В данной статье рассмотрена проблематика управления жизненным циклом оборудования и приведено решение с применением метода безразборной вибрационной диагностики. Описана методика работ, рассмотренная на примере диагностики станка DMU 100 Monoblock. Приводится краткое описание системы вибродиагностики, реализующей описанные методы.

Ю.И. Савинов

В связи с выходом нового ГОСТа 34479-2018 «Станки металлорежущие. Условия испытаний. Нормативно-техническое обеспечение совершенствования методов диагностирования и технологий ремонтно-восстановительных работ станочного парка» [1] возникают вопросы о готовности отдельных предприятий работать по современной методике предупредительного обслуживания, позволяющей управлять жизненным циклом станков согласно цифровым технологиям Индустрии 4.0.

Имеется положительный опыт передовых предприятий металлургии, транспортного машиностроения, нефтехимической и газовой промышленности, которые уже перешли к обслуживанию оборудования по фактическому состоянию и получили в первый год снижение затрат на обслуживание оборудования на 30%, практически исключили аварийный выход из строя оборудования из-за технической неисправности [2]. 

В машиностроительных отраслях переход на современное обслуживание только начинается, что вызвано, в первую очередь, сложностью технологического оборудования и недостаточной достоверностью идентификации имеющихся дефектов. К тому же ряд фирм, специализирующихся на диагностике станков, технологического оборудования, за результаты диагностики выдают измерения только общего уровня вибрации, что является явно недостаточным для полноценной оценки технического состояния и перехода к предиктивному обслуживанию. Наиболее эффективное обслуживание станочного парка выполняется на предприятиях промышленности, специалисты которых проводят мониторинг и диагностику станков с высокой достоверностью и информативностью [3, 4],
что позволяет предотвращать преждевременный выход технологического оборудования, повысить эффективность работы станков, сократить расходы на обслуживание. Достигнутые результаты определяются тем, что специалисты имеют собственные разработанные методы диагностики, защищенные патентами и изобретениями, отработали методы диагностики на стендах для проверки шпиндельных узлов и стендах для обкатки шариково-винтовых пар (ШВП). Так, проверки и отработка методов диагностирования ШВП были выполнены и для метрической, и для арочной резьбы. Апробация при выполнении ремонтов осуществлена собственными силами предприятий ракетно-космической промышленности, методы проверены на отечественных станках и на станках производства Германии, Японии, Швейцарии, Тайваня и др. 

Методика безразборной диагностики станков

В качестве примера безразборной диагностики оборудования приведу следующий пример. Руководству одного из предприятий потребовалось определить техническое состояние станка DMU 100 Monoblock, который длительное время работал на производстве, и у него стали проявляться значительные вибрационные явления. 

При общении со службой главного механика автору статьи было высказано мнение, что без разборки невозможно определить причину и дефекты пятикоординатного станка. Данное заблуждение является весьма характерным, ведь инженеры-механики проходят обучение кинематике станков, соответственно, достаточно уверенно в этом разбираются, а динамике станков учат только в весьма ограниченном числе вузов. В качестве положительных примеров известно преподавание динамики станков в МГТУ им. Баумана и в СТАНКИНе.
Для понимания процесса безразборной диагностики опишем последовательность выполнения работы. Весь процесс проведения вибродиагностики можно разделить на несколько этапов, которые не изменяются на любом оборудовании. На первом этапе необходимо получить информацию о диагностируемом оборудовании. Например, для диагностики станка DMU 100 Monoblock необходима следующая информация: кинематические схемы шпинделя, поворотного стола, приводов по трем осям, перечень элементов каждого из приведенных узлов, частоты вращения электродвигателей. На втором этапе диагностом рассчитываются собственные частоты каждого элемента узла, что в дальнейшем позволяет при сравнении расчетных данных с экспериментальными определить виды имеющихся дефектов и их величины [4].

Чаще всего в документации на оборудование частоты вращения электродвигателей задаются в оборотах в минуту, но для дальнейших расчетов необходимо их перевести в герцы:
f_вр =  n / 60,
где n — частота вращения вала электродвигателя, об/мин.

В качестве примера определения дефектов в подшипниковом узле рассмотрен подшипник 3182126 со следующими исходными данными:
f_вр = 3,34 Гц — частота вращения электродвигателя;
d_н = 200 мм — диаметр наружного кольца;
d_в = 130 мм — диаметр внутреннего кольца;
d_тк = 16 мм — диаметр тела качения;
α = 0° — угол контакта тел и дорожек качения;
z = 26 — количество тел качения.

Каждый элемент в подшипнике (наружное кольцо, внутреннее кольцо, сепаратор и тела качения) имеет свои собственные частоты колебаний, поэтому их достаточно легко различить и определить дефектный элемент.

Частота вращения сепаратора относительно наружного кольца f_с, Гц:
         1                      d_тк
f_с =  ---- · f_вр · (1 –  ----------  ),         
         2                    d_c cosα
где d_с — диаметр сепаратора в мм, определяемый как d_c = (d_н + d_в) / 2.

Частота перекатывания тел качения по наружному кольцу f_н, Гц:
         1                          d_тк
f_н =  ---   · f_вр · (1 –  ----------   ) · z. 
        2                      d_c cosα

Частота перекатывания тел качения по внутреннему кольцу f_в, Гц:
          1                        d_тк
f_в =  ----- · f_вр · (1 –  ------------  ) · z.
         2                      d_c cosα

Частота вращения тел качения относительно поверхности колец f_тк, Гц:
          1               d_с                      d_тк
f_тк = ---- · f_вр ·  ------ · (1 – (  --------------- )²) .
         2               d_тк                  d_c cosα

Частоты всех элементов раскладываются на первые 10 гармоник и сводятся вместе для наглядности и простоты дальнейшего использования (таблица 1).

Далее рассчитываем по вышеприведенным формулам частотные характеристики вращающихся элементов на основе частот вращения шпинделей, винтов ШВП, валов. По рассчитанным собственным частотам элементов узлов определяем параметры необходимого частотного диапазона, приняв, что в него должны попадать десять гармоник каждого элемента. Проводим измерение спектров огибающей и прямых спектров в выбранном частотном диапазоне. Время измерения выбираем с учетом суммирования не менее десяти спектров, в дальнейшем после суммирования и определения спектра со средними значениями проводим сравнение и анализ вышеприведенного спектра с ранее рассчитанными значениями собственных частот деталей и узлов станка. 

В связи с тем, что иногда реальная частота вращения отличается от заданной, необходимо в таких случаях определить реальную частоту вращения вала, провести корректировку расчетов для собственных частот всех элементов с учетом ширины допуска (в процентах) для автоматизированной подстройки расчетных частот и их сравнения с пик-факторами спектров. 

Далее определяем виды дефектов: для этого накладываем откорректированные собственные частоты элементов на графики спектров огибающей и прямого спектра, по выбору вводим различные расчетные значения элементов, по одному или несколько. 

Следующим шагом определяем величины дефектов. Берем отношение наибольших по значениям пик-факторов из экспериментальных данных для каждого случая выявленного соответствия расчетных и экспериментальных величин к величине среднеквадратичного значения (СКЗ). СКЗ для определения величин дефектов находим двумя вариантами: по всей ширине частотного диапазона и по участкам, которые разбиваются на имеющие стабильный характер СКЗ. Рассчитываем для каждой величины дефекта коэффициент модуляции, т.е. отношение разницы максимального сигнала и минимального сигнала к сумме максимального и минимального сигнала в процентах, что характеризует достоверность идентификации. 

В окончательном варианте выводим два-три графика: спектр огибающей, прямой спектр, спектр с ограниченным частотным диапазоном «Лупа». Желательно использовать 1/3-октавный фильтр. 

Необходимо на основе анализа спектров идентифицировать причины, характеризующие дефекты, образовавшиеся из-за сил трения или вызванные ударным воздействием, в том числе вызванные кинематическими или параметрическими погрешностями. 

Вышеприведенный анализ проводит эксперт-диагност, который также учитывает природу сигнала: является ли он амплитудно-модулированным или частотно-модулированным. Особенное внимание необходимо уделять моделирующему сигналу. На спектре огибающей и прямом спектре вводим отличающимся цветом откорректированные значения собственных частот всех элементов, по очереди или совместно выводим таблицы всех амплитуд, по которым произошла идентификация дефектов, определяем виды и величины дефектов и коэффициент модуляции. Виды и величины дефектов в окончательном виде представляем в отдельной таблице. Также представляем изображение узлов станка в графическом виде, где каждый элемент станка, влияющий на точность обработки, выделяется одним из трех цветов в зависимости от его технического состояния. Принято следующее изображение дефектов: красный — превышает допустимые пределы и подлежит замене (подшипники, шестерни, ремни, ШВП и т.д.) или требует устранения дефектов сборки (перекосы, несоосность и т.д.); желтый — имеется допустимый износ или дефект сборки; зеленый — нет дефектов.

На рис. 1 представлена итоговая схема технического состояния станка DMU 100 Monoblock.

Рис. 1. Отчет по техническому состоянию станка с ЧПУ DMU 100 Monoblock

Выводы: для восстановления точности станка следует заменить два подшипника шпиндельного узла и два подшипника привода оси Х.
Автоматизация процесса вибродиагностики технического состояния узлов станка

Методика, описанная в предыдущем разделе, позволяет эффективно определять не только неисправности механических узлов станка, но и видеть зарождающиеся в них дефекты. Но здесь имеется одна очень серьезная проблема — проведение анализа под силу только высококвалифицированным экспертам-вибродиагностам, которые работают не на каждом промышленном предприятии. Причем даже для эксперта это работа непростая и требует значительных временных затрат. 
Требуется автоматизация процесса, использование как для съема данных, так и их анализа современной информационной системы.

В качестве примера можно привести систему стационарного вибромониторинга «Диспетчер ВМ1» ООО «ИЦ Станкосрвис» ГК «Цифра». Система использует вибродиагностические методы анализа автоспектра и спектра огибающей вибросигнала, описанные в первой части статьи, и автоматизирует данный процесс. Например, для определения дефектов деталей шпиндельного узла станка с ЧПУ система во время диагностической управляющей программы, зная типы подшипников и других деталей, а также скорость вращения шпинделя, автоматически определяет не только неисправный подшипник, но также и тип неисправности: дефект сепаратора, наружного или внутреннего кольца, тел вращения и т.д. 

Система ВМ1 имеет возможность как автоматического, так и полуавтоматического определения дефектов. 
В автоматическом режиме пользователю выдается отчет по установленной форме. В обоих случаях предоставляется информация (рис. 2) для проведения самостоятельного анализа. 

Рис. 2. Анализ дефектных частот автоспектра и спектра огибающей вибросигнала

На графике экспериментальные данные, т.е. измеренный спектр вибраций, приведены в виде линий синего цвета. Расчетные данные, характеризующие отдельные дефекты деталей, приводятся в виде линий различных цветов. При несовпадении экспериментальных данных, характеризующих частоты, на которых наблюдаются дефекты, с данными для бездефектных деталей можно идентифицировать как сами виды дефектов, так и степень их развития. Оценка развития дефектов определяется отношением эталонных (бездефектных) значений амплитуд сигналов на частотах, соответствующих этим видам дефектов, к среднеквадратичному значению экспериментально полученных амплитуд.

Важно сказать, что стационарная система вибромониторинга кроме вибрационных данных имеет возможность получать данные от систем управления оборудованием (УЧПУ, ПЛК), а также информацию от систем ТОиР об отказах, дефектах станков и проводимом техническом облуживании ремонтным персоналом. Это позволит при накоплении данных использовать методы ИИ и МО для перехода к предиктивному обслуживанию.

Литература

1.     ГОСТ 34479-2018 «Станки металлорежущие. Условия испытаний. Нормативно-техническое обеспечение совершенствования методов диагностирования и технологий ремонтно-восстановительных работ станочного парка». ЕАСС, 2018, 63 стр.
2.     Барков А.В., Баркова Н.А. Вибрационная диагностика машин и оборудования. Спб.: Изд. центр СПб МТУ, 2004.
3.     Писарев В.И., Ваганов А.А., Денисенко А.Ф., Тютерев И.О. Техническое обслуживание и ремонт металлообрабатывающих станков с ЧПУ на основе безразборной диагностики технического состояния // Известия Самарского народного центра Российской академии наук. Т. 16.  2014. №1(2).
4.     Савинов Ю.И. Управление жизненным циклом станков на предприятиях «Роскосмоса». Станкоинструмент. 2016. № 2. 

Источник журнал "РИТМ машиностроения" № 3-2025