[发明专利]一种基于模态质量分布矩阵的数控机床敏感环节辨识方法

说明书

技术领域

本发明属于数控装备的结构模态参数分析领域，尤其涉及一种数控机床的结构敏感环节辨识方法。

背景技术

随着机械加工的高速高精化，机床结构的动力学特性逐渐成为制约机械加工效率和被加工产品质量提升的瓶颈问题。由于机床的动力学特性主要由机床配置决定，所以评估机床配置对于提升机床动力学特性有着重要意义。所谓评估机床配置，即通过特定方法评价机床配置，找到机床配置中相对薄弱的敏感环节，再加以修改，以达到提升机床动力学特性的目的。

现有评估机床配置的方法主要包括两类，借助有限元分析软件的方法(简称有限元法)和应用实验模态分析的方法。在当前的工业应用中有限元法的应用比较广泛，此方法首先需要为对象机床的各个组件建模，并进行装配，再对各组件进行网格划分、添加约束建立一个完整的有限元模型，最后根据有限元分析软件的结果，对原模型的部件进行相应修改，以提升机床动力学性能。另一种方法，则是借助实验模态分析方法对机床进行模态分析，通过观察机床各部件的频响函数曲线和机床的振动形态，找出机床部件中柔度较大或振幅较大的部件，即敏感环节，再对这些部件进行修改。

但以上的两类方法都存在一定的缺点，有限元方法需要建立机床的完整的有限元模型，计算量大，耗费时间长，且模型中网格划分、自由度数量的选取和结合面约束的给定等环节中都存在较大的经验因素；实验模态分析方法没有以上缺陷，但此方法需要依靠各部件的频响函数对比、各部件振幅对比的结果来判定机床敏感环节，由于机床是由各部件装配成的整体，单个部件上获得频响函数和振幅是在其他部件共同作用后的结果，而并不是该部件自身的动力学特性，可能会出现误差。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种数控机床的结构敏感环节辨识方法，其目的在于通过对数控机床进行模态分析，获得的模态质量、模态振型向量和机床质量矩阵等参数，再对其进行整合推导出模态质量分布矩阵，该模态质量分布矩阵的某一列中各元素的大小代表了在该阶模态下，机床各测点处的薄弱情况，进而可以判断机床结构的敏感环节，这样便对机床结构的薄弱情况进行了量化，由此解决此前提到的现有方法评估机床结构敏感环节过程中遇到的问题。

本发明的目的通过以下技术方案实现：

一种数控机床的结构敏感环节辨识方法，通过数控机床的模态质量、模态振型向量等构件数控机床的模态质量分布矩阵，再从该矩阵中各元素大小获得机床结构敏感环节，其特征在于，该方法具体包括：

(1)对数控机床进行模态实验，获得数控机床的模态质量、模态振型向量等参数；

(2)由以上参数，构建数控机床的模态质量分布矩阵；

(3)根据所述模态质量分布矩阵，绘制机床各部件的模态质量分布情况曲线，并进而辨识出机床敏感环节。

其中，所述步骤(1)获得数控机床的模态质量、模态振型向量等参数通过如下子步骤实现：

(1-1)布置测点和激励点。对数控机床进行模态实验，通常方法为在机床的一个位置(激励点)给予激励并采集该激励信号，测量机床上所有位置的响应信号，再进行后续内容。由于机床本体有无数个位置，但实验中采集数据的位置有限，在满足要求前提下，应尽量减少机床上采集数据的位置(测点)，测点布置的密集程度根据机床部件的复杂程度来定，比如机床的结构相对简单，其上的测点布置可稍稀疏，机床工作台等可动部件由于结合部的存在，动力学特性会相对复杂，所以其上测点应稍密集。

激励点一般选在机床本体上振动最为剧烈的位置，因为在该位置给予激励，机床各位置的振动应该是最剧烈的，采集到的信号的信噪比也最高。

(1-2)进行实验并采集信号。选定测点和激励点后，需要确定激励方式和信号采集方式，常用的激励方式有力锤激励和激振器激励，要对越大的机床进行激励，则需要的激励能量也越大，一般激励中小型机床采用相应大小的力锤即可，激励重型机床则用激振器为宜。采集激励信号和响应信号，激励信号的采集通常采用力锤或激振器等激励设备和数据采集系统配合，采集到的激励信号为激励设备对机床施加的力信号；响应信号的采集通常采用加速度传感器或位移传感器和数据采集系统配合，采集到的响应信号为在激励设备的激励下，机床各个位置的加速度信号或位移信号；成熟的数据采集系统较多，可根据实际情况选取。以上均选定后，即进行模态实验，并采集激励点和全部测点响应信号。

(1-3)数据分析以进行参数辨识。利用上一步中采集的响应信号和激励信号，获得机床各测点相对于激励点的频响函数，