基于差分混沌的超高速数控磨床电主轴精度监测诊断方法技术

本发明专利技术公开了一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法，包括先统计主轴在不同误差因素时对应的频率，然后基于杜芬方程构造杜芬振子信号差分双混沌检测系统，分别对检测信号进行正相输入和反相输入检测，同一误差因素下的正相输入检测和反相输入检测的最大Lyapunov指数进行矢量化并进行或运算，得到判别参数L，当所有判别参数L均为0，则主轴精度正常，结束本次监测诊断；否则，将检测信号放大并反相输入杜芬方程获得相图判别轨迹与各误差因素下的混沌轨迹相图进行对比，从而确定误差因素。本发明专利技术具有检测灵敏度高，显著降低了混沌检测系统的漏检率。降低了故障因素诊断的判别难度，大大提高了诊断溯因准确率等优点。

【技术实现步骤摘要】

本专利技术设计数控机床行业的精度检测
，特别地涉及一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法。
技术介绍
超过150m/s砂轮线速度的超高速磨削及其装备在欧洲、日本和美国等发达国家被誉为“现代磨削技术的最高峰”，与传统磨床相比，其具有极大的优越性：成倍提高磨削效率，减少设备使用台数；大幅提高零件加工精度，降低加工工件表面粗糙度，如在其它条件相同时，40m/s和150m/s速度磨削时，表面粗糙度值分别为Ra2.0μm和Ra1.2μm；砂轮寿命延长数倍以上等。高速电主轴作为超高速数控磨床的最核心部件之一，其精度对超高速数控磨床的最终加工精度影响巨大。即使电主轴精度早期的微小变化映射到超高速磨削零件上，对零件的最终精度也有很大影响，如精密零件因电主轴性能引起的加工精度问题而报废，则在时间和资金上都会造成巨大损失，因此，对电主轴的精度早期检测与诊断越来越受到企业重视，这对超高速数控磨床电主轴的精度可控性提出了更高的要求。电主轴随着服役使用时间的延长，会出现轴承磨损，定子与转子的同轴度变差以及不平衡、不对中、支撑松动等影响电主轴精度的故障因素，导致加工产品精度不合格甚至报废的概率增大。理想的解决方法是在电主轴精度尚未超出偏差范围之前，根据需要对电主轴进行特定项目的监测，掌握其精度早期微弱变化，以做到及早发现并诊断追溯其误差来源，使其在造成超高速数控磨床加工损失之前就消除或减少误差，使电主轴的精度始终保持在要求的范围内。因此，通过对电主轴的精度变化进行早期监测诊断，对于延长电主轴精度使用寿命、防止超高速数控磨床加工报废损失以及构建超高速数控磨床精度状态监控体系等都具有重要的意义。影响电主轴精度的常见因素有轴承磨损，定子与转子的同轴度变差以及不平衡、不对中、支撑松动等，这些故障都会蕴含在电主轴的振动信息里，现有传统方法是通过振动频谱分析方法诊断特征频率分量的出现来确定相应故障的产生，其存在以下缺点：1)频谱分析方法不能实现电主轴的早期检测。电主轴精度早期退化信号很不明显，其早期故障表现出的区别于电主轴正常状态的故障频谱特征通常是十分微弱的，并没有形成明显的故障频谱特征频率分量，因此，频谱分析方法不能检出电主轴的早期精度退化微弱信号。2)频谱分析方法受干扰信号影响较大。高频驱动时电主轴输入电压信号中存在着大量的电源频率调制和谐波成分，会在振动频谱中产生很多附加的干扰频率，故障特征分量特别是早期故障微弱特征分量往往被淹没于其中，以致频谱分析方法不能检出。混沌系统对微弱信号有较高的敏感度，且对噪声有很强的免疫力。但是，因为从混沌区到大尺度周期区之间存在过渡区域，而传统混沌系统检测系统的策动力临界阈值无法准确选择，以致传统混沌方法存在易出现漏检的问题，造成检测精度较差，准确度较低。另外，因为待检信号微弱，传统混沌系统检测系统的相轨迹区分度低，不易判别。
技术实现思路
针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种能够降低策动力临界阈值选择不当的影响，有利于降低漏检率，提高检测精度，准确度较高；相轨迹区分度较好，可以准确检测出超高速数控磨床电主轴早期微弱故障信号，及早发现并诊断追溯其误差来源的基于差分混沌的超高速数控磨床电主轴精度监测诊断方法。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法，其特征在于，包括如下步骤：步骤一，统计超高速数控磨床电主轴在不同误差因素时对应的频率ω0i；步骤二，基于杜芬方程构造杜芬振子信号差分双混沌检测系统，具体如下，a)选取杜芬方程，如下式：式中，k为阻尼比，fcosωt为策动力项，f为策动力，ω为策动力角频率，(-xδ+xδ+2)为非线性恢复力项，δ为正奇数；b)设有检测信号r(t)，将检测信号r(t)分别以正相形式和反相形式输入杜芬方程，将式(1)改进如下：其中，式(2)为正相形式输入，式(3)为反相形式输入；c)选取位移x和速度v将式(2)和(3)改写如下：即完成杜芬振子信号差分双混沌检测系统的构造；步骤三，将检测信号r(t)设置为0，分别将不同误差因素对应的频率ω0i作为策动力角频率ω代入式(4)中，并调节策动力f使杜芬振子信号差分双混沌检测系统从大周期状态至混沌状态变化的Lyapunov指数，将Lyapunov指数为零时的策动力f确定为该误差因素对应的频率ω0i下的临界策动力阈值f0i以及对应的混沌状态的轨迹相图；步骤四，分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(4)中，并引入检测信号r(t)，计算同一误差因素下检测信号正相输入时的最大Lyapunov指数和反相输入时的最大Lyapunov指数；步骤五，对步骤四中同一误差因素下的两个最大Lyapunov指数进行矢量化并进行或运算，并输出判别参数L，当检测信号正相输入时的最大Lyapunov指数大于或等于0时，矢量化为逻辑1，反之为逻辑0；当检测信号反相输入时的最大Lyapunov指数小于0时，矢量化为逻辑1，反之为逻辑0；步骤六，判别所有误差因素下的判别参数L是否全部等于0，若是则超高速数控磨床电主轴精度正常，结束本次监测诊断；若不是全部等于0，则超高速数控磨床电主轴精度退化，执行后续步骤；步骤七，将检测信号r(t)放大并反相形式输入到式(1)的杜芬方程中，并选取位移x和速度v改写如下：式中，1.5≤α≤5为放大倍数；分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(5)中，将输出的相图判别轨迹G分别与步骤三中同一误差因素下的混沌状态的轨迹相图相对比，确定相图判别轨迹G与混沌状态的轨迹相图一致的误差因素为超高速数控磨床电主轴精度的误差因素。通常，调节策动力f使传统的杜芬振子系统从大周期状态至混沌状态变化过程存在过渡阶段，表现为Lyapunov指数曲线在零点处上下波动，从而造成Lyapunov指数为零时能够检测到多个策动力f，无论选取该过渡阶段中的哪一个Lyapunov指数为零的策动力f为临界策动力阈值f0i，都可能会造成检测信号输入后，杜芬振子系统仍然处于该过渡阶段，使得检测结果准确度较低。上述方法中，构建了杜芬振子信号差分双混沌检测系统，形成对检测信号的正相输入检测和反向输入检测。这样，无论临界策动力阈值f0i选取在上述过渡阶段中的哪个策动力f，都能够使得正相输入检测或反向输入检测中的一个发生相图的变化，从而能够准确判断出超高速数控磨床电主轴精度退化。上述方法在对误差因素的判断过程中，采用对检测信号的反向输入检测，并对检测信号进行放大，有利于提高不同故障因素的轨迹相图的区分度，便于确定故障因素。作为优化，所述步骤二中，δ＝5，非线性恢复力项为(-x5+x7)。这样，能够提高系统对输入信号的敏感度及抗噪能力。作为优化，所述步骤三中，临界策动力阈值f0i具体采用如下步骤确定：调节策动力f使杜芬振子信号差分双混沌检测系统从大周期状态至混沌状态变化过程中，记录Lyapunov指数第一次等于0时的策动力f为策动力起始值fsi，以及最后一次等于0时的策动力f为策动力结束值fei，则确定临界策动力阈值作为优化，所述检测信号r(t)为：r(t)＝hcosω0it+n(t)(6)式中，hcosω0it表示第i个本文档来自技高网...

【技术保护点】
一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法，其特征在于，包括如下步骤：步骤一，统计超高速数控磨床电主轴在不同误差因素时对应的频率ω0i；步骤二，基于杜芬方程构造杜芬振子信号差分双混沌检测系统，具体如下，a)选取杜芬方程，如下式：x··+kx·-xδ+xδ+2=f cos ωt---(1)]]>式中，k为阻尼比，f cosωt为策动力项，f为策动力，ω为策动力角频率，(‑xδ+xδ+2)为非线性恢复力项，δ为正奇数；b)设有检测信号r(t)，将检测信号r(t)分别以正相形式和反相形式输入杜芬方程，将式(1)改进如下：x··+kx·-xδ+xδ+2=f cosωt+r(t)---(2)]]>x··+kx·-xδ+xδ+2=f cosωt-r(t)---(3)]]>其中，式(2)为正相形式输入，式(3)为反相形式输入；c)选取位移x和速度v将式(2)和(3)改写如下：x·=vv·=-kv+xδ-xδ+2+f cosωt+r(t)v·=-kv+xδ-xδ+2+f cosωt-r(t)---(4)]]>即完成杜芬振子信号差分双混沌检测系统的构造；步骤三，将检测信号r(t)设置为0，分别将不同误差因素对应的频率ω0i作为策动力角频率ω代入式(4)中，并调节策动力f使杜芬振子信号差分双混沌检测系统从大周期状态至混沌状态变化的Lyapunov指数，将Lyapunov指数为零时的策动力f确定为该误差因素对应的频率ω0i下的临界策动力阈值f0i以及对应的混沌状态的轨迹相图；步骤四，分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(4)中，并引入检测信号r(t)，计算同一误差因素下检测信号正相输入时的最大Lyapunov指数和反相输入时的最大Lyapunov指数；步骤五，对步骤四中同一误差因素下的两个最大Lyapunov指数进行矢量化并进行或运算，并输出判别参数L，当检测信号正相输入时的最大Lyapunov指数大于或等于0时，矢量化为逻辑1，反之为逻辑0；当检测信号反相输入时的最大Lyapunov指数小于0时，矢量化为逻辑1，反之为逻辑0；步骤六，判别所有误差因素下的判别参数L是否全部等于0，若是则超高速数控磨床电主轴精度正常，结束本次监测诊断；若不是全部等于0，则超高速数控磨床电主轴精度退化，执行后续步骤；步骤七，将检测信号r(t)放大并反相形式输入到式(1)的杜芬方程中，并选取位移x和速度v改写如下：x·=vv·=-kv+xδ-xδ+2+f cosωt-αr(t)---(5)]]>式中，1.5≤α≤5为放大倍数；分别将不同误差因素对应的频率ω0i和临界策动力阈值f0i代入式(5)中，将输出的相图判别轨迹G分别与步骤三中同一误差因素下的混沌状态的轨迹相图相对比，确定相图判别轨迹G与混沌状态的轨迹相图一致的误差因素为超高速数控磨床电主轴精度的误差因素。...

【技术特征摘要】
1.一种基于差分混沌的超高速数控磨床电主轴精度监测诊断方法，其特征在于，包括如下步骤：步骤一，统计超高速数控磨床电主轴在不同误差因素时对应的频率ω0i；步骤二，基于杜芬方程构造杜芬振子信号差分双混沌检测系统，具体如下，a)选取杜芬方程，如下式：x··+kx·-xδ+xδ+2=fcosωt---(1)]]>式中，k为阻尼比，fcosωt为策动力项，f为策动力，ω为策动力角频率，(-xδ+xδ+2)为非线性恢复力项，δ为正奇数；b)设有检测信号r(t)，将检...

【专利技术属性】
技术研发人员：余永维，杜柳青，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50