Volumetric Error-Based Condition and Health Monitoring System for Machine-Tools

Resume Des defaillances ou deteriorations imprevues ou non detectees des machines-outils entrainent des pertes de production et de qualite, d'ou la necessite d'une maintenance prescriptive et normative utilisant la surveillance de l'etat des machines-outils. Cette recherche presente la methodologie et les solutions developpees pour surveiller l’etat de precision des machines-outils a cinq axes en analysant les erreurs volumetriques de la machine-outil. L’erreur volumetrique est definie comme un vecteur d'erreur cartesien representant l'ecart de la position reelle de l'outil par rapport a sa position attendue par rapport au repere de la piece et projete dans le repere de base. La methode SAMBA (Scale and Master Ball Artefact) a ete utilisee pour mesurer les erreurs volumetriques de la machine-outil experimentale a cinq axes. Les erreurs volumetriques acquises contenant les etats normaux et defectueux de la machine-outil constituent la base de donnees pour cette recherche. De plus, des pseudo-fautes et les fautes graduelles et soudaines simulees ont egalement ete utilisees. Les caracteristiques du vecteur d'erreurs volumetriques extraites par des mesures de similarite de vecteur sont utilisees comme entree pour le graphique de controle base sur les moyennes mobiles ponderees exponentiellement, ou le changement anormal du vecteur unique d'erreurs volumetriques peut etre detecte. Pour surveiller de maniere exhaustive l’etat de precision de la machine-outil, une matrice de mesures de similarite vectorielle combinee contenant toutes les caracteristiques d’erreurs volumetriques acquises a ete proposee et traitee par le graphique de controle de la moyenne mobile ponderee exponentiellement. Pour les memes defauts, les deux traitements de donnees ci-dessus peuvent tous detecter automatiquement le temps exact d’apparition du defaut. Sur la base d'une logique de surveillance complete des erreurs volumetriques, une analyse fractale des coordonnees d'erreur volumetrique a egalement ete exploree. Les resultats des tests revelent qu’il s’agit d’un outil efficace pour representer la fonctionnalite des erreurs volumetriques. Pour comprendre le processus de changement de l'etat de la machine-outil, les erreurs volumetriques historiques acquises ont ete traitees par analyse en composantes principales et par K-moyennes. D'une part, les methodes proposees separent les etats normaux et defectueux de la machine-outil (pres de 100%), d'autre part, les machines-outils designees fournissent les references pour la reconnaissance de l'etat d’autre machines-outils lors du traitement de nouvelles donnees d'erreurs volumetriques. En resume, le travail de recherche effectue dans cette these a contribue a la mise au point d’une solution efficace de surveillance de l’etat de la precision des machines-outils a l’aide des erreurs volumetriques des machines-outils, basees sur des methodes d’extraction de caracteristiques, de reconnaissance des modifications et de classification des etats. Le systeme developpe peut reconnaitre les points de changement exacts des defauts reels du codeur d'axe C, des pseudo-defauts EXX et EYX. De plus, il atteint une precision proche de 100% dans la classification de l'etat defectueux et normal de la machine-outil. ---------- Abstract Unexpected or undetected machine tool failures or deterioration results in production and quality losses, hence proactive and prescriptive maintenance using machine tool condition monitoring is sought. This research presents the methodology and solutions developed to monitor the accuracy state of five-axis machine tools by analyzing the machine tool volumetric errors which are defined as the Cartesian error vector of the deviation of the actual tool position compared to its expected position relative to the workpiece frame and projected into the foundation frame. The scale and master ball artefact (SAMBA) method has been used for the measurement of volumetric errors of the experimental five-axis machine tool. The acquired volumetric errors containing machine tool normal and faulty states provide the database for this research. In addition, pseudo-faults and the simulated gradual and sudden faults have also been used. Volumetric error vector features extracted by vector similarity measures are used as the input for the exponential weight moving average control chart where the abnormal change of the single volumetric error vector can be detected. To comprehensively monitor the machine tool accuracy state, a combined vector similarity measure array containing all acquired volumetric errors features has been proposed and processed by the exponential weight moving average control chart. Towards the same faults, the above two data processing can all automatically detect the exact fault occurrence time. Based on the logic of comprehensive monitoring of volumetric errors, fractal analysis of volumetric error coordinates has also been explored. The testing results reveal that it is an effective tool for volumetric errors features representing. To understand the change process of the machine tool state, the acquired historical volumetric errors have been processed by principal component analysis and K-means. For one thing, the proposed methods separate the normal and faulty states of the machine tool (Nearly 100%), for another thing, the designated machine tools provide the references for machine tools state recognition when processing new volumetric errors data. In summary, this research contributed to the development of an efficient solution for machine tool accuracy state monitoring using machine tools volumetric errors based on feature extraction, change recognition and state classification methods. The developed system can recognize the exact change points of real C-axis encoder faults, pseudo-faults EXX and EYX. In addition, it achieves close to 100% accuracy in machine tool faulty and normal state classification.