(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211087850.0 (22)申请日 2022.09.07 (71)申请人 西安工业大 学 地址 710032 陕西省西安市金花北路4 号 (72)发明人 牟黎明　李丽娟　闫莉　于广伟　 高晓兵　李雨菲　 (74)专利代理 机构 长春吉大专利代理有限责任 公司 22201 专利代理师 王淑秋　朱世林 (51)Int.Cl. G06K 9/00(2022.01) G06Q 10/00(2012.01) (54)发明名称 一种数控机床组件剩余寿 命预测方法 (57)摘要 本发明涉及一种数控机床组件剩余寿命预 测方法， 包括： 1、 确定组件状态监测数据类型及 监测部位， 搭建组件状态监测平台， 实时采集数 控机床组件运行状态信息； 2、 对监测 信号进行消 除趋势项、 降噪、 特征提取以及PCA降维处理； 3、 根据数控机床组件状态监测信息， 考虑机床运行 工况， 以主成分分析法降维后得到的新特征作为 内部协变量， 将运行载荷及速度作为外部协变 量， 建立一种充分考虑机床运行状态信息威布尔 回归模型； 4、 基于威布尔回归模型， 开展机床组 件剩余寿命 预测； 本发明综合考虑机床加工过程 中组件外部工况运行条件和内部振动特征， 提高 剩余寿命预测精度， 准确预测剩余寿命， 对于降 低停机损失， 提高生产效率， 增加经济收益意义 显著。 权利要求书5页 说明书13页 附图10页 CN 115409067 A 2022.11.29 CN 115409067 A 1.一种数控机床组件剩余寿命预测方法， 包括下述 步骤： 步骤一、 确定机床组件状态监测数据类型及监测部位， 通过搭建组件状态监测平台， 实 时采集数控机床组件运行状态信息； 步骤二、 对获得的组件状态监测信号进行消除趋势项、 降噪、 特征提取以及主成分分析 降维处理， 获取信号特 征； 步骤三、 根据数控机床组件状态监测信 息， 考虑机床的运行工况， 以主成分分析降维后 得到的信号特征作为内部协变量， 将运行载荷及速度作为外部协变量， 建立一种考虑机床 运行状态信息的机床组件威布尔回归 模型； 步骤四、 基于威布尔回归 模型的数控机床组件剩余寿命预测。 2.根据权利要求1所述的数控机床组件剩余寿命预测方法， 其特 征在于： 所述的步骤一中实时采集数控机床组件运行状态信息， 具体方法如下： (1)选择机床组件状态监测数据类型； 选取能够全面反映机床组件状态变化的信号进行监测； (2)选择机床组件状态监测部位； 监测部位的选择不能影响机床正常的生产加工， 并且易于传感器的安装； (3)选择传感器； 对于高速旋转类组件， 采用非接触 式位移传感器监测回转精度误差， 对于导轨、 刀具这 类组件使用加速度传感器采集振动信号； (4)搭建机床组件状态监测平台； 搭建数控机床组件状态监测平台， 主要包括被监测组件、 传感器、 数据采集仪及信号分 析平台、 连接线以及PC端； (5)获取机床组件状态监测信息； 制定组件状态监测试验方案， 基于搭建的机床组件状态监测平台， 得到组件不同工况 情形下的信号， 并将信号测试分析系统采集到的信号， 传输到信号分析平台， 获取组件监测 信息。 3.根据权利要求1所述的数控机床组件剩余寿命预测方法， 其特 征在于： 所述组件状态监测信号进行消除趋势项处 理， 具体是指： 当出现原始特征信号在基线附近上下偏移并且偏移的程度随时间变化的现象时， 需要 根据采集到的信号特点， 选择相应的趋势项消除方法， 获取消除趋势项后的信号； 所述组件状态监测信号进行降噪处 理， 具体是指： 应用小波阈值降噪法对消除趋势项后的信号进行降噪处 理； 对于传感器采集到的数控机床组件任意一段输出信号ω(t)， 且该信号中含有噪声信 号， 则有： ω(t)＝s(t)+σ(t) ……………………………………(1) 式中， t为时间， s(t)为目标信号， 或者是 能够反映数控机床组件运行状态的有用信号； σ(t)则为噪声信号； 对于任意信号ω(t)， 利用式(2)， 得到它的连续小 波变换Wf( ξ, δ )； 权　利　要　求　书 1/5 页 2 CN 115409067 A 2式中， ψξ, δ(t)为小波基函数； 为 ψξ, δ(t)的共轭， 利用式(3)得到 ψξ, δ(t)的取值； 式中， ξ表示伸缩尺度参数， δ表示平 移尺度参数， 且有 ξ, δ∈R, ξ ≠ 0； 对式(2)、 (3)进行小波变换离散化处理， 取离散值ξ＝2m, δ＝2mn； m和n为自然数； 利用式 (4)得到任意信号的离 散小波变换公式； 式中， Wf′(m,n)即为ω(t)的离 散小波变换； 根据机床组件信号规律， 选择相应的小波基对组件原始信号进行小波分解降噪， 进而 得到降噪后的信号； 所述组件状态监测信号进行 特征提取， 具体是指： 对采集到的不同工况下的组件状态监测信号展开分析， 根据组件状态监测信号特点， 提取组件状态监测信号时域和频域特 征。 4.根据权利要求3所述的数控机床组件剩余寿命预测方法， 其特 征在于： 所述提取组件状态监测信号时域特 征， 具体内容包括： 数控机床组件状态监测信号的时域分析是基于时域幅值波形展开， 机床加工运行过程 中， 不同工况情形下， 组件信号各时域特征存在差异， 各时域特征对不同工况 的响应不同， 利用式(5) ‑(8)提取时域特 征： 有效值Xrms、 峰峰值Xv、 偏度Xα和峭度XK； Xv＝max(xi)‑min(xi)……………………………(6) 式中， N为采样点数(1≤i≤N)， xi为一离散信号。 5.根据权利要求3所述的数控机床组件剩余寿命预测方法， 其特 征在于： 所述提取组件状态监测信号频域特 征， 具体内容包括： 应用傅里叶变换将监测到的组件时域信号转换成频域信号， 进而实现组件监测信号频 域特征提取， 利用式(9) ‑(11)提取频域特征： 重心频率XFC、 频率均方根XRMSF、 频率标准差 XRVF； 权　利　要　求　书 2/5 页 3 CN 115409067 A 3