數控機床狀態（tài）監（jiān）測和故障預測係統（tǒng）的關鍵技術-數控機床市場網

您（nín）現在的位置：車（chē）床網（wǎng）> 加工與維修>數控機床狀態監測和故障預測係統的關（guān）鍵技術（shù）

數控機床狀態監測和故障預測係統的（de）關鍵技（jì）術

2021-2-24 來源：江（jiāng）蘇海洋大學應用技術學院作者：趙中敏

摘要：狀態監測和故障預測技術是數控機床實現自（zì）主保障（zhàng）的一項關鍵（jiàn）技術，首先提出了狀（zhuàng）態監測和故障預測維修的（de）組成及（jí）功能，構建了數控機床維修係統的功能（néng）框圖並分析了其工作流程；接著闡述了故障診斷與預測的具體實施結構體係，該結構能夠（gòu）實現大型（xíng）數控機（jī）床狀態監測和故障預（yù）測，為（wéi）提高數控（kòng）機床的使用壽命及使用效率，具有重要的（de）推廣價值；最後總結了如何（hé）開（kāi）發適合我國國情的狀態監（jiān）測與故（gù）障（zhàng）預測係統。

關鍵詞：數控機床狀態監測故障預測工作流程結構體係

大型數控機床係統的（de）性能及可靠性決定了其工作壽命以及工作效率（lǜ），目前的事後維修和計劃性維修很難預防災難性的故障，而且常常引起不必要的停機，存在（zài）引入維修損（sǔn）壞的風險。與以上兩種（zhǒng）維修策略不同，視（shì）情維修 (CBM, condition basedmaintenance)是麵向設備實際狀態和發展趨勢的，根據對設備當前和（hé）將來狀態的正確和可靠的預（yù）測來安排（pái）維修活（huó）動。因此對設備當前狀態的描述（shù），以及對下一時段狀態（tài）和故障的預測是實現視情維修的根本，這（zhè）也正是狀態監測和故障預測技術要著力解決的問題。狀態監測和故障預測技術（shù）使得設備維護（hù）人員可以預知（zhī）故障（zhàng）的（de）發生，從而采取一係列維修（xiū）或預防的措施，而（ér）不必等到故障真正發生之後再做出（chū）反應。

目前，數控機床正朝著大型（xíng）化、高速化、高精（jīng）度化的方向發（fā）展。在高速、高加速度、大載荷、大（dà）位移等非常規工況下（xià），振動、衝擊、變形等因素對機床的進給係統產生重大影響，導致絲杠、導軌、軸承、聯軸器、齒輪、蝸輪蝸杆等機（jī）械部件產生各種故障，由（yóu）此引起數控機床（chuáng）的運（yùn）動誤差、部件磨損甚至意外停機（jī）等問（wèn）題。因此，在狀態監測和故障診斷領（lǐng）域內，正確評價（jià）大型數控機床當前的狀態（tài），預測機床運行狀態的發展趨勢，為機床維護提供指導依據是一個亟待解決（jué）的問題。

1、數控機床狀態監測和故障預測的（de）組成及功能

通過在線檢測設備運（yùn）行狀態，參照設備正（zhèng）常的狀態參數（shù）標準，結合（hé）曆史維修知識庫，對（duì）設備的（de）運行狀態進行分析，並對故障可能發（fā）生的情況進行預測，從而作為（wéi）製定設備合（hé）理維修計劃的依據（jù）。通過對運行狀態進行監測，如果發（fā）現設（shè）備出現了故障，則（zé）立即進行診斷，確（què）定故障部位和故障（zhàng）類（lèi）型（xíng），提（tí）出維修建議，進而下達維修任務和組織實施（shī）。其體係結構如圖１所示。

（1）設備層：由作業車間中數控加工設備構成。

（2）信（xìn）息采集層：其主要作用是采集設備層的運行狀態數據，並對這些數據進行濾波、整形、放大（dà）等處理後（hòu），提交給信息（xī）處理層。該層主要包括各類傳感（gǎn）器、信息采集終端（duān）、直接數（shù）字控製（DirectNumerical Control，DNC），以及（jí）其他智能設備等。

（3）信息處理層：該層的（de）功能是對信息采集層提交的信息進行識別、轉化、分類（lèi）、融合、特征提取、特征融合等，為應用層的功能實現提供支撐。

（4）數據層：由維修數據庫、狀態知識庫（kù）和設備信息（xī）庫等相關數據庫及知識庫構成。維修數據庫存儲維修內容、維修操作、維修計劃、維修事件等相關數據信息；狀態知識庫存儲（chǔ）設備在不同工況下運行的狀態參考值、允（yǔn）許值和故（gù）障閾值等。

（5）應用層：由在線監控模塊、故障診斷模塊、故障預測模塊和維修管理模塊（kuài）組（zǔ）成。在線（xiàn）監控模（mó）塊實時獲取設備運行狀態數據，在對其進行處理後，進行數據融合，向用戶（hù）顯示設備運行狀態，並將融合（hé）後的數據提交給故（gù）障診斷模塊；故（gù）障診斷模塊在監控模塊提供（gòng）監（jiān）控數據的基礎上進行特（tè）征提取，並對（duì）特征值進行融合，進而通過各種特征分類器進行分類，在進行數據的決策層融合後進（jìn）行故障診斷，並輸（shū）出故障結果；故障預測模塊（kuài）根據相關（guān）模型和算法對設備運行狀態特征進（jìn）行（háng）故（gù）障（zhàng）預測，並對可能的（de）故障部件（jiàn）、故障原因（yīn）、故障（zhàng）類型等進行分析；維修管（guǎn）理模塊主要（yào）處理與設備維修相關的操作管理，包括維修內（nèi）容管理、維修計劃管理、維修事件管理、維修控製等。

（6）用戶層：該層的用（yòng）戶分為係（xì）統管理員、操作人員和維修人員三類。

需要指出的是，上述體（tǐ）係結構中的各功能（néng）模塊（kuài）之間並沒有明顯的界限，存在著（zhe）數據信息的交叉反饋（kuì）。國外對（duì）上述各模塊中應用的一般技術(如（rú）傳感器、數（shù）據傳輸、數據處（chù）理等)和方法(如係統框架模型、狀態監測和預測推理算法等)進行了大量的研究，同時也進行了大量的工程實踐。

圖 1 數控機床的狀態監測（cè）和（hé）故障預測的結構體係

2 、數控機床狀態監（jiān）測和故障預測（cè）的工作流程

數控機床狀態監測和故障（zhàng）預測係統包括兩種（zhǒng）工作流程（chéng）：

（1）設備（bèi）運行狀態（tài）信（xìn）息采（cǎi）集和故障診斷、預測（cè）流程（chéng）；（2）設備維修管理流程，如圖 2 所示。

具體操作（zuò）可劃分為四個階段。

圖 2 數控機床的狀態監測和故（gù）障預測工作流程

2.1 設備（bèi）可監測的運行狀態信息分析

（1）設（shè）備運行狀態實時（shí）采集與（yǔ）監控，通（tōng）過對設備可監測的運（yùn）行狀態信息進行分析，選擇最佳的狀態監測方法，確定所需的（de）儀器和（hé）設備，進行設備運行狀態數據（jù）的采集。

（2）由於設備運行狀態的輸出大都為非（fēi）線（xiàn）性，同時受溫度、電源波動、噪聲和振動等環境因素的影響，使得所采（cǎi）集的數（shù）據（jù）不能準確地（dì）反映（yìng）測量值，容易出現（xiàn）測量準（zhǔn）確度不高、穩定性差等問（wèn）題。因此，需要對采集到（dào）的數據（jù）進行處理，剔除錯誤數據或偏（piān）差數（shù）據。

（3）對多源同類傳感器進行（háng）一次數據融合，然後對異類傳感器進行二次數據融合，以提高（gāo）獲取狀態信（xìn）息的準確性。同時，根據融（róng）合後的數據輸出設備的運行狀態信息。

2.2 基（jī）於融合後的設備運行狀態信息進行（háng）故障診斷

（1）由於實（shí）時（shí）采集的設備（bèi）運行狀態信（xìn）息的數據量相當巨大，為了對設備運行狀態進行分析和診斷，需要根據融合（hé）後的（de）運行狀態數據，提取設備運行的關鍵特征，構建設備運行狀態的特征向量。

（2）根據信息融合理論進行設（shè）備運行（háng）狀態的特征融合。

（3）構造特征（zhēng）分類器，進（jìn）行決策層融合。同時（shí），參考設備運行狀態（tài）參考（kǎo）值、允許值和故障閾值，進行故障診斷，並輸出診斷結果。如果診斷結果是有故（gù）障，則進行故障報警，並輸出故障信息，同（tóng）時進（jìn）入維修管理；如（rú）果診斷（duàn）結果是無（wú）故障，則進入故障預測階段。

2.3 故障預測

雖然故障診（zhěn）斷（duàn）的結果是未發生故障，但設備存在發生故障的可能性。故障預測的目的（de）就是分析這種可能性（xìng）的大小，並（bìng）做出是否需要進行維修的判斷。預測的方法有（yǒu）基於模型的方法、大數據驅動的方法和（hé）基於統計的（de）方（fāng）法三種。經過預測後，如果判定為不必進行維修，則返（fǎn）回設備運行狀態實時采集與監（jiān）控；如果判定為需要進行維修，則進入（rù）維修管理。

2.4 維修（xiū）管理（lǐ）

（1）如果設備需要進行維修，則查詢相關維修數據庫，製定維修計劃（huá）。

（2）對維修計劃進行（háng）費用分析，並生成維修任務。該步驟由相關人員組織實施。

（3）對維修任（rèn）務進行控製，維修任務完成後，把（bǎ）相關維（wéi）修信息（xī）輸入維修數據庫。

3、數（shù）控機床（chuáng）狀態監測和故障預測的結構體係

針（zhēn）對監測對象的特點，選擇不同的傳感（gǎn）器對各個（gè）部件的運行狀態進行監控，具體結構如圖 3 所示。

圖 3 數控（kòng）機床的狀態監測和（hé）故障預測結構體係（xì）

1）數控係統

數控係統（tǒng）運行參數可以通過軟件直接讀取，係統（tǒng）故障代碼顯（xiǎn）示各種報警信息。有故障特征融合特（tè）征融（róng）合（hé）

2）導軌副

X 向、Y 向和 Z 向導軌采用滑動導軌，機油潤滑，在滑（huá）動體上（shàng）安裝三向振動傳感器監測導軌的變形（xíng）及磨損。

3）絲杠副

由於設備運動部件的性能及精度變化主要反映在振動頻率及幅值的變化上，在 X 向、Y 向及 Z 向滾珠（zhū）絲杠副的絲母座上分別安裝 1 個（gè）三向振動傳感器，監測絲杠由於磨損、偏心、絲杠滾道表麵缺陷、滾珠缺陷等（děng）導致的（de）振動及衝擊脈衝。絲杠兩側的支撐端分別安裝（zhuāng） 1 個（gè）單向振（zhèn）動傳感器，監測由於絲杠彎曲、前後支架不同心、軸承故障（zhàng）等導致的振動形態變化。為提高故（gù）障預（yù）警和（hé）診（zhěn）斷的精度，在絲母座及兩個軸承座上分（fèn）別安裝 1 個（gè）貼片式溫度傳感器，監測性能變化導致的溫度增加。

4）主軸係統

主軸係統由電機、齒輪箱和主軸構成。在主軸前端安裝聲發射傳感器和振動傳（chuán）感器，在齒輪（lún）箱上安裝振動傳感器，監測主軸的運動精度、軸承狀態及齒輪齧合狀態。

5）伺服係統

采用 3 個（gè）電流傳感器分（fèn）別監（jiān）測主（zhǔ）軸電機和 2 個給電機的實際負載狀（zhuàng）況（kuàng）及功率變化，通過切削力實驗，對電流信（xìn）號進一（yī）步分析處理，可以建立電流與負載（zǎi）力之間的映射關（guān）係。驅動（dòng）器故障由其內部報警代碼提供（gòng）解決方案。

6）潤（rùn）滑係統監測

潤滑係統的壓力及（jí）流量分別采用壓力傳感（gǎn）器（qì）和流量傳感器實時監測，油箱機油溫（wēn）度和（hé）液位高度采用溫度傳感器和液位傳（chuán）感器獲取（qǔ），防止異常狀況（kuàng）和漏油的發生。

7）電氣控製係統

采用可編程控製器（ programmable logiccontroller ,PLC）直讀技術獲取（qǔ） PLC 點位信息，構（gòu）成狀態（tài）矩陣，並采用圖形化方式將電氣原理（lǐ）圖進行對照輸出，以便快速診斷和維修故障。上述傳感器信號通過模／數(analogue/digital,A/D)采集卡轉換後輸入工控機進行分析與（yǔ）計算，分析獲得的設備狀態監測數據送入數據服務器存儲，並同時在（zài）設備的（de）人機界麵 HMI上實時滾動顯示，以便（biàn）於操作人員掌握設備各個部件的運行及狀態信息。

4、結語

雖然各種（zhǒng）數控設（shè）備狀態（tài）監測（cè）與故障診斷係統已逐步得到應用，但還遠沒有達到工程實用（yòng）化的程度。目前還僅（jǐn）在（zài）部分關鍵的係統和部件中應用。並且對大多數係統尤其是數控設（shè）備（bèi）的故障機理（lǐ）了解還不深入，有些還僅（jǐn）是故（gù）障的檢測，還不具備故障預測的能力。此外，何正確有效地預測係統的狀態，並做出優化的維（wéi）修決策等都（dōu）需要大（dà）量的研究工作。難點工作主要在於如何規劃（huá）特定被（bèi）監（jiān）測係統的係統體係結構，如何有效地選用一些較成熟的技術用於（yú）構建狀態監（jiān）測（cè）與（yǔ）故障預測係統。應首要確定需要進行研究的關鍵（jiàn）技術（如對於數控設備關注（zhù）故障機理的基礎性研（yán）究），進而開發出適合（hé）我（wǒ）國國情的狀態監測與故障預測係統。

投稿（gǎo）箱：
如果您有機床行（háng）業、企業相關新聞（wén）稿件發表，或進行資訊合作，歡迎聯係本（běn）網編（biān）輯部，郵箱：skjcsc@vip.sina.com

更多相關信息（xī）

名企推薦

業界視點

| 更多

行業（yè）數據

| 更多

博文選萃

| 更多