基于振動信號的導軌副滾道表面缺陷識別*

宣程富，周 嚴，梁 醫

(南京理工大學機械工程學院，南京 210094)

0 引言

滾動直線導軌副作為數控機床等精密機械加工設備的關鍵功能部件[1]，其可靠性和可用性對于確保設備無故障持續運行至關重要。然而，變化的外部高載荷、潤滑不足等惡劣工作條件，會使滾動直線導軌副各項指標快速衰退[2]。

基于振動信號的故障識別和分析方法主要基于這樣的假設：即與健康狀態相比，故障會導致頻譜的特定變化。其具有易于使用、成本低廉、非侵入等特點，是目前使用最廣泛的故障識別和分析方法[3]。鐘健康等[4]對滾動直線導軌的振動信號進行小波包分解，提取小波包節點能量作為特征，通過SOM(self-organizing map，自組織映射)神經網絡實現導軌副的健康狀態識別，并結合EWMA(exponentially weighted moving average，指數加權移動平均控制圖)實現導軌副的動態故障預警。BIANCHINI等[5]研究了振動信號分析技術在檢測滾動直線導軌副滾動體磨損破裂、滾道局部缺陷、循環通道堵塞等故障的可行性。建立了滾動直線導軌副的運動模型，得出了相關故障的特征頻率計算方法。

從以往的研究可知，滾動直線導軌副滾道表面缺陷故障會在導軌副健康狀態下運行產生的振動信號中引入故障成分。雖然有相關對于故障特征頻率計算的研究，但由于導軌副通常沒有保持架，滾動體之間的距離在導軌副運動過程中可以隨機變化，外加高噪的工業生產環境，導致故障成分不容易被識別。在這種情況下，通過直接將采集到的振動信號提取特征并結合智能算法來對導軌副滾道表面缺陷故障進行識別，并不高效。……