基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115205512A(43)申请公布日2022.10.18(21)申请号202210969305.8G06V10/764(2022.01)(22)申请日2022.08.12G06N3/12(2006.01)G06N5/00(2006.01)(71)申请人南京理工大学G06N20/10(2019.01)地址210094江苏省南京市玄武区孝陵卫G01B21/20(2006.01)200号(72)发明人周长光王立东翟光钰冯虎田欧屹(74)专利代理机构南京理工大学专利中心32203专利代理师朱炳斐(51)Int.Cl.G06V10/20(2022.01)G06V10/44(2022.01)G06V10/774(2022.01)G06V10/34(2022.01)权利要求书4页说明书10页附图6页(54)发明名称基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法(57)摘要本发明公开了一种基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法，包括：采集三个位置滚珠丝杠副丝杠滚道表面轮廓曲线，并对轮廓进行去除形状及高斯滤波处理；综合统计分析、递归分析以及分形分析方法提取滚道表面轮廓的主要特征，构建混合特征集合；通过随机森林法评估特征集合中每个特征的重要性，选取出包含95％信息的特征构建新的特征集合；建立基于遗传算法优化的支持向量机模型，利用两个滚道位置的混合特征集训练模型，根据遗传算法寻找最佳参数c和g；利用训练好的模型实现滚道位置磨损状态识别。本发明方法不仅可以克服传统上根据振动信号等手段识别滚珠丝杠副磨损状态存在的噪声干扰的缺点，而且该方法实用、便捷、精确度高、误差小。CN115205512ACN115205512A权利要求书1/4页1.一种基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法，其特征在于，所述方法包括以下步骤：步骤1，采集三个滚道位置处滚珠丝杠副丝杠滚道表面轮廓曲线，并对轮廓进行去除形状以及高斯滤波处理；步骤2，确定滚珠丝杠副磨损状态，将其作为标签；步骤3，综合统计分析、递归分析以及分形分析方法提取滚道表面轮廓的主要特征，包括粗糙度、最大峰谷高度、均方根、递归律、分形维数以及多重分形谱宽，构建带标签的混合特征集合；步骤4，评估混合特征集合中每个特征的重要性，之后根据重要性对混合特征集中的特征进行降序排列，提取包含原始信息超过P％的前m个特征构建新的混合特征集合；步骤5，建立基于遗传算法优化的支持向量机模型，对所述新的混合特征集合进行归一化处理并提取两个滚道位置的混合特征集，之后导入建立的模型中进行训练，根据遗传算法选取最佳惩罚因子c和核函数参数g，完成模型的训练；步骤6，将另一个滚道位置的混合特征集导入训练好的模型实现该滚道位置磨损状态识别，并将其与真实状态比较，获取模型的准确性；步骤7，针对待识别的滚珠丝杠副，执行步骤1、步骤3至步骤4，获得其不带标签的混合特征集合，之后利用训练好的模型识别滚珠丝杠副的磨损状态。2.根据权利要求1所述的基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法，其特征在于，步骤1具体包括：选取匀速运行区域丝杠的三个滚道位置，对其进行刻痕标记处理；将滚珠丝杠副置于磨损试验台，在滚珠丝杠副运转前30万转时，每隔3万转停止试验台并拆下滚珠丝杠副，通过TaylorHobson轮廓仪对其三个滚道位置进行表面轮廓曲线采集；在滚珠丝杠副运转30万转后，每隔6万转停止试验台并拆下滚珠丝杠副进行一次表面轮廓曲线采集；通过高斯滤波对表面轮廓曲线进行平滑处理，之后采取五次多项式方法对平滑处理后的曲线进行去除形状操作，最终导出所需的滚道表面轮廓曲线。3.根据权利要求1所述的基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法，其特征在于，步骤2具体为：以滚珠丝杠副预紧力变化趋势的转折点为分界点，将滚珠丝杠副磨损状态按序划分为磨合磨损、稳定磨损和急剧磨损状态；依据当前滚珠丝杠副预紧力的变化趋势确定其磨损状态。4.根据权利要求1所述的基于滚道表面轮廓的滚珠丝杠副磨损状态识别方法，其特征在于，步骤3具体包括：步骤3‑1，通过统计分析方法求解滚道表面轮廓曲线的粗糙度、最大峰谷高度以及均方根特征，所用公式为：Rz＝zmax‑zmin2CN115205512A权利要求书2/4页其中，Ra是粗糙度，Rz是最大峰谷高度，Rms是均方根，zi是第i个轮廓采样点的高度，zmin和zmax分别是最小轮廓高度以及最大轮廓高度，是轮廓的均值高度，n是采样率；步骤3‑2，利用递归分析方法求解滚道表面轮廓的递归律，所用公式为：rij＝|zi‑zj|ε＝0.5σRij(ε)＝θ(ε‑rij)其中，RR为递归律，zi和zj均为轮廓高度，i,j＝1,2,...,n，rij表示任意两点i，j之间的距离，Rij为矩阵的一个元