[发明专利]一种电主轴状态评估方法、系统、设备及可读存储介质

说明书

本发明公开了一种电主轴状态评估方法、系统、设备及可读存储介质，分别采用集合经验模态分解和时变自回归模型获取振动信号的特征向量、电流信号的特征向量，基于振动信号的特征向量和振动预训练模型获取轴承振动信号的状态评估结果，基于电流信号的特征向量和电流预训练模型获取电机电流信号的状态评估结果，采用温度阈值判断法对轴承的温度信号进行状态评估得到轴承温度信号的状态评估结果，经过D‑S证据理论将电机电流信号的状态评估结果、轴承振动信号的状态评估结果和轴承温度信号的状态评估结果进行融合得到主轴状态评估结果，实现多源信息融合状态评估，避免了单一传感器的不确定性与不稳定性，能够实现精确的状态评估。

技术领域

本发明属于数控加工领域，具体涉及一种电主轴状态评估方法、系统、设备及可读存储介质。

背景技术

在数控机床运行过程中，电主轴是最容易产生故障的部件之一。电主轴的状态直接影响加工零件的质量。对于工作中的电主轴，通过检测并分析其振动、电流及温度等信号，实时对电主轴的状态进行评估，对电主轴进行有效的维护，既能提高电主轴寿命和可靠性，又能提高零件的加工质量和加工效率。

对于电主轴状态监测和评估系统的研发，目前已有不少进展，但其均有一些难以解决的问题，例如传感器安装受限较大、与机床数控系统无法集成、仅基于单一振动信号进行状态监测等。近几年，我国在电主轴评估方面取得了不小的进步，然而与国外电主轴和机床企业相比，仍然存在较大的差距，尤其是在精度、寿命和可靠性等方面。

目前国内外在主轴状态评估方法方面已有不少研究。如湖南大学Yu等人提出了使用经验模态分解的方法(EMD)，通过将特征能量熵值输入到神经网络中，得到主轴轴承故障的结果。张邦基等人则是将小波变换和粗集理论结合起来，从而获得主轴轴承的信号提取特征。万书亭等人提出了基于谱峭度和EMD方法的主轴轴承状态评估方法。程军圣等人提出了基于局部均值分解，并将结果输入到神经网络中得到主轴轴承故障的评估方法。ThomsonWT通过快速傅里叶变换分析主轴电机的电流，对主轴电流信号进行分析。D’Angelo MFSV等人提出了使用模糊理论和贝叶斯公式的方法，并能够应用于主轴电机定子的短路识别。Ilhan Aydin等人提出了以主轴电机电流进行特征分析，先对电流进行Hibert变换，再对其序列结果计算熵值，并通过熵值判断主轴电机转子的故障。然而，目前大多数主轴状态监测与分析所采用的信号单一，存在的评估信息单一，无法有效电主轴状态进行评估，无法得到准确的状态效果。

发明内容

本发明的目的在于提供一种电主轴状态评估方法、系统、设备及可读存储介质，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种电主轴状态评估方法，包括以下步骤：

S1，分别对电主轴的轴承的振动信号、轴承的温度信号以及电主轴的电机的电流信号进行去燥处理；

S2，分别采用集合经验模态分解和时变自回归模型获取振动信号的特征向量，同时使用集合经验模态分解提取电流信号的特征向量；

S3，基于振动信号的特征向量和振动预训练模型获取轴承振动信号的状态评估结果，基于电流信号的特征向量和电流预训练模型获取电机电流信号的状态评估结果，采用温度阈值判断法对轴承的温度信号进行状态评估得到轴承温度信号的状态评估结果；

S4，采用D-S证据理论将电机电流信号的状态评估结果、轴承振动信号的状态评估结果和轴承温度信号的状态评估结果进行融合得到主轴状态评估结果，实现对主轴状态评估。

进一步的，对轴承的振动信号进行小波包分解并降噪，得到降噪后的振动信号；对降噪后的振动信号进行集合经验模态分解，得到分解后的本征模态函数；取前六个本征模态函数，分别求其总能量，获得六维列向量，并对六维列向量进行归一化处理得到特征向量，将归一化后的特征向量作为振动预训练模型的输入进行状态评估得到轴承振动信号的集合经验状态评估结果。