基于多信息源机床主轴轴承故障诊断研究

基于多信息源机床主轴轴承故障诊断研究*

彭秋阳1，程振涛1，薛

建1，郭伟科2

（1.广州市昊志机电股份有限公司，广东广州

511356；2.广东省智能制造研究所，广东广州

510070）

摘要：主轴轴承作为机床关键零部件，当前对其的剥落或变形故障研究较成熟，而对打滑烧伤关注较少，传统诊断方式由于后者的故障特

征信号微弱而诊断效果不理想。近年部分研究者尝试引入深度学习以自动的高效的挖掘深层特征，对提升机床主轴轴承故障诊断精度的帮助有限。为改善诊断精度，通过检测不同转速下的振动及主轴磨合过程温升曲线趋势，增加了主轴轴承的故障信息量，结合深度学习，在机床主轴轴承故障诊断上取得了一定效果，为主轴轴承故障诊断提供了指导。关键词：机床主轴轴承；故障诊断；多信息源中图分类号：TH133.2

文献标识码：A

文章编号：1009－9492(2019)08－0004－05

Research on Fault Diagnosis of Main Bearing Based on Multiple

Information Sources

PENG Qiu-yang 1，CHENG Zhen-tao 1，XUE Jian 1，GUO Wei-ke 2

（1.Guangzhou Haozhi Industrial Co.，Ltd.，Guangzhou 511356，China ；2.Guangdong Institute of Intelligent Manufacturing ，Guangzhou 510070，China ）

Abstract:As the key parts of machine tools ，spindle bearings have been well studied for their spalling or deformation faults ，but little attention has

been paid to slip burns.Traditional diagnosis methods are not ideal because of the weak fault characteristic signals.In recent years ，some researchers have tried to introduce in-depth learning to automatically and efficiently mine deep features ，which has limited help to improve the accuracy of machine tool spindle bearing fault diagnosis.In order to improve the diagnostic accuracy ，the fault information of spindle bearings was increased by detecting the vibration at different rotating speeds and the trend of temperature rise curve in spindle running-in bining with deep learning ，some results were achieved in the fault diagnosis of spindle bearings of machine tools ，which provided guidance for the fault diagnosis of spindle bearings.

Key words:machine tool spindle bearings ；fault diagnosis ；multiple information sources

DOI:10.3969/j.issn.1009-9492.2019.08.002

*2017年度国家重大研发计划项目（编号：2017YFF0107500）；广东省科技计划项目（编号：2015B010136005、2016B090918121、

2018A050506057）；广州市科技计划项目（编号：201807010023）收稿日期：2019－05－

310引言

主轴轴承作为机床关键零件，其性能直接影响机床的加工精度及可靠性。通过对公司返修主轴的统计，轴承故障为主轴故障的主要因素，因此对主轴轴承进行及时准确的故障诊断，有助于降低机床运行和维护成本，减少机床故障发生频率。对于机床主轴轴承，主要从主轴磨合后出厂检验环节及主轴使用过程两个环节进行轴承故障诊断。

目前业界对高速轴承内外圈剥落及变形产生的故障研究较多[1]，其振动特征信号与故障模型联系相对紧密[2]，通过振动信号的FFT 即可得到确认，但对于轴承打滑烧伤，特别是高转速高加速的机床主轴轴承的打滑烧伤研究较少，常用模型假设球进出承载区时打滑激发圈体共振[3]，对烧伤程度相对轻的样本无法有效辨别。作为主轴生产商，公司希望找出优良品发货而对有隐患的样本进行返修，对异常的灵敏度要求高，对故障类型区分度的要求较低，常用模型限制了工程应用场景。

1机床主轴及其轴承

通过对DGZX-10036型电主轴研究，电主轴如图1所示，其主要包括主轴系统、电机定转子、轴承、冷却水道、编码器及气缸等。此款产品为高速铣削电主轴，主要

应用于雕铣机及加工中心，专门针对各类金属、非金属高精度铣削加工而精心设计，适用于金属（铝及其合金、铜等材料）、非金属（陶瓷、石墨、亚克力、玻璃等材料）的表面高精度加工，产品性能参数如表1所示；轴承为德国舍弗勒FAG 角接触球轴承HCS7007-C-T-P4S ，结构如图2所示，性能参数如表2所示。

图1DGAX-10036型电主轴Fig.1DGAX-10036spindle

图2HCS7007-C-T-P4S 型轴承

Fig2HCS7007-C-T-P4S

bearing

表1

电主轴性能参数

·

·4

本文来源：https://www.bwwdw.com/article/b1em.html