本发明设计数控机床行业的精度检测
技术领域：
，特别地涉及一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法。
背景技术：
：超过150m/s砂轮线速度的超高速磨削及其装备在欧洲、日本和美国等发达国家被誉为“现代磨削技术的最高峰”，与传统磨床相比，其具有极大的优越性：成倍提高磨削效率，减少设备使用台数；大幅提高零件加工精度，降低加工工件表面粗糙度，如在其它条件相同时，40m/s和150m/s速度磨削时，表面粗糙度值分别为Ra2.0μm和Ra1.2μm；砂轮寿命延长数倍以上等。高速电主轴作为超高速数控磨床的最核心部件之一，其精度对超高速数控磨床的最终加工精度影响巨大。即使电主轴精度早期的微小变化映射到超高速磨削零件上，对零件的最终精度也有很大影响，如精密零件因电主轴性能引起的加工精度问题而报废，则在时间和资金上都会造成巨大损失，因此，对电主轴的精度早期检测与诊断越来越受到企业重视，这对超高速数控磨床电主轴的精度可控性提出了更高的要求。电主轴随着服役使用时间的延长，会出现轴承磨损，定子与转子的同轴度变差以及不平衡、不对中、支撑松动等影响电主轴精度的故障因素，导致加工产品精度不合格甚至报废的概率增大。理想的解决方法是在电主轴精度尚未超出偏差范围之前，根据需要对电主轴进行特定项目的监测，掌握其精度早期微弱变化，以做到及早发现并诊断追溯其误差来源，使其在造成超高速数控磨床加工损失之前就消除或减少误差，使电主轴的精度始终保持在要求的范围内。因此，通过对电主轴的精度变化进行早期监测诊断，对于延长电主轴精度使用寿命、防止超高速数控磨床加工报废损失以及构建超高速数控磨床精度状态监控体系等都具有重要的意义。影响电主轴精度的常见因素有轴承磨损，定子与转子的同轴度变差以及不平衡、不对中、支撑松动等，这些故障都会蕴含在电主轴的振动信息里，现有传统方法是通过振动频谱分析方法诊断特征频率分量的出现来确定相应故障的产生，其存在以下缺点：1)频谱分析方法不能实现电主轴的早期检测。电主轴精度早期退化信号很不明显，其早期故障表现出的区别于电主轴正常状态的故障频谱特征通常是十分微弱的，并没有形成明显的故障频谱特征频率分量，因此，频谱分析方法不能检出电主轴的早期精度退化微弱信号。2)频谱分析方法受干扰信号影响较大。高频驱动时电主轴输入电压信号中存在着大量的电源频率调制和谐波成分，会在振动频谱中产生很多附加的干扰频率，故障特征分量特别是早期故障微弱特征分量往往被淹没于其中，以致频谱分析方法不能检出。混沌系统对微弱信号有较高的敏感度，且对噪声有很强的免疫力。但是，因为从混沌区到大尺度周期区之间存在过渡区域，而传统混沌系统检测系统的策动力临界阈值无法准确选择，以致传统混沌方法存在易出现漏检的问题，造成检测精度较差，准确度较低。另外，因为待检信号微弱，传统混沌系统检测系统的相轨迹区分度低，不易判别。技术实现要素：针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够降低策动力临界阈值选择不当的影响，有利于降低漏检率，提高检测精度，准确度较高；相轨迹区分度较好，可以准确检测出超高速数控磨床电主轴早期微弱故障信号，及早发现并诊断追溯其误差来源的基于差分混沌的超高速数控磨床电主轴精度监测诊断方法。为了解决上述技术问题，本发明采用了如下的技术方案：一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法，其特征在于，包括如下步骤：步骤一，统计超高速数控磨床电主轴在不同误差因素时对应的频率ω0i；步骤二，基于杜芬方程构造杜芬振子信号差分双混沌检测系统，具体如下，a)选取杜芬方程，如下式：式中，k为阻尼比，fcosωt为策动力项，f为策动力，ω为策动力角频率，(-xδ+xδ+2)为非线性恢复力项，δ为正奇数；b)设有检测信号r(t)，将检测信号r(t)分别以正相形式和反相形式输入杜芬方程，将式(1)改进如下：其中，式(2)为正相形式输入，式(3)为反相形式输入；c)选取位移x和速度v将式(2)和(3)改写如下：即完成杜芬振子信号差分双混沌检测系统的构造；步骤三，将检测信号r(t)设置为0，分别将不同误差因素对应的频率ω0i作为策动力角频率ω代入式(4)中，并调节策动力f使杜芬振子信号差分双混沌检测系统从大周期状态至混沌状态变化的Lyapunov指数，将Lyapunov指数为零时的策动力f确定为该误差因素对应的频率ω0i下的临界策动力阈值f0i以及对应的混沌状态的轨迹相图；步骤四，分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(4)中，并引入检测信号r(t)，计算同一误差因素下检测信号正相输入时的最大Lyapunov指数和反相输入时的最大Lyapunov指数；步骤五，对步骤四中同一误差因素下的两个最大Lyapunov指数进行矢量化并进行或运算，并输出判别参数L，当检测信号正相输入时的最大Lyapunov指数大于或等于0时，矢量化为逻辑1，反之为逻辑0；当检测信号反相输入时的最大Lyapunov指数小于0时，矢量化为逻辑1，反之为逻辑0；步骤六，判别所有误差因素下的判别参数L是否全部等于0，若是则超高速数控磨床电主轴精度正常，结束本次监测诊断；若不是全部等于0，则超高速数控磨床电主轴精度退化，执行后续步骤；步骤七，将检测信号r(t)放大并反相形式输入到式(1)的杜芬方程中，并选取位移x和速度v改写如下：式中，1.5≤α≤5为放大倍数；分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(5)中，将输出的相图判别轨迹G分别与步骤三中同一误差因素下的混沌状态的轨迹相图相对比，确定相图判别轨迹G与混沌状态的轨迹相图一致的误差因素为超高速数控磨床电主轴精度的误差因素。通常，调节策动力f使传统的杜芬振子系统从大周期状态至混沌状态变化过程存在过渡阶段，表现为Lyapunov指数曲线在零点处上下波动，从而造成Lyapunov指数为零时能够检测到多个策动力f，无论选取该过渡阶段中的哪一个Lyapunov指数为零的策动力f为临界策动力阈值f0i，都可能会造成检测信号输入后，杜芬振子系统仍然处于该过渡阶段，使得检测结果准确度较低。上述方法中，构建了杜芬振子信号差分双混沌检测系统，形成对检测信号的正相输入检测和反向输入检测。这样，无论临界策动力阈值f0i选取在上述过渡阶段中的哪个策动力f，都能够使得正相输入检测或反向输入检测中的一个发生相图的变化，从而能够准确判断出超高速数控磨床电主轴精度退化。上述方法在对误差因素的判断过程中，采用对检测信号的反向输入检测，并对检测信号进行放大，有利于提高不同故障因素的轨迹相图的区分度，便于确定故障因素。作为优化，所述步骤二中，δ＝5，非线性恢复力项为(-x5+x7)。这样，能够提高系统对输入信号的敏感度及抗噪能力。作为优化，所述步骤三中，临界策动力阈值f0i具体采用如下步骤确定：调节策动力f使杜芬振子信号差分双混沌检测系统从大周期状态至混沌状态变化过程中，记录Lyapunov指数第一次等于0时的策动力f为策动力起始值fsi，以及最后一次等于0时的策动力f为策动力结束值fei，则确定临界策动力阈值作为优化，所述检测信号r(t)为：r(t)＝hcosω0it+n(t)(6)式中，hcosω0it表示第i个误差因素对应的频率为ω0i、幅值为h的待检测微弱周期信号，n(t)为随机噪声信号。综上所述，本发明具有如下优点：1、本发明基于差分双振子原理，解决了传统混沌检测系统因为从混沌区到大尺度周期区之间存在过渡区域而造成的策动力临界阈值不能准确选择、以致易出现漏检的问题。相较于传统混沌检测系统，大大提高了检测灵敏度的同时，显著降低了混沌检测系统的漏检率。2、本发明基于差分放大原理，提高了不同故障因素的相轨迹相图的区分度。相较于传统混沌检测系统，降低了故障因素诊断的判别难度，大大提高了诊断溯因准确率。3、本发明能够检测出频谱分析等传统精度分析方法不能检出的高速主轴早期精度退化，并显著提高了检测灵敏度和精度，适用性强。4、本发明是基于混沌理论的超高速数控磨床电主轴精度检测与溯因方法，利用所建立的差分双混沌振子检测系统对微弱信号的检测能力以及对噪声的抑制能力，能够对的电主轴精度早期故障进行监测与诊断，以掌握其精度早期微弱变化及原因，做到及早发现，及时维修，延长电主轴精度使用寿命，具有重要的现实与经济意义。附图说明图1是基于差分双混沌振子的超高速数控磨床电主轴精度监测诊断流程图图2是k＝0.5,ω＝1Hz时，策动力f与最大Lyapunov指数Lm的关系图图3是差分混沌检测系统的结构图图4是高速电主轴精度差分混沌检测系统的结构图图5是电涡流传感器的安装图图6是检测振子处于混沌状态的轨迹相图图7是检测振子处于大尺度周期状态的轨迹相图图8是不对中因素引起的混沌轨迹相图图9是不平衡因素引起的混沌轨迹相图图10是支撑松动因素引起的混沌轨迹相图图11是润滑故障因素引起的混沌轨迹相图具体实施方式下面结合附图对本发明作进一步的详细说明。实施例：如图1所示，为本实施例的基于差分双混沌振子的超高速数控磨床电主轴精度监测诊断流程，以对一台HBW2350-H型CBN超高速外圆磨床的电主轴精度监测诊断为例，具体实施过程如下：1)基于差分放大原理，构造一种能实现高敏感度双向检测的差分双混沌振子，建立一种基于差分双混沌振子的弱信号检测方法。a)为了提高系统对输入信号的敏感度及抗噪能力，将传统杜芬振子的非线性恢复力项从-x+x3增强为-x5+x7，优化为一种杜芬混沌振子如下：上式中，k为阻尼比，f为策动力，ω为策动力频率。在k固定时，逐渐增大f,杜芬基本系统会经历同宿轨迹、周期分叉、混沌状态、大尺度周期状态，反之亦然。当策动力f较大时,杜芬混沌振子系统进入并保持在大尺度周期状态,如逐渐减小f，当小于某一临界策动力阈值(即相变点)时,系统会进入混沌状态，并在f的较大范围内都会处于混沌状态，以此可判断是否存在周期性微弱信号。该杜芬混沌振子系统在输入信号变化前后，其相平面图图形及最大Lyapunov指数的变化，有利于对输入微弱信号的检测与判别。b)如图2所示，混沌振子因为从混沌区到大尺度周期区之间存在过渡区域，所以策动力临界阈值不能准确选择，以致传统混沌检测方法在输入信号较微弱的情况下极易出现漏检。为此构造一种能实现高敏感度双向检测的差分双混沌振子，其由正相杜芬混沌振子和反相杜芬混沌振子构成，微弱信号以差分形式输入，能同时实现混沌区与大尺度周期区之间相互转换的双向检测，理论上能降低漏检率50％以上，如下式所示：式中，r(t)作为差分双混沌振子系统的输入信号，f0为混沌检测系统从大周期状态变化至混沌状态或是从混沌状态变化至大周期状态的临界策动力。固定阻尼比k＝0.5，计算策动力f与最大Lyapunov指数的关系曲线，如图2所示。根据混沌状态和大周期状态转换具有一定过度阶段，提出差分双混沌振子的临界策动力阈值f0确定方法如下：如图2所示，设混沌状态和大周期状态转换过度阶段的策动力起始值为fs、结束值为fe，则过度阶段的策动力差Δf＝fe-fs，临界策动力阈值f0确定为f0＝fs+Δf/2。c)建立一种基于差分双混沌振子的弱信号检测系统，其由差分双混沌振子、或运算算子以及放大杜芬混沌振子构成，如图3所示。或运算算子对差分双混沌振子的两个最大Lyapunov指数作矢量化处理并进行逻辑或运算，并输出判别参数L。矢量化方法为：当正相混沌振子的最大Lyapunov指数大于等于0时，矢量化为逻辑1，反之为0；当反相混沌振子的最大Lyapunov指数小于0时，矢量化为逻辑1，反之为0。再通过或运算输出状态判别逻辑L，以判别是否存在微弱信号。如存在微弱信号输入，放大杜芬混沌振子将待可视化的微弱信号进行放大，以更有利于区分不同的误差因素，并输出相图判别轨迹G。混沌检测系统因微弱信号的类型不同而具有不同的混沌状态及轨迹，因此，根据系统处于具有不同轨迹和具有不同最大Lyapunov指数的混沌状态，可以判断微弱信号的类型。放大杜芬混沌振子以反相形式输入，如下式：式中，a为放大倍数，一般取1.5≤a≤5。2)结合超高速数控磨床电主轴误差因素与频率的对应关系，建立一种适用于超高速数控磨床电主轴精度监测与诊断的差分双混沌振子弱信号检测系统。影响超高速数控磨床电主轴精度退化的误差因素主要有轴承磨损、不平衡、不对中、支撑松动、润滑故障等，每种误差因素的频率特征是不一样的，各误差因素对应的频率为ω0i，i＝1,2,3,…。以一台五轴加工中心电主轴为例，其额定功率为24kW,额定扭矩为36N·m，最高转速为20000r/min，前后轴承均采用油气润滑方式。通过实验获得转速为2000r/min、转速频率ωr为33Hz时，影响电主轴精度的主要误差因素与相应振动频率的对应关系，如下表所示。误差因素轴承磨损不对中不平衡支撑松动润滑故障频率表示ω01ω02ω03ω04ω05对应频率(Hz)356790126150各误差因素对应的频率为ω0i，i＝1,2,3,4,5。则对应轴承磨损、不平衡、不对中、支撑松动、润滑故障等5个误差因素，分别构造5个差分混沌弱信号检测系统，以此建立适用于超高速数控磨床电主轴精度监测与诊断的差分双混沌振子弱信号检测系统，如图4所示，系统也可表示如下式：式中f01、f02、f03、f04、f05分别为各误差因素检测所对应的临界策动力。通常，检测输入信号r(t)的表达式为：r(t)＝hcosω0it+n(t)式中，hcosω0it表示第i个误差因素对应的频率为ω0i、幅值为h的待检测微弱周期信号，n(t)为随机噪声信号。3)用涡流式位移传感器采集超高速数控磨床电主轴周向上相互间隔120°的3个方向上的振动信号，并引入构造的差分双混沌振子弱信号检测系统。超高速数控磨床电主轴精度退化必然导致电主轴出现不同程度的振动状态，当出现轴承磨损、不平衡、不对中、支撑松动、润滑故障等误差因素时，这些故障信号都会蕴含在电主轴的振动信息里，但这类早期故障信号相当微弱，传统振动分析方法难以提取。因此，在该超高速数控磨床电主轴相互间隔120°的3个方向上分别安装涡流式位移传感器，如图5所示，以采集反应高速电主轴精度状态的微弱振动信号，并以差分形式引入双混沌振子弱信号检测系统。4)根据差分双混沌振子弱信号检测系统的或运算输出即状态判别逻辑L，识别淹没在噪声中的早期微弱精度故障特征信息，获得电主轴精度状态情况。如L＝1，则电主轴发生精度退化；如L＝0，电主轴精度正常。差分双混沌振子弱信号检测系统对该超高速数控磨床电主轴精度状态监测数据如下表所示。01号差分双检测振子状态判别逻辑L＝1，表明01号差分双振子监测到有微弱振动信号输入，意味着该电主轴出精度出现早期退化，需进一步分析其误差因素及退化程度。5)根据差分混沌振子弱信号检测系统的放大输出即判别轨迹G，以及策动力角频率与误差因素频率的对应关系，诊断电主轴误差因素来源，并进行误差因素对应相图的可视化显示。对于经差分双混沌振子识别为有精度退化的微弱信号，进一步经相应的放大混沌振子进行放大，提高不同故障因素的相轨迹相图的区分度，这里取放大倍数a＝2。引入该电主轴监测信号后，01号弱信号混沌检测振子系统的轨迹相图如图6所示，表明其由大尺度周期状态进入了混沌状态，进一步证实了电主轴精度发生早期退化。其他检测振子仍然处于大尺度周期状态，其轨迹相图类似于如图7所示形状。不同误差因素引起的混沌状态的轨迹相图是不同的，进一步追溯证实误差因素，并对误差因素对应的混沌相图进行可视化显示，如图8、图9、图10、图11所示。比较不同的轨迹相图，可准确诊断出电主轴误差因素为轴承磨损，应及时维修维护以排除该故障因素。以上所述仅为本发明的较佳实施例而已，并不以本发明为限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3