基于交流电动机电流和mikemd的伺服旋转轴故障诊断方法

基于交流电动机电流和mikemd的伺服旋转轴故障诊断方法

该标准通过互联电机、联轴节和减速结构，广泛用于制造设备、雷达、坦克、机器人、高端数控机床等领域。如果服务转轴出现故障，系统将受到很大影响。因此,研究伺服旋转轴的故障诊断技术具有重要的科学理论价值和现实意义。但伺服旋转轴的故障诊断一直是研究的难点,关键问题在于:(1)尽管人们通常采用加速度传感器、位移传感器、激光测振仪等装置获取伺服旋转轴的状态信息用于故障定位,并取得积极效果,但这些装置较难深入伺服旋转轴的内部,信噪比差,安装不方便且成本较高,无法适应伺服旋转轴在线监测和故障诊断的要求为此,本文提出一种基于电流和EEMD方法的伺服旋转轴故障诊断策略,即采用交流伺服电动机电流等信息,以EEMD方法为支撑,达到伺服旋转轴故障诊断的目的。关于电动机电流的研究应用方面,已有学者关注于数控机床的刀具破磨损监测、切削力预测以及进给系统摩擦特性分析等方面的研究本文首先在研究伺服旋转轴控制系统的基础上,建立电动机电流信息与故障的关联模型;通过频响分析理论证明了电流用于伺服旋转轴故障诊断的可行性。其次,针对不同的运动控制系统,提出了不同的电动机电流获取策略,并基于位置、速度、采样时间之间的无缝集成特征,提出了电动机电流的位置和时间表达方法;最后,建立了典型的伺服旋转轴典型机械传动部件的动力学模型,并基于电流信息的非线性和非平稳特征,深入分析了基于EEMD对伺服旋转轴进行故障诊断的原理。试验分析表明电动机电流信息和EE-MD方法用于伺服旋转轴机械传动部件故障诊断的可行性和有效性,从而为其在线监测和故障快速溯源,提供技术支撑。1关于交流供电机的电流信息测试原理1.1双轴伺服电机动力学模型典型伺服旋转轴控制系统如图1所示,通常由电流环、速度环和位置环等3部分组成,位置环主要包括半闭环和全闭环控制。其中:i对图1的包含有放大器、伺服电动机和伺服旋转轴位置环控制系统进行适当的简化,得出下面3个方程(1)AC伺服驱动电流方程(2)伺服电动机的动力学平衡方程(3)工作台的动力学平衡方程其中:误差e=K式(1)~(3)表明交流伺服电动机电流i由图1进一步可知,交流伺服电动机输出转矩T满足下式:在恒速空载条件下,Jθ式(5)表明:在恒速空载测试时,摩擦转矩τ1.2交流伺服电机电流的频响特性对式(1)~(3)进行拉普拉斯变换并联立方程,可分别得到在全闭环与半闭环位置控制下的干扰转矩D与交流伺服电动机电流i全闭环控制下的干扰转矩D与交流伺服电动机电流i式中:a=K半闭环控制下的干扰转矩D与交流伺服电动机电流i若式(6)~(7)中的各参数图2表明:在频段(0~610Hz),交流伺服电动机电流对故障干扰转矩有很好的频响特性;并且无论在位置全闭环还是半闭环控制下测试,D-i1.3电流信息采集法伺服旋转轴的运动控制系统可分为开放式和商用系统。对于开放式运动控制系统,通过二次开发实现电流信息的获取;对于诸如Fanuc、Siemens等商用控制系统,由于系统多采用数字总线技术进行信号传输,详细信息并不公开,从而电流信息获取较为困难。为此,提出两种应对策略。(1)霍尔电流传感器采集法对于难以直接获取电流的伺服旋转轴,采用3只霍尔电流传感器采集信息。当旋转轴恒速进给时,则电流有效值为:式中:i此时,iI(2)电流监测接口采集法为了便于进行状态监测与故障诊断,一些伺服放大器提供实时电动机电流监测接口,例如安川、三菱、松下等交流伺服电动机。图3所示的是SiemensSI-MODRIVE611analog伺服电动机中的电流监测接口。通过这个接口,可以快速获取电流信息。式中:I1.4交流伺服电动机电流信息表达方法在伺服旋转轴匀速测试时,由于测试位置为测试时间与测试速度之积,则电流信息可采用时间函数和位置函数两种表示方式:式中:t为采样时间,P为当前位置。式(11)表示了电动机输出转矩M或电流随时间变化的趋势,主要用于分析故障的演变规律和基于时域、频域以及时频域等方法的故障诊断;而式(12)表征电流随位置变化的状态,可快速定位故障点位置。2eemd方法的一般过程将交流伺服电动机电流信息与EEMD方法相结合,以实现伺服旋转轴故障诊断与状态趋势分析。对于任意一台交流伺服电动机电流信息x(t),其EEMD算法步骤(1)初始化集合的数目;(2)给出所加白噪声的幅值,并令j=1;(3)在原始信号x(t)中加给定幅值的白噪声n式中:n(4)基于EMD方法,把x(5)如果j<L,就返回步骤(3)继续进行运算并置j=j+1;重复步骤(3)和(4),并且要保证每次所加的噪声序列不同。(6)计算N次IMF的平均值,其被看作某一层最终本征模式函数。(7)同理可获取其他各层的本征模式函数在EEMD应用中,应注意两个问题:(1)集合的数目若N为集合的数目,a式(15)表明,集合的数目N越大,误差e(2)所加噪声的幅值到目前为止,鲜有文献报道在EEMD方法中所加噪声幅值的选择。一般认为,噪声幅值为待分析信号的方差的0.2~0.3倍。EEMD分解过程表明:①由于分解过程是在时域中进行的,没有频域转换,且在不需要人为的干与条件下自适应地处理非平稳信号,因此,对电流信号进行分解可用于机械传动部件故障诊断。②EEMD分解过程中的残余项是信号的缓变量,具有信号的趋势特征,并且残余项能够重构表征不同尺度下的信号趋势。因此,对电动机电流信号进行分解和重构残余量可用于伺服旋转轴机械传动部件状态趋势分析。3伺服旋转轴故障诊断原理减速器是伺服旋转轴最重要的机械传动机构。下面以蜗轮蜗杆为结构的减速器动力学模型为基础,分析基于电动机电流和EEMD的伺服旋转轴故障诊断原理。3.1蜗杆自激振动自激振动原理由于蜗轮蜗杆的轮齿具有一定弹性,若以其一对轮齿为研究对象,则该对轮齿可被看作一个弹簧-阻尼振动系统。其振动方程为:式中:μ=T由式(16)可知,蜗杆副的振动为自激振动。该式的左端代表蜗杆副本身的振动特征,右端为激振函数。由激振函数看出,轮齿的振动源于3部分:1常规振动k但是,当存在点蚀或胶合故障时,齿面摩擦因数μ将急速增大,电动机电流也迅速增大,使系统产生特征频率为啮合频率的振动,并在局部聚集着大量的能量。由于电动机电流等能够较好地反映伺服旋转轴受力的变化,因此可基于其进行频谱分析,通过观察电流的演变趋势,判断故障源。3.2粗评估旋转轴测试条件故障诊断步骤如下:(1)采用EEMD方法对转矩/电流信息进行经验模式分解,获取N个本征模式函数IMFs;(2)求解本征模式函数的瞬时频率,并与蜗轮和蜗杆的故障特征频率进行对比,初步确定故障来源;(3)重构IMFs,使重构后的曲线能够表征整个信号的演变趋势;(4)根据测试速度以及采样时间,粗评估旋转轴的测试行程;(5)结合步骤(3)~(4),做出位置-电动机电流极坐标圆周图谱,以便进一步确定故障源。4b轴测量与分析如图4a和4b所示,以某五轴联动机床旋转轴B为试验对象,电动机基于伺服放大器SIMODRIVE611半闭环驱动控制。该机床B轴的传动链主要由蜗轮蜗杆减速器构成,总减速比为125∶1。B轴试验时,通过图4c电流监测接口获取电动机电流;图4d中PolyTecOFV5000激光测振仪同时获取B轴的振动信息进行对比分析。数据采集系统为Databook2001。B轴测试行程为-90°~90°,测试速度为180°/min,电流与振动信息的采样频率为100Hz。根据测试速度,计算轴Ⅰ和轴Ⅱ的工作频率,分别为1.04Hz和0.008Hz。由图5a所示,B轴电流在-3~0A之间波动,并夹杂着大量的噪声;且在0~21s段,电流变大,它表明B轴驱动系统可能存在故障。如图5b所示,采用激光测振仪获取的振动信息很难发现B轴异常状态特征。这表明电流比外加传感器获取的信息对旋转轴故障更具有敏感性。下面采用EEMD方法来识别B轴的故障。如图6所示,基于EEMD方法将测得的交流伺服电动电流信息自适应分解为11个IMFsC为进一步确定故障类型以及故障位置,将本征模式函数IMFC5数学模型评估(1)采用交流伺服电动机电流进行故障诊断,成本低,易于在线获取状态信息,并且自身数据参与控制,对机械传动部件的故障很敏感,因此采用交流伺服电动机电流信息进行伺服旋转轴性能评估具有先天的优势。(2)交流伺服电动机电流信息与故障的关联模型以及频响特性分析都表明:无论位置全闭环控制还是位置半闭环控制,交流伺服电动