[发明专利]一种基于摩擦辨识的数控机床健康状态监测方法及装置

说明书

本发明公开了一种基于摩擦辨识的数控机床健康状态监测方法及装置，结合机床进给轴在匀速运动状态下进给轴电机的负载电流与负载转矩成正比，且机床不受惯量的影响，负载转矩约等于摩擦转矩的特性，根据机床各进给轴基于不同速度进行匀速运动时各进给轴电机的负载电流和转速，以及所述机床各进给轴的摩擦参数计算模型，计算得到机床各进给轴的当前摩擦参数，与机床在健康状态下运行时所述机床各进给轴的健康摩擦参数分别进行比较，基于比较结果判断机床是否发生故障。不需要依赖于外接传感器和相应的数据采集装置，仅需要获取数控系统内部的电控数据即可实现健康监测，成本低；不需要大量的数据样本，无训练过程，占用资源小。

技术领域

本发明属于数控机床技术领域，更具体地，涉及一种基于摩擦辨识的数控机床健康状态监测方法及装置。

背景技术

数控机床作为一种高效率、高精度、高自动化的加工设备，在制造业中具有十分重要的地位。数控机床的应用范围越来越广泛，包括航空航天、汽车、核电、医疗机械、工程机械等领域。数控机床结构复杂，在性能下降或者发生故障的情况下，导致产品质量下降或无法工作，将会造成巨大的经济损失，甚至造成生产事故的发生。数控机床的健康状态监测，主要是提前预测故障发生的可能，变事后故障处理为事前监测。数控机床故障可以分为数控系统故障、机械结构故障和电气系统故障等，其中数控系统和电气控制系统的故障，包括伺服系统故障、传感器故障、电机故障和电器故障等，机械系统的故障主要发生部位为主轴箱、丝杠副、导轨副、润滑液压系统以及气动系统。

数控机床健康状态监测技术已经成为数控机床关键技术，目前数控机床健康状态监测技术多数利用传感器采集机床的运行状态下的数据，再利用数据分析技术提取数据信息来进行机床健康状态的监测。比如利用神经网络或支持向量机等模型对滚珠丝杆工作时的传感器所采集的噪声进行分析，以此判断滚珠丝杆润滑系统是否工作正常；通过分析主轴交流电机转矩数据，实现主轴组件故障诊断和主轴当前运行能力评估；通过恒速轴测试、圆度测试和通用轴测试也能实现对机床进给系统的传动部件故障监测和伺服特性的全面评估。

当前多数数控机床健康状态监测方法需要依赖于外接传感器采集相应的数据，这无疑增加了购置传感器带来的成本以及安装传感器和采集处理传感器数据的时间成本。另外，利用神经网络等智能模型的健康监测方法在训练模型时需要大量的样本数据，这对机床使用者来说获取这些样本数据是比较困难的；同时，神经网络等机器学习模型的泛化能力一般较差，对于不同机床或是同一机床的不同时期的预测结果可能出现较大的变化，导致判断错误；再者，神经网络模型的计算量大，需要占用较大的资源。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于摩擦辨识的数控机床健康状态监测方法及装置，通过对数控机床各进给轴进行摩擦参数辨识，将辨识结果与机床健康状态下的各进给轴摩擦参数进行比较，从而有效判断机床当前的健康状态。

为实现上述目的，按照本发明的一个方面，提供了一种基于摩擦辨识的数控机床健康状态监测方法，包括：

S1：建立机床各进给轴的摩擦参数计算模型；

S2：采集所述机床各进给轴在当前运行状态下，基于不同速度进行匀速运动时各进给轴电机的负载电流和转速；根据所述负载电流和转速，以及所述机床各进给轴的摩擦参数计算模型，计算得到所述机床各进给轴的当前摩擦参数；

S3：将所述机床各进给轴的当前摩擦参数与所述机床在健康状态下运行时所述机床各进给轴的健康摩擦参数分别进行比较，若所述机床的任一进给轴的当前摩擦参数与其健康摩擦参数不同，则确认所述机床发生故障；

其中，所述健康摩擦参数根据所述机床在健康状态下基于不同速度进行匀速运动时各进给轴电机的负载电流和转速，以及所述机床各进给轴的摩擦参数计算模型计算得到。

优选地，所述摩擦参数计算模型为：

库伦摩擦模型、Stribeck摩擦模型、LuGre摩擦模型中的至少一种。