信息。对某些设备,当其运行状态发生较大的变化时,其幅值的概率密度曲线往往也有较大的变化,就可以用概率密度和概率分布作为设备异常与否的简易判据。（2）时域分析法时域分析的重要特点是信号的时间顺序,即数据产生的先后顺序。虽然幅域参数可用样本时间波形来计算,但其时间顺序是不起作用的。时域波形分析通过对波形的形状、振幅大小、变化快慢等特征的分析和观察,建立与系统运行状态之间的对应关系,达到发现设备运转是否异常的目的"常用的时域分析方法有时间序列模型(ARMA模型、AR(n)模型、门限自回归模型等),时序统计分析参数(如方差、自相关系数、偏度系数和峭度系数)等。这些方法提取的信号特征参数可用于工况状态监测。自适应滤波、时域平均与自相关分析是常用的几种时域消噪方法,由于在消噪的同时保留了信号的时域特征,可用于分析信号时域特征。自相关分析通过信号的自相关函数的分析特征,不同信号具有不同的自相关函数,是利用自相关函数进行故障诊断的依据。当信号的信噪比较低时,通常要结合时域平均或数字滤波技术来应用这种方法。互相关分析通过信号的互相关函数的分析特征,常用于分析随机干扰的平均传输速度、确定信号的传输通道和寻找振源或故障发生的部位。对故障信号建立时间序列模型,也是一种常用的故障诊断方法,采用模型的残差、模型系数、龙C指标等参数进行故障特征的提取和诊断。以AR模型为基础的现代谱分析,并具有一些特色和优点。如以A只模型为基础的现代谱分析,具有谱峰尖锐,频率定位准确,对采样点数没有严格限制,因而特别适合短