[发明专利]一种基于轴心轨迹流形学习的主轴回转误差溯源方法

说明书

技术领域

本发明涉及一种机电设备主轴回转误差溯源方法，特别是关于一种基于轴心轨迹流形学习的主轴回转误差溯源方法。

背景技术

随着原子能、航天技术、微电子学、信息技术及生物工程等新兴科学技术的发展，对机械加工精度的要求越来越高，从毫米到微米、亚微米，现在已经发展到纳米水平，并逐渐向着原子晶格尺寸(亚纳米)水平迈进，称之为超精密加工。精密机床是实现精密加工的首要基础条件。目前高速超精密数控机床成为现代化制造业的关键生产设备，提高高速超精密数控机床在加工运行过程中精度的可靠性、稳定性和可维护性，对提升企业竞争力越来越重要。产品寿命预测和安全服役基础理论是“十二五”国家科技计划先进制造技术领域的重要研究内容，数控机床故障诊断与预警技术是保障机床可靠运行、提高机床服役性能的核心技术之一。高档超精密数控机床由于结构复杂、传递环节较多，导致故障不能准确定位，盲目的拆修会造成安装精度误差、机床服役性能下降和可靠性降低。因此对数控装备的工作状态进行实时监测、诊断和预警非常重要。

超精密机床的质量，取决于其关键部件的质量，主轴部件是保证超精密机床加工精度的核心，也是最容易失效的部位之一，其动态性能的好坏对机床的切削抗振性、加工精度及表面粗糙度均有很大的影响，是制约数控机床加工精度和使用效率的关键因素。实验表明：精密车削的圆度误差约有30%～70%是由于主轴的回转误差引起的，且加工的精度越高，所占的比例越大。主轴系统回转时的轴心轨迹包含了大量与主轴系统技术状态和回转零件工作状态有关的信息，是机床精度退化研究和状态分析的信息来源。因此，针对高速超精密加工数控机床主轴加工过程中由于各种原因产生的回转精度劣化、功能丧失严重影响产品零件的加工精度和质量等一系列技术难题亟待解决，以有效提高机床服役可靠性。

据统计，每年由于数控机床精度劣化和故障造成的生产损失达数千亿人民币，机床的可靠性、故障诊断与预测、性能评估等问题得到国内外学者的广泛关注。目前针对机床主轴系统的回转精度检测偏重静态的回转精度检测；主轴状态监测与预测，更多的集中在典型故障模式识别。二者是互相分离独立的，不能为现场生产实际提供实时精度劣化的评估和判断。主轴系统的回转精度是严重影响加工精度，反映机床动态性能的主要指标和分析误差来源的重要手段。

发明内容

针对上述问题，本发明的目的是提供一种基于轴心轨迹流形学习的主轴回转误差溯源方法，其能有效提高机床服役可靠性，并保证加工精度和生产效率。

为实现上述目的，本发明采取以下技术方案：一种基于轴心轨迹流形学习的主轴回转误差溯源方法，其包括以下步骤：1）在主轴外周向间隔设置两个电涡流传感器，两个电涡流传感器沿主轴轴心呈90°交错设置，通过两个电涡流传感器采集主轴振动信号；2）对检测到的主轴振动信号进行处理，进而对主轴的运行状态进行判断，其包括以下步骤：（1）将两个呈90°交错设置的电涡流传感器测得的振动信号分别标记为X和Y，采用均值-方差标准化方法对X、Y振动信号进行归一化预处理；（2）对归一化后的X、Y振动信号进行EEMD降噪处理；（3）提取由X、Y振动信号共同形成的若干轴心轨迹，将每个轴心轨迹上的离散点作为一个维度，构造高维特征空间；（4）采用ISOMAP、LLE或LTSA流形学习算法提取轴心轨迹二维流形作为敏感特征；（5）根据由步骤（4）处理后能得到不同故障状态的流形敏感特征Q_ij，根据流形敏感特征Q_ij进行主轴故障状态f(i)判断；3）经步骤1）中两个电涡流传感器采集到相位差为90度的主轴振动信号在同一平面坐标系内交于一点，连续采样后获得轴心轨迹；4）对步骤3)中获得的主轴轴心轨迹进行误差分离，以获得主轴实际回转精度A；5）根据主轴的实际回转精度A和流形敏感特征Q_ij获得映射函数图谱数据库Q:{f(i)＝Q_ij|A}；其中，i表示主轴状态的种类：正常状态、主轴偏心、轴承发热磨损故障状态；j=1,2,3,表示ISOMAP、LLE和LTSA三种不同的流形学习算法；6）若主轴的实际回转精度A≥ηE,η＝0.8~1,则调用映射函数图谱数据库Q，进行主轴回转误差的溯源，并对相应故障进行维修；若主轴的实际回转精度A≥ηE,η＝0.6~0.8，则对主轴回转误差进行溯源分析监控；其中E是该机床出厂时的主轴回转精度。

所述步骤4）中，所述主轴轴心轨迹误差分离采用三点法圆度误差分离方法进行圆度形状和回转误差的分离。

所述主轴轴心轨迹误差分离采用频域三点法。