TWI407026B - 滾珠導螺桿預壓力失效診斷方法及其裝置 - Google Patents
滾珠導螺桿預壓力失效診斷方法及其裝置 Download PDFInfo
- Publication number
- TWI407026B TWI407026B TW99125644A TW99125644A TWI407026B TW I407026 B TWI407026 B TW I407026B TW 99125644 A TW99125644 A TW 99125644A TW 99125644 A TW99125644 A TW 99125644A TW I407026 B TWI407026 B TW I407026B
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- lead screw
- ball lead
- processing unit
- mode
- Prior art date
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
本發明是有關於一種滾珠導螺桿預壓力失效診斷方法及其裝置,特別是有關於一種利用希爾伯特黃轉換(HHT)產生多尺度熵(MSE)複雜度模式為診斷的方法及其裝置。
滾珠導螺桿為精密線性傳動與定位系統之重要元件,其裝配時零組件之間因幾何干涉而產生的接觸壓力(預壓力)有密切關係,為求達到高定位精度,一般方法有消除滾珠導螺桿的間隙到零,或提高滾珠導螺桿剛性以減低承受軸向負荷時的彈性變形量,此兩種方法均可藉由對滾珠導螺桿施加預壓來達成。通常的預壓方式有二種,(1)雙螺帽滾珠螺桿的預壓方式,即在兩個螺帽的中間放入預壓片施加預壓,恨據預壓力的大小選擇相對厚度的預壓片放入螺帽之間,施加預壓力,兩螺帽產生伸張負荷,形成伸張預壓力;(2)單螺帽滾珠導螺桿的預壓方式,即在滾珠溝槽內置入較溝槽空間稍大直徑的鋼珠,使滾珠與溝槽做四點接觸的預壓。過小的預壓力將喪失預壓的效果,而過大的預壓力,對壽命、散熱會帶來不良影響;一般而言,依據不同的設計,滾珠導螺桿最大預壓力定為動負荷的10%,中度預壓為6%~8%,輕度預壓為4%以下。
在使用一段時間後滾珠導螺桿因運動磨耗、剛性減低,或預壓力因各種因素也會降低,此將造成定位精度降低。為防止預壓力失效,在工廠上常以工作小時為計算,為免降低成品精度,超過設定工時的滾珠導螺桿則全面替換,此不符經濟效益;有許多設計被發展出,如台灣專利公開號TW200940852、TW201002963、美國專利公開號US20070068292等提出可調預壓力的機構,以延長滾珠導螺桿的使用壽命,但仍要停機後花費很多的時間校正。
為能檢測出滾珠導螺桿是否正常,日本專利公開號JP2004361247提出在滾珠導螺桿通以振盪的電壓,以偵測使用電壓差以偵測滾珠導螺桿是否損壞;美國專利公開號US20090171594揭露以位置的差異信號估測驅動力(driving force)、彈性變形(elastic deformation)等,與預設的數值(set threshold value)比較,藉以診斷機台是否損壞。
由於滾珠導螺桿的預壓力影響定位精度甚鉅,且滾珠導螺桿運動中是無法直接量測其機械尺寸,因此如何早期診斷滾珠導螺桿的預壓力失效,一直是相當重要的。然而,滾珠導螺桿運動所產生的訊號為非穩態訊號,在習知技術上若使用傅立葉轉換(Fourier transform)濾波,濾波後的結果仍無法據以分析。
對於非穩態訊號的處理,Ruqiang et al,在2006年IEEE Transactions on Instrumentation and Measurement,vol. 55,提出使用希爾伯特黃轉換(Hilbert-Huang Transform)於振動的機械健檢中,然而機械的振動或有其週期性,使用希爾伯特黃轉換可將振動的訊號轉換得到瞬時振幅及瞬時頻率之時頻函數,以呈現出不同類型訊號的能量分佈;然而滾珠導螺桿的運動所產生的訊號,其複雜程度遠高於振動的訊號,無法直接使用希爾伯特黃轉換以產生優質單純化訊號進以進行診斷。
有鑑於上述習知技藝之問題,本發明之主要目的之一就是在提供一種滾珠導螺桿預壓力失效診斷裝置,利用滾珠導螺桿運動時產生的訊號,經由該預壓力失效診斷裝置產生滾珠導螺桿預壓力訊號的一多尺度熵複雜度模式(Multiscale Entropy Complexity model),用以診斷滾珠導螺桿預壓力是否失效,提供給使用者對滾珠導螺桿進行監視,必要時可以調整預壓力或更換滾珠導螺桿,以維持加工精度及維護滾珠導螺桿的壽命。該預壓力失效診斷裝置包含:一感測單元、一訊號前處理單元、一訊號後處理單元、一特性萃取單元及一複雜度模式輸出單元。
該感測單元係裝設於滾珠導螺桿之機台設備上,可將滾珠導螺桿運動時因轉距變化所產生的訊號傳送至該訊號前處理單元,此訊號在本發明的實施例係以滾珠導螺桿發出聲音產生的聲紋訊號或驅動滾珠導螺桿轉動之馬達的電流訊號,但不以此為限。
該訊號前處理單元具有快速傅立葉轉換(Fast Fourier transform,FFT)濾波的功能,可將該訊號轉變並產生一優質單純化訊號(elegant and simple signal),並傳送至該訊號後處理單元。
該訊號後處理單元具有希爾伯特黃轉換(Hilbert-Huang Transform,HHT)功能,可將該優質單純化訊號轉換得到瞬時振幅及瞬時頻率之時頻函數,以呈現出該優質單純化訊號的能量分佈,形成一希爾伯特黃圖譜(Hilbert-Huang Spectrum,HHS),並傳送至該特性萃取單元。
該特性萃取單元具有多尺度熵(Multiscale Entropy,MSE)萃取功能,可將該希爾伯特黃圖譜(HHS)產生一多尺度熵複雜度模式,並傳送至該複雜度模式輸出單元。
該複雜度模式輸出單元可將該多尺度熵複雜度模式,以圖形或數據或其組合輸出;使用者可以比對原始的多尺度熵複雜度模式與現在的多尺度熵複雜度模式,由多尺度熵的變化進以瞭解現在的滾珠導螺桿預壓力與原始的滾珠導螺桿預壓力之差異,即可診斷滾珠導螺桿預壓力是否失效,及判斷是否需要調整滾珠導螺桿的預壓力或更換滾珠導螺桿。
根據本發明之另一目的,提出一種滾珠導螺桿預壓力失效診斷裝置,對於感測單元擷取的訊號,無法使用快速傅立葉轉換時,該訊號前處理單元具有經驗模態分解(Empirical Mode Decomposition,EMD)濾波的功能,可將該訊號濾去高頻雜訊而留下具有預壓失效特徵之低頻訊號,並產生一優質單純化訊號(elegant and simple signal),該優質單純化訊號為一時頻的內稟模態函數(time-varying intrinsic mode function,IMF),並傳送至該訊號後處理單元。
根據本發明之再一目的,提出一種滾珠導螺桿預壓力失效診斷裝置,其中該感測單元進一步包含一無線傳輸模組,該無線傳輸模組可將滾珠導螺桿運動時因轉距變化所產生的訊號,以無線傳輸方式傳送至該訊號前處理單元;如此可為中央監控的實施方式之一,在多台的機台設備上分別裝設具有無線傳輸模組之感測單元,各感測單元分別將訊號傳送至訊號前處理單元,由一個訊號前處理單元及其他單元可分別處理各感測單元所傳送的訊號,構成中央監控的實施方式。
本發明之另一個主要目的就是在提供一種滾珠導螺桿預壓力失效診斷方法,係利用滾珠導螺桿運動時產生的訊號,經由該預壓力失效診斷方法,導演產生滾珠導螺桿預壓力訊號的一多尺度熵複雜度模式,用以診斷滾珠導螺桿預壓力是否失效,提供給使用者對滾珠導螺桿進行監視,必要時可以調整預壓力或更換滾珠導螺桿,以維持加工精度及維護滾珠導螺桿的壽命的方法。該包含下列步驟:
S1:擷取滾珠導螺桿運動時所呈現的訊號,此訊號係來自於滾珠導螺桿運動時因轉距變化所產生,此訊號在本發明的實施例係以滾珠導螺桿發出聲音產生的聲紋訊號或滾珠導螺桿轉動的電流產生的電流訊號,但不以此為限。
S2:將該訊號經一訊號前處理,其中該訊號前處理可採用快速傅立葉轉換(FFT)濾波,或採用經驗模態分解(EMD)濾波,可將該訊號濾去高頻雜訊而留下具有預壓失效特徵之低頻訊號,以產生一優質單純化訊號;
S3:將該優質單純化訊號經一訊號後處理,其中該訊號後處理係採用希爾伯特黃轉換(HHT),以產生瞬時振幅及瞬時頻率的一時頻的內稟模態函數(IMF),該時頻的內稟模態函數構成該訊號的一希爾伯特黃圖譜(HHS);
S4:將訊號的該希爾伯特黃光譜經一特性萃取處理,其中該特性萃取處理係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式;
S5:輸出該訊號的該多尺度熵複雜度模式,使用者可以比對原始的多尺度熵複雜度模式與現在的多尺度熵複雜度模式,由多尺度熵(MSE)的複雜度變化進以瞭解現在的滾珠導螺桿預壓力與原始的滾珠導螺桿預壓力之差異,即可判斷是否需要調整滾珠導螺桿的預壓力或更換滾珠導螺桿。
承上所述,依本發明之滾珠導螺桿預壓力失效診斷方法及其裝置,其可具有一或多個下述優點:
(1) 在習知的技術或工廠,對於滾珠導螺桿的預壓力是否失效,無法直接有效的分析,經由本發明之滾珠導螺桿預壓力失效診斷方法及其裝置,可經由簡單快速比對原始的多尺度熵複雜度模式與現在的多尺度熵複雜度模式,則可以有效的判斷滾珠導螺桿預壓力是否失效,將予使用者極大的便利,且不必停機檢查,並可增進滾珠導螺桿的壽命。
(2) 本發明的具體實用上,可使用本發明之滾珠導螺桿預壓力失效診斷裝置之無線傳輸型的感測單元,將滾珠導螺桿的訊號以無線傳輸至遠端的前處理單元,進行分析與判斷,如此可形成遠端中央監控的功能,將予使用者更大的方便。
請參閱第1圖,其係為本發明之滾珠導螺桿預壓力失效診斷裝置之示意圖。圖中,預壓力失效診斷裝置1包含:一感測單元11、一訊號前處理單元12、一訊號後處理單元13、一特性萃取單元14及一複雜度模式輸出單元15。該感測單元11係裝設於滾珠導螺桿2之機台設備上,當滾珠導螺桿運動時因轉距變化所產生的聲音或電流訊號,傳送至訊號前處理單元12;訊號前處理單元12具有快速傅立葉轉換(FFT)濾波的功能或經驗模態分解(EMD)濾波的功能,可將該訊號轉變並產生一優質單純化訊號(elegant and simple signal),並傳送至該訊號後處理單元13;訊號後處理單元13具有希爾伯特黃轉換(HHT)功能,可將該優質單純化訊號產生一希爾伯特黃圖譜(HHS),並傳送至特性萃取單元14;特性萃取單元14具有多尺度熵(MSE)萃取功能,可將該希爾伯特黃光譜(HHS)產生一多尺度熵複雜度模式(characteristic model),並傳送至該複雜度模式輸出單元15。
請參閱第2圖,其係為本發明之滾珠導螺桿預壓力失效診斷方法之步驟說明圖,圖中步驟如下:
S1:利用感測單元11擷取滾珠導螺桿2運動時所呈現的訊號,此訊號係來自於滾珠導螺桿2運動時因轉距變化所產生;此訊號並不予以限制,在隨後說明的實施例中,第一實施例係以滾珠導螺桿轉動的電流為電流訊號、第二實施例係以滾珠導螺桿轉動發出的聲音為聲紋訊號。
S2:將該訊號經由訊號前處理單元12進行訊號前處理,其中該訊號前處理可採用快速傅立葉轉換(FFT),或採用經驗模態分解(EMD),濾去低頻而留下能量較大之高頻訊號,以產生一優質單純化訊號;詳細處理如下列步驟:S21:設定內稟模態函數的遞迴條件,該遞迴條件包含一內稟模態函數趨勢及一內稟模態函數常數;S22:將該訊號經一移位程序(shifting process),以產生一移位訊號(shifted signal);S23:將該訊號的該移位訊號經一內稟模態函數(intrinsic mode function)處理,以產生該訊號優質單純化訊號;S24:比對步驟S23產生的該優質單純化訊號是否滿足步驟S21所設定的該內稟模態函數趨勢及該內稟模態函數常數,若不滿足則將該優質單純化訊號回送至步驟S22再經一次移位程序;若滿足則將該優質單純化訊號送至下一步驟。
S3:將該優質單純化訊號由訊號後處理單元13進行訊號後處理,其中該訊號後處理係採用希爾伯特黃轉換(HHT),以產生瞬時振幅及瞬時頻率的一時頻的內稟模態函數(IMF),該時頻的內稟模態函數構成該訊號的一希爾伯特黃圖譜(HHS) 131(標示於第4圖及第8圖)。
S4:將該希爾伯特黃光譜(HHS)131由特性萃取處理單元14進行特性萃取處理,其中該特性萃取處理係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式。
S5:利用複雜度模式輸出單元15輸出該多尺度熵複雜度模式;使用者可以比對原始的多尺度熵複雜度模式與現在的多尺度熵複雜度模式,以判斷是否需要調整滾珠導螺桿2的預壓力或更換滾珠導螺桿2;例如,由供應商提供該滾珠導螺桿2在不同轉速下(例如隨後實施例的300rpm、1500rpm、3000rpm)的多尺度熵複雜度模式,或在滾珠導螺桿2裝設完成時,先進行不同轉速下(例如隨後實施例的300rpm、1500rpm、3000rpm)的多尺度熵複雜度模式;在滾珠導螺桿2使用一段時間後(或即時on-line)執行步驟S1至S4取得當時的多尺度熵複雜度模式,則可判斷滾珠導螺桿2的預壓力是否失效。
經驗模態分解(EMD)可以處理非線性及非平穩性的訊號資料,以解出內稟模態函數(Intrinsic Mode Functions,IMF),係為將原訊號拆解成複數個內稟模數函數(IMF),首先第一次經驗模態分解,先找出整段訊號的局部最大值與局部最小值(local maxima & minima),然後用三次仿樣線(cubic spline line)分別造出包絡線區間區間(envelope),再將每兩個包絡線區間區間取平均,即為第一個分量;依此類推,直到這個平均後的值趨近於水平線時,該訊號即為第一個內稟模數函數(IMF)分量;若內稟模數函數(IMF)尚未達到理想的濾波(最佳的模態),則可再進行經驗模態分解(EMD)之迴圈(iteration)。
感測單元11對滾珠導螺桿2擷取滾珠導螺桿2運動時所感測的訊號,該訊號係由實部(real part)與虛部(imaginary part)所構成;實部的狀態向量(state vector)表示符號為X
(q
)、虛部的狀態向量表示符號為Y
(q
),其中,q
表示為時間(time)與空間座標(spatial coordinate);若以複數平面表示該訊號軌跡(complex trace)符號為Z(q
),
Z(q
)=X(q)+iY(q) (1)
其中,X
(q
)為Z(q
)的實部、Y
(q
)為Z(q
)的虛部。
感測單元11擷取滾珠導螺桿2運動時所感測的訊號,其振幅部份X
(q
)使用訊號前處理來處理,如以快速傅立葉轉換(FFT)為訊號前處理,可以表示為:
如以經驗模態分解(EMD)為訊號前處理,可以表示為:
其中,c j
(q
)為經驗模態分解(EMD)分解後的模態(modes),為第一個模態至最後一個模態的數列,R n
為EMD分解後的殘值(residue);c j
(q
)包含了X
(q
)的趨勢(trend),此趨勢即為時頻平均(time-varying mean);如此可將振幅部份X
(q
)分解成n個經驗模態(empirical modes)及一個可以當為平均值趨勢(trend)的殘值R n
,當分析經驗模態分解(EMD)後的數據時,不需要任何平均值為參考基準,由局部極大值或局部極小值的位置,即可瞭解訊號的特性,因此,經驗模態分解(EMD)可以處理非線性及非穩態的資料。
X
(q
)的虛部Y
(q
),可採用許多型式表示,例如快速傅立葉轉換式(FFT)或希伯特轉換式(Hilbert transform)表示,當採用希伯特轉換式如下:
其中,PV表示奇異積分(singular integral)的主值(principal value)。
對於在q
的瞬時,共軛對(x
(q
),y
(q
))以複數表示為:
z
(q
)=α(q
)‧e i θ( q )
(5)
其中,α(q
)與θ(q
)分別表示在q
的瞬時的訊號軌跡z
(q
)的幅度(amplitude)與相位(phase),瞬時頻率ω(q
)為:
當對滾珠導螺桿2運動時所感測的訊號經過訊號前處理之EMD分解濾波後,即式(3),再以希爾伯特黃轉換(HHT)之訊號後處理進行處理,希爾伯特黃轉換(HHT)對每個內稟模數函數(IMF)處理,X
(q
)對於每個內稟模數函數(IMF)c j
(q
)可表示為:
其中,a j
(q
)為瞬時幅度(instantaneous amplitude)、w j
(q
)為頻率(frequency)。
內稟模數函數(IMF)表達了存在於訊號內部深層的振盪模態,每個內稟模數函數(IMF)只包含一個振盪模態,不會有複雜的載波,其瞬時頻率ω(q
)可以由式(6)獲得,因此使用內稟模數函數(IMF)可以容易分析訊號的特性。當內稟模數函數(IMF)以希爾伯特黃轉換(HHT)後,希爾伯特黃轉換(HHT)可以當成一個很長週期振盪的單調趨勢,而振幅及頻率可以清楚的分離,形成振幅-頻率-時間的立體分佈圖,即為希爾伯特黃圖譜(HHS,Hilbert-Huang Spectrum)。
多尺度熵(MSE)為複雜性定量法,用以檢驗多尺度下的取樣熵值;希爾伯特黃圖譜(HHS)經由特性萃取處理單元14進行特性萃取處理,得出粗粒化時間序列的取樣熵值會隨尺度(scale)變化。多尺度熵(MSE)的特性萃取如下:希爾伯特黃圖譜(HHS)為一時間序列,
X
={x 1
,x 2
,…,x i
,…,x L
} (8)
設定一尺度因子(scale factor)τ,建立取樣的時間序列為:
其中,1 j L
/τ,即每次取樣的時間序列長度為N
=L
/τ,當尺度因子為1時,即為原本的時間序列。當時間序列長度為N的時間序列為:
其中,若切取一組長度為m的時間序列,
在(j
)與(i
)之間距離小於γ的機率為:
其中,(γ)為任一時間(j
)與(i
)之間距離小於γ的機率。取樣熵(sample entropy)定義為:
因τ≠0,取樣熵可統計如下:
定義多尺度熵(MSE)為取樣熵在多個尺度下的集合,多尺度熵(MSE)可計算如下:
因此,多尺度熵(MSE)可用於描述時間序列在不同時間尺度上的複雜度;對於不同的滾珠導螺桿2的預壓力,可呈現出不同的複雜度(不同的多尺度熵複雜度模式)。若使用者比對原始的多尺度熵複雜度模式與現在的多尺度熵複雜度模式,則以判斷二者的差異,進行診斷滾珠導螺桿2是否失效。
<第一實施例>
如第4圖~第7圖為本發明之滾珠導螺桿預壓力失效診斷方法及其裝置之第一實施例的示意圖,在第4圖中,感測單元11在本實施例係以一電流感測傳送器111為實現,電流感測傳送器111裝設於滾珠導螺桿2的旋轉驅動馬達上(未於圖上顯示),可輸出滾珠導螺桿2的旋轉驅動馬達的馬達轉速(rpm)及馬達轉距電流(mA),分別為第5(a)圖的(A)線及(B)線,依時間變化,滾珠導螺桿2的旋轉驅動馬達定時或不定時以正向轉動(馬達轉速(rpm)及馬達轉距電流(mA)為正值)或以逆向轉動(馬達轉速(rpm)及馬達轉距電流(mA)為負值);第5(a)圖與第5(b)圖係以轉速為300rpm為繪圖,對於不同轉速亦可相同方式處理與繪圖。由於馬達轉距電流(mA)為非線性且為不穩定輸出,習知的技術難以對其進行分析,或者萃取其特性以進行比較。
電流感測傳送器111將馬達轉距電流(mA)訊號傳送至訊號前處理單元12,參閱第4圖電流感測傳送器111上方的小圖(即第5(a)圖),由訊號前處理單元12進行訊號前處理;在本實施例係採用經驗模態分解(EMD),將馬達轉距電流(mA)訊號進行經驗模態分解(EMD),處理結果如第5(b)圖顯示。由第5(b)圖,馬達轉距電流(mA)訊號經過前述的S21~S24步驟多次遞迴,由非線性且為不穩定的訊號經十次遞迴可處理成優質單純化訊號,分別為imf1~imf10及殘值的幅度與時間的變化圖;如在imf10顯示式(3)的EMD分解後隨時間變化的模態(modes)c j
(q
),及在res顯示式(3)的EMD分解後隨時間變化的殘值(residue)R n
。
該優質單純化訊號再由訊號後處理單元13進行訊號後處理,在本實施例係採用希爾伯特黃轉換(HHT),轉換處理後的訊號構成該訊號的希爾伯特黃圖譜(HHS) 131,希爾伯特黃圖譜(HHS) 131如第6圖;其中,由第6(a)圖顯示第5(b)圖之imf6經處理後的希爾伯特黃圖譜(HHS) 131、由第6(b)圖顯示第5(b)圖之imf7經處理後的希爾伯特黃圖譜(HHS) 131;該希爾伯特黃圖譜(HHS) 131也繪製於第4圖中以說明之;由第6圖可以以清楚辨別馬達轉距電流(mA)訊號的內稟模態函數。
在第7圖,馬達轉距電流(mA)訊號的希爾伯特黃圖譜(HHS) 131經由特性萃取處理單元14進行特性萃取處理,在本實施例係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式。滾珠導螺桿2在不同轉速下的多尺度熵複雜度模式如第7圖,第7(a)圖顯示在300rpm轉速下,滾珠導螺桿2的預壓力由6%降低至4%、2%之不同的多尺度熵複雜度模式,滾珠導螺桿2的預壓力6%為原始狀態,當滾珠導螺桿2的預壓力降至4%或2%時,滾珠導螺桿2的預壓力的失效由4%或2%多尺度熵複雜度模式可以明顯正確的診斷出來;同樣的第7(b)圖顯示在1500rpm轉速下,滾珠導螺桿2的預壓力由6%降低至4%、2%之不同的多尺度熵複雜度模式;第7(c)圖顯示在3000rpm轉速下,滾珠導螺桿2的預壓力由6%降低至4%、2%之不同的多尺度熵複雜度模式。
使用者在比對多尺度熵複雜度模式後,可以有效的診斷滾珠導螺桿2預壓力是否失效,此可予使用者極大的便利,且不必停機檢查,對於逐漸失效的滾珠導螺桿2可以立即維修,並可增進滾珠導螺桿的壽命。
<第二實施例>
如第8圖~第11圖為本發明之滾珠導螺桿預壓力失效診斷方法及其裝置之第二實施例的示意圖,在第8圖中,感測單元11在本實施例係以一聲音感測傳送器112為實現,聲音感測傳送器112包含一麥克風(未於圖上顯示)及一無線傳輸模組113,該麥克風裝設於滾珠導螺桿2的旋轉驅動馬達上,可輸出滾珠導螺桿2的旋轉驅動馬達的聲音(db),並轉變成電子型式的聲紋訊號;本實施例使用的麥克風可接收60HZ~20,000HZ頻率的聲音,在本實施例中,當轉速為300rpm時,滾珠導螺桿2與螺帽、螺桿溝槽部份相互撞擊而產生之聲音頻率訊號大約在300~600HZ之間,故以此為主要分析區域;在轉速為1500rpm時,聲音頻率訊號大約在100~2500HZ之間,則以此為主要分析區域;以上分析區域僅為說明,但不以此為限。
該聲紋訊號利用無線傳輸模組113以無線方式傳送至中央監控中心的訊號前處理單元12。聲紋訊號的幅度如第9圖,第9(a)圖為在滾珠導螺桿2以300rpm旋轉時,滾珠導螺桿2預壓力降為2%的聲紋訊號、第9(b)圖為在滾珠導螺桿2以300rpm旋轉時,滾珠導螺桿2預壓力原始的6%聲紋訊號。
無線傳輸模組113以無線方式將聲紋訊號傳送至訊號前處理單元12,參閱第8圖感測單元11左方的小圖(即第9圖),由訊號前處理單元12進行訊號前處理;在本實施例係採用經驗模態分解(EMD),將聲紋訊號進行經驗模態分解(EMD)成為優質單純化訊號;以轉速300rpm時,預壓力降至2%時的聲紋訊號,以經驗模態分解(EMD)成為優質單純化訊號,分別為imf1~imf10及殘值的幅度與時間的變化圖,如第10圖所示;處理方法與結果類似於第一實施例,不在此贅述。
該優質單純化訊號再由訊號後處理單元13進行訊號後處理,在本實施例亦係採用希爾伯特黃轉換(HHT),轉換處理後的訊號構成該訊號的希爾伯特黃圖譜(HHS) 131,例如第11圖,第11圖係顯示第10圖之imf5經處理後的希爾伯特黃圖譜(HHS) 131;時頻圖處理方法類似於第一實施例,不在此贅述。
聲紋訊號的希爾伯特黃圖譜(HHS) 131經由特性萃取處理單元14進行特性萃取處理,在本實施例亦係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式,並繪製於第8圖特性萃取處理單元14下方,以利於說明之,不同轉速下的多尺度熵複雜度模式詳如第12圖;第8圖特性萃取處理單元14下方只示意滾珠導螺桿2以300rpm旋轉時,滾珠導螺桿2預壓力由6%降為2%聲紋訊號的多尺度熵(MSE)複雜度增加的情形。
滾珠導螺桿2在不同轉速下的多尺度熵複雜度模式如第12(a)圖,第12(a)圖顯示在300rpm轉速下,滾珠導螺桿2的預壓力由6%(C線)降低至4%(B線)與2%(A線)之不同的多尺度熵複雜度模式,滾珠導螺桿2的預壓力6%為原始狀態,當滾珠導螺桿2的預壓力降至2%時,滾珠導螺桿2的預壓力的失效由2%多尺度熵複雜度模式可以明顯正確的診斷出來;同樣的第12(b)圖顯示在1500rpm轉速下,滾珠導螺桿2的預壓力由6%(C線)降低至4%(B線)與2%(A線)之不同的多尺度熵複雜度模式;第.12(C)圖顯示在3000rpm轉速下,滾珠導螺桿2的預壓力由(C線)降低至4%(B線)與2%(A線)之不同的多尺度熵複雜度模式。
本實施例為使用聲紋訊號的遠端監控實施例,在工廠各設備機台上裝設有一聲音感測傳送器112,利用聲音感測傳送器112的麥克風收取滾珠導螺桿2轉動時發出的聲紋訊號,以無線傳輸模組113傳送至遠端的訊號前處理單元12,因此中央監控室可以方便有效的診斷各滾珠導螺桿2預壓力是否失效,對於逐漸失效的滾珠導螺桿2可以立即維修,並可增進工廠作業效率。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
1...預壓力失效診斷裝置
11...感測單元
111...電流感測傳送器
112...聲音感測傳送器
113...無線傳輸模組
12...訊號前處理單元
13...訊號後處理單元
131...希爾伯特黃圖譜(HHS)
14...特性萃取單元
15...複雜度模式輸出單元
2...滾珠導螺桿
S1、S2、S3、S4、S5...方法步驟
以及
S21、S22、S23、S24...方法步驟
第1圖 係為本發明之滾珠導螺桿預壓力失效診斷裝置之示意圖;
第2圖 係為本發明之滾珠導螺桿預壓力失效診斷方法之步驟說明圖;
第3圖 係為其係為本發明之滾珠導螺桿預壓力失效診斷方法之經驗模態分解(EMD)訊號前處理步驟說明圖;
第4圖 係為其係為本發明之滾珠導螺桿預壓力失效診斷方法及其裝置第一實施例之示意圖;
第5圖 係為本發明之第一實施例之(a)訊號的變化圖;及(b)經驗模態分解(EMD)過程與結果的變化圖;
第6圖 係為本發明之第一實施例之(a)以imf6使用希爾伯特黃轉換(HHT)形成的希爾伯特黃圖譜(HHS);與(b)以imf7使用希爾伯特黃轉換(HHT)形成的希爾伯特黃圖譜(HHS);之比較圖;
第7圖 係為本發明之第一實施例滾珠導螺桿以(a)300rpm;(b)1500rpm;(c)3000rpm;相對於預壓力剩餘6%、4%及2%時的多尺度熵複雜度模式之比較圖;
第8圖 係為其係為本發明之滾珠導螺桿預壓力失效診斷方法及其裝置第二實施例之示意圖;
第9圖 係為本發明之第二實施例在滾珠導螺桿以300rpm之(a)預壓力剩餘2%時;及(b)預壓力剩餘4%的聲紋訊號音頻圖;
第10圖 係為本發明之第二實施例在滾珠導螺桿以300rpm之聲紋訊號以經驗模態分解(EMD)過程與結果的變化圖;
第11圖係為本發明之第二實施例在滾珠導螺桿以3000rpm之係以imf5使用希爾伯特黃轉換(HHT)形成的希爾伯特黃圖譜(HHS);以及
第12圖係為本發明之第二實施例滾珠導螺桿以(a)300rpm;(b)1500rpm;(c)3000rpm;相對於預壓力剩餘6%、4%及2%時的多尺度熵複雜度模式之比較圖。
1...預壓力失效診斷裝置
11...感測單元
12...訊號前處理單元
13...訊號後處理單元
14...特性萃取單元
15...複雜度模式輸出單元
以及
2...滾珠導螺桿
Claims (12)
- 一種預壓力失效診斷方法,係用於診斷滾珠導螺桿之預壓力狀況,包含下列步驟:S1:擷取滾珠導螺桿運動時所呈現的一訊號;S2’:將該訊號經一訊號前處理,其中該訊號前處理係採用快速傅立葉轉換(FFT)濾波,以產生一優質單純化訊號;S3:將該優質單純化訊號經一訊號後處理,其中該訊號後處理係採用希爾伯特黃轉換(HHT),以產生瞬時振幅及瞬時頻率的一時頻的內稟模態函數(IMF),該時頻的內稟模態函數(IMF)構成該訊號的一希爾伯特黃圖譜(HHS);S4:將該訊號的該希爾伯特黃光譜(HHS)經一特性萃取處理,其中該特性萃取處理係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式;S5:輸出該訊號的該多尺度熵複雜度模式,用以比對滾珠導螺桿預壓力正常時的多尺度熵複雜度模式,藉以診斷滾珠導螺桿預壓力是否失效。
- 如申請專利範圍第1項所述之預壓力失效診斷方法,其中步驟S1之該訊號,係擷取滾珠導螺桿運動時的因轉距變化所產生的電流變化之一電流訊號。
- 一種預壓力失效診斷方法,係用於診斷滾珠導螺桿之預壓力狀況,包含下列步驟:S1:擷取滾珠導螺桿運動時所呈現的一訊號;S2:將該訊號經一訊號前處理,其中該訊號前處理係採用經驗模態分解(EMD)濾波,以產生一優質單純化訊號,該優質單純化訊號為一時頻的內稟模態函數(IMF);S3:將該優質單純化訊號經一訊號後處理,其中該訊號後處理係採用希爾伯特黃轉換(HHT),以產生瞬時振幅及瞬時頻率的一時頻的內稟模態函數(IMF),該時頻的內稟模態函數構成該訊號的一希爾伯特黃圖譜(HHS);S4:將該訊號的該希爾伯特黃光譜(HHS)經一特性萃取處理,其中該特性萃取處理係使用多尺度熵(MSE)萃取,以產生該訊號的一多尺度熵複雜度模式;S5:輸出該訊號的該多尺度熵複雜度模式,用以比對滾珠導螺桿預壓力正常時的多尺度熵複雜度模式,藉以診斷滾珠導螺桿預壓力是否失效。
- 如申請專利範圍第3項所述之預壓力失效診斷方法,其中步驟S1之該訊號,係選自擷取滾珠導螺桿運動時的因轉距變化所產生的電流變化之一電流訊號或擷取滾珠導螺桿運動時的因轉距變化所產生的聲音變化之一聲紋訊號之一或其組合。
- 如申請專利範圍第3項所述之預壓力失效診斷方法,其中步驟S2之該訊號前處理採用經驗模態分解(EMD),進一步包含下列步驟:S21:設定一內稟模態函數的遞迴條件,該遞迴條件包含一內稟模態函數趨勢及一內稟模態函數常數;S22:將該訊號經一移位程序,以產生一移位訊號;S23:將該訊號的該移位訊號經一內稟模態函數處理,以產生該訊號之一優質單純化訊號;S24:比對步驟S23產生的該優質單純化訊號是否滿足步驟S21所設定的該內稟模態函數趨勢及該內稟模態函數常數,若不滿足則將該優質單純化訊號回送至步驟S22再經一次移位程序;若滿足則將該優質單純化訊號送至步驟S3。
- 一種預壓力失效診斷裝置,係用於產生滾珠導螺桿預壓力訊號的一多尺度熵複雜度模式,其包含:一感測單元、一訊號前處理單元、一訊號後處理單元、一特性萃取單元及一複雜度模式輸出單元;其中,該感測單元係與滾珠導螺桿連接,可將滾珠導螺桿運動時因轉距變化所產生的一訊號傳送至該訊號前處理單元;該訊號前處理單元具有快速傅立葉轉換(FFT)濾波的功能,可將該訊號轉變並產生一優質單純化訊號,並傳送至該訊號後處理單元;該訊號後處理單元具有希爾伯特黃轉換(HHT)功能,可將該優質單純化訊號產生一希爾伯特黃圖譜(HHS),並傳送至該特性萃取單元;該特性萃取單元具有多尺度熵(MSE)萃取功能,可將該希爾伯特黃光譜(HHS)產生一多尺度熵複雜度模式,並傳送至該複雜度模式輸出單元;該複雜度模式輸出單元可將該多尺度熵複雜度模式,以圖形或數據之一或其組合輸出。
- 如申請專利範圍第6項所述之預壓力失效診斷裝置,其中該感測單元係為一電流感測傳送器,可感測滾珠導螺桿運動時的一電流,並將該電流進行取樣以產生一電流訊號,並傳送至該訊號前處理單元。
- 如申請專利範圍第6項所述之預壓力失效診斷裝置,其中該感測單元進一步包含一無線傳輸模組,該無線傳輸模組可將滾珠導螺桿運動時因轉距變化所產生的訊號,以無線傳輸方式傳送至該訊號前處理單元。
- 一種預壓力失效診斷裝置,係用於產生滾珠導螺桿預壓力訊號的一多尺度熵複雜度模式,其包含:一感測單元、一訊號前處理單元、一訊號後處理單元、一特性萃取單元及一複雜度模式輸出單元;其中,該感測單元係與滾珠導螺桿連接,可將滾珠導螺桿運動時因轉距變化所產生的一訊號傳送至該訊號前處理單元;該訊號前處理單元具有經驗模態分解(EMD)濾波的功能,可將該訊號轉變並產生一優質單純化訊號,該優質單純化訊號為一時頻的內稟模態函數(IMF),並傳送至該訊號後處理單元;該訊號後處理單元具有希爾伯特黃(HHT)轉換功能,可將該優質單純化訊號產生一希爾伯特黃圖譜(HHS),並傳送至該特性萃取單元;該特性萃取單元具有多尺度熵(MSE)萃取功能,可將該希爾伯特黃光譜(HHS)產生一多尺度熵複雜度模式,並傳送至該複雜度模式輸出單元;該複雜度模式輸出單元可將該多尺度熵複雜度模式,以圖形或數據之一或其組合輸出。
- 如申請專利範圍第9項所述之預壓力失效診斷裝置,其中該感測單元係為一聲音感測傳送器,可感測滾珠導螺桿運動時發出的一聲音,並將該聲音進行取樣以產生一聲紋訊號,並傳送至該訊號前處理單元。
- 如申請專利範圍第9項所述之預壓力失效診斷裝置,其中該感測單元係為一電流感測傳送器,可感測滾珠導螺桿運動時的一電流,並將該電流進行取樣以產生一電流訊號,並傳送至該訊號前處理單元。
- 如申請專利範圍第9項所述之預壓力失效診斷裝置,其中該感測單元進一步包含一無線傳輸模組,該無線傳輸模組可將滾珠導螺桿運動時因轉距變化所產生的一訊號,以無線傳輸方式傳送至該訊號前處理單元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99125644A TWI407026B (zh) | 2010-07-30 | 2010-07-30 | 滾珠導螺桿預壓力失效診斷方法及其裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99125644A TWI407026B (zh) | 2010-07-30 | 2010-07-30 | 滾珠導螺桿預壓力失效診斷方法及其裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201204960A TW201204960A (en) | 2012-02-01 |
TWI407026B true TWI407026B (zh) | 2013-09-01 |
Family
ID=46761447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW99125644A TWI407026B (zh) | 2010-07-30 | 2010-07-30 | 滾珠導螺桿預壓力失效診斷方法及其裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI407026B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104776908A (zh) * | 2015-04-17 | 2015-07-15 | 南京理工大学 | 基于emd广义能量的轮轨振动信号故障特征提取方法 |
TWI504478B (zh) * | 2014-06-04 | 2015-10-21 | Hiwin Tech Corp | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method |
US10914368B2 (en) | 2018-07-20 | 2021-02-09 | Industrial Technology Research Institute | Ball screw with force sensor in radial direction |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI460416B (zh) * | 2011-03-28 | 2014-11-11 | Univ Nat Taiwan | 機械系統狀態之判斷方法及判斷裝置 |
CN102736561A (zh) * | 2012-07-10 | 2012-10-17 | 北京信息科技大学 | 一种面向机电装备的远程动态自适应规则获取方法 |
TWI482919B (zh) * | 2012-10-19 | 2015-05-01 | Nat Univ Chung Cheng | Method of Ball Screw Pre - pressure Detection |
TW201422946A (zh) | 2012-12-14 | 2014-06-16 | Nat Univ Chung Cheng | 可供即時監控預壓力之滾珠螺桿 |
US20140229125A1 (en) * | 2013-02-08 | 2014-08-14 | National Chung Cheng University | Method of detecting preload of ball screw |
US9464703B2 (en) | 2013-07-17 | 2016-10-11 | National Chung Cheng University | Ball screw capable of sensing preload |
CN107992804A (zh) * | 2017-11-16 | 2018-05-04 | 华北电力大学(保定) | 一种基于改进多尺度熵的变压器振动信号特征提取方法 |
CN108447503B (zh) * | 2018-01-23 | 2021-08-03 | 浙江大学山东工业技术研究院 | 基于Hilbert-Huang变换的电机异音检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05329750A (ja) * | 1992-05-29 | 1993-12-14 | Toshiba Corp | Nc穴明装置の工具折損検出方法とその装置 |
JPH09300176A (ja) * | 1996-05-20 | 1997-11-25 | Brother Ind Ltd | 切削加工装置およびその異常検出方法 |
JPH10146740A (ja) * | 1996-11-14 | 1998-06-02 | Brother Ind Ltd | 工具異常検出装置 |
JPH10286743A (ja) * | 1997-04-10 | 1998-10-27 | Brother Ind Ltd | 工作機械の工具異常検出装置及び工作機械の工具異常検出用プログラムを記録した記録媒体 |
JP2002028836A (ja) * | 2000-07-14 | 2002-01-29 | Aska Trading Kk | ボールネジ測長装置 |
-
2010
- 2010-07-30 TW TW99125644A patent/TWI407026B/zh not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05329750A (ja) * | 1992-05-29 | 1993-12-14 | Toshiba Corp | Nc穴明装置の工具折損検出方法とその装置 |
JPH09300176A (ja) * | 1996-05-20 | 1997-11-25 | Brother Ind Ltd | 切削加工装置およびその異常検出方法 |
JPH10146740A (ja) * | 1996-11-14 | 1998-06-02 | Brother Ind Ltd | 工具異常検出装置 |
JPH10286743A (ja) * | 1997-04-10 | 1998-10-27 | Brother Ind Ltd | 工作機械の工具異常検出装置及び工作機械の工具異常検出用プログラムを記録した記録媒体 |
JP2002028836A (ja) * | 2000-07-14 | 2002-01-29 | Aska Trading Kk | ボールネジ測長装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI504478B (zh) * | 2014-06-04 | 2015-10-21 | Hiwin Tech Corp | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method |
CN104776908A (zh) * | 2015-04-17 | 2015-07-15 | 南京理工大学 | 基于emd广义能量的轮轨振动信号故障特征提取方法 |
US10914368B2 (en) | 2018-07-20 | 2021-02-09 | Industrial Technology Research Institute | Ball screw with force sensor in radial direction |
Also Published As
Publication number | Publication date |
---|---|
TW201204960A (en) | 2012-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI407026B (zh) | 滾珠導螺桿預壓力失效診斷方法及其裝置 | |
Jiang et al. | Bearing fault classification based on convolutional neural network in noise environment | |
Cheng et al. | Adaptive multipoint optimal minimum entropy deconvolution adjusted and application to fault diagnosis of rolling element bearings | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
MX2014014577A (es) | Metodos y aparatos para el diagnostico de defectos en un sistema mecanico. | |
CN106053074B (zh) | 一种基于stft和转动惯量熵的滚动轴承声音信号故障特征提取方法 | |
TWI465707B (zh) | 利用振動訊號、聲紋訊號診斷滾珠導螺桿預壓力失調之量測系統及其方法 | |
Yun et al. | Development of internal sound sensor using stethoscope and its applications for machine monitoring | |
CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
Attoui et al. | Novel machinery monitoring strategy based on time–frequency domain similarity measurement with limited labeled data | |
CN105334052A (zh) | 一种主减速器总成质量检测方法 | |
Li et al. | Mobile robot motor bearing fault detection and classification on discrete wavelet transform and LSTM network | |
CN111413925A (zh) | 一种基于声音信号的机床故障预测方法 | |
CN101770218B (zh) | 一种数控机床状态监测方法和装置 | |
Jain et al. | A review on vibration signal analysis techniques used for detection of rolling element bearing defects | |
Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
TW201925648A (zh) | 滾珠傳動組件預壓力診斷方法 | |
Yu et al. | Rolling bearing fault feature extraction and diagnosis method based on MODWPT and DBN | |
CN109165396A (zh) | 一种故障演化趋势的设备剩余使用寿命预测方法 | |
Tse et al. | Enhanced eigenvector algorithm for recovering multiple sources of vibration signals in machine fault diagnosis | |
TW201633025A (zh) | 工具機主軸故障形式的診斷方法及其系統 | |
CN113950615A (zh) | 驱动音诊断***、驱动音诊断方法及驱动音诊断***的机器学习装置 | |
Heyns et al. | Rotating machine diagnosis using smart feature selection under non-stationary operating conditions | |
CN113758708B (zh) | 一种基于l1范数与组范数约束的滚动轴承信号的频域故障诊断方法 | |
CN110320018B (zh) | 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |