基于加速性能退化机理的数控机床关键部件服役寿命预测技术研究

The technique of Service life prediction based on signal features for NC key components such as screw, guideline and main spindle has been studied for many years and many important scientific problems have not been solved because of diversities of working condition, structure complexity, and dynamic cutting. In present, fault diagnosis and reliability of NC have been mostly studied and service life prediction for running component such as screw and guideline has still not been researched in the world, so it is important for us to investigate the corresponding work. This project will put up accelerated performance degradation tests on screw and guideline of NC, measure real time microcosmic contact interface and dertermine the performance degradation model of the components, perform qualitative analysis and quantitative analysis between performance and different factors, open out its performance degradation mechanism and put forward performance degradation comprehensive evaluation index; Combined with modal test and finite element analysis method, establish system model reflecting the actual working condition by using Lagrange equation; Through system dynamic response characteristics analysis, propose signal processing and features optimization method corresponding to different degradation performance mode, realize sevice life online prediction of the NC key components based on dynamic feedback associative memory network. This project will take on important scientific meaning for enriching mechanical system condition monitoring theory and perfecting reliability design.

数控机床的工况多样性，结构复杂性和加工动态性等特点导致基于信号特征的关键功能部件（如丝杠、导轨及主轴）的服役寿命预测研究尚有许多重要的科学问题没有解决。当前，更多是对数控机床的故障诊断及可靠性技术进行研究，丝杠、导轨等运动部件的服役寿命预测在国际上基本属于空白领域，相关研究亟待加强。本项目通过对数控机床丝杠副和导轨副进行加速性能退化试验，对接触界面的微观动态进行实时检测，确定部件的性能退化模式，定性及定量分析各因素与部件性能之间的内在联系，揭示其性能退化机理，提出性能退化综合评价指标；结合模态试验和有限元分析方法，采用拉格朗日方程建立反映实际工况的部件系统模型；通过系统动态响应特性分析，针对不同性能退化模式提出信号处理和特征优化方法，利用动态反馈联想记忆网络实现数控机床关键功能部件服役寿命在线预测。本研究对于丰富机械系统状态监测理论，完善机械部件可靠性设计具有重要的科学意义。

数控机床是具有高技术含量的现代化装备，是实现高端制造技术和装备制造业现代化的重要基础装备。数控机床的工况多样性，结构复杂性和加工动态性等特点导致基于信号特征的关键功能部件（如丝杠、导轨及主轴）的服役寿命预测研究尚有许多重要的科学问题没有解决。当前，更多是对数控机床的故障诊断及可靠性技术进行研究，丝杠、导轨等运动部件的服役寿命预测在国际上基本属于空白领域，相关研究亟待加强。本项目通过对数控机床关键部件服役寿命预测技术研究，完成加速性能退化试验台的设计和制作，设计详尽的试验方案，对数控机床丝杠副和导轨副进行加速性能退化试验，并根据试验数据改进试验参数，开展试验方法研究，从试验前准备、试验一致性检验、实验流程和试验数据采集等方面进行试验方法的优化。分别设计了正交试验、恒应力加载试验和变应力加载试验。通过正交试验确定试验因子及分布，恒应力试验和变应力试验获取加速性能退化的数据。期间对接触界面的微观动态进行实时检测，基于滚珠丝杠副的磨损机理和疲劳失效原理，确定部件的性能退化模式，定性及定量分析各因素与部件性能之间的内在联系，建立滚珠丝杠副的退化方程和加速方程，并利用试验数据验证了退化方程和加速方程的正确性，揭示其性能退化机理，提出性能退化综合评价指标；针对不同性能退化模式提出信号处理和特征优化方法，利用动态反馈联想记忆网络实现数控机床关键功能部件服役寿命在线预测。对于试验数据处理方法，研究了振动信号的压缩采集技术与信号自适应去噪技术，并研究基于变特征的特征提取技术、滚珠丝杠副故障检测技术，提出了基于决策树的服役寿命预测架构、基于动态模糊神经网络和量子遗传算法的服役寿命预测模型两种寿命预测方法，试验结果表明提出的丝杠性能退化模型检测精度高且针对性较强，能够准确的评估数控机床关键部件的性能。本研究对于丰富机械系统状态监测理论，完善机械部件可靠性设计具有重要的科学意义。