《如何解决数控机床爬行问题?》

  • 来源专题:数控机床与工业机器人
  • 编译者: 杨芳
  • 发布时间:2017-11-21
  • 在驱动移动部件低速运行过程中,数控机床进给系统会出现移动部件开始时不能启动,启动后又突然作加速运动,而后又停顿,继而又作加速运动,移动部件如此周而复始忽停忽跳、忽慢忽快的运动现象称为爬行。而当其以高速运行时,移动部件又会出现明显的振动。
     
        对于数控机床进给系统产生爬行的原因,一般认为是由于机床运动部件之间润滑不好,导致机床工作台移动时静摩擦阻力增大;当电机驱动时,工作台不能向前运动,使滚珠丝杠产生弹性变形,把电机的能量贮存在变形上;电动机继续驱动,贮存的能量所产的弹性力大于静摩擦力时,机床工作台向前蠕动,周而复始地这样运动,产生了爬行的现象。
     
     
     
        事实上这只是其中的一个原因,产生这类故障的原因还可能是机械进给传动链出现了故障,也可能是进给系统电气部分出现了问题,或者是系统参数设置不当的缘故,还可能是机械部分与电气部分的综合故障所造成。
     
        爬行与振动故障的诊断与排除
     
        对于数控机床出现的爬行与振动故障,不能急于下结论,而应根据产生故障的可能性,罗列出可能造成数控机床爬行与振动的有关因素,然后逐项排队,逐个因素检查、分析、定位和排除故障。查到哪一处有问题,就将该处的问题加以分析,看看是否是造成故障的主要矛盾,直至将每一个可能产生故障的因素都查到。最后再统筹考虑,提出一个综合性的解决问题方案,将故障排除。排除数控机床进给系统爬行与振动故障的具体方法如下:
     
        对故障发生的部位进行分析
     
        爬行与振动故障通常需要在机械部件和进给伺服系统查找问题。因为数控机床进给系统低速时的爬行现象往往取决于机械传动部件的特性,高速时的振动现象又通常与进给传动链中运动副的预紧力有关。
     
        另外,爬行和振动问题是与进给速度密切相关的,因此也要分析进给伺服系统的速度环和系统参数。
     
        机械部件故障的检查和排除
     
        造成爬行与振动的原因如果在机械部件,首先要检查导轨副。因为移动部件所受的摩擦阻力主要是来自导轨副,如果导轨副的动、静摩擦系数大,且其差值也大,将容易造成爬行。
     
        尽管数控机床的导轨副广泛采用了滚动导轨、静压导轨或塑料导轨,如果调整不好,仍会造成爬行或振动。静压导轨应着重检查静压是否建立;塑料导轨应检查有否杂质或异物阻碍导轨副运动,滚动导轨则应检查预紧是否良好。
     
        导轨副的润滑不好也可能引起爬行问题,有时出现爬行现象仅仅就是导轨副润滑状态不好造成的。这时采用具有防爬作用的导轨润滑油是一种非常有效的措施,这种导轨润滑油中有极性添加剂,能在导轨表面形成一层不易破裂的油膜,从而改善导轨的摩擦特性。
     
        其次,要检查进给传动链。在进给系统中,伺服驱动装置到移动部件之间必定要经过由齿轮、丝杠螺母副或其他传动副所组成的传动链。有效提高这一传动链的扭转和拉压刚度,对于提高运动精度,消除爬行非常有益。
     
        引起移动部件爬行的原因之一常常是因为对轴承、丝杠螺母副和丝杠本身的预紧或预拉不理想造成的。传动链太长、传动轴直径偏小、支承和支承座的刚度不够也是引起爬行的不可忽略的因素,因此在检查时也要考虑这些方面是否有缺陷。
     
        另外机械系统连接不良,如联轴器损坏等也可能引起机床的振动和爬行。
     
        进给伺服系统故障的检查和排除
     
        如果爬行与振动的故障原因在进给伺服系统,则需要分别检查伺服系统中各有关环节。应检查速度调节器、伺服电机或测速发电机、系统插补精度、系统增益、与位置控制有关的系统参数设定有无错误、速度控制单元上短路棒设定是否正确、增益电位器调整有无偏差以及速度控制单元的线路是否良好等环节,逐项检查分类排除。
     
        速度调节器的检测
     
        对速度调节器的故障,主要检测给定信号、反馈信号和速度调节器本身是否存在问题。给定信号可以通过由位置偏差计数器出来经D/A转换给速度调节器送出的模拟信号VCMD的检测实现,这个信号是否有振动分量可以通过对伺服板上的插脚用示波器来观察。如果就有一个周期的振动信号,那毫无疑问机床振动是正确的,速度调节器这一部分没有问题,而是前级有问题;然后向D/A转换器或偏差计数器去查找问题,如果我们测量结果没有任何振动的周期性的波形,那么问题肯定出在反馈信号和速度调节器。
     
        测速电机反馈信号的检测
     
        反馈信号与给定信号对于调节器来说是完全相同的。因此出现了反馈信号的波动,必然引起速度调节器的反方向调节,这样就引起机床的振动。由于机床在振动,说明机床的速度在激烈的振荡中,当然测速发电机反馈回来的波形也一定是动荡的。这时如果机床的振动频率与电机旋转的速度存在一个准确的比率关系,譬如振动的频率是电机转速的四倍频率。这时我们就要考虑电机或测速发电机有故障的问题。
     
        电机检查
     
        当机床振动频率与电机转速成一定比率,首先就要检查一下电动机是否有故障,检查它的碳刷、整流子表面状况,以及检查滚珠轴承的润滑情况。
     
        另外电动机电枢线圈不良也会引起系统振动。这种情况可以通过测量电动机的空载电流进行确认,若空载电流随转速成正比增加,则说明电动机内部有短路现象。出现本故障一般应首先清理换向器、检查电刷等环节,再进行测量确认。如果故障现象依然存在,则可能是线圈匝间有短路现象,应对电动机进行维修处理。如果没有什么问题,就要检查测速发电机。
     
        脉冲编码器或测速发电机的检测
     
        对于脉冲编码器或测速发电机不良的情况,可按下述方法进行测量检查。首先将位置环、速度环断开,手动电动机旋转,观察速度控制单元印制电路板上F/V变换器的电压,如果出现电压突然下跌的波形,则说明反馈部件不良。
     
        测速发电机中常常出现的一个问题是炭刷磨下来的炭粉积存在换向片之间的槽内,造成测速发电机换向片片间短路,一旦出现这样的问题就会引起振动。
     
        系统参数的调节
     
        一个闭环系统也可能是由于参数设定不合理而引起系统振荡,消除振荡的最佳方法就是减少放大倍数。在FUNAC的系统中调节RV1,逆时针方向转动,这时可以看出立即会明显变好,但由于RV1调节电位器的范围比较小,有时调不过来,只能改变短路棒,也就是切除反馈电阻值,降低整个调节器的放大倍数。
     
        外部干扰的处理
     
        对于固定不变的干扰,可检查F/V变换器、电流检测端子以及同步端的波形,检查是否存在干扰,并采取相应的措施。对于偶然性干扰,只有通过有效的屏蔽、可靠的接地等措施,尽可能予以避免。
     
      采用这些方法后,还做不到完全消除振动,甚至是无效的,就要考虑对速度调节器板更换或换下后彻底检查各处波形。

相关报告
  • 《数控机床如何实现智能化?》

    • 来源专题:数控机床与工业机器人
    • 编译者:杨芳
    • 发布时间:2017-06-20
    •  智能机床最早出现在赖特(P·K·Wright)与伯恩(D·A·Bourne)1998年出版的智能制造研究领域的首本专著《智能制造》(Manufacturing Intelligence)中。由于对先进制造业具有重要作用,智能技术引起各个国家的重视。美国推出了智能加工平台计划(SMPI);欧洲实施 “Next Generation Production System”研究;德国推出了“Industry 4.0”计划;中国中长期科技发展对“数字化智能化制造技术”提出了迫切需求,并制定了相应的“十三五”发展规划;在2006年美国芝加哥国际制造技术展览会(IMTS2006)上,日本Mazak公司推出的首次命名为“Intelligent Machine”的智能机床和日本Okuma公司推出的命名为“thinc”的智能数控系统,开启了数控机床智能化时代。 本文从传感器出发,将数控机床的智能技术按层次划分为智能传感器、智能功能、智能部件、智能系统等部分,对智能技术进行了总结,指出不足,揭示了发展方向,并对未来进行了展望。   智能传感器由机床、刀具、工件组成的数控机床制造系统在加工过程中,随着材料的切除,伴随着多种复杂的物理现象,隐含着丰富的信息。在这种动态、非线性、时变、非确定性环境中,数控机床自身的感知技术是实现智能化的基本条件。 数控机床要实现智能,需要各种传感器收集外部环境和内部状态信息,近似人类五官感知环境变化的功能,如表1所示。对人来讲,眼睛是五官中最重要的感觉器官,能获得90%以上的环境信息,但视觉传感器在数控机床中的应用还比较少。随着自动化和智能化水平的提高,视觉功能在数控机床中将发挥越来越重要的作用。表1数控机床可用传感器   随着MEMS(微机电系统)技术、嵌入技术、智能材料与结构等技术的发展,传感器趋向小型化。MEMS微传感器、薄膜传感器以及光纤传感器等微型传感器的成熟应用,为传感器嵌入数控机床奠定了基础。 由于制造过程中存在不可预测或不能预料的复杂现象和奇怪问题,以及所监测到的信息存在时效性、精确性、完整性等问题,因此,要求传感器具有分析、推理、学等智能,这要求传感器要有高性能智能处理器来充当“大脑”。美国高通公司正在研制能够模拟人脑工作的人工智能系统微处理器。将来可通过半导体集成技术,将高性能人工智能系统微处理器与传感器、信号处理电路、I/O接口等集成在同一芯片上,形成大规模集成电路式智能传感器,不但具有检测、识别、记忆、分析等功能,而且具有自学甚至思维能力。相信随着计算机技术、信号处理技术、MEMS技术、高新材料技术、无线通信技术等不断进步,智能传感器将会在数控机床智能感知方面带来全新变革。   智能功能数控机床向高速、高效、高精化发展,要求数控机床具有热补偿、振动监测、磨损监测、状态监测与故障诊断等智能功能。融合几个或几种智能传感器,采用人工智能方法,通过识别、分析、判断及推理,实现数控机床的智能功能,为智能部件的实现打下基础。 数控机床的误差包括几何误差、热(变形)误差、力(变形)误差、装配误差等。研究表明,几何误差、热误差占到机床总误差的50%以上,是影响机床加工精度的关键因素,如图1所示。其中,几何误差是制造、装配过程中造成的与机床结构本身有关的误差,随时间变化不大,属于静态误差,误差预测模型相对简单,可以通过系统的补偿功能得到有效控制,而热误差随时间变化很大,属于动态误差,误差预测模型复杂,是国际研究的难点和热点。   数控机床在加工过程中的热源包括轴承、滚珠丝杠、电机、齿轮箱、导轨、刀具等。这些部件的升温会引起主轴延伸、坐标变化、刀具伸长等变化,造成机床误差增大。由于温度敏感点多、分布广,温度测试点位置优化设计很重要,主要方法有遗传算法、神经网络、模糊聚类、粗糙集、信息论、灰色系统等[6]。在确定了温度测点的基础上,常用神经网络、遗传算法、模糊逻辑、灰色系统、支持向量机等来进行误差预测与补偿。   在航空航天领域,随着钛合金、镍合金、高强度钢等难加工材料的广泛应用,以及高速切削条件下,切削量的不断增大,刀具、工件间很容易发生振动,严重影响工件的加工精度和表面质量。由于切削力是切削过程的原始特征信号,最能反映加工过程的动态特性,因此可以借助切削力监测与预报进行振动监测。借助测力仪、力传感器、进给电机的电流等,利用粒子群算法、模糊理论、遗传算法、灰色理论等对切削力进行建模和预测。考虑到引起机床振动的原因主要有主轴、丝杠、轴承等部件,也可以采集这些部件的振动、切削力、声发射等信号,利用神经网络、模糊逻辑、支持向量机等智能方法直接进行振动监测。   刀具安装在主轴前端,与加工工件接触,直接切削工件表面,对加工质量的影响是最直接和关键的。刀具磨损、破损等异常现象影响加工精度和工作安全。鉴于直接测量法需要离线检测的缺陷,常采集电流、切削力、振动、功率、温度等一种或多种间接信号,采用RBF神经网络、模糊神经网络、小波神经网络、支持向量机等智能算法对刀具磨损状态进行智能监测。 随着自动化程度的提高,数控机床集成越来越多的功能,复杂程度不断提高。为了高效运行,对数控机床的内部状态进行监测与性能评价、对故障进行预警与诊断十分必要。由于故障模式再现性不强,样本采集困难,因此BP神经网络等要求样本多的智能方法不适合这种场合。状态监测与故障诊断常采用SOM神经网络、模糊逻辑、支持向量机、专家系统和多Agent等智能方法。 研究人员不断探索和研究智能功能的新方法或多种方法的混合,但大部分集中在实验室环境下,缺少实时性高、在线功能强的方法,尚需深入发展简洁、快速、适应性强的智能方法。   智能部件数控机床机械部分主要包括支撑结构件、主传动件、进给传动件、刀具等部分,涉及到床身、立柱、主轴、刀具、丝杠与导轨以及旋转轴等部件。这些部件可以集成智能传感器的一种或几种智能功能构成数控机床智能部件。   主轴是主传动部件,作为核心部件,直接关系到工件加工精度。由于主轴转速较高,特别是电主轴,发热、磨损、振动对加工质量影响很大,因此,越来越多的智能传感器被集成到主轴中,实现对工作状态的监控、预警以及补偿等功能。日本山崎马扎克研制的“智能主轴”,装有温度、振动、位移及距离等多种传感器,不但具有温度、振动、夹具寿命监控和防护功能,而且能够根据温度、振动状态,智能协调加工参数。瑞士Step-Tec、IBAG等制造的电主轴,装有温度、加速度、轴向位移等多种传感器,如图3所示,能够进行热补偿、振动监测等。
  • 《使用AI预测数控机床主轴问题》

    • 来源专题:数控机床与工业机器人
    • 编译者:icad
    • 发布时间:2019-07-16
    • 人工智能(AI)有望实现真正的工业设备预测性维护。 我去年写的一个例子是Cosen Saws的基于云的预测维护应用程序,该应用程序不仅可以监控公司数控锯刀片的寿命,而且可以在故障发生之前预测刀片故障。 一个类似的例子是Mazak的基于AI的主轴健康监测系统(SHMS),它目前是其HCN卧式加工中心(HMC)的一个选项。 这两个系统都是与辛辛那提大学的工业AI中心(以前称为智能维护系统中心)共同开发的。 现在,工业AI中心由辛辛那提大学(UC),密歇根大学和密苏里科技大学组成。自2001年以来,该中心与100多个国际组织合作开展了100多个项目,包括丰田,波音,博世,卡特彼勒,通用电气航空,固特异,哈雷戴维森和西门子。其目标是消除工业设备意外故障的风险。 Mazak的SHMS旨在使车间能够在主轴或主轴轴承损坏发生之前很长时间内采取主轴维护措施,从而最大限度地减少停机时间并使任何维护任务更加方便。 Mazak的流程开发协调员Joe Sanders表示,公司基于AI的系统与其他主轴监控技术之间的关键区别在于SHMS不是基于阈值数据。这将是当检测到特定的主轴振动频率时将发送警报的情况,该特定的主轴振动频率将表明已经或很快将发生损坏。相反,他说SHMS可以在发生前几个月发现问题,提供时间安排主轴维修或在最方便的时候进行更换。 在历时一年的大泛围主轴破坏性测试得出的数据基础上,SHMS的AI建立了其主轴神经网络自组织图。主轴特定的特征可以区分良好振动与不良振动之间的差异。算法预测了主轴在一段时间内显示剩余使用寿命时如何随着时间的推移而降级(除非发生崩溃)。 “这不同于估计主轴寿命的时间表,因为我们不知道机器是否会用于轻型工作,起伏切割,24*7操作或任何其他可能的情况,”桑德斯先生解释说。 SHMS的主要组件包括振动和电流传感器,数据采集模块和处理SHMS算法的工业计算机。安装后,一小时的建模测试会映射特定主轴的操作特征。之后,用户可以执行定期的60秒测试,将数据与主轴模型进行比较。当周期时间足够长时,桑德斯先生建议在每个部件完成后进行测试。然而,他指出,对于周期时间相对较短的零件来说,这可能不是必需的。 SHMS可作为配备该公司Smooth CNC的Mazak HCN机器的选件,也可作为Matrix CNC机器的改造。 (系统的图形用户界面目前正在改进中。) 该公司很快计划提供滚珠丝杠预测监测作为SHMS选项的一部分。事实上,工业人工智能中心已经收集数据,为滚珠丝杠开发预测磨损算法已有一段时间了。下一个目标是创建一种有效的SHMS技术,该技术将持续监控主轴健康状况并消除60秒测试的需要。桑德斯说,这种主动系统还能够检测刀具磨损并自动减少切削参数,以防止破损。 SHMS将于去年9月在国际制造技术展(IMTS)上展出,将于10月在其位于肯塔基州佛罗伦萨的总部举办的Discover活动中正式推出。