CC BY
304
Volkov Aleksandr Vladimirovich, candidate of technical sciences, docent, [email protected], Russia, Kaluga, Moscow State Technical University named after N.E. Bauman (Kaluga Branch)
УДК 621.9
О ДИАГНОСТИКЕ ТЕХНИЧЕСКОГО СОСТОЯНИЯ УЗЛОВ МЕТАЛЛОРЕЖУЩИХ СТАНКОВ
Г.В. Шадский, О. А. Ерзин, С.В. Рожков
Потери от внезапного выхода из строя ответственных элементов станочного оборудования дорого обходятся как бюджету предприятия, так и его имиджу. Поэтому основной задачей технических служб является обеспечение заданного уровня надежности металлорежущих станков путем выявления неисправностей на ранних стадиях возникновения, отслеживания динамики развития неисправностей, определения и планирования рациональных сроков проведения ремонтов. В данной статье рассмотрены наиболее эффективные оперативные методы диагностики технического состояния узлов металлорежущих станков.
Ключевые слова: диагностика, металлорежущее оборудование, вибрационный метод, спектральный анализ, модули векторов Парка тока и напряжения, искусственные нейронные сети.
Развитие машиностроения и автоматизация производства связаны с непрерывным повышением требований к точности оборудования и его эксплуатационной надежности.
Одной из значимых статей затрат в технологических комплексах (ТК) промышленных предприятий являются затраты на техническое обслуживание и ремонт (ТОиР) станочного оборудования. По оценкам специалистов они доходят до 7...8 % от совокупных затрат на производство [1]. Качество выполнения ТОиР во многом определяет безотказность работы станочного оборудования, а следовательно, и уровень ущерба от внеплановых его остановок.
В настоящее время в основу ТОиР положена система планово предупредительного ремонта (ППР), которая подразумевает обслуживание оборудования в соответствии с рекомендациями завода-изготовителя через определенные промежутки времени, независимо от его технического состояния, что не позволяет избежать отказов и аварий, приводящих к боль-тттим негативным последствиям. Это естественно, так как в процессе эксплуатации станочного оборудования не контролируется фактическое техническое состояние его элементов и не прогнозируется динамика их изменения.
Таким образом, одним из прогрессивных способов повышения
уровня эксплуатационной надежности металлорежущих станков является диагностика фактического состояния их узлов и соответствующая организация ТОиР, которая позволяет:
- повысить надежность работы оборудования, уменьшить число внезапных отказов и аварийных ситуаций;
- сократить количество и объемы ремонтов, а также сократить количество необходимых запасных частей и материалов из-за проведения обслуживания на ранних стадиях развития дефектов;
- сократить упущенную прибыль из-за простоев.
Для осуществления ремонта по фактическому состоянию оборудования необходима его детальная диагностика с целью определения реального технического состояния, что позволяет наилучшим образом планировать время и объем его ремонта или обслуживания. При работе любого оборудования происходит износ его частей с последующим выходом их из строя. Любой износ или развитие дефекта характеризуется изменениями некоторых параметров, которые и необходимо обнаруживать и контролировать. Для этого преимущественно применяются методы безразборной диагностики, которые позволяют производить диагностику станочного оборудования во время его работы. К наиболее эффективным относятся следующие методы.
1. Вибрационный метод [1].
Диагностика производится при помощи датчика фиксирования вибраций (акселерометра), накопителя-преобразователя сигнала (виброанализатора) и программы расшифровки полученных данных. В процессе испытания производится фиксирование виброакустических сигналов с определенных точек станка, преобразование и трансляция их в программу для расшифровки данных. Точки для фиксирования диагностического сигнала выбираются как можно ближе к точкам возникновения колебательных сил и местам их передачи на неподвижные узлы диагностируемых машин (наиболее подверженных вибрации частей станка).
Недостатками этого метода является то, что он не обеспечивает дистанционного диагностирования, низкая точность диагностики, а также сложность необходимых измерений и ограниченность видов диагностируемых неисправностей.
2. Метод спектрального анализа тока потребляемого электроприводами станочного оборудования [2].
Преимущество этого метода перед вибрационным заключается в том, что проведение мониторинга тока приводов станков в отличие от вибродиагностики может быть выполнено как непосредственно на клеммной коробке электродвигателя (без какого-либо нарушения режима его работы), так и в электрощите питания (управления).
Физический принцип, положенный в основу этого метода, заключается в том, что любые возмущения в работе узлов металлорежущих стан-
ков приводят к изменениям магнитного потока в зазоре электрической машины и, следовательно, к слабой модуляции потребляемого электродвигателем тока. Соответственно наличие в спектре тока двигателя характерных (и несовпадающих) частот определенной величины свидетельствует о наличии повреждений каких-либо элементов станочного оборудования.
При данном методе диагностика узлов металлорежущих станков производится следующим образом: в течение заданного интервала времени производится запись значений фазного тока, потребляемого электродвигателем привода главного движения, привода подач и т. п., датчиком тока с линейной амплитудно-частотной характеристикой выделяют анализируемые характерные частоты с помощью фильтра низких частот, преобразуют полученный сигнал из аналоговой в цифровую форму, а затем производят спектральный анализ полученного сигнала и сравнивают значения амплитуд на характерных частотах с уровнем сигнала на частоте питающей сети.
Недостатками данного метода являются повышенная трудоемкость и сложность оценки результатов, поскольку любая модулируемая частота f учитывается в спектре дважды - по обе стороны питающего напряжения ^, т.е. в виде ^-Г и в виде чем обусловлена недостаточная точность диагностирования и отсутствие возможности увеличения числа анализируемых гармоник частоты £
3. Метод спектрального анализа модулей векторов Парка тока, потребляемого электроприводами станочного оборудования, и модулей векторов Парка напряжения, питающего эти электроприводы [3].
Данный метод основан на спектр-токовом анализе - процедуре записи сигналов потребляемого тока и их последующего специального спектрального анализа в спектрах модуля вектора Парка тока (Р1) и напряжения (Ри) для определения наличия электрических и механических неисправностей с учетом качества приложенного к электродвигателю напряжения.
Возможность получения технического результата основана на том, что наличие электрических и механических неисправностей в узлах металлорежущих станков приводит к изменениям магнитного потока (амплитудной модуляции) в воздушном зазоре электрической машины (которая приводит в движение эти узлы), что дает возможность выявить гармоники тока, характерные для неисправностей элементов станочного оборудования. Питающее напряжение не является идеально синусоидальным, поэтому в получаемых спектрах Р1 и РИ присутствуют гармоники, обусловленные качеством питающего напряжения, но неисправности элементов узлов металлорежущих станков вызывают соответствующие гармоники только в спектре тока. Любая модулируемая амплитудной модуляцией характерная частота f учитывается в спектре вектора Парка только один раз.
Гармоники в спектре Р1, соответствующие различным видам неисправностей, отличаются друг от друга. Поэтому обнаружение в спектре Р1 характерных гармоник позволяет однозначно идентифицировать неисправности тех или иных элементов станочного оборудования. Необходимые измерения выполняются на работающем оборудовании (не требуется его отключение). Проведение измерений возможно как непосредственно на электродвигателе, так и в электрощите его питания.
Регулярное проведение измерений (мониторинг) оборудования позволяет выявлять неисправности на ранней стадии возникновения, отслеживать динамику их развития, определять остаточный ресурс оборудования и планировать рациональные сроки проведения ремонтов.
Недостатком данного метода является появление ложных гармоник сигнала при различных помехах электрической сети, что приводит к неверным результатам диагностики. В дополнение к этому неизвестно каким будет график спектрального анализа тока при нестабильном напряжении в сети.
4. Метод диагностики приводов станочного оборудования на основе использования искусственных нейронных сетей [4].
Этот метод базируется на использовании программно-аппаратного комплекса, состоящего из компьютера и цифрового устройства-посредника, производящего необходимые измерения и передающего их в компьютер. В качестве измеряемых электрических величин могут быть потребляемый ток, потребляемая мощность и т. д. Программа, выполняемая на компьютере, должна определенным образом обработать входную информацию и определить наиболее вероятный вид повреждения какого-либо элемента станочного оборудования и сделать заключение об его исправности. Этот метод наиболее эффективен, так как позволяет хранить на компьютере большие базы данных с информацией об отслеживаемой динамике повреждений какого-либо элемента станочного оборудования с последующим прогнозированием выхода его из строя.
Кроме этого, компьютер является более мощным средством обработки информации, чем микроконтроллер, что, в частности, позволяет использовать современные оценочные технологии, такие, как искусственные нейронные сети.
Известно, что магнитное поле вращающегося ротора работающего асинхронного электродвигателя воздействует на магнитное поле его статорной обмотки, что приводит к периодическим колебаниям электрических величин электродвигателя, таких, как потребляемый ток, мощность или напряжение обмотки статора. Период данных колебаний пропорционален, частоте вращения ротора. Таким образом, анализируя форму графика сигнала какой-либо из электрических величин на данном периоде, можно обнаружить повреждения в приводах станочного оборудования и распознать их вид. Для решения данной задачи можно использовать много
различных подходов. Например, можно построить аппроксимационную функцию по нескольким исходным точкам сигнала, соответствующего конкретному виду повреждения, и в процессе диагностики сравнивать текущие измеряемые значения со значениями данной функции с определенной долей погрешности. Однако аппроксимация сложных нелинейных сигналов приводит к большим погрешностям, которые усугубляются дополнительными помехами электрической сети с подключенными электроприводами. В настоящее время широкое распространение получило использование искусственных нейронных сетей для построения математических моделей сложных нелинейных процессов, распознавания образов и прогнозирования сигналов.
Нейронная сеть - это набор нейронов, каждый из которых представляет собой модель биологического нейрона. Каждый нейрон имеет так называемые дендриты, синапсы и аксоны. Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие - воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее, большинство искусственных нейронных сетей моделируют лишь эти простые свойства.
В настоящее время широко используются математические модели нейронных сетей. Существуют также и другие модели нейронных сетей, среди которых наиболее часто используются рекуррентные сети Хопфилда и самоорганизующиеся сети Кохонена. В математической модели нейрона все входящие стрелки имеют веса, а на выходе обычно вычисляется нелинейная функция от средней суммы этих весов с некоторыми дополнительными арифметическими действиями.
Для использования нейронной сети прямого распространения при решении конкретной задачи ее необходимо сначала обучить. Для этого на вход нейронной сети подаются какие-либо значения, а на выходе снимаются результирующие значения, которые сравниваются с теми значениями, которые должны там быть. Если выходные значения нейронной сети отличаются от требуемых значений, то происходит оптимизация весов нейронной сети каким-либо из математических алгоритмов до тех пор, пока эти значения не будут им соответствовать с заданной точностью. После этого нейронную сеть можно считать обученной.
Нейронные сети дают возможность эффективно определять причины и виды повреждений элементов узлов металлорежущих станков, работать с зашумленными данными, избавляя от необходимости применения промежуточных электронных фильтров от помех или фильтрации матема-
тическими методами. Кроме этого, искусственные нейронные сети широко используются в задачах прогнозирования.
В заключение необходимо отметить, что при эффективном диагностировании технического состояния металлорежущих станков и своевременном принятии профилактических мер затраты на техническое обслуживание и ремонт могут быть уменьшены на 20...25 % [1], что применительно к технологическим комплексам предприятия создаст ощутимую экономию.
Список литературы
1. Барков А.В., Баркова Н.А., Борисов А.А. Вибрационная диагностика электрических машин в установившихся режимах работы: методические указания. СПб: Северо-Западный учебный центр, 2006. 145 с.
2. Петухов В.С. Диагностика состояния электродвигателей. Метод спектрального анализа потребляемого тока // Новости Электротехники. СПб. 2005. №1(31). 42 с.
3. Петухов В.С. Диагностика электродвигателей. Спектральный анализ модулей векторов Парка тока и напряжения // Новости Электротехники. СПб. 2008. №1(49). 48 с.
4. Петухов В.С., Суворов И.Ф. Комплексный метод диагностики асинхронных электродвигателей на основе использования искусственных нейронных сетей // Новости Электротехники. СПб. 2014. №1(85). 45 с.
Шадский Геннадий Викторович, д-р техн. наук, проф., [email protected], Россия, Тула, Тульский государственный университет,
Ерзин Олег Александрович, канд. техн. наук, доц., [email protected], Россия, Тула, Тульский государственный университет,
Рожков Сергей Викторович, аспирант, rozhko v-uzlvamail. ru, Россия, Тула, Тульский государственный университет
ABOUT DIAGNOSTICS OF A TECHNICAL CONDITION OF NODES OF METAL-CUTTING MACHINE TOOLS
G. V. Shadskiy, O.A. Erzin, S. V. Rozhkov
Loss from sudden failure of the critical elements of machine equipment costly as the budget of the enterprise and its image. Therefore, the main task of the technical services is to provide a specified level of reliability of metal-cutting machines by identifying faults at an early stage of occurrence, tracking the dynamics of the fault, the definition of, and rational planning of the timing of repairs. This article reviewed the most effective operational methods of diagnostics of a technical condition of units of metal-cutting machine tools.
Key words: diagnostics, metal-cutting equipment, vibration method, spectral analysis, modules vectors Park voltage and current, artificial-governmental neural network.
Shadskiy Gennady Viktorovich, doctor of technical science, professor, [email protected]. Russia, Tula, Tula state University,
149
Erzin Oleg Aleksandrovich, candidate of technical science, docent, [email protected], Russia, Tula, Tula State University,
Rozhkov Sergey Viktorovich, postgraduate, rozhkov-uzlv@mail. ru, Russia, Tula, Tula State University
УДК 621.9
ИССЛЕДОВАНИЕ ТЕРМОМЕХАНИЧЕСКИХ ПРОЦЕССОВ РЕЗАНИЯ ДЕТАЛЕЙ ПОГРУЖНЫХ ПНЕВМОУДАРНИКОВ
Е. В. Павлов
Представлены исследования контактного взаимодействия токарного инструмента из композита 10 с обрабатываемыми материалами базовых деталей погружных пневмоударников, сопровождающегося формированием совокупности макро-и микронеровностей, протеканием процессов упрочнения - разупрочнения и структурно-фазовых превращений. Выявлены зависимости микротвердости поверхности от значений переднего угла и радиуса при вершине инструмента. С помощью рентгеноструктурного анализа установлено изменение атомно-кристаллической структуры поверхностного слоя.
Ключевые слова: токарная обработка, остаточные напряжения, наклеп, режимы резания, качество обработки, погружные пневмоударники.
Для определения конкретных условий обработки деталей необходимо иметь их функциональную связь с характеристиками заданной поверхности. Поэтому, решая проблему повышения ресурса изделий пневмо-ударного бурения на основе совершенствования технологии механической обработки базовых деталей, во-первых, необходимо знать, какая микрогеометрия и какие свойства поверхностных слоев обеспечивают необходимые эксплуатационные характеристики контакта и, во-вторых, как получить поверхности с нужными свойствами [1, 2, 3].
Первую задачу необходимо решать при помощи экспериментальных исследований и теоретического анализа, выполняемого на основе модели шероховатости поверхности, позволяющего всесторонне оценить степень и характер воздействия отдельных параметров.
Вторая задача - задача повышения качества, надежности и долговечности изделий пневмоударного бурения, обеспечение для заданных условий эксплуатации оптимальных параметров поверхностного слоя деталей, решается технологическими методами.
