基于经验模态分解的数控机床主轴故障诊断研究.pdfVIP

8.基于经验模态分解的数控机床主轴故障诊断研究 赵春霞 许宝杰 (北京信息科技大学机电工程学院,北京，100192) 摘 要：论文基于经验模态分解的Hilbert -Huang 变换对主轴的振动信号进行分析处理，分 析出主轴的固有频率。通过与ANSYS软件下主轴的结构模态分析处理得出的主轴的固有频 率比较，验证了经验模态分解提取主轴静态振动特征的有效性与可靠性。可以通过对主轴 各阶模态的特征信号提取，达到有效避免主轴共振的典型故障发生。 关键词：主轴，故障诊断，经验模态分解，Hilbert -Huang 变换 8.1引言 高速主轴系统作为数控机床的核心部件，若出现故障特征不能及时正确地对其进行故障 诊断及维修，会产生巨大经济损失。共振现象是在系统的某一频率下，设备振动振幅最大的 情形，此时的频率就是共振频率。当机床运转时，转速达到机床的临界转速的时候，机床就 会产生较大的振动，这些振动会影响机床的加工精度，严重的时候会导致机器零部件的损坏。 因此，有必要找到一种故障特征提取方法，及时发现故障特征做出诊断与维修。 [1-2] 目前常用的信号分析方法主要为小波变换 ，但通常的用法都是针对整个信号直接进 行分解,其结果是每一分频段只与信号的采样频率有关,而与信号本身无关,这样很容易受到 信号中相邻谐波成分的交叠影响。 [3] 经验模态分解法(EMD)及Hilbert -Huang 变换（HHT ）是N.E.Hunag 于1998 年提出的。EMD 是一种基于信号特征时间尺度的时域分解方法，适合于分析非线性、非平稳信号，有很高的 [4-5] 信噪比 。HHT 是一种基于非平稳非线性的信号处理方法。与传统时频分析方法相比较， HHT方法没有窗口傅立叶变换的固定时频窗口，不像wigner-ville 对多分量信号进行分析时会 [6] 有严重的交叉项干扰 。 本文利用经验模态分解法及Hilbert -Huang 变换对机床主轴的振动故障进行特征提取，进 而对数控机床高速主轴的故障诊断进行研究。通过与ANSYS软件下主轴的结构模态分析处理 的比较，验证了经验模态分解法提取主轴静态振动特征的有效性与可靠性。 8.2主轴的振动实验及分析 8.2.1实验装置 实验对象是大连机床厂的车削加工中心DL20MH，实验的总体方案包括激励、传感和采 集及部分，如图 1 所示。 图1 实验的总体方案 实验采用带有 5t 力传感器的 MCF-3 小型力锤对主轴系统进行激励。传感器部分包括 YJ9A 型压电加速度传感器、DLF -6 电荷电压滤波积分放大器以及连接线。采集部分包括 INV306U-5260 智能信号采集处理分析仪、安装有信号采集软件的计算机以及连接线。传递 函数分析中一共有24 个测点。 8.2.2实验结果分析 由于信号的每一个响应信号都包含主轴系统的各个模态的信息，所以本实验选取其中一 组信号的响应进行基于EMD的HHT变换，EMD分解所得IMF分量如图2所示，对各个IMF分量 进行的HHT变换如图3所示。 图2 EMD 分解 （a) HHT边际谱 （b) HHT谱 图3 HHT变换 从图3的 （a)中的HHT 边际谱中可以看出，前三层的分解中，包含三个明显的峰值，这 三阶频率分别是118.75Hz，233.64Hz ，305.7Hz 。从图中我们看到的三阶频率均为系统的固 有频率，其余小的谐波为系统的背景噪声。图3的 （b) 的HHT谱中可以明显看出，加速度信号 能量比较集中，而且信号是在瞬间的激励下产生的，能量集中在小于0.05 的范围内。 8.3主轴有限元结构模态分析