張（zhāng）歡¹　張新宇²　黃海鳳³

（1.成都工業學院機電工程（chéng）係；2.中國鐵道科學研究院機車車輛（liàng）研究所；3.西南（nán）交通大（dà）學（xué）機械工程學院）

　　摘　要（yào）：機床主軸（zhóu）故（gù）障會降低機床加（jiā）工精度和加工效率，為（wéi）製定合理的（de）維修計（jì）劃和主動維護方案，本文提出了基於BP神經網絡的主軸故障預測方法，采用BP神經網絡建（jiàn）立主軸故障預（yù）測模型，根據振動信號、電流信號和轉速信（xìn）號預測主軸的故障及故障類（lèi）型，為製定主軸的維修計劃和維護方案（àn）提供重要依據。

　　關鍵詞（cí）：BP神經網絡；故障；預（yù）測；主軸

　　本文通過BP神經網絡建（jiàn）立機床主軸係統的故障預（yù）測係統，在線采集機床主軸的電流信號和振動信（xìn）號，並對電流信號和（hé）振動信號進（jìn）行處理，預測機床主軸的故障，為機床主軸的性能評估（gū）和加工（gōng）狀態評估提供參（cān）考。

　　1　BP神經（jīng）網絡

　　BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，能學習和存貯大量的輸入-輸出模式映射關係。其拓撲結構（gòu）如圖1所示（shì）。圖1所示的x1，x2，…，xn為輸入量，y1，y2，…，ym為輸出量，ωih為輸出層至隱含層的權值，ωhj為隱含層至輸出（chū）層的權值。

 

　　隱含（hán）層中隱節點輸出模型（xíng）為：

　　

　　輸出層中輸出節點的輸出模型為：

　　

　　其中，f――非線形作用函數；q――神經單元閾值（zhí）。

　　神經網絡的基函數是反映下層輸入對上層節點刺激脈衝強度的函數，BP神經網絡的基函數為Sigmoid函數（shù），變量取值在（zài）（0，1）區（qū）間內。

　　Sigmoid函數的函數形式為：

　　

　　BP神經網絡（luò）可以實現機床主軸係統的主動維護（hù）和智能維修，提高機床主軸係統的加工效率（lǜ）和加工精度。

　　2　數據采集及信號處理

　　由（yóu）於主軸係統故障時（shí），主軸係統通常發生振動異常。因此，在主軸、齒輪箱及軸承上安裝（zhuāng）三向振動傳感器，檢測主軸係統不同位置的（de）振動信號可評（píng）判主軸係統的故障形（xíng）式，其采樣頻（pín）率為25k。另外，由於主（zhǔ）軸電機的電流（liú）信號也是反應主軸（zhóu）故（gù）障的重要信號之（zhī）一，故采用三相電流傳感器（qì）檢測主（zhǔ）軸驅動電機的電流信號，進而（ér）評判主軸電機的負載力矩（jǔ）的動態特性。三相電流傳感器（qì）的采樣頻率設置為10k。以（yǐ）主軸振動信號為例，當主軸（zhóu）轉速800r/min時（shí），將主軸齒（chǐ）輪箱位置的故障振（zhèn）動信號和正常振動信號進行特征提取，其特征值見表1所示，將振動（dòng）信號的特征值作為主軸係統故障預測模型的第三類輸入量（liàng），即振動信號特（tè）征值。

　　3　故障預測模型

　　本（běn）文采用（yòng）BP神經網（wǎng）絡作為（wéi）機（jī）床主軸係統故障（zhàng）預測模型的計算方法，以電流信號、振動信（xìn）號和轉速信號的特征值為輸入量，主軸係統是否故障以及故障程度（dù）作為輸出量，故障（zhàng）預測模（mó）型如圖2所示。根（gēn）據機床主軸係統電流信號、振（zhèn）動信號和轉速信號特點建立故障預測模型的算法，圖3為算（suàn）法流程圖（tú）。將主軸係統的振動信號、轉速（sù）信號和電流信（xìn）號分為40組，其（qí）中故障信號20組，正常信號（hào）20組。將（jiāng）正常（cháng）信（xìn）號和故（gù）障信號中的各10組作為機床主軸係統預測模型的訓練樣本，訓練BP神（shén）經網絡的權值，其餘樣本作為機床主（zhǔ）軸係（xì）統預測模（mó）型的驗（yàn）證樣本。

　　定義預測模型輸出值（zhí）如下：預測輸出值在[0，1]區間內代表主軸係統正常；預測輸（shū）出值在（zài）[9，10]區間內代表主軸係統嚴重故障；預測結果在（1，9）區間內代（dài）表主軸係統是否故障無（wú）法判斷，及預測結果（guǒ）不準確。

　　將20組驗（yàn）證樣本（正常數據和故障（zhàng）數據（jù）各10組）作為訓練後的預測模型的輸入，驗證預測模型輸出結果的準確率，預測結果如圖4所示。

　　4　結論

　　本文首先建立了主軸係統的（de）故障預測模型（xíng），完成了機床主軸（zhóu）係統預測模（mó）型的計算流程設計。然後通過驗證樣本（běn）對機床主軸（zhóu）係統預測模型進（jìn）行驗證，其預測精度較（jiào）高，預（yù）測結果對製定機床主軸係統的主動（dòng）維護和維修計劃具有重要的指導意義。

　　參考文（wén）獻：

　　[1]張珂，佟俊，吳玉厚，等.陶瓷軸承電主軸（zhóu）的模態（tài）分析及其動態性能實驗[J].沈陽（yáng）建築大學學報，2008，24（3）：490-493.

　　[2]楊貴（guì）傑，秦冬冬.高速電主軸的關鍵技術（shù）及發展趨（qū）勢（shì）[J].伺（sì）服控製，2012，2：32-36.

　　[3]謝小正.數控機床主（zhǔ）軸組件（jiàn）故障的知（zhī）識發現研究[D].蘭州理工大學，2013.