基于大数据挖掘的数控机床多工况载荷谱系研究

Load spectrum is the basis of the reliability analysis of CNC machine tools. The establishment of the load spectrum series in various conditions and different cutting conditions is the basis of dependent failure analysis and multiple status of system reliability of machine tools. Traditional load spectrum analysis using small sample cannot describe the effect of load characteristics on the reliability of machine tool, it is difficult to characterize the complex mapping relations between all kinds of signals and performance status of components. A large number of sensors to collect actual load such as cutting force, temperature and vibration data are applied; using neural network method, combined with the whole life cycle data, the maximum load and static load and dynamic load in the cutting force -time history are recognized. The mapping relationship between multi-scale load characteristics of cutting force and machine performance is mined. Analyzing the dependency between cutting force, temperature and vibration, dynamic correlation function is proposed. To build the load spectrum series reflecting different processing parameters, different performance statuses provide evidence for reliability analysis and optimization design of CNC machine tools.

载荷谱是数控机床可靠性分析的基础。数控机床载荷谱系包括机床各功能部件在各种工况下、不同切削状态下的载荷谱，是数控机床系统可靠性失效相关分析和多状态分析的基础。传统小样本下的载荷谱分析难以将各载荷特征对机床可靠性的影响进行详细分析，难以表征各类信号与功能部件性能状态之间的复杂映射关系。本项目应用大量传感器采集机床实际生产中的载荷包括切削力、温度、振动等数据，采用深信度神经网络方法，结合全寿命周期数据，对切削力-时间历程中的极值载荷、静态载荷、动态载荷进行自识别，挖掘切削力多尺度载荷特征与机床性能之间的映射关系；对切削力、温度、振动等载荷数据进行相关性分析，提出反映不同载荷特征参数动态相关性的相关函数。建立多工况下反映不同加工参数、不同性能状态包含多源载荷信息的数控机床的载荷谱系，为数控机床可靠性分析和优化设计提供依据，为数控机床的复杂工况识别及预测奠定基础。

随着大数据挖掘和机器学习等方法的深入运用，对于数控机床加工过程产生的大量数据的分析和处理能力得到了大幅度提高。本项目基于实际加工过程中采集的大量电流、切削力等信号数据开展了基于大数据挖掘的数控机床载荷谱及关键部件可靠性研究。主要工作内容如下：（1）针对工业生产过程中，大多需要从连续的多工艺信号中提取相应的单个工艺信号，而以往多采用手动操作提取信号数据，这对于大量的加工数据而言，是极其麻烦的。本项目采用基于二维卷积理论的方法对加工过程信号数据进行提取和存储，可实现零部件全寿命周期加工过程中大量多工艺加工信号的不同单工艺加工数据的同时提取和存储，并通过实例对该方法的精度进行了验证。（2）应用深度学习方法，通过输入的电流载荷-时间历程信号数据，经过反复迭代，对数控机床驱动系统电流数据中的载荷特征进行提取，根据该特征参量的退化轨迹，基于Gamma退化随机过程，对数控机床关键部件剩余寿命分布和时变可靠度进行预测分析。最后通过一组实测的卧式加工中心丝杠电流数据和寿命数据对以上方法进行了验证。（3）提出了一种复杂随机载荷历程作用下，机械零部件的多尺度载荷谱建模方法。通过对复杂随机载荷-时间历程数据进行EMD分解，对各频带的IMF信号中的载荷循环分别进行数据分析与统计，得到该频带上载荷的概率密度函数作为该时间尺度上的载荷谱。该方法避免了常规方法将所承受的载荷或应力视为只有一个频率的恒幅或变幅载荷建立载荷谱的弊端，可以为机械零部件的疲劳寿命计算和疲劳可靠性分析提供更为准确的依据。（4）研究了应用电流信号进行切削力估计的方法，提出了基于实际切削电流信号的机床载荷谱建模方法，该方法可以采用机床实际加工过程中的大量电流信号，而不影响实际的生产过程。由于数控机床的电流信号便于长期采集，这里提出了数控机床多工况电流谱系的建模方法，并应用该方法对采集的某卧式加工中心驱动系统的全寿命周期电流数据，建立了相应的各工况电流谱。