|
為了提升全球競爭力，提昇產品品質、降低生產成本、縮短製造及維修時間為目前工具機產業必須採取的競爭策略，機械在運作時會產生震動與噪音，並且可以透過監測此數值達到非破壞檢測與監控。但往往受限於成本或無適當量測工具，只能採取試誤法為檢測的方式，不僅浪費時間、材料及人力成本，更降低生產力。本研究透過人工製作以及退修主軸蒐集等兩種方式，建立主軸常見的損壞模型，除了傳統的傅立葉轉換之外，使用了經驗模態分解法和多尺度熵等三種訊號處理方法，開發特徵擷取以及比對演算法，建立主軸損壞辨識系統。由於機械震動通常為非穩態且非線性的訊號，傳統傅立葉轉換有其限制，本研究利用經驗模態分解法將原始訊號拆解成各個內部模態函數，並透過過零點速度以及能量分佈來表示各種模型的訊號特徵，對於大部分的模型分析有顯著效果，且研究中發現，若是為合格主軸，會產生四個目標內部模態函數；若是為組裝瑕疵主軸，例如不對心、潤滑油過多過少、預壓過大過小，會產生五個目標內部模態函數；若是是結構損壞主軸，會產生六個目標內部模態函數；多尺度熵則是計算訊號在各尺度下的亂度值，此方法亦在此研究中驗證針對某些特徵模型有非常佳的辨識效果。
本研究於最後提出快速軟體開發方法，並且利用此方式開發製程管制系統 (Manufacturing Execution
System, MES)，製程管制系統是指生產現場電子化與製程之控管，系統以即時的方式，收集生產製程中各種資訊，供生產與管理者等參考，除了幫助生產管理者，管控生產製程外，更重要的是透過統計分析，找出每一種主軸最佳的精度參數，搭配本研究開發的損壞辨識系統，於台中工具機廠商驗證，提升其主軸品質。
關鍵字： 經驗模態分解法，內部模態函數，過零點速度，多尺度熵，主軸，損壞辨識
|
