基于CGA-SVR的电主轴磨损故障诊断方法研究

电主轴是数控机床的一个重要功能部件,其优劣直接影响着工件质量,对电主轴进行故障诊断可以提高可靠性、降低生产成本。因此采用混沌遗传算法(CGA)优化的支持向量机回归模型(SVR)进行电主轴故障诊断。此方法利用主成分分析(PCA)对电主轴磨损故障振动信号的时、频域特征向量进行降维,将降维后的特征向量输入到经过CGA参数优化的SVR模型中并进行训练和测试。结果表明,使用该模型对电主轴进行故障诊断,其训练和测试的准确率分别达到了99.272%和95.249%,可以实现对电主轴磨损故障进行准确诊断。

基于新的时域三点法的机床主轴回转误差研究

为了获得主轴的回转误差,提高误差分离的准确性。在现有的三点法误差分离研究的基础上,采用了一种不需要进行傅里叶变换,通过求解一系列线性方程组便可以求解出回转误差的算法——新的时域三点法误差分离。该方法可以优先分离圆度误差、优先分离主轴回转误差或同步分离主轴回转误差和圆度误差。通过实验验证,将结果与美国Lion Precision主轴回转误差分析仪的实验结果进行比较,验证了该方法可以对主轴回转误差有效、精确分离。