【技术实现步骤摘要】
滚珠丝杠副润滑状态识别方法
本专利技术属于滚珠丝杠副润滑状态识别领域，特别涉及一种滚珠丝杠副润滑状态识别方法。
技术介绍
滚珠丝杠副是数控机床中的关键滚动功能部件，具有摩擦小、零间隙、传动效率高等特点，广泛应用于航空航天、船舶、汽车和数控机床等领域，它的性能直接影响着数控机床的加工精度。然而在实际加工过程中，由于保养不善、润滑不良导致滚珠丝杠副滚珠与滚道之间的摩擦加剧，使得丝杠局部温度骤然升高，影响数控机床的加工精度，进而影响产品的加工质量。因此，在数控机床的实际运行过程中，需要对滚珠丝杠副的润滑状态进行监测，了解滚珠丝杠副的润滑状况，一旦出现润滑不良现象时，可及时对滚珠丝杠副的润滑状况进行改善，进而保证滚珠丝杠副的加工精度，延长使用寿命。目前对滚珠丝杠副润滑状态监测和故障诊断方面的研究比较少，且多数研究方法比较单一，没有考虑各种方法之间的组合优化，这也使得在实际的润滑状态识别过程中，对滚珠丝杠副润滑状态判断不准确，一定程度上制约了滚珠丝杠副状态监测方向的发展。因此急需一种更加完善的方法对滚珠丝杠副的润滑状态进行更加...
【技术保护点】
1.一种滚珠丝杠副润滑状态识别方法，其特征在于，所述方法包括以下步骤：/n步骤1，采集滚珠丝杠副在不同润滑状态下的振动信号；/n步骤2，提取振动信号特征，构建润滑特征集；/n步骤3，利用润滑特征集训练优化SVM；/n步骤4，根据SVM识别准确度对所述润滑特征集进行优化，获取润滑状态识别的最佳特征组合，之后结合优化后的SVM完成对待识别滚珠丝杠副润滑状态的判断。/n
【技术特征摘要】
1.一种滚珠丝杠副润滑状态识别方法，其特征在于，所述方法包括以下步骤：
步骤1，采集滚珠丝杠副在不同润滑状态下的振动信号；
步骤2，提取振动信号特征，构建润滑特征集；
步骤3，利用润滑特征集训练优化SVM；
步骤4，根据SVM识别准确度对所述润滑特征集进行优化，获取润滑状态识别的最佳特征组合，之后结合优化后的SVM完成对待识别滚珠丝杠副润滑状态的判断。
2.根据权利要求1所述的滚珠丝杠副润滑状态识别方法，其特征在于，步骤2所述提取振动信号特征，构建润滑特征集，具体过程包括：
步骤2-1，从振动信号中提取若干组振动数据；
步骤2-2，对每组振动数据进行小波包变换；
步骤2-3，求取每组振动数据的时域特征值；
步骤2-4，求取每组振动数据的频域特征值；
步骤2-5，将上述过程获得的每一种特征视为一个润滑特征，并由上述过程获得的所有结果构建润滑特征集，该集合中的每个样本为每组振动数据对应的一个润滑特征值；
步骤2-6，对润滑特征集进行优化，具体为：根据每一个润滑特征对识别润滑状态所占的权重值，从所述润滑特征集中筛选出权重值大于预设权重阈值的特征值，构建新的润滑特征集。
3.根据权利要求2所述的滚珠丝杠副润滑状态识别方法，其特征在于，步骤2-2所述对每组振动数据进行小波包变换，具体过程包括：
(1)利用一个高通滤波器{gk}k∈Z和一个低通滤波器{hk}k∈Z对振动数据信号进行全频带分解，所用公式为：
式中，d表示小波包分解频率带的小波系数，k，l∈Z；两个公式分别表示将第j层第n个频率带分解为第j+1层的第2n与2n+1个频率带；
(2)对分解后的信号进行重构，重构公式为：
式中，pk和qk分别为hk和gk的对偶滤波器；
(3)计算分解后各节点信号xkm的能量值大小：
式中，ejk表示小波包进行第j层分解和重构后第k个节点所在频带的能量值大小，x为重构信号在离散点的幅值，N为信号长度；
(4)计算各节点频带的能量占比：
式中，Ejk表示各节点频带的能量占比大小。
4.根据权利要求3所述的滚珠丝杠副润滑状态识别方法，其特征在于，步骤2-3中所述时域特征值，包括有量纲参数和无量纲参数；
其中，有量纲参数包括：
(1)均值
式中，x表示每一个振动信号的离散数据幅值，n表示离散数据的个数；
(2)均方根值
(3)方根幅值
(4)绝对平均值
(5)方差
(6)峰值：取信号中绝对值最大的几个数，求其算术平均值作为峰值；
无量纲参数包括：
(1)波形指标
(2)峰值指标
(3)脉冲指标
(4)裕度指标
(5)峭度指标
5.根据权利要求4所述的滚珠丝杠副润滑状态识别方法，其特征在于，步骤2-4中所述频域特征值包括：
(1)重心频率
式中，fi为i时刻所对应振动信号...
【专利技术属性】
技术研发人员：周长光，张向东，冯虎田，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。