故障诊断技术在数控机床主轴诊断中的应用

杨兰

（常州机电职业技术学院机械工程系，江苏 常州 213164）

数控机床机械零部件故障，是影响零件加工品质、设备运行状态的关键因素，是设备维修人员及广大科技工作者着力研究的主要内容。

机械故障诊断技术，在往复机械、旋转机械、轴承、齿轮等设备和零部件的故障诊断中，应用得非常普遍。尤其是振动诊断方法，也已比较成熟，给企业带来了可观的经济效益。机械故障诊断技术，在数控机床故障诊断中的应用也日益广泛。

数控机床内部结构的某些故障，系统一般不呈现报警信息，诊断故障比较困难。故障的监测、识别和预测，可通过对振动、温度、噪声等物理量进行测定，将测定结果与正常值或规定值进行比较分析，以判断机械系统的工作状态是否正常。如数控机床的主传动、进给传动等，运行过程中会产生振动、噪声、温升等异常信息，因此可通过安装在主轴箱、工作台某些特征点上的传感器，测量其振级，位移、速度、加速度及幅频特征等，达到对故障进行监测和诊断的目的。

数控机床主轴部件，是机床实现旋转运动的执行件，安装在主轴内的工件或刀具实现主切削运动。主传动系统和主轴部件，一般都设计成一个主轴箱，主轴组件的回转精度、刚度、抗振性和热变形，直接影响加工零件的尺寸、位置精度和表面品质。

1 CK7815数控车床主轴故障信号采集

1.1 检测原理

如图1所示。

图1 测试原理框图

1.2 测点选择及测量参数确定

数控机床运行一段时间后，尤其是某些突发因素，比如超载、操作失误、零件磨损等，会引起主轴本体、主轴轴承发热，导致主轴旋转精度超过允许值。这时，主轴单元的振动、温升将会出现异常值。基于此特点，在CK7815数控车床主轴轴承处布置A、B两个传感器，采集信号（如图2所示）。

图2 测点选择及测量参数确定图

数控机床信号采集，主要确定信号采集部位及传感器的选型与安装。信号采集部位，主要考虑主轴轴承位对振动信号较敏感，因此在前、后轴承位置安装传感器。传感器类型主要有位移、速度、加速度这3种类型。

由于振动参数中，加速度参数对高频振动（＞1000 Hz）比较敏感，所以选择加速度传感器。选用VM9503振动数据采集仪，进行数据采集。

2 信号分析方法

2.1 时域分析

时域描述——直接观测到或记录的信号，一般是以时间为独立变量的，称其为时域描述。

信号时域描述，能反映信号幅值随时间变化的关系，而不能明显揭示信号的频率的组成关系。

2.2 频域分析

把振动信号按其频率、范围和结构进行分类分析，从而进行故障诊断的方法叫频率分析。

信号的频域描述——把信号的时域描述通过适当方法，变成信号的频域描述，即是以频率为独立变量来表示信号，其揭示了各频率成分幅值所占的比重。

2.3 小波分析

传统的傅立叶变换，只能对信号在整个时间段上进行分析，是一种全局的变换。因此，在分析实际的时变信号时，具有很大的局限性。小波变换在时域和频域同时具有良好的局部化特性，是对非平稳信号进行时频分析的理想分析工具。

小波变换之所以可以检测信号的奇异点，正在于它的“小”.因为用小的波去近似奇异信号，要比正弦波要好得多.

本文采用传统的频谱分析法进行故障检测。

3 数据处理

针对所检测信号，按照图3所示进行故障诊断。在收集信号时，观察数据采集器所示的dB值。该值越大，说明振动能量越大，故障严重，反之故障轻微或不存在。检测数据如表1。

表1 数控机床主轴A处故障诊断检测值

近两年使用振动诊断技术，对数控机床主轴系统的机械故障进行了诊断，获得预期效果。例如通过定期检测，掌握了机床的磨损劣化情况；通过修理前后的检测对比，了解修理效果及遗留问题等。笔者认为数控机床与一般机床相比，机械结构相对简单，因此若对数控机床实施故障诊断，正确率较高。

图3 机械故障诊断过程

4 结束语

当今数控机床，正在朝着高速度、高精度化、多功能化、智能化、数控编程自动化、可靠性最大化、控制系统小型化方向发展。故障诊断技术在数控机床机械故障诊断中等应用，必将有更多、更新、更实用的技术应运而生，比如小波分析、人工智能、远程检测系统等，都将在数控系统中被不断尝试。

[1]李松生，裴翠红，王永坚.高速精密角接触球轴承支承特性分析[J].轴承，2001，（2）：11-14.

[2]梅宏斌，吴 雅，师汉民，等.滚动轴承损伤类故障的一种精确诊断模型[J].华中理工大学学报，1992，（20）：177-181.

[3]段晨东，李凌均，何正嘉.第二代小波变换在旋转机械故障诊断中的应用[J].机械科学与技术，2004，23（2）：224-226.