面向螺旋錐齒輪數控機床的故障診斷系統建設探討

張世亮

(武威職業學院教務處，甘肅 武威 733000)

目前，很多著名機械加工企業都使用數控機床設備，隨著數控機床使用數量的增加，其出現故障的機率也隨之增加。國內數控機床故障診斷水平低于發達國家[1]，同時還缺乏相關的經驗和理論。如何提高故障診斷效率，一直是國內制造企業探究的問題。在此背景下，本文結合故障樹分析方法，對螺旋錐齒輪數控機床的故障診斷問題進行分析，利用VB6.0軟件構建診斷系統，以提高故障診斷效率，促進國內制造業的發展，縮短國內外在數控機床方面的差距。

1 螺旋錐齒輪數控機床診斷與預警模塊開發

結合專家的維修經驗，基于故障樹構建故障推理模型，利用VB6.0軟件開發針對機床電氣、電壓、溫度的診斷模塊，監測特征振蕩信號，并進行故障診斷和分析。

1)基于故障樹的診斷模塊。

2)推理故障診斷模塊。

根據專家經驗構成多元組case={I,Ej,P,F,G,T,M,D,A}，式中:I為故障ID；Ei={ei,di}，為故障特征，其中ei為故障特征值，di為故障等級；P為故障位置；F為現象；G為原因；T為檢測順序；M為排除方法；D為故障記錄；A為注釋。將多元組結果錄入故障數據庫，并建立相應的索引和關鍵詞[3]。

3)故障預警模塊。

依據螺旋錐齒狀態，結合稀疏性理論，降低冗余信息，記錄機床結果信息，構建機床狀態特征函數f(ei)，然后對特征函數f(ei)進行加權優化得到f權(ei)，從而實現機床狀態認知向基礎函數的量化轉變。其過程如圖1所示。

圖1 基于稀疏理論的機床狀態識別模型

其中，非平穩信號反映了螺旋錐齒嚙合振動、頂尖相對滑動、磨削顫振的狀態，一旦非平穩狀態信號出現改變，狀態冗余字典將利用稀疏編碼提取非平穩特征值，通過自組織映射，將故障信息及時顯示給操作者，如圖2所示。

圖2 檢測信息特征提取與映射過程

發生故障時，依據監測數據記錄故障信息，存入故障字典，并依據組織映射最小量化誤差(minimum quantization error，MQE)值，以提高系統故障識別能力，對未知故障進行預警[4]。

4)建立故障數據庫。

定義Fault、Fault Category、Constraint、Fault Treatment、Fault Symptom、Fault Part、Instrument實體，Fault與Constraint、Fault Treatment與Fault Part、Fault與Fault Part、Fault Symptom與Fault間的關聯性為1∶n，將故障樹結構映射在故障數據庫內，并將故障樹枝干與葉子、頂事件與底事件、中間事件之間區分對待。數據庫不僅為螺旋錐齒數控機床故障提供故障識別信息，還能進行故障信息更新，或者故障信息注釋、故障信息關注和刪除，降低知識冗余率。數據庫實體結構關系如圖3所示。

圖3 數據庫實體結構關系

2 實驗分析

以上海電氣集團生產的螺旋錐齒輪數控機床為例，進行試驗分析。

2.1 基于稀疏性的螺旋錐齒系統狀態識別模型測試

1)模型訓練。

在螺旋錐齒輪數控機床加工過程中，頭架、工件、尾架的正常運行與否，直接影響螺旋錐齒回轉系統的加工精度、穩定性，對加工工件的質量產生顯著影響[5]。信號字典中要記錄標準的系統狀態振動數據，特別是嚙合振動信號、頂尖相對滑動振信號、磨削顫振動信號，并提取稀疏特征值，內容如圖4所示。

圖4 螺旋錐齒機床3種信號字典

根據3種信號字典，得到螺旋錐齒輪狀態分布，如圖5所示。

圖5 螺旋錐齒輪狀態分布

2)空載狀態下振動信號。

在空載狀態下，螺旋錐齒輪嚙合振動信號如圖6(a)所示，試驗結果如圖6(b)所示，說明在空載情況下，齒輪嚙合振動信號可均勻映射到正常振動區，映射結果分布比較集中，螺旋錐齒輪狀態穩定。

圖6 空載情況下振動信號

3)頂尖相對滑動增加時振動信號識別。

在頂尖相對滑動增加時，振動信號如圖7(a)所示，試驗結果如圖7(b)所示。

由圖7可知，在螺旋錐齒輪狀態分布圖中，滑動區域出現較多信號映射，正常嚙合振動區域內的映射結果集中[6]，濾除振動信號中存在的齒輪嚙合振動信號，可判斷原區域波形中劇烈脈沖信號是由頂尖滑動引起的。頂尖滑動增加屬于非正常現象。實際測試可知，尾架在滿載狀態下，工作一段時間后出現頭架下陷問題，超出尾架頂尖對中的公差范圍。經校對后，頂尖滑動處于合理范圍。

圖7 滑動點增加情況下振動信號

2.2 基于故障樹的螺旋錐齒數控機床診斷測試

基于故障樹的螺旋錐齒數控機床故障診斷模塊如圖8所示。在運行過程中，出現報警號為70012的“X軸靜止誤差超范圍”報警信息，數控機床延遲故障診斷中心獲得報警信息后，進入基于故障樹的數控機床診斷模塊進行在線診斷。系統通過數據庫定位“X軸靜止誤差超范圍”所在的故障樹，針對下一層子事件進行故障排查，發現“SI型繼電器持續發送信號”的PLC控制器顯示的信號狀態為“報警”，再根據此信號觸發下一層子事件，發現SL5液位、SP9濾油網的PLC狀態正常，故初步判定故障為“15號電機/B6號油泵故障”、“Y6/Y7溢油閥故障”、“YV2電磁閥故障”或“SI型繼電器損壞”。系統進入人機交互狀態，通過維修人員排查，確認是SI型繼電器損壞，經維修，故障排除。

圖8 螺旋錐齒數控機床故障診斷模塊

3 結束語

隨著人工智能技術的發展，現代數控機床的功能越來越強大，在機械制造中發揮著重要的作用。數控機床在使用過程中出現故障是不可避免的事，在短時間內對數控機床出現的故障進行準確診斷并快速排除故障是現代機械制造企業的需求。本文借助故障樹分析方法，運用VB6.0軟件，構建了螺旋錐齒輪數控機床故障診斷系統，幫助現場維修人員快速找出故障，并提供維修建議。由于本系統實現螺旋錐齒輪數控機床的智能化診斷，使得故障診斷結果更準確，處理效率更高，大幅提高了螺旋錐齒輪數控機床故障處理的成功率。