机床主轴系统运行状态趋势预测方法研究

摘要

随着国民经济快速发展，制造业在工业生产中扮演的地位日益凸显，对机械加工精度要求也越来越高。高速超精密数控机床是实现精密加工的首要条件，也是现代制造业关键加工生产装备。而主轴系统作为机床最为关键的核心部件，其性能的优劣直接决定着未来制造业的加工质量。此外，主轴的运行状态与故障趋势预测技术研究对机床服役可靠性地提高，减少维修费用，保证产品加工质量有着非常重要的意义。 在本文中，以VMC600加工中心的主轴系统为对象进行课题的探讨。首先分析了其主轴劣化的基本机理，潜在性故障特征因子的选取。通过多次采集实验取得主轴在两种状态的振动烈度信号。利用模糊神经网络对采集的振动信号进行趋势预测，预测效果比其他神经网络模型较好。 其次，利用小波（包）与提升小波对采集的振动信号进行特征提取，将提取的高低频系数分别经过自回归模型进行预测，将每个预测值进行叠加得到最终预测值。同理，利用支持向量回归处理经过特征提取后的信号。同时，采用三种算法寻找支持向量回归的最优参数，得到提升小波与支持向量回归模型，通过实验对比发现基于提升小波的支持向量回归模型比模糊神经网络和自回归模型的预测性能要好。 最后，利用MATLAB中GUI平台开发了主轴振动趋势预测系统，该系统能够很好地实现主轴系统未来时刻的振动趋势预测以及故障部位的预警。

目录

声明

摘要

第1章 绪论

1．1 课题背景与意义

1．2 国内外研究现状及趋势

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 故障趋势预测发展方向

1．3 本文主要研究内容

第2章 主轴系统劣化分析与信号采集

2．1 主轴系统劣化分析

2．2 特征因子选择

2．3 主轴系统振动信号采集

2．4 本章小结

第3章 模糊神经网络预测模型

3．1 模糊神经网络

3．1．1 人工神经网络

3．1．2 模糊逻辑简述

3．1．3 模糊神经网络模型

3．2 T-S模糊模型

3．2．1 网络结构

3．2．2 网络学习算法

3．3 模型建立与结果分析

3．3．1 模型建立

3．3．2 预测效果评价指标

3．3．3 预测结果分析

3．4 本章小结

第4章 提升小波与支持向量机预测

4．1 信号特征提取

4．1．1 小波理论

4．1．2 提升小波变换

4．1．3 信号特征提取实例

4．2 自回归模型

4．2．1 自回归时间序列

4．2．2 AR模型参数估计

4．2．3 AR模型阶数确定

4．3 支持向量机

4．3．1 支持向量机回归算法

4．3．2 支持向量回归预测模型

4．3．3 支持向量回归的预测流程

4．3．4 Libsvm工具箱简介与使用

4．4 支持向量回归参数优化

4．4．1 网格搜索参数优化

4．4．2 粒子群算法参数优化

4．4．3 遗传算法参数优化

4．5 模型建立与结果分析

4．5．1 多尺度小波与自回归模型

4．5．2 小波与支持向量回归模型

4．5．3 提升小波与支持向量回归模型

4．6 本章小结

第5章 主轴振动趋势预测系统设计

5．1 系统框架与控件菜单等设计

5．2 系统操作流程设计

5．3 系统代码设计

5．4 本章小结

第6章 结论

6．1 总结

6．2 展望

参考文献

个人简历、在校期间发表学术论文

致谢