干切滾齒機床熱態特性的多源信息融合測試及分析

中圖分類號：TG612 DOI：10.16578/j.issn.1004.2539.2025.07.015

0 引言

干切滾齒機床是一種先進的綠色制齒裝備。由于在空間結構布局、驅動傳動模式、熱量產散規律等方面的顯著變革，干切滾齒機床的熱態行為具有自身獨特性和復雜性，直接影響著機床加工精度及其穩定性。研究表明，熱誤差是影響機床加工精度的主要因素，占總誤差的 40%～70%^[1] 。因此，構建多源信息融合的熱態測試與分析方法，有助于探析干切滾齒機床的熱態特性，對于提高齒輪加工精度及穩定性等具有重要的現實意義。

熱態特性是影響機床加工性能的重要因素。人們常常通過熱對稱結構設計和隔熱防護罩安裝等來減少機床的溫升與熱變形；熱誤差補償作為另一種方法也受到廣大學者的重視。BRECHER等2提出了基于積分變形傳感器的機床熱變形分析方法。SHI等建立了基于工件尺寸誤差的機床熱誤差模型。WENG等提出了機床功能部件熱平衡設計方法。LIU等5提出了面向主軸熱特性的閉環迭代建模方法，以修正主軸系統熱源和熱邊界條件。劉占廣等建立了基于差分融合長短期記憶神經網絡的數控機床熱誤差模型。SHI等通過有限元仿真揭示了磨床的溫度場分布與熱變形規律。朱利斌等提出了基于壓縮空氣冷卻的干切滾齒機床熱誤差調控方法。LI等通過熱結構耦合分析揭示了工作臺的熱變形規律。作者團隊研究了干切滾齒機床的熱源復雜特性，提出了熱流多維調控策略[]與切屑安息角優化設計方法]，減少了干切滾齒機床的熱變形。

測試分析是探析機床熱態特性的重要途徑。ZAPLATA等采用在線測量的方法，獲得了機床主軸的溫度分布規律。LI等[13利用PT100熱敏電阻對精密機床的主軸電動機、前后軸承和冷卻系統進行了溫度監測，并測量了不同主軸轉速下的溫度。CHIU等[14]使用KeyenceLK-H055激光位移傳感器，實現了機床軸向位移的在線測量。李波等5針對數控機床多源信息采集功能需求，設計了由主模塊、溫度采集模塊和調解電路等組成的采集系統，實現了多路模擬信號的輸入輸出。YIN等提出了一種基于反饋控制的動態數據采集與融合方法，試驗結果表明，該方法不僅能反映傳感器數據的變化，而且能提高傳輸效率。鄧小雷等基于數控機床的熱態特性仿真分析，確定了測點布置位置，搭建了一種數控機床的多源異類信息采集試驗平臺，實現了數控機床主軸系統多源信息的熱位移建模。鄧永紅等開發了數控機床絲杠熱變形檢測裝置，但因安裝問題，尚未實現在機測量。

可見，機床熱問題作為研究熱點，受到了廣泛關注。現有文獻側重于構建機床熱誤差模型及熱誤差補償方法，試驗測試方面側重于常規機床的溫度和熱變形測量，如車床、磨床、銑床等。但圍繞干切滾齒機床熱態測試方面的研究相對較少，尤其是在線熱態特性測試及分析方法的研究。這一方面是由于機床結構布局革新、滾刀與工作臺雙主軸的嚙合傳動以及多軸聯動加工特征，干切滾齒機床的熱態測試具有自身的特殊性；另一方面是干切滾齒機床熱量來源多，其溫度和熱變形的實時測量具有一定的難度和復雜性。針對上述問題，本文圍繞干切滾齒機床的結構與運行特征，提出多源信息融合的熱態特性測試方法，以實現多源熱態數據的精確分析。提出測試分析技術方案及多源信息融合測試方法，設計了多源熱態數據處理與分析方法；進行了試驗驗證與分析，以期為干切滾齒機床熱平衡設計提供技術支撐。

1測試分析技術方案

如圖1所示，干切滾齒機床通常選擇多軸聯動設計，采用立柱偏置、滑板水平移動完成徑向進給運動的立式布局，滾刀與工作臺雙主軸均通過內置式電動機直驅傳動，結構上的特殊性使其熱態行為具有自身獨特性。同時，在干切滾齒機床的傳動系統、電氣系統、液壓系統等協同工作過程中，動力電動機產熱、運動副摩擦生熱、切削熱、機床環境溫度變化等多種熱源都會影響機床的熱量傳遞行為，而且使用低溫壓縮空氣會使熱量向機床封閉空間（特別是切削加工區域）不斷擴散，從而使其熱態特性具有自身的復雜性。

在此綜合影響下，干切滾齒機床的溫度極易分布不均；再加上床身、工作臺、立柱等部件的形狀和尺寸差異，其熱變形行為具有一定的獨特性和復雜性。圖2所示為結合干切滾齒機床的空間結構、熱源分布以及運動規律，從目標層、測試功能實現、數據處理分析等層面考慮，構建的干切滾齒機床熱特性測試分析技術方案。該方案滿足了其多源熱流、復雜空間結構、雙主軸嚙合傳動等條件下的熱態精準測量與科學分析需求。

針對干切滾齒機床熱態特性測試，其采集功能主要面向干切滾齒機床的溫度和熱變形測量，包括立柱、工作臺、主軸、床身等多源熱態信號的測量。同時，保留了力、振動、噪聲等的測量接口，以保障機床性能系統研究的深層次需求。在信號采集層面，從信號采集軟件功能模塊（上位機）和硬件選型（下位機）的角度，開展設計與研究。

針對干切滾齒機床熱態特性分析，在LabVIEW數據測試軟件的基礎上，通過二次開發無縫嵌入Python數據處理工具，構建了基于輸入-過程-輸出（Input-Process-Output，IPO）模型的數據順次處理方法（異常值替換 $$ 移動平均濾波 $$ 小波濾波 $$ 數據重采樣），以實現對干切滾齒機床熱態特性多源信息融合測試數據的精確分析。

2多源信息融合測試方法

2.1多源信息融合測試功能開發

干切滾齒機床熱態特性測試涉及采集平臺的下位機硬件選型和上位機軟件開發。對于下位機硬件選型，結合其熱態信號測試需求，分別從溫度采集模塊、熱變形采集模塊、模塊安置與運行、多傳感器布點優選等方面，實現干切滾齒機床熱態特性測試硬件功能，如圖3所示。

在溫度采集模塊方面，根據干切滾齒機床的產散熱規律以及多源熱流特性，選用16通道的NI-9214C系列溫度輸人模塊，其總體準確度通過接線盒的冷端補償傳感器、可最小化熱梯度的組件布局以及可補償偏移誤差的自動調零通道來提升。在熱變形采集模塊方面，采用具有16個同步采樣差分輸入通道的NI-9202C系列電壓輸入模塊。在模塊安置與運行方面，采用四槽CompactDAQ便攜機箱cDAQ—9174，安放NI-9214溫度輸入模塊和NI-9202電壓輸入模塊，同時預留一部分接口，以備力、振動、噪聲等測量模塊的安裝，通過外接市政電源，直接為NI-9214溫度輸入模塊和NI-9202電壓輸入模塊提供電能輸入，保障其運行。在傳感器優選方面，配合溫度輸入模塊，采用線性較好、響應速度較快且溫度適應范圍為0＼～482℃的K型熱電偶溫度傳感器；在熱變形測試方面，考慮到干切滾齒機床熱變形位移的微小變化特點，選用重復精度為 10μm ）測量范圍在 ±5mm 的HG-C1030CMOS型微型激光位移傳感器。

針對上位機軟件開發，基于LabVIEW平臺，分別從溫度信號采集、熱變形信號采集、前處理數顯模塊、后處理數顯模塊等方面，實現對數據的實時采集與數據處理分析。通過功能模塊集成，構建VI交互式用戶界面，實現人機對話，如圖4所示。

在溫度采集方面，將DAQ助手ExpressVI置于While循環內，通過采樣率和采樣數等采樣參數的預設置，選擇溫度采集卡通道，進行溫度數據的采集。在熱變形采集方面，為避免數據采集過程中的相互干擾，溫度與熱變形采集程序被分別置于編程中的兩個獨立While循環內。同時，可對兩個While循環中的采樣率、采樣數、采樣時間分別設置不同的參數，從而確保不同預設參數下溫度和熱變形數據的同步采集。

前處理數顯模塊包括實時波形圖、數據提取和熱態曲線3個功能模塊。在測量過程中，通過實時波形圖，可動態顯示干切滾齒機床溫度和熱變形數據的實時變化曲線。在實時采集完成后，可通過列表提取和熱態曲線顯示的功能，進行數據圖像顯示與應用分析。其中，數據提取采用數據回溯功能，讀取存儲的文本文件并顯示文本數值；熱態曲線通過數據回瀕功能和波形渲染功能，將溫度/熱變形數字數據轉換為圖形數據。

為便于試驗數據的準確分析，進行了后處理數顯模塊的開發，以獲得無噪聲、無干擾的數據。數據后處理模塊充分采用Python的數據處理功能，通過對LabVIEW進行二次開發，無縫嵌入Python的計算處理功能。模塊設置有數據文件路徑選擇功能，同時設置有時間截取、處理通道選擇、迭代次數選擇等輔助功能。通過具體的數據處理步驟，最后借助數據顯示、繪圖等功能，可進行數據的可視化顯示，如圖5所示。

2.2熱態信息測試功能的實現

在上述下位機硬件選型和上位機軟件功能開發的基礎上，集成數據存儲、平臺管理和平臺維護等輔助功能，以實現干切滾齒機床熱態特性多源信息融合測試，如圖6所示。在數據存儲方面，設置干切滾齒機床加工的全過程數據和單個工件熱態數據的動態存儲功能。在平臺管理方面，設置“進入系統”按鈕，以確保平臺數據的安全性。在平臺維護方面，選用的四槽機箱可為力、振動、噪聲等采集提供預留采集端口，同時通過相關采集軟件功能開發，可實現力、振動、噪聲等多元信號的在線測量。

3多源熱態數據處理與分析方法

3.1 處理流程

干切滾齒機床熱平衡狀態的達成時間較長，使得試驗測得的溫度和熱變形數據量大；加工中存在的靜電等干擾易造成一些測量數據發生動態跳動，影響數據的清晰性。因此，本文基于IPO模型，構建干切滾齒機床的溫度與熱變形數據處理方法（圖7）。通過Python軟件對溫度數據和熱變形數據進行異常值替換、移動平均濾波、小波濾波、數據重采樣等一系列優化處理，得到去噪、無干擾的數據，從而為干切滾齒機床熱態特性分析提供科學依據。

數據后處理可視為一種基于IPO模型的數據處理過程。首先，針對溫度和熱變形數據的輸入，使用文件轉換功能，集成Python軟件工具，通過Numpy數組讀取方式，將試驗過程中存儲的.tdms格式文件傳輸到Python處理系統中，為后續的數據處理過程提供數據來源；其次，通過IPO模型的處理過程，得到無噪聲、無干擾的熱態特性數據；最后，針對溫度和熱變形數據的輸出，通過設置橫軸和縱軸的標簽，繪制函數的圖形，得到干切滾齒機床的溫度波形圖和熱變形波形圖，實現數據的可視化顯示。同時，將經過后處理的溫度和熱變形數據以“.xlsx”的文件格式進行保存。

3.2 分析方法

對于溫度和熱變形數據的處理，順次通過異常值替換、移動平均濾波、小波濾波以及數據重采樣，實現干切滾齒機床熱態數據的后處理。

首先，對數據進行異常值替換。通過使用多次查找循環對異常值進行查找。其中包括使用標準差查找異常值，計算當前列的均值x和標準差 σ ，并將其作為查找異常值的標準項；進而計算每個元素與均值的絕對差值 D ；基于正態分布 3σ 原則，將 Dgt; 3σ 的元素視為異常值。此外，還使用上下限查找異常值。設置上下限的數值，將超出設定的上下限的數值定義為異常值，后使用相鄰元素的均值來代替該異常值。

其次，使用移動平均濾波對數據進行去噪處理。通過取一定窗口大小內的數據點的平均值進行濾波。在每個窗口內，對窗口內的數據點取平均值，并將其作為該窗口中心位置平滑后的數值。經過移動平均濾波處理后，最終得到一個平滑數據序列。其能更好地反映原始信號的整體趨勢，同時減少噪聲的干擾。對于一個窗口大小為 n 的移動平均，第 i 個數據點的移動平均為

式中， x_i 為第 i 個數據點； A_M（i） 為第 i 個數據點的移動平均。

隨后，使用小波濾波函數通過精細控制頻率特征對數據進行去噪處理。結合文獻[19]，得到計算閾值 λ_h 表達式[式（4）]。在此基礎上，對輸入信號進行小波變換，得到小波系數。針對小波系數，使用指定的閾值和模式進行閾值處理，以濾除噪聲；通過逆小波變換，重構濾波后的信號。

式中， λ_s 為軟閾值參數； λ 為硬閾值參數； N 為小波系數的個數； W_j 為第 j 個小波系數； W_min 為小波系數最小值。

最后，對干切滾齒機床溫度和熱變形數據，進行數據重采樣處理，以降低熱態特性的分析誤差。可按照指定的頻率對數據進行分組，并計算每個通道數據的平均值，進而對數據的密度進行調整。

4應用與分析

4.1 應用驗證試驗

為驗證該測試方法的有效性，在某機床廠研制的YE3115CNC干切滾齒機床上，通過逆銑方式滾切某汽車1擋從動輪，并測試機床的溫度與熱變形數據。試驗過程中使用的刀具、工件以及切削參數如表1所示。啟動機床以后，經過一定時間的空轉預熱，對95個齒壞進行加工，總加工時間約 2h 。試驗現場如圖8所示。

針對溫度傳感器布局，在正式試驗開始之前，利用FLIRT540紅外熱像儀測出機床在空轉狀態下的溫度場分布圖，確定出干切滾齒機床的關鍵熱敏點。

由于干切滾齒機床熱源多，熱源特性復雜，且熱量容易在切削區、液壓油、軸承、導軌、電動機等處積聚，為探析周圍熱源的影響，同時避免過多傳感器之間的共線性問題，以及過少傳感器造成的機床溫度場數據缺失，設置了表2所示的16個測溫點位（本測試平臺的NI9214C系列溫度輸入模塊可同時對16通道的熱態信號進行多源信息融合采集）K型熱電偶溫度傳感器，如圖9所示。其傳感器線束走向采用不影響機床正常加工的傳感器走向原則，在機床的床身邊緣和上端統一布局。

針對熱變形傳感器的布局，根據FLIRT540紅外熱像儀測得的溫度場與溫度傳感器布置點，對機床熱誤差影響進行分析，認為主軸系統的性能對干切滾齒機床的生產效率和加工精度有決定性的影響。因此，選擇切削區熱變形對加工精度影響較大的滾刀主軸[圖10（a）]和工作臺主軸[圖10（b）]兩處位置布置HG-C1030CMOS型微型激光位移傳感器。熱變形傳感器線束走向也需要不影響干切滾齒機床正常加工，因此，選擇與溫度傳感器線束一同從機床的床身邊緣和上端統一布置傳感器線束走向。

4.2 結果討論與分析

為驗證測試方法的有效性，選擇滾刀軸前軸承為特定標記點。由于滾刀軸前軸承座直接暴露在切削過程中產生的熱量下，其溫度反映了切削過程中的熱量傳輸情況，且對于切削工藝的熱量變化非常敏感。因此，分別利用熱像儀和本測試平臺，對干切滾齒機床上的特定標記點位 Sp1 進行溫度測量。在此過程中，測量的起始時間點和終止時間點完全相同，熱像儀和本測試平臺均按照每 5min 測量1次溫度數據的頻率采集數據。對測量得到的溫度數據進行離線處理，得到圖11所示的標記點溫度。可見，兩者測得的溫度值不僅在變化趨勢上完全一致，而且大小幾乎相同，數值波動在誤差允許范圍內。這表明，該熱態特性測試方法在溫度測量方面具有較高的精確性。

利用干切滾齒機床熱態特性測試方法，測得16個溫敏點位的溫度數據。以滾刀軸電動機端、滾刀軸前軸承座、 X 軸上滑塊、潤滑油進出油管、噴嘴出口、機床環境為例，采用多源熱態數據處理方法，得到圖12所示的干切滾齒機床部分點位的溫度曲線。試驗環境（N15）溫度在 27～28°C ，且溫度呈現下降趨勢。總體而言，隨著切削加工過程的推進，各測溫點的溫度首先快速上升，在加工一定時間后變為緩慢上升，最后趨于平穩（達到熱平衡）。

對于滾刀軸電動機端（NO），受電動機內部冷卻的直接影響，其溫度在經歷快速上升階段以后開始達到平衡狀態，盡管加工過程中其溫度略有波動，但平衡狀態基本不變；相較于滾刀軸前軸承座（N13），平衡狀態時的溫度值略低。其原因是，滾刀軸前軸承座受冷卻作用的影響較小，散熱條件較差，使得溫度一直處于較高水平。對于 X 軸上滑塊（N2），機床的持續加工使其溫度始終保持緩慢上升的狀態，但由于運動速度不快，產熱量較少，從而使得溫升趨勢不明顯。對于噴嘴出口（N7），低溫壓縮空氣的持續噴出，使其溫度低于機床環境溫度且變化不明顯。對于潤滑油進油管（N11）和出油管（N12），兩者的溫度波動均很小，總體上前者的溫度比后者低，其原因在于潤滑油的循環流動會帶走干切滾齒機床內部的一些熱量。

同時，針對該熱態特性測試平臺測得的工作臺主軸熱變形數據，利用多源熱態信號處理方法得到圖13所示的熱變形曲線。

隨著加工時間的變化，熱變形整體呈上升趨勢。在加工初期，熱變形增幅較大。在加工持續1h左右時，熱變形達到峰值并趨于穩定，工作臺主軸熱變形基本達到平衡狀態。值得注意的是，環境溫度的波動也對熱變形產生了一定的影響。環境溫度的下降導致機床材料收縮，增加了機床的內部應力，減緩了工作臺主軸熱變形速率。從圖13不難看出，工作臺主軸整體熱變形在 14μm 左右。

5結語

針對干切滾齒機床熱態特性問題，開展了干切滾齒機床熱態特性的多源信息融合測試與分析方法研究，以探析干切滾齒機床的溫度和熱變形規律，研究結果如下：

1）提出了干切滾齒機床熱態特性的多源信息融合測試方法。結合干切滾齒機床的結構與熱態行為規律，通過熱態采集研究方案設計，從機床熱態信號多源信息融合采集的視角，確立了下位機的規格與選型；基于LabVIEW軟件開發了上位機功能程序，并進行了功能集成，提高了干切滾齒機床的溫度和熱變形在線測量的技術性、客觀性與準確性。

2）構建了基于IPO模型的干切滾齒機床多源熱態數據處理及分析方法。根據試驗中存儲的.tdms格式數據，提出基于IPO模型的多源熱態數據順次處理方法，通過異常值替換、移動平均濾波、小波濾波、數據重采樣等核心流程，分析獲取無干擾的干切滾齒機床溫度和熱變形數據，增強了干切滾齒機床熱態特性分析的科學性。

3）利用測試試驗驗證了本文提出的干切滾齒機床熱態特性測試及分析方法的有效性。通過對標記點位的溫度測量對比試驗，利用所建立的熱態分析方法，對部分點位的溫度變化規律和機床的徑向熱變形進行了在線測量與離線分析，實現了干切滾齒機床熱態行為的在線測量及精確分析。

本文重點在于提供一種面向干切滾齒機床的溫度/熱變形采集與分析方法，后續將進一步開展采集系統功能完善以及機床熱平衡優化設計，為提高干切滾齒機床的熱穩定性提供重要的依據和技術保障手段。

參考文獻

[1] BITAR-NEHMEE，MAYERJRR.Modellingand compensation of dominant thermally induced geometric errors using rotary axes' power consumption[J].CIRP Annals，2018，67（1）：547-550.

[2] BRECHERC，KLATTEM，LEETH，etal.Metrological analysis ofamechatronic system based on novel deformation sensors for thermal issuesin machine tools[J].Procedia CIRP，2018，77： 517-520.

[3] SHIH，XIAOY，MEIX S，etal. Thermal error modeling of machine tool based on dimensional error of machined parts in automatic production line[J].ISA Transactions，2023，135：575-584.

[4] WENG L T，GAOWG，ZHANG DW，et al. Analytical modelling method for thermal balancing design of machine tool structural components[J]. International Journal of Machine Tools and Manufacture，2021，164：103715.

[5] LIUJL，MAC，WANG SL，etal. Thermal-structure interaction characteristics ofa high-speed spindle-bearing system[J]. International Journal ofMachine Tools and Manufacture，2019，137： 42-57.

[6] 劉占廣，張云，劉晴雨.基于差分融合長短期記憶神經網絡數控 機床熱誤差建模[J].機械工程學報，2024，60（7）：249-257. LIU Zhanguang，ZHANG Yun，LIUQingyu.Modeling for CNC machine tool thermal error based onDF-LSTM[J].Journal ofMechanicalEngineering，2024，60（7）：249-257.

[7]SHIXJ，WANGWK，MUYJ，etal.Thermal characteristics testing and thermal error modeling on a worm gear grinding machine considering cuting fluid thermal effect[J].The International JournalofAdvanced Manufacturing Technology，2019，103（9/10/11/ 12）：4317-4329.

[8］朱利斌，曹華軍，黃海鴻，等.干切削機床壓縮空氣冷卻系統熱 力學模型及熱平衡調控方法[J].機械工程學報，2019，55（5）： 204-211. ZHULibin，CAO Huajun，HUANG Haihong，et al.Air cooling systemthermodynamicanalysis and thermal balance control ofdry cuttingmachine tool[J].Journal ofMechanical Engineering，2019， 55（5）：204-211.

[9] LIXG，YANGY，ZOUZ，etal.Critical studyon the thermalstructural characteristics ofworktable assembly of a dry hobbing machine[J].The International Journal of Advanced Manufacturing Technology，2019，100（1）：179-188.

[10］楊瀟，曾令萬，陳鵬，等.干切滾齒機床熱流復雜特性及多維調控 策略[J].中國機械工程，2022，33（5）：623-629. YANGXiao，ZENGLingwan，CHENPeng，etal.Complexcharacteristics and multi-dimensional control strategies of heat flow in dry gear hobbing machines[J].China Mechanical Engineering， 2022，33（5）：623-629.

[11]LIB，YANGX，DUYB，et al. Optimization of chip repose angle in dry hobbing machine considering minimum thermal accumulationon workbench[J].The International Journal of Advanced Manufacturing Technology，2022，122（3）：1821-1833.

[12]ZAPLATAJ，PAJOR M.Piecewise compensation of thermal errors ofaball screw driven CNC axis[J].Precision Engineering，2019， 60：160-166.

[13]LIB，TIAN XT，ZHANGM.Thermal error modeling of machine toolspindle based onthe improvedalgorithmoptimizedBP neural network[J].The International Journal of Advanced Manufacturing Technol0gy，2019，105（1/2/3/4）：1497-1505.

[14]CHIUYC，WANG PH，HUYC.The thermal error estimation of themachine tool spindle based on machine learning[J].Machines， 2021，9（9）：184.

[15]李波，熊迪，溫鵬.面向數控機床的多源信息采集系統研究[J]. 制造技術與機床，2019（3）：26-30. LIBo，XIONGDi，WENPeng.Research onmulti-sourceinformation acquisition system for CNC machine tool[J].Manufacturing Technologyamp;MachineTool，2019（3）：26-30.

[16]YINYF，GUANLF，ZHENG CG.An approach to dynamic sensing data fusion[J].Sensors，2019，19（17）：3668.

[17]鄧小雷，陳昱坤，郭術鵬，等.數控機床多源異類信息采集測試試 驗及平臺搭建[J].光學精密工程，2022，30（12）：1440-1451. DENGXiaolei，CHEN Yushen，GUO Shupeng，etal.Multi-source heterogeneous information acquiring test experiment and platform construction for CNC machine tool[J]. Optics and Precision Engineering，2022，30（12）：1440-1451.

[18］鄧永紅，劉劍，李棟.數控機床絲杠傳動系統熱誤差實時補償技 術[J].計算機集成制造系統，2022，28（8）：2460-2471. DENG Yonghong，LIU Jian，LI Dong.Real time compensation technology for thermal error of lead screw drive system of CNC machine tool[J].Computer Integrated Manufacturing Systems， 2022，28（8）：2460-2471.

[19］李冬毅，覃方君，黃春福，等.基于自尋優小波降噪算法的海洋重 力數據濾波[J].中國慣性技術學報，2023，31（9）：883-889. LIDongyi，QINFangjun，HUANG Chunfu，etal.Marine gravity datafiltering basedonself-optimizingwaveletdenoisingalgorithm [J].Journal ofChinese Inertial Technology，2023，31（9）：883-889.

Thermal characteristics testing and analysis of dry gear hobbing machines on multivariate information fusion

PENG Shengdi'YANG Xiao12 LIBenjie3HE Lang1ZHANG Zhilil （1.Chongqing KeyLaboratoryof GreenDesignand Manufacturing of Intelligent Equipment， Chongqing Technologyand Business University，Chongqing 40oo67，China） [2.Chongqing Machine Tool （Group） Co.，Ltd.， Chongqing 401336， China] （3.School ofMechatronic Engineering，Southwest Petroleum University， Chengdu 6105o0，China）

Abstract：[Objective]Aimingatthe problemofthermal characteristicsofdrygearhobbing machines，theresearchonmultisourceinformation fusiontestandanalysis wascariedout.[Methods]Basedontheanalysisofthestructurelayoutandthelaw of multi-sourceheatgenerationandheatdisipationofthedrygearhobbing machine，thetestingschemeofitsthermal characteristics wasestablished.Through theselectionof hardware forthelowercomputer，thedevelopmentof software functions fortheuppercomputer，andtheintegrationof testfunctions，the multi-sourceinformation fusion testmethod forthe thermalcharacteristicsofdrygearhobbingmachinewasconstructed.Basedontheinput-process-output （IPO）model，the sequential procesing methodof multi-source thermal data of drygear hobbing machine wasput forward.Usingoutlier replacement，movingaveragefiltering，waveletfiltering，anddataresampling，theaccurateanalysisofmulti-sourcetheraldata wasrealized.Thedryrol-cutingmachiningtestofanautomotivegear wasusedforverificationandanalysis.[Results]The results show thattheproposedtesting andanalysis method has high validityandreliability.Theon-linemeasurementand accurateanalysisofthethermalcharacteristicsofthedryhobbingmachinearerealized，whichcanprovidesupportforthe thermal balance design of the dry gear hobbing machine.

KeyWords：Greenmanufacturing;Drygear hobbing machine;Thermalcharacteristics;Thermalbalancedesign