数控机床滚珠丝杠副性能退化评估技术研究

马忠波

（甘肃有色冶金职业技术学院，金昌 737100）

滚珠丝杠是数控机床的传动部件，它的主要功能是将旋转运动转变成为线性运动，或者将扭矩转换为反复作用力。由于滚珠丝杆摩擦力比较小，所以滚珠丝杆在工业设备和精密仪器生产加工中广泛应用。但是,在结构尺寸、加工条件、安装精度等因素的作用下，滚珠丝杆运行环境比较复杂。所以,运行一段时间以后，滚珠丝杆性能会下降，必须对滚珠丝杆性能退化进行分析，才能确保数控机床运行的精准性和可靠性。

1 数控机床滚珠丝杆退化原因

数控机床滚珠丝杆由丝杆、轴承、驱动电机、支座、螺母等构成，数控机床构成如图1所示。滚珠丝杆在运行过程中，由于受到各个方面的因素影响，滚珠丝杆的性能不断下降，这会影响数控机床的几何精度和加工精度。由于滚珠丝杆的性能退化与加工方式、安装方法和润滑方式等有关，滚珠和滚道之间的摩擦磨损比较复杂，所以想要获取滚珠丝杆全寿命周期的性能退化样本比较困难，通过在线监测系统，及时采集数控机床的滚珠丝杆数据信息，可以提高评估的效率和精确性。

2 滚珠丝杆在线监测系统和动态聚类数据处理技术

2.1 滚珠丝杆在线监测系统

滚珠丝杆在线监测系统是在磁座底下的丝杆两端轴承上分别安装两个单向加速传感器，通过采集丝杆两端振动信号，从而对滚珠丝杆的运行情况进行有效监测。滚珠丝杆的在线监测系统监测滚珠丝杆的轴径为45mm，行程是762mm，导程是12mm。

2.2 动态聚类数据处理技术

由于滚珠丝杆副性能退化周期比较长，短时间内无法发现滚珠丝杆存在的问题，所以需要对整个滚珠丝杆进行全周期退化性能进行监测，长期连续地采集滚珠丝杆退化数据，以免造成数据信息的遗漏，影响退化性能的评估。为了确保滚珠丝杆副性能的评估效率和评估精度，使用动态聚类数据处理技术，设置一个伸缩矩形窗处理滚珠丝杆运行过程的数据信息，并对伸缩矩形窗产生的数据信息不断移动和匹配，从中提取有用的数据信息，并对数据进行有效压缩。因此，滚珠丝杆在线监测系统的伸缩矩形窗一共设置了20个采样点，采样高度为0.4V，通过动态聚类数据处理技术，去除数据中的冗余信息，将伸缩矩形窗的1000个数据点压缩到464个点，减少了53.6%，大大提高了滚珠丝杆的评估效率和速度。

3 滚珠丝杆性能退化评估技术

3.1 灰色神经网络

灰色神经网络是一种将灰色系统模型和神经网络模型结合在一起的智能计算模型，它充分利用两种模型在信息处理方面的优势。比如，灰色系统模型处理问题时需要的样本数据少，不需要考虑样本数据的分布规律和变化趋势，但是由于灰色系统模型的自组织、自适应性比较差，非线性处理能力比较弱。相反，神经网络系统自组织性和自适应性比较强，对非线性数据信息处理比较强。人们可以将两者结合起来，相互弥补各自的缺陷，从而建立性能更加优化的灰色神经网络模型。

灰色神经网络模型有串联型、嵌入型和并联型三种结构。串联型指通过神经网络组合多个灰色模型计算的结果；嵌入型指分别在神经网络输入端和输出端增加一个灰化层和白化层；并联型首先对数据分别进行灰色系统模型和神经网络处理，然后将两者的处理结构进行组合。对于不同的灰色系统模型和神经网络模型，人们可以根据实际情况选择合适的方式进行组合，并建立不同的灰色神经网络模型。比如，灰色BP网络模型就是一种嵌入式结构模型，它在神经网络的基础上，在灰色系统动力学确定性信息之前加入一个灰色层进行灰化处理，在灰色系统动力学特征之后加一个白化层处理对灰色输出进行白化处理。

3.2 量子遗传优化算法

量子遗传优化算法将量子计算和遗传算法结合起来，它根据CNN权值和阈值的特点，用量子比特编码的方式科学构建染色体基因，并生成若干个染色体种群，通过量子变异、交叉等实现种群进化，提高整个算法的搜索效率，在进化中对个体适应性进行评价，从而得到网络权值和阈值的最佳初始化参数。其具体步骤如下。

首先，将种群进行初始化，设种群规模为N，初始化种群 Q（tɑ）=（q1tɑ，q2tɑ，q3tɑ， …qNtɑ）， 其 中， 任 意 t的多量子比特编码为：

然后，对量子进行交叉和变异，量子交叉让量子个体信息进入种群内部进行交流，产生新的个体，避免种群局部优化。量子变异则是通过轻微打乱某一个量子个体当前的进化方向，选择个体任意位置进行变异，从而产生优化的个体。

最后，选择量子旋转门，量子旋转门是量子演化的执行机构。根据量子遗传算法的计算特点选择量子旋转门，量子旋转门的更新过程可以用式（2）、式（3）表示。

3.3 滚珠丝杆性能退化模型

滚珠丝杆性能退化模型指在滚珠丝杆上安装传感器，然后通过动态聚类数据处理技术采集滚珠丝杆传感器的数据信息，提取一系列时域、时频和频域等特征信息组成高维空间，通过PCA方法压缩采集数据信息，并将滚珠丝杆敏感性特征和同一时间的机车数据信息存入特征数据库。在进行验算时，可以从特征数据库中随机抽取样品作为计算样本，通过量子遗传算法对样本进行优化，再从特征数据库中抽取一部分样品检测量子遗传算法计算出的结果是否准确。如果量子遗传算法预测出来的精度在数控机床滚珠丝杆的精度误差范围，说明量子遗传算法是正确的，则这种方法可以用来在线预测数控机床滚珠丝杆的性能。如果量子遗传算法计算出来的精度超过允许的误差范围，那么需要增加抽样样本数量或者修改计算参数修正模型，以得到正确的预测结果。

4 结语

数控机床滚珠丝杆的副性能退化功能反映出丝杆退化的敏感性、复杂性，通过对丝杆退化性能的评估，人们不仅能及时发现丝杆存在的问题，还能快速进行维修，确保丝杆的正常运行，提高数控机床的加工精度和加工效率。运用动态数据处理技术，人们可以去除评估过程中的冗余数据，减少丝杠评估系统中的干扰，提高系统在线评估的效率，确保丝杆评估系统的正确性和精度。