數控機床狀態監測和故（gù）障預測係統的關鍵技術-螺紋加工機床網-數控機床市場網

您現（xiàn）在的位置：螺紋加工機床網（wǎng）> 加工與維修>數控機床狀態監測和故（gù）障預測係（xì）統的關鍵技術

數控機床狀態監測和故障（zhàng）預測係統的關鍵技術

2021-2-24 來源（yuán）：江蘇海洋大學應用技術學院作者：趙（zhào）中敏

摘要：狀態監測和故障預測技術是數控機床實現（xiàn）自主保障的一項關鍵技術，首先提出了狀態監測和故障預測維修的組成及功能，構建了數控機（jī）床維修係統的功能框圖並分析了其工作流程；接著闡（chǎn）述了（le）故障（zhàng）診斷與預測的（de）具體實施結構體係（xì），該結構能夠（gòu）實（shí）現（xiàn）大型數控機床狀態監測（cè）和故（gù）障預測，為提高數控機床的使用壽命及使用效率，具有重要的推廣價值（zhí）；最（zuì）後總結了如何開發適（shì）合我國國情的狀態監測與故障預測係統。

關鍵詞：數（shù）控機床狀態監測故（gù）障（zhàng）預（yù）測（cè）工作（zuò）流程結構（gòu）體係

大型數控機床係統的性能（néng）及可靠性決定了其工作壽命以及工作效率，目前的事後維修和計劃性維修很難預防災難性（xìng）的故障，而（ér）且常常引起不必要的停機（jī），存在引入維修損壞的風險。與以上兩種維（wéi）修策略不同，視情維修 (CBM, condition basedmaintenance)是麵向設備實際狀態和發展趨勢的，根據對設備當（dāng）前和將（jiāng）來狀態的正確和（hé）可靠的預測來安排維修活動。因此對設備當前狀態的描述，以及對下（xià）一時段狀態和（hé）故障（zhàng）的預測是實（shí）現視情維修的根本，這也正是狀態（tài）監測和故障預測技術要著力解決的問題（tí）。狀態監測和故障預測技術使得設備維護人員可以預知故（gù）障（zhàng）的發生，從而采（cǎi）取一係（xì）列維修或預防的措施，而不必等到故障真正（zhèng）發（fā）生之（zhī）後再（zài）做出反應。

目前，數控機床正朝著（zhe）大型化、高速（sù）化、高精度化的方向發展。在高速、高加速度、大載荷、大位移等非常規工況下，振動（dòng）、衝（chōng）擊、變（biàn）形等因素對機床的進給係統產生重大影響，導致絲（sī）杠、導軌、軸承、聯軸器、齒輪、蝸輪蝸杆等（děng）機械（xiè）部件產生各種故障，由此引（yǐn）起數控機床的運動（dòng）誤差、部件磨損甚至意外停機等問題。因此，在狀態監測和故障診（zhěn）斷領域內，正確評價大型數控機床當前的狀態，預測（cè）機床運行狀（zhuàng）態的發展趨勢，為機床維護提供指（zhǐ）導依（yī）據是一個亟待（dài）解決的問題。

1、數控（kòng）機床狀態監測和故障預測的組成（chéng）及（jí）功能

通過（guò）在線檢（jiǎn）測設備運行狀態，參照設備正常的狀態（tài）參數標準，結合曆史維修（xiū）知識庫，對設備的運行（háng）狀態進（jìn）行分析，並（bìng）對故障可能發生的情況進行（háng）預測，從而作為製定（dìng）設備合理維（wéi）修（xiū）計劃的依據。通過對運行狀態進行（háng）監測，如果發現設備出現了故障，則立即進（jìn）行（háng）診斷，確定故障部（bù）位（wèi）和故障類型，提出維修建議，進而下（xià）達維修任務和（hé）組織實施。其（qí）體係結構如圖１所示。

（1）設備層：由作業車間中數控加工（gōng）設備構（gòu）成。

（2）信息采集層：其主要作用是采（cǎi）集設備層的運行狀（zhuàng）態數據（jù），並對（duì）這（zhè）些數據進行濾波（bō）、整形、放大等處理後，提交給信息處理層。該層主要包括各類傳感器、信息采集終端、直接數字控製（DirectNumerical Control，DNC），以及（jí）其他智能設備等。

（3）信息（xī）處理層：該（gāi）層的功（gōng）能是對信息采集層提（tí）交的信息進行識別、轉化、分（fèn）類、融合（hé）、特征提取、特征融合等，為應用（yòng）層的功能實（shí）現提供支撐。

（4）數（shù）據層：由維修（xiū）數據庫、狀態知識庫（kù）和設備信息庫等相關數（shù）據庫及知（zhī）識庫構成。維修數據庫存儲維修（xiū）內容（róng）、維修操作、維修（xiū）計劃、維修事件等相關數據信息；狀態知識庫存儲設備在不同工況下運行的狀態參考值、允許值和故障閾值等。

（5）應用層：由在線監控模塊、故障（zhàng）診（zhěn）斷模塊、故（gù）障（zhàng）預（yù）測模塊（kuài）和維修管理（lǐ）模塊組成。在（zài）線監控模塊實時獲取設備運行狀態數據，在對其進行（háng）處理後，進行數據融（róng）合，向用戶顯示設備（bèi）運行狀態，並將融合後（hòu）的數據提交給故障診斷（duàn）模塊；故障診斷模塊在監（jiān）控模塊提供監控數據的基礎上（shàng）進行特征提取，並對特征值進行融（róng）合，進而（ér）通過各種特征分類器進行分類，在進行數據（jù）的決策層融合後進行故障診斷，並輸出故障結果；故障預測模塊根（gēn）據相（xiàng）關模型和算法對設備運行狀態特征進行故障（zhàng）預測，並對可（kě）能的故障部件、故障原因（yīn）、故障類型（xíng）等進行分析；維修管理模塊主要處理與設備維修相關（guān）的操作管理（lǐ），包（bāo）括維修內容管理、維修計劃管理、維修事件管理、維修（xiū）控製等。

（6）用戶層：該層的用戶分為係統管理員、操作人員和維修人員三類。

需（xū）要指出的是，上述（shù）體係結構中的各功能模塊之間並沒有明顯的界限，存在（zài）著（zhe）數據信息的交叉反饋。國外對上述（shù）各模塊中應（yīng）用的（de）一般技術(如傳感器、數據傳輸、數據處理等（děng）)和方法(如係統框架模型（xíng）、狀（zhuàng）態監測和預測推理算法等)進行了大量的研究，同時也進行（háng）了大量（liàng）的工程實踐。

圖 1 數控機床的狀態監測和故障預測的結構體係

2 、數控（kòng）機床狀態監測和故障預測（cè）的工作（zuò）流程

數控（kòng）機床狀態監測（cè）和故障預測係統包括兩種（zhǒng）工作流程：

（1）設備運行狀態信息采集和故障診斷、預（yù）測流程；（2）設備維修管理流程，如（rú）圖 2 所示。

具體操作可劃分為四個（gè）階段。

圖（tú） 2 數控機床的（de）狀態監測和故障預測（cè）工作（zuò）流（liú）程

2.1 設備（bèi）可監（jiān）測的運行狀（zhuàng）態信息分析

（1）設備運行狀態實時（shí）采集（jí）與監（jiān）控，通過對設備可監測的運行狀態信息進行分析，選擇最佳的狀態監測方法，確定所需的儀器和設備（bèi），進行設備運行狀態數據的采（cǎi）集。

（2）由於設備（bèi）運行狀態的（de）輸出大都為非線性，同時受溫度、電源波動、噪（zào）聲和振（zhèn）動等環境因素的影響（xiǎng），使得所采集的數據不能準確地反映測量值，容易出現測量準（zhǔn）確（què）度不高、穩（wěn）定性差等問題（tí）。因此，需（xū）要對（duì）采集（jí）到的數據（jù）進（jìn）行（háng）處（chù）理，剔除錯誤數據或偏差數據。

（3）對多源同類傳感器進行一次（cì）數據融合（hé），然後對異類傳感器進（jìn）行二次數據（jù）融（róng）合（hé），以提高獲取狀態信息的準確性。同時（shí），根據融合後的數據輸出設備的（de）運行狀態信息。

2.2 基於融合（hé）後的設備（bèi）運行狀態信息進行故（gù）障診斷

（1）由（yóu）於實時采（cǎi）集的設備運行狀態信息的數據量相當（dāng）巨大，為了對設備運行狀態進行（háng）分析和診斷，需要根據融合後的運行（háng）狀態數據，提取設備運行的關鍵特征，構建設（shè）備運行狀（zhuàng）態的特征向量。

（2）根據信（xìn）息融（róng）合理論進行設備運行狀態的特征融合。

（3）構造特征分類器，進行決策層融（róng）合。同時，參考設備運行狀態參（cān）考值、允許值和故（gù）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障，則進行故障報警，並輸出故障信息，同時進（jìn）入維修管理；如果診斷結果是無故障，則進入故障（zhàng）預測階段（duàn）。

2.3 故障預測

雖然故障診斷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（cè）的（de）目的就（jiù）是（shì）分析這種可能（néng）性的大小，並（bìng）做出是否需要進行維修的判斷。預測的方法有基於模型的（de）方法、大數據驅動的方法和（hé）基於統計的方法三種。經過預測後（hòu），如果判定為不必進行維修，則返回設備運行狀態實時采（cǎi）集與監控；如果判定為需要進行維修，則進入維修管理。

2.4 維修管理

（1）如果設備需（xū）要進行維修，則查詢相關維（wéi）修數據庫，製定維修計劃（huá）。

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

（3）對維修任務進（jìn）行控製，維修任務完成後，把相關維修信息輸入（rù）維修數據（jù）庫。

3、數控機床狀態監測和故障（zhàng）預測的結構體係

針對監測對象的特（tè）點，選擇不同的傳（chuán）感器對各個部件的運行狀態進行監控，具（jù）體結構如圖 3 所示。

圖（tú） 3 數（shù）控機床的狀（zhuàng）態監測和故障預測結構體係

1）數控係統

數控係統運行參數可以通過軟件直接讀取，係統故障代碼顯示各（gè）種報警信（xìn）息。有故障特征融合特征融合

2）導軌副

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

3）絲（sī）杠副

由於設備運動（dòng）部件的（de）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 向滾珠絲杠副的絲母座上（shàng）分別安（ān）裝 1 個三向振動傳感器，監測絲（sī）杠由（yóu）於磨損、偏心、絲杠滾（gǔn）道表麵缺陷、滾珠缺陷等導致的振（zhèn）動及衝擊脈衝。絲杠兩側的支撐端分（fèn）別安裝 1 個單向振動傳感器，監測由（yóu）於絲杠彎曲、前後支架不同心、軸承故障等導（dǎo）致的振動形態變化。為提（tí）高故障預警和診斷的精（jīng）度，在絲母座（zuò）及兩個軸（zhóu）承座上分別安裝 1 個貼片式溫度傳感（gǎn）器，監測性能變化導（dǎo）致的溫度增加。

4）主軸係統

主軸（zhóu）係統由電機、齒輪箱和主軸（zhóu）構成。在主（zhǔ）軸前（qián）端（duān）安裝聲發射傳感器和振動傳感器，在齒輪箱上（shàng）安裝振動傳感器，監測主軸的運動精（jīng）度、軸承狀態及齒輪齧合狀態。

5）伺服係統

采用 3 個電流傳（chuán）感器分別監測主軸電機和 2 個給（gěi）電機的實際負載狀況及功率變化，通過（guò）切削力實驗（yàn），對電流信號進一步（bù）分析處（chù）理，可以建立電流與負載力之間的映射關（guān）係。驅動器（qì）故障（zhàng）由其內部報警代碼提供解決方案。

6）潤滑係統監（jiān）測

潤滑係統的壓力及流量分別采用壓力傳感器和流量傳感器實時（shí）監（jiān）測（cè），油箱機油溫度和液位高度采用溫度傳感器和（hé）液位傳感器獲（huò）取，防止異（yì）常狀況和漏油（yóu）的發生。

7）電氣控製（zhì）係統

采用可編（biān）程控製器（ programmable logiccontroller ,PLC）直讀技術獲取 PLC 點位信息，構（gòu）成狀態矩（jǔ）陣，並采用圖（tú）形化方式將電（diàn）氣原理圖（tú）進行對（duì）照輸出（chū），以便快速診斷和維修故障。上（shàng）述傳（chuán）感器信號通過模／數(analogue/digital,A/D)采集卡轉換後輸入工控機進（jìn）行分析與計（jì）算，分析獲得的設備狀態監測數（shù）據送（sòng）入數據服務器存儲，並同時在設（shè）備的人機界麵（miàn） HMI上實時滾動（dòng）顯示，以（yǐ）便於操作人員掌握設備各個部件的運行及狀態信息（xī）。

4、結語

雖然各種數控設備狀態監測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化的程度。目前還僅（jǐn）在部分關鍵的係統和部件中應用。並且對大多數係（xì）統尤其是數控設備的故障機理了解（jiě）還不深入，有些還（hái）僅是故障的檢測，還不具（jù）備故障（zhàng）預測的能力。此外，何正確有效地預測係統的狀態，並做出優化的維修決策等都需要大量的研究工作。難點工（gōng）作主要在（zài）於如（rú）何規劃特定被監測係統的係（xì）統（tǒng）體係結構，如何有效地選用一些較成熟的技術用於構建狀態監測與故障預測係統。應首要（yào）確定需要進（jìn）行研究的關鍵技術（如對於數（shù）控設備關注故障機理（lǐ）的基（jī）礎性研究），進而開發出適合我國國情的狀態監測與故障預測係統。

投稿箱：
如果您有機床行業、企業相關（guān）新聞稿件發表，或進行資訊合作，歡迎（yíng）聯係本網編輯（jí）部，郵箱：skjcsc@vip.sina.com

更多相關信息

名企（qǐ）推薦

業界視點

| 更多

行業數據

| 更多

博文選萃

| 更多（duō）