電主軸故障特征及健康管理技術淺析

陸聞捷

上海飛機制造有限公司 上海 201324

1 電主軸原理及其故障特征

1.1 電主軸工作原理

電主軸是將高速電機與機械主軸有機結合在一起形成的復合型產品，但其工作原理，特別是電氣原理與普通高速電機相同，因此一般采用變頻器驅動或矢量控制器驅動兩種驅動和控制方式，對于無準停功能要求的電主軸而言，一般采用變頻器驅動的交流異步電動機結構?；驹硎腔谌嘟涣麟娦纬傻亩ㄗ有D磁場和切割轉子導條形成的轉子電流的相互作用[1]。電主軸定子繞組在空間布置上相位互差120°，連接到變頻器輸出的三相電源上，繞組內通過三相電流時在空間內產生旋轉磁場。如圖1所示，感應生成的轉子電流與旋轉磁場依據左手定則形成電磁力，進而產生轉動力矩。轉子在轉動力矩的作用下，按照旋轉磁場的方向進行旋轉，并帶動與轉子過盈連接的電主軸轉軸一同旋轉。

圖1 電主軸結構圖

1.2 電主軸故障及其特征信號分析

為了對電主軸的各類故障進行詳細研究，進而確定最能體現電主軸各類故障的特征信號，為后文故障預警算法及系統的研制確定輸入信號，本文根據電主軸的工作原理，將電主軸分為機械系統及電氣系統，具體組成如圖1所示。

機械系統由前后軸承、中空的轉軸、拉刀子系統、冷卻系統、潤滑系統及主軸外殼組成，其中拉刀子系統包括拉爪、拉桿、油缸及活塞；主軸外殼包括冷卻水套、殼體及端面法蘭。電氣系統包括定子組件、轉子組件、旋轉編碼器及其他如接近開關、定子線圈溫度傳感器等電氣元件，其中定子組件及轉子組件均由相應的繞組及硅鋼片組成。為了弄清楚電主軸故障而在此將電主軸分為機械系統及電氣系統，但實際上電主軸是一個結構上緊密聯系、功能上相互配合、各部件相互影響的復雜機電液集成系統。為了方便后續主軸健康監控的分析，在此將 故障問題進行了表格化匯總：

表1 各故障部位形式原因及主要特征匯總

2 電主軸數字健康監控及預警

搞清楚了電主軸的原理，就方便繼續研究電主軸未來的發展趨勢了——數字健康監控及預警。

2.1 電主軸數字健康監控發展現狀

設備的“健康狀態”概念起源于生物領域，是對傳統的“正常-故障”這種利用二值函數描述系統狀態的完善，將設備的狀態分為多個等級。20世紀80-90年代，美國將“健康管理”引入到設備的維護與保障領域，隨著對故障預測的能力的引入與發展，逐步形成了較為完整的故障預測與健康管理（prognostics and health management，PHM）技術。健康評估作為其中的核心技術之一也逐漸得發展和完善。

在健康評估中對于健康狀態的描述，一種是用狀態分級的方式將設備的健康程度分為不同的等級，如：健康、良好、注意、惡化、失效等；另外一種是側重于描述系統整體由健康逐漸退化到失效過程趨勢的反應[2]。在基于狀態分級的健康評估中，不同健康程度下的狀態參數通常具有相應的閾值范圍，可以根據閾值確定健康狀態程度。然而在多個狀態參數的判定結果中可能存在一定沖突，因此常對不同參數指標賦予相應的權重，再對各指標綜合分析實現對設備的整體健康狀態評估。對健康狀態趨勢的評估中，主要通過一定的算法將采集的原始數據逐級處理計算出一個綜合健康指標（Health Indicator，HI）來反映健康狀態的變化。 電主軸種類多樣、退化及故障模式復雜，很難全面的積累到主軸不同健康狀態或者不同故障模式下的數據；并且對于電主軸應用過程中所面臨的精度退化問題，不同的應用場合對主軸狀態參數所要求的閾值可能不同。因此，可以從電主軸性能或者狀態退化趨勢的角度對電主軸的健康狀態評估。此外，由于電主軸的結構復雜，采用單一傳感器對電主軸監測具有局限性，應用多傳感器數據融合方法對電主軸健康評估也具有重要意義。綜上所述，電主軸健康狀態評估技術的發展與電主軸狀態監測、健康指標計算方法以及多傳感器數據融合方法的發展密不可分。

2.2 電主軸健康狀態評估流程

時至今日雖然有很多學者對電主軸的動力學模型，有限元模型的構建方法進行研究，分析了主軸的熱特性，形態特性等問題。但隨著電主軸的健康退化，其模型為時變的退化模型，建立電主軸隨時間變化的物理或者數學模型仍然較為困難。因此本文的健康評估方法選擇基于監測數據的方法，分析設備在運行過程中各種狀態指標是否出現異常進而判斷設備整體的運行狀態是否正常。

作為PHM體系中核心內容之一，通過健康狀態評估可以及時發現設備退化趨勢，為維修策略的制定提供依據，從而避免意外故障發生。一定程度上促進了維修方式由傳統的“事后維修”向更加先進的“視情維護”轉變。目前較為典型的 PHM架構為 OSA-CBM（Open System Architecture for Condition –Based Maintenance）體系，其綜合了各類 PHM 系統的主要思想，應用技術和方法。

基于此，健康評估的主要框架，主要過程分為數據采集和傳輸、數據處理、狀態監測、健康評估。

2.2.1 數據采集：通過布置傳感器，采集被監測對象各種狀態參數，將原始數據傳輸到其他分析模塊、顯示器或者存入數據庫中，是健康評估系統的基礎和前提。

2.2.2 數據處理：對采集到的原始數據進行濾波降噪等預處理，并在此基礎上對信號進行特征提取、特征篩選并將結果存入數據庫。

2.2.3 狀態監測：接受篩選后的特征數據，通過與失效閾值進行比較或進行者偏離度等分析方式實現狀態監測，在出現異常時可以發出警報。

2.2.4 健康評估：將來自狀態監測部分的特征以及其他健康評估模塊的結果相結合進行綜合的狀態評估，計算對健康狀態的偏離程度或判定參數是否有退化狀態來判斷故障發生的可能性。

2.2.5 接口模塊：主要實現人機交互、數據庫連接，系統不同模塊間的數據交換等功能。并能夠顯示故障診斷、健康評估等數據結果。

由于電主軸的整體壽命相對較長，無論是在真實加工狀態或者在可靠性試驗過程中，電主軸處于健康狀態時較多，故主軸健康狀態數據獲取較為容易。并且主軸的故障模式多樣，很難全面的獲取主軸不同故障的狀態數據[3]。此外，如果對于電主軸的故障閾值進行確定，應該利用多個相同產品的數據作為對比，才更具有參考意義，而在實際應用中較難獲取幾個相同產品的故障閾值數據。因而，對于沒有可參考產品或者正在進行數據積累過程中的電主軸，可以選擇基于健康狀態和歷史積累的數據進行健康評估。即利用當前采集的數據與歷史健康數據作對比，通過計算數據間的差異變化來表示健康狀態的變化，進而識別健康退化趨勢，并能夠估計當前的退化速度。

綜上所述，電主軸健康評估指標計算的主要流程包括數據采集、預處理、特征提取、特征篩選、基于健康及歷史數據的識別模型訓練和當前狀態數據的識別等。

3 結束語

文章深入地闡述了電主軸的各項性能及應當監控并發掘的參數，電主軸作為數控加工中心的核心，缺少了它，設備就完全無法生產，故如何做好電主軸的健康狀態評估，也就能夠為電主軸的預防性維修制定相應規范及策略，同時實現加工故障率與生產成本的降低。通過電主軸加工時的自適應控制數據與外部傳感器相結合的方式進行相關電主軸健康評估，以此來實現主軸的自感知是電主軸智能化的途徑之一。

結合西門子ACM實現電主軸工況變化的時時跟蹤，在機床運行各時段采集數據分析。然而通過機器學習不同工況對電主軸的健康退化影響大小，將提高健康趨勢預測的準確性。

希望電主軸生產企業建立并完善健康管理監控系統，如建立相應數字化知識庫、各種模型庫，積累不同型號主軸全壽命周期數據以及不同故障狀態的數據，有助于更精確地實現電主軸故障預測；進一步應用網絡技術實現遠程狀態監測、故障診斷、健康管理以及數據庫遠程訪問等。

進一步研究電主軸維修策略，依據電主軸不同的健康狀態，研究維修、維護決策的制定方法，搭建完整的故障預測與健康管理系統。希望電主軸維修成本不再昂貴耗時，我們將通過主軸健康監控及預警技術大幅提升機床加工效率及完好率。