基于声音的机床运行状态监测系统开发.pdfVIP

基于声音的机床运行状态监测系统开发

第一章绪论

1.1选题背景1.1.1课题来源

本课题来源于北京市属高等学校人才强教计划资助项目(项目号:PHR

201108053)

1.1.2研究背景

机床在工作运行过程中发出的声音包含着机床运行状态丰富的信息

。通过精确研究机床运行过程中产生的声音信号,可以有效的识别机床的

类型、运行状态、工作参数以及各零部件磨损状态等等。声音信号具有采

集简便,釆集实时性好等优点,在工业生产检测特别是机床运行状态检测中

具有优越的利用价值。开发一套基于声音信号的机床运行状态监测系统具

有很好的实用价值。目前,声音信号的应用遍及工业加工、农业生产、军

事、制造业等广泛领域。声音信号实际就是振动信号,在设备工作运行过

程中是不可避免产物,声音信号是对设备加工、设备运行状态具有总体描

述性的特点,再加上其自生便于采集的优点,被广泛应由于设备状态监测和

故障诊断之中。机械设备运行状态监测和故障诊断可采用的信号有很多⑴

,如力信号、温度信号、振动信号和声音信号等,其中后两种信号应用的最

多,占整个诊断技术所用信号的66%以上。

一般来说声音信号是由纯音和噪声组成的,而其中噪声通常是被认为

是有害而应被消除的。大多数的机械设备运行状态或者是故障信号都包含

在噪声之中。因此对设备进行状态监测和故障诊断,对噪声进行分析是一

个重要的切入点。而高速机床运行过程中所发出的声音包含其固有结构的

声音信号,即“基本噪声”,例如主轴转动、齿轮啮合、零部件接触面摩擦

、轴承旋转,丝杠转动等等引起的振动,另外还有因为制造、装配误差而导

致的噪声。这些信号混杂一起能够体现机床运行时所处的状态,因此,通过

机床运行状态声音信号进行特征提取和分析,可以对机床整体运行过程中

的故障诊断和维护提供高效的技术保证,这样可以大大提升机械数控加工

的效率,保证设备和人员的安全。因此开发一套高精度的机床运行状态声

音测试系统势在必行。1

在机床高速运行过程中,声音信号的反馈是对机床运行状态监测的直

接物理参数。因此,能够实时同步的采集高清晰的声音信号,才能使监测更

加准确和具有价值。传统的故障诊断往往依靠的是有着大量经验的老工程

师通过人耳对含有故障信号特征的设备噪声进行诊断,但是这些经验丰富

的老技师毕竟数量在少数而且光靠人耳准确率和误差率也不尽如人意,因

此考虑通过利用信号分析的方法,来让计算机这种高精度,低出错率的设备

来对故障做出诊断,大大提高设备的实用寿命和实用安全。目前国内比较

常用的信号采集分析系统虽然说包含声音模块的应用部分,但是缺乏针对

性,并且价格昂贵;而传统的离线釆集数据分析方法又不具备采集的实时同

步性,缺乏利用价值。因此,开发一套基于声音振动信号的机床运行状态监

测系统,对于监测机床运行状态是否正常,飄别机床工作参数,保证生产的

安全进行,为后续的故障诊断提供参考和做出准备都是极有必要的。

1.2声音测试的发展现状与趋势

国外对机械噪声研究起步比较早,英国人R.A.Collacott在二十世纪7

0年代就率先提出了利用噪声信号对机械设备进行运行状态监测以及故障

诊断[2]。1994年,韩国人Ahn,Jung

Hwan等人开发了“基于实时声音信号识别的加工工过程刀具磨损过程监测

系统”[3]。该系统将釆集信号与标准信号进行对比以获得畸异信号,同时

应用神经网络实现了监控。日本的Yamguchi,Toniomi等人提出用切削/机

械声音的频率结构来构建监测系统,该系统釆用了十六进制功率谱形式,并

用神经网络来识别结构状态。清华大学的王耀文等人通过对穿孔型等离子

弧燥接过程中的声音信号进行品与分析以识别燒接过程中馆池的穿孔状态

,为等离子弧揮接溶透质量的监测提供了前提条件。南京航空航天大学的

韩荣耀等通过对机床空载时的声音信号进行采集分析得出其特征值的判别

方法,从而实现对机床类型的判别。南京航空航天大学的杨根莲等通过对

机床加工声音信号的小波分解技术进一步分析,同时利用神经网络技术识

别出机床加工的类型、状态、转速、磨损状态等信息。上海交通大学的钟

振茂等人通过对多信号声源实现了盲分离,从而达到对现场中某台设备进

行诊断的目的。就目前的发展状况而言,对于声音信号的分析方法,主流方

法与硬件设施世界范围内的科研工作者采用的都大致相同,而国内与国外

的差距主要在误差分析精度上,因此,减小分析误差是所有声音