基于數控滾齒機伺服信息的滾刀破損識別方法研究*

冉貞德，張顯銀，王達超，靳靜力，韓承志

(重慶齒輪箱有限責任公司，重慶 402263)

關鍵字：伺服信息；頻域差分法；峭度指標；刀具破損

0 引 言

機床加工過程中，切削力過大、刀具磨損、加工零件材料過軟或過硬等原因都可能會導致刀刃磨損、崩刃、斷裂等。刀具破損監測技術不僅在智能制造中發揮著至關重要的作用，而且還可以大大降低勞動力成本并提高生產效率[1]。機床刀具磨損監測技術包括直接檢測法和間接測量法。直接檢測法是使用現場激光、光學或接觸傳感器檢測刀具磨損。該方法難以獲取切削過程中的磨損信息[2]。間接測量法是測量與刀具磨損狀態密切相關的特征，如振動、切削力和主軸電流等間接信號[3]。該方法可以在不影響切削過程的情況下實現連續在線監測。然而，間接方法需要在機床本體布置傳感器，且受傳感器安裝等因素制約，難以準確反映刀具狀態，仍需要操作者的經驗作為重要參考，其實用性受到很大的限制。因此，近年來基于數控機床伺服信息的狀態監測及故障診斷方法獲得了國內外學者的廣泛關注[4-5]。

數控滾齒機滾刀發生斷刃或者崩刃時，由于切削力矩發生變化，電機負載也會發生瞬時波動，伺服軸轉速信息可反映刀具負載狀態，可用于刀具破損監測[6-7]。由于電機所驅動的滾刀軸角加速度與負載波動量呈線性相關關系，這會引起角加速度的瞬態變化，產生被表征的沖擊信號；同時角加速度的變化也會引起角速度的改變，作為角加速度的積分變量，角速度對隨機噪聲的敏感性更低，但對故障特征的敏感性也更低[8-9]。因此，筆者提出了一種基于數控滾齒機伺服信息的刀具破損識別的間接分析方法。重點通過伺服數據監測系統采集和數控滾齒機(YD 31125CNC6)的伺服信息分析，實現滾刀破損的智能識別，對滾刀的使用壽命預測具有重大的意義。

1 編碼器信號處理方法

數控系統采集得到的編碼器信號是角位移時域累加的結果，需要將編碼器記錄的角位移轉換為對信號變化更加敏感的高階差分變量來增強刀具破損瞬態成分。離散數據的差分變換為線性變換，通過添加頻域權重實現近似理想的差分轉換[10]。頻域差分可以通過公式(1)進行：

Dn=F(dnφ(t)/dtn)=H(ω)F(φ(t))

(1)

式中：Dn是通過頻域差分得到的第n階差分變量；φ(t)表示原始編碼器信號；累計旋轉角度H(ω)=(j2πω)n。通過設置n等于1和2，得到相應的頻域權重，對原始信號頻譜進行加權變換，最終通過逆傅里葉變換可以得到時域差分信號，用于后續分析。

圖1為前五階差分的頻域相應歸一化幅值系數，差分階數越高，高頻成份權重越高，而噪聲在高頻的權重更加明顯。在低頻上，雖然信噪比較高，但對瞬態特征的表現不夠明顯。其中，角加速度由于與扭矩的變化量呈線性相關，能夠更好地表征扭轉系統的動態變化。首先利用頻域差分法將原始編碼器信號轉化為角速度和角加速度，以此作為初始變量進行協同分析。

圖1 各階差分歸一化幅值系數

采用峭度(歸一化的四階矩)指標對角速度和角加速度的瞬態沖擊特性進行表征，以公式(2)、(3)表示。當滿足公式(4)、(5)時，可視為刀具發生故障，其中th_k，th_a分別代表閾值[11-12]：

Kvt=kurtosis(Vt)

(2)

KAt=kurtosis(At)

(3)

KVt>th_k

(4)

KAt>th_a

(5)

2 工況識別降低虛警率

在滾齒機床加工過程中，由于工藝需求或臨時停機等情況，機床的工況會發生變化，隨之發生滾刀轉速變化、進給量變化等。這將直接引起編碼器速度、加速度及電流的幅值變化，尤其是工況變化瞬間，瞬時波動尤為明顯，引起刀具狀態的誤判，造成虛警。因此，首先需要對滾齒機床的加工狀態進行判別，消除由于工況變化導致的異常情況的影響。

實際加工時，滾刀軸轉速通常在一定范圍內進行調節，通過設定滾刀轉速最低閾值，可以對機床是否處于加工狀態進行初步判定，當滾刀處于加速或減速過程中時，電流、轉速數據將發生突變。為了消除這種情況的干擾，利用樣本極值與均值偏差進行判斷，當偏差大于閾值時，則視為樣本數據處于轉速變化階段。用公式表示為：

work_condition1=B(maxVt>th_v)

(6)

work_condition2=B(abs(maxCt+ minCt-

2meanCt)

(7)

式中：Vt表示樣本的一階差分信號，即角速度信號；B()表示布爾判斷，當條件成立時其值為1，否則為0；當work_condition1和work_condition2兩個條件同時取值為1時，則視為正常加工工況，可對刀具狀態進行判斷。

3 實驗驗證

實驗對象為YD31125CNC6數控滾齒機，滾刀模數為2.5 mm，工件外圓直徑為445 mm。在滾刀破損檢測實驗過程中，為了達到滾刀打刀、崩刃的效果，采用較大的走刀量方式，最大走刀達到50 mm/min，滾刀破損(斷刃)如圖2所示。機床C軸為工作臺回轉

圖2 刀具破損(斷刃)

運動，X軸為刀架的徑向進給運動，B軸為滾刀軸的切削運動。采用伺服數據測試系統檢測機床各傳動軸的伺服信息。圖3所示為原始編碼器數據，為了凸顯信號中的瞬態成份，首先對編碼器信號進行一階差分得到角速度信號，如圖4所示。

圖3 測試編碼器信號原始數據

圖4 角速度信號數據

在角速度信號中雖然仍保留有穩定分量，但在速度恒定的時刻，信號中的瞬態特征成分得到了增強。圖4中在630～640 s之間具有明顯瞬態幅值波動，與斷刃時間(639 s)一致。通過對輸入端和輸出端的編碼器數據進行二階差分可以得到如圖5所示的角加速度信號。與圖4(a)對比可以發現，角加速度信號受轉速變化影響較小，在100～200 s之間，由于進給量加大，角加速度波動量緩慢上升，但不存在較大的瞬態分量，且與角速度信號一致，在630～640 s之間存在較大的幅值波動，波動形式與角速度一致。因此二者協同對刀具狀態進行判斷。

圖5 角加速度信號數據

以5 000采樣點為一個樣本，2 000采樣點為樣本間隔進行數據分割，即樣本長度為0.5 s，樣本間隔為0.2 s。分割后分別計算每個樣本角速度和角加速度的峭度。如圖6所示為樣本峭度指標，通過峭度圖可以看出，在平穩加工時，峭度值為3左右，當發生故障或工況主動調整等非穩態情況時，峭度值上升，因此參考閾值可設為4～6。

圖6 樣本峭度指標

圖7為滾刀狀態檢測數據樣本故障狀態的判別分析結果，其依據為角速度、角加速度峭度閾值，當故障狀態為1時，表示故障發生。本段測試共有3 407個樣本，其中故障特征的樣本中有3個未能檢測為故障，共有15個樣本準確識別為故障，正確率為99.88%。因此，本研究的方法能很好地對刀具故障進行識別。

圖7 刀具1#第二段測試樣本故障識別結果

此外，為證明本方法在工況改變時的穩定性，在一段未崩刀的測試中通過不斷改變切削用量等進給參數，結合圖8所示的速度及加速度峭度圖，發現基于速度和加速度聯合分析的工況識別方法可以有效控制虛警點，未發生虛警。

圖8 工況識別前、后的樣本峭度指標

4 結 論

通過伺服數據測試系統采集數控滾齒機滾刀破損過程的伺服信息，并利用頻域差分、峭度(歸一化的四階矩)指標表征和工況虛警識別判斷的方法進行研究，結論如下。

(1) 該方法對數控滾齒機滾齒加工過程中滾刀故障準確識別率較高，表明該方法的有效性。

(2) 基于速度和加速度聯合分析的工況識別方法可以有效降低虛警率。