滾珠絲杠故障預(yù)測維護(hù)系統(tǒng)的設(shè)計與實現(xiàn)

周俊杰 陳錦忠 張 偉

（廣東利元亨智能裝備股份有限公司，廣東惠州 516057）

0 引言

滾珠絲杠傳動結(jié)構(gòu)在自動化制造設(shè)備中大量使用，設(shè)備生產(chǎn)運(yùn)行時，突發(fā)滾珠絲杠傳動結(jié)構(gòu)故障，如軸承卡滯、聯(lián)軸器松動或斷裂、絲杠斷裂，會造成生產(chǎn)線停機(jī)[1-3]，甚至導(dǎo)致重大安全事故。如能研發(fā)相應(yīng)的故障預(yù)測維護(hù)軟件系統(tǒng)，對這些故障提前進(jìn)行預(yù)測與預(yù)警，以便及時維護(hù)或更換，將大大減少停機(jī)或事故發(fā)生率，從而保障設(shè)備安全穩(wěn)定運(yùn)行。

隨著人工智能技術(shù)和邊緣計算技術(shù)的不斷進(jìn)步，設(shè)備維護(hù)也從事后維護(hù)、預(yù)防性維護(hù)向預(yù)測性維護(hù)發(fā)展，作為智能裝備企業(yè)對預(yù)測性維護(hù)的應(yīng)用十分重要。預(yù)測性維護(hù)是人工智能技術(shù)在智能制造領(lǐng)域最典型的應(yīng)用之一，是智能工廠建設(shè)的重要組成部分，隨著對設(shè)備預(yù)測性維護(hù)需求的逐步增加，在技術(shù)協(xié)助中建設(shè)預(yù)測維護(hù)管理模塊的要求被提了出來。目前已有設(shè)備性能評價或預(yù)測方法的相關(guān)研究[4-6]，并可借鑒其成果用于滾珠絲杠預(yù)測維護(hù)系統(tǒng)的開發(fā)。本文以鋰電智能裝備制造中的滾珠絲杠結(jié)構(gòu)為對象，建立了一套用于滾珠絲杠故障預(yù)測的維護(hù)性系統(tǒng)，對設(shè)備滾珠絲杠運(yùn)行狀態(tài)進(jìn)行監(jiān)控，以提醒人員及時保養(yǎng)或更換，從而實現(xiàn)預(yù)測性維護(hù)系統(tǒng)在智能制造裝備中的落地應(yīng)用。

1 整體系統(tǒng)設(shè)計

本文所設(shè)計的滾珠絲杠故障預(yù)測維護(hù)系統(tǒng)結(jié)構(gòu)如圖1所示，根據(jù)絲杠傳動結(jié)構(gòu)控制系統(tǒng)控制原理，設(shè)備的驅(qū)動由PLC控制系統(tǒng)控制，整個過程數(shù)據(jù)的采集最為關(guān)鍵，同時考慮到電機(jī)伺服器自帶多傳感器，通過伺服反饋的實際運(yùn)行數(shù)據(jù)，對傳動結(jié)構(gòu)的健康狀態(tài)進(jìn)行監(jiān)控。

圖1 故障預(yù)測維護(hù)系統(tǒng)結(jié)構(gòu)圖

如圖1所示，整體系統(tǒng)結(jié)構(gòu)由設(shè)備層、控制層和應(yīng)用層組成。

1）設(shè)備層：機(jī)器部件、伺服電機(jī)、伺服驅(qū)動器；伺服驅(qū)動器采集伺服電機(jī)數(shù)據(jù)反饋結(jié)構(gòu)運(yùn)行狀態(tài)。

2）控制層：PLC控制系統(tǒng)、通信協(xié)議；負(fù)責(zé)控制設(shè)備層器件以及與應(yīng)用層進(jìn)行數(shù)據(jù)交互。

3）應(yīng)用層：智能預(yù)測維護(hù)終端、預(yù)測性維護(hù)系統(tǒng)；負(fù)責(zé)數(shù)據(jù)處理、分析和故障監(jiān)控。

其中，設(shè)備層中滾珠絲杠傳動結(jié)構(gòu)由電機(jī)提供驅(qū)動力，經(jīng)過聯(lián)軸器或同步輪傳動，通過滾珠絲杠螺母副將旋轉(zhuǎn)運(yùn)動轉(zhuǎn)化為直線運(yùn)動，帶動滑塊上的負(fù)載做反復(fù)運(yùn)行，數(shù)據(jù)通過伺服控制器的傳感器反饋整體結(jié)構(gòu)運(yùn)動狀態(tài)。

該系統(tǒng)在結(jié)構(gòu)裝配、項目現(xiàn)場實際發(fā)生的絲杠傳動異常問題等場景進(jìn)行針對性應(yīng)用，通過機(jī)器學(xué)習(xí)不斷優(yōu)化軟件預(yù)測模型準(zhǔn)確度，用于實際項目預(yù)測性維護(hù)，能夠降低突發(fā)故障發(fā)生概率。

1.1 數(shù)據(jù)采集

電機(jī)驅(qū)動器數(shù)據(jù)采集信號有實時轉(zhuǎn)速、上電時間、相電流有效值、母線實時電壓、模塊實際溫度、平均負(fù)載率、移動速度、實際位置、實際扭矩。經(jīng)過實際數(shù)據(jù)采集，對數(shù)據(jù)進(jìn)行統(tǒng)計分析處理和清洗，通過對數(shù)據(jù)的可視化、數(shù)值轉(zhuǎn)換等數(shù)據(jù)分析及狀態(tài)識別，上電時間、相電流、母線電壓數(shù)據(jù)無規(guī)律，與過程負(fù)載變化不相關(guān)，最終確定以下三個特征為有效特征，能夠表達(dá)運(yùn)動過程信息：實時移動速度、實時扭矩和實時位置。

1.2 建立預(yù)測模型

通過對伺服驅(qū)動器數(shù)據(jù)（如扭矩、速度、實時位置等）的實時采集、清洗和處理，獲取設(shè)備勻速段和勻加速段數(shù)據(jù)，選取多個周期組成數(shù)據(jù)集。從速度和扭矩時間序列曲線提取扭矩數(shù)據(jù)特征，如圖2、圖3所示。

圖2 速度時間序列曲線

圖3 扭矩時間序列曲線

將正常數(shù)據(jù)和異常時數(shù)據(jù)進(jìn)行分類，利用機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，得到預(yù)測模型。具體方法和步驟如下：

1）針對電機(jī)驅(qū)動器驅(qū)動負(fù)載的過程扭矩進(jìn)行分析，實時讀取絲杠傳動結(jié)構(gòu)驅(qū)動設(shè)備的驅(qū)動器數(shù)據(jù)，對比正常狀態(tài)和異常狀態(tài)（軸承異常）的數(shù)據(jù)。需讀取的特征參數(shù)包括負(fù)載率下的實際扭矩T、實時速度V和實時位置S，采集周期為N ms（N≤20）。

2）通過PLC，讀取該絲杠傳動結(jié)構(gòu)下的設(shè)定數(shù)據(jù)：設(shè)定速度V1、加速度A1、減速度B1、加減速C1、設(shè)定目標(biāo)位置S1和負(fù)載質(zhì)量M1，將數(shù)據(jù)存儲在數(shù)據(jù)庫中，從數(shù)據(jù)庫中獲取絲杠傳動結(jié)構(gòu)發(fā)生故障時和正常時的數(shù)據(jù)，通過python的numpy庫進(jìn)行數(shù)據(jù)預(yù)處理，以目標(biāo)位置S1為分割點(diǎn)，將數(shù)據(jù)分割成周期數(shù)據(jù)，提取范圍在速度（V1-1，V1+1）、加速度（A1-1，A1+1）、減速度（B1-1，B1+1）和加減速（C1-1，C1+1）內(nèi)的數(shù)據(jù)組成一個新數(shù)據(jù)集，通過標(biāo)準(zhǔn)差箱線圖對比分析，異常狀態(tài)時扭矩的整體波動更大。對正常狀態(tài)和異常狀態(tài)標(biāo)準(zhǔn)差進(jìn)行假設(shè)檢驗，結(jié)果為顯著，因此可以扭矩的標(biāo)準(zhǔn)差作為特征因子。

3）根據(jù)力學(xué)牛頓第一定律，物體在勻速運(yùn)動時力保持不變，將采集的數(shù)據(jù)按周期進(jìn)行分類，提取勻速段的扭矩，計算標(biāo)準(zhǔn)差，對于非勻速段數(shù)據(jù)，提取勻加速段數(shù)據(jù)進(jìn)行計算，通過機(jī)器學(xué)習(xí)決策樹算法進(jìn)行模型訓(xùn)練，獲得預(yù)測模型，并保存在predictOnethread.py中。

4）與PLC建立連接后，根據(jù)對數(shù)據(jù)的解析，從predict_thread.py啟動算法處理線程，從數(shù)據(jù)預(yù)處理隊列中獲取數(shù)據(jù)，根據(jù)從數(shù)據(jù)庫讀取的參數(shù)列表，結(jié)合模型輸出故障概率。通過對正常數(shù)據(jù)和異常數(shù)據(jù)的訓(xùn)練，得到準(zhǔn)確度大于97%的模型，在實際項目中進(jìn)行測試驗證。

1.3 系統(tǒng)測試

在鋰電行業(yè)的模裝車間，根據(jù)每月裝配計劃，利用故障預(yù)測維護(hù)系統(tǒng)檢測同步帶連接的絲杠傳動結(jié)構(gòu)，驗證是否存在裝配異常。

設(shè)備運(yùn)行2 h，發(fā)現(xiàn)故障概率逐漸開始超過警戒線40%，如圖4所示，提醒傳動結(jié)構(gòu)可能出現(xiàn)問題。軟件判斷結(jié)構(gòu)異常，由結(jié)構(gòu)調(diào)試人員對結(jié)構(gòu)進(jìn)行檢查，判斷實際結(jié)構(gòu)是否異常，以驗證模型預(yù)測可信度。經(jīng)過實驗員拆卸結(jié)構(gòu)發(fā)現(xiàn)異常問題：連接傳動裝置的皮帶存在較大磨損、防塵蓋內(nèi)有皮帶磨損的粉塵，需進(jìn)行重新裝配。該模型有效發(fā)現(xiàn)了絲杠傳動故障。

2 系統(tǒng)應(yīng)用

將滾珠絲杠傳動結(jié)構(gòu)故障預(yù)測維護(hù)系統(tǒng)應(yīng)用于鋰電生產(chǎn)設(shè)備線，用于監(jiān)控設(shè)備絲杠傳動結(jié)構(gòu)運(yùn)行健康情況。圖5是設(shè)備A實際運(yùn)行監(jiān)控的故障概率結(jié)果，由圖可知故障概率在不斷增加。通過系統(tǒng)預(yù)警功能提醒生產(chǎn)人員進(jìn)行停機(jī)檢測，檢查后發(fā)現(xiàn)電機(jī)有明顯發(fā)燙的情況，觀察絲杠安裝無異常，但絲杠與導(dǎo)軌連接較干，缺少潤滑油。

圖5 絲杠結(jié)構(gòu)故障概率圖

噴涂潤滑油，設(shè)備運(yùn)行2 h后，故障概率趨于正常，如圖6所示。由此可知，本文所建立的故障預(yù)測維護(hù)系統(tǒng)達(dá)到了設(shè)計目標(biāo)。

圖6 維護(hù)后絲杠結(jié)構(gòu)故障概率圖

3 結(jié)論

本文提出了一套用于滾珠絲杠故障預(yù)測的維護(hù)性系統(tǒng)，通過從絲杠運(yùn)行過程中的速度和扭矩時間序列曲線提取扭矩數(shù)據(jù)特征，并在特征空間進(jìn)行特征區(qū)分；基于機(jī)器學(xué)習(xí)決策樹算法進(jìn)行模型訓(xùn)練，建立滾珠絲杠故障預(yù)測模型，該模型能基于構(gòu)建的健康指標(biāo)，預(yù)測健康指標(biāo)的變化趨勢。利用滾珠絲杠工作周期數(shù)據(jù)對該方法進(jìn)行了應(yīng)用驗證，發(fā)現(xiàn)可以量化扭矩變化作為健康指標(biāo)，當(dāng)計算出的健康指標(biāo)超過預(yù)設(shè)的預(yù)警閾值時，系統(tǒng)能及時發(fā)出預(yù)警信息，從而達(dá)到了系統(tǒng)開發(fā)的目的。