[发明专利]一种数控机床主轴故障诊断方法及系统

说明书

本发明公开了一种数控机床主轴故障诊断方法及系统，该方法包括：采集数控机床主轴不同状态信号；对所述状态信号进行窗截取分析，提取信号特征的分形维数，得到数控机床主轴各状态的特征值；利用预处理及特征提取后的状态特征作为BP神经网络的训练样本集搭建故障诊断模型；利用故障诊断模型对数控机床主轴故障进行诊断。该装置包括依次连接的：传感器、预处理及特征提取单元、故障诊断模型搭建单元以及故障诊断单元。本发明的数控机床主轴故障诊断方法及系统，实现了数控机床主轴故障的智能诊断，从而减少了机床主轴故障率，提高了经济效益。

技术领域

本发明涉及故障诊断领域，特别涉及一种数控机床主轴故障诊断方法及系统。

背景技术

主轴是数控机床的重要核心部件，它支撑并带动工件或刀具完成表面成形运动，同时还起着传递运动和扭矩，承受切削力和驱动力等载荷的作用，其运行的稳定性在数控机床中占据着重要作用。在高速、高加速度和大载荷等工况下，振动冲击等因素常常会对机床主轴系统产生重大影响，并易导致轴承齿轮等部件发生故障，如不能及时正确地对其进行故障诊断及维修，将直接影响到工件的加工精度，刀具寿命与加工效率，甚至造成机床的意外停机、寿命缩短甚至报废，产生巨大经济损失。因此，有必要找到一种故障诊断方法，及时发现故障特征做出诊断与维修。

申请号为：201510533166.4的中国专利公开了一种数控机床主轴的故障诊断与预测方法，该方法将监测信号通过数据处理中心存储到数据库内，通过混合推理模型对测量数据进行时域分析和频域分析，得到主轴的特征参数点集合，通过数控机床主轴的结构形式，集合参数和设计参数建立数控机床主轴的物理模型，在结合物理模型参数与主轴的特征参数点集合进行分析，进行主轴故障诊断，诊断结果样本分类为正负样本。根据数控机床主轴的物理模型，建立个机床主轴的健康档案，混合推理模型根据正负样本和健康档案对主轴运行趋势进行判断，实现故障预测。该诊断方法阐述更多的是基于物理模型的诊断方法，在实际情况下难以建立精确的物理模型，对系统结构和参数的不确定性、时变性和干扰所造成的影响难以预料，进而会严重影响模型的故障诊断性能。

发明内容

本发明针对上述现有技术中存在的问题，提出一种数控机床主轴故障诊断方法及系统，实现了数控机床主轴故障的智能诊断，从而减少了机床主轴故障率，提高了经济效益。

为解决上述技术问题，本发明是通过如下技术方案实现的：

本发明提供一种数控机床主轴故障诊断方法，其包括以下步骤：

S11：采集数控机床主轴不同状态信号；

S12：对所述状态信号进行窗截取分析预处理，提取信号特征的分形维数，得到数控机床主轴各状态的特征值；

S13：将所述数控机床主轴各状态的特征值作为BP神经网络的训练样本集搭建故障诊断模型；

S14：利用所述故障诊断模型对数控机床主轴故障进行诊断。

较佳地，所述步骤S12具体包括：

S121：对所述状态信号进行窗截取分析；

S122：对窗截取分析后的所述状态信号采用小波分形方法提取信号特征的分形维数；

S123：对所述分形维数进行归一化，得到数控机床主轴各状态的特征值。

较佳地，所述步骤S13和步骤S14之间还包括：

S15：测试所述故障诊断模型的状态识别能力。

较佳地，所述步骤S15具体包括：

S151：准备测试样本集；

S152：将所述测试样本集输入所述故障诊断模型，得到所述故障诊断模型的实际输出，与所述故障诊断模型的理想输出进行对比，得到所述故障诊断模型的故障性能测试与评价结果。