基于振動信號分析的數控機床自動換刀系統故障診斷研究

陸麗麗

(南通開放大學,江蘇 南通 226006)

1 自動換刀系統

加工中心是一種加工精度高、自動化程度高的數控設備。它有一套自動換刀系統(ATC),可以實現在1臺加工中心上對1個工件自動完成鉆、銑、鏜、鉸和攻絲等多種工序的加工,工序集中,大大降低了因多次安裝而導致的誤差,提高了加工精度,節省了加工時間,提高了生產效率。自動換刀系統是由刀庫和換刀裝置組成,利用刀庫存放所用刀具(圖1),在加工過程中通過機械手抓取,實現新舊刀具之間的自動交換[1]。

1—刀盤電機;2—刀套;3—刀盤;4—基座。圖1 刀庫

加工中心自動換刀過程為:1)主軸定位;2)抓刀手抓取刀庫上的待取刀具;3)機械手(圖2)帶刀具逆時針轉90°,另一個抓刀爪抓住主軸上的刀具,主軸松開;4)機械手前移,拔出主軸中刀具;5)機械手繞自身水平軸旋轉180°,交換兩把刀具位置;6)機械手后退,新刀具裝入主軸,鎖緊;7)抓刀爪縮回,松開主軸上的刀具,機械手順時針旋轉90°,將刀具放回刀庫,鎖緊;8)機械手復位,換刀完畢。

1—手臂;2、6—彈簧;3—活動銷;4—錐銷;5—手爪;7—鎖緊銷;8—長銷。圖2 機械手臂和手爪

2 自動換刀系統典型故障分析

自動換刀系統結構復雜,動作繁瑣,比較容易出現故障。據統計,機械手掉刀、刀套掉刀和刀套拉釘孔下邊緣磨損3類故障占到了自動換刀總故障的 91%,這些都是自動換刀系統的典型故障。

1) 機械手掉刀

導致機械手掉刀故障的主要原因是機械手刀爪回復力不足[2]。自動換刀系統頻繁換刀,在抓刀過程中滑動彈簧被壓縮,在機械手復位過程中,滑動彈簧恢復,交變載荷不可避免造成滑動彈簧疲勞,致使機械手刀爪回復力伴隨著滑動彈簧疲勞而不斷遞減,刀具在慣性力的作用下,從刀爪處飛出,最終掉落至工作臺,折斷切削刀具、砸傷夾具,甚至危及工人的生命安全。

2)刀套掉刀

由于加工中心自動換刀系統頻繁換刀,刀套彈簧在插刀和拔刀過程中反復伸縮,不可避免產生疲勞,致使刀套鎖緊力伴隨著刀套彈簧的疲勞而不斷遞減,鎖緊力不足,導致刀套掉刀。

3)刀套拉釘孔下邊緣磨損

機械手在插刀過程中,刀套拉釘孔軸線與刀柄軸線不重合,拉釘上錐面撞擊拉釘孔下邊緣,使邊緣材料產生塑性變形,進而被撕脫;機械手發生周向錯位,導致發生刀套拉釘孔下邊緣磨損故障。

精確分析以上3種自動換刀過程中的主要故障特征,做好故障發生前的干預工作,可以大大減少故障發生的概率,提高自動換刀系統的可靠性。

3 自動換刀系統故障診斷過程

精確診斷換刀系統故障的關鍵是分析換刀循環振動信號的特點,提取出信號的特征。本文針對自動換刀系統振動信號具有稀疏性和瞬態性的特點[3],構造了Laplace參數脈沖字典,利用分裂增廣拉格朗日收縮算法求解稀疏表示系數,提取出自動換刀循環過程中振動信號的瞬態特征。這個過程包括了構造參數脈沖字典、求解稀疏表示系數、瞬態特征提取和故障識別4個步驟(圖3)。

圖3 基于參數脈沖字典稀疏表示的自動換刀系統故障診斷方法流程圖

3.1 構造參數脈沖字典

本文采用參數化表達式的解析字典構造方法設計字典,匹配故障信號的特征結構,通過顯式的數學表達式,離散化數學表達式中的參數取值區間來生成原子,使信號的信息主要聚集在少數幾個原子上,從而獲得信號的稀疏表示。

因為實測振動信號都是實信號,Laplace小波常被應用在工程實際中[4]。它實質上是一種復小波,具有單邊衰減性質,常用于提取故障振動信號中的瞬態成分,其表達式為

(1)

式中:γ=(A,f,ζ,τ)為參數矢量,其成員變量A、f、ζ和τ分別表示幅度、振動頻率、黏性阻尼因子和時移量;Ws是小波緊支撐區間的寬度。通過離散化式Laplace小波原子中的參數矢量γ中f、ζ和τ,可以獲得 Laplace 小波字典。

3.2 建立稀疏表示模型

信號稀疏表示方法起源于原子分解,類似于最優化求解。其主要思想是信號通過少數的原子表示出來,從原子中抓取信號蘊含的主要信息,在參數脈沖字典中尋找與信號內在結構最匹配的原子,將信號表示為最優原子線性組合的形式。

將換刀振動信號建模為

y=x+n

(2)

式中:y是振動信號;x是不含噪聲的換刀循環振動信號;n是噪聲。進行稀疏轉換為無約束優化問題:

(3)

(4)

(5)

(6)

3.3 瞬態特征提取

自動換刀系統結構組成復雜,每個換刀子步驟的振動信號可能包含一個甚至多個沖擊響應信號,可能會出現Laplace 小波與疊加多個沖擊響應的瞬態信號匹配不佳的情況。本文采用多維實 Laplace 小波作為過完備字典的基底函數[5],對Laplace 小波字典進行了優化,其表達式為

(7)

同時,應用增廣拉格朗日收縮算法求解目標函數,提高了稀疏表示系數的求解速度。通過每次迭代更新稀疏表示系數b,使目標函數J(b)單調遞減,最終得到一組最優的稀疏表示系數。

將式(3)轉化為更廣義的形式:

(8)

(9)

利用增廣拉格朗日方法,將該問題轉化為無約束優化問題。

(10)

(11)

(12)

(13)

d(k+1)=d(k)+v(k+1)-b(k+1)

(14)

(15)

3.4 故障識別

利用此方法對振動信號進行稀疏表示,將信號各瞬態的發生時刻轉化為一系列稀疏表示系數,從而實現瞬態的檢測,進行自動換刀系統故障的診斷。瞬態參數見表1,對應的最優字典原子如圖4所示。

表1 換刀循環振動信號各瞬態的參數識別結果

圖4 最優字典原子

圖5為本章所提方法得到的稀疏表示結果。從圖5(b)可以得到換刀循環振動信號中各瞬態的發生時刻,與換刀時序圖中的結果基本吻合,提取的相鄰瞬態時間間隔的相對誤差只有 0.7%,說明精度非常高。圖5(c)是重構的換刀循環振動信號。圖5表明該方法能夠有效識別換刀振動信號各瞬態的發生時刻和提取相鄰瞬態的特征。

圖5 正常換刀循環振動信號的稀疏表示結果

4 結語

自動換刀系統是加工中心的重要組成部分,其性能直接影響工件的加工精度以及企業的經濟效益。本文提出了一種基于參數脈沖字典瞬態成分稀疏表示的自動換刀系統故障診斷方法。首先,根據換刀振動信號中的瞬態成分呈現多階模態的特征,利用物理意義明確的多維實 Laplace 小波作為原子構造參數脈沖字典;然后,應用分裂增廣拉格朗日收縮算法對稀疏表示模型進行了求解,使表示系數的求解速度提高了95ms。在正常換刀循環振動信號瞬態特征提取中,所提方法得到的瞬態間隔與理論值的相對誤差只有 0.7%,診斷精度提高了1.2%,有明顯的優越性,取得較好的應用效果。