Top
技術趨勢
工具機主軸之 熱網路系統參數識別與藍牙 溫度感測模組
2018.07.16∣瀏覽數:135

文 ◆
國立台灣大學應用力學所碩士班 羅元玠
國立台灣大學應用力學所教授 張培仁
國立宜蘭大學機械與機電工程學系教授 胡毓忠


工具機產業的智慧化需整合智慧感測技術、系統整合技術、補償校正技術、製程模擬優化、預測性維護、廠區環境與機台參數監控與高度資通訊技術,以達到智慧化與彈性化製造之目的。

綜觀全球近年工業4.0-智慧製造(SmartManufacturing)、物聯網(Internet of Things)等技術方興未艾,於高速切削技術之發展歷程中,工具機主軸的熱特徵為提升加工精度的核心技術之一。在科技部計畫「導入SkyMars的智慧主軸之軸承溫度感測器」下,本計劃與「財團法人精密機械研究發展中心」合作,深入工具機主軸溫度議題系統層面之開發,致力將工具機產業朝著高值化的策略方向發展。


研究契機
傳統機械產業普遍採定期點檢與維修方式,以時間作為參考基準,估測設備內部零組件之壽命,於生命週期到達前維修替換,造成非必要之替換維修與生命週期之不確定性。然工具機具較嚴苛的執行環境與多變複雜的運作模式,使內部機構各項之健康狀況與生命週期較難以預測,使用者僅能採取保守心態在確保在損毀發生前進行維護替換與維修,因此並無法完善使用零組件之剩餘壽命,同時侷限工具機之主軸轉速、切削速度、切削深度與工具機之高精度表現。長期處於高速旋轉之工具機主軸,軸承溫度狀態監控一直為主軸健康程度與精度提升之重要議題。主軸軸承於高速運轉時產生之摩擦熱源,將造成工具機主軸結構性溫升與熱變形。軸承屬於工具機中之關鍵零組件,軸承之損壞或失效都將導致全面性與累積性的誤差。工具機中常見之軸承異變一般歸因於疲勞裂縫成長、異物入侵、軸承磨損侵蝕、潤滑油變異、瞬間負載異常等。當類似情形發生時軸承內部旋轉摩擦力將隨之提升,造成整體主軸結構溫升,因此即時監控主軸與軸承溫度分佈,並透過後端資料庫特徵分析將預先診斷軸承異變原因,並即時回饋避免軸承損壞發生,維持主軸健康程度、降低停機時間與維修成本、同時將對降低主軸熱誤差與提升工具機精度,具高度發展潛力。熱系統之響應時間一般較長,取決於主軸幾何尺寸與操作狀態,工具機主軸其溫度分佈至穩態通常需約數十分鐘以,因此給予此熱預測系統運算單元極大優勢,可依據操作程序與環境,於實際切削加工前提供預估主軸溫度分佈發展過程,保護工具機主軸溫度場,避免軸承超越其上限溫度以造成主軸永久性之損毀。因此本團隊研擬發展高精度、高穩定度、高敏感度之運轉中軸承溫度監控技術,並實現工具機智慧主軸之自我預測與自我修正熱模型,達成智慧製造與預先診斷之願景。

開發工具機智慧主軸之熱特徵辨識系統
本團隊研究開發適用於工具機智慧主軸之熱特徵辨識系統( T h e r m o - f e a t u r eIdentification System (TID-Sys) for SmartSpindle of Machine Tool)。TID-Sys系統包括:(1)藍芽溫度感測模組(BluetoothTemperature Sensor Module (BTSM))、(2)主軸熱網路模型(Thermal Network Model(TNM) for spindle)等軟韌體與硬體的整合。智慧感測單元方面,研發具高穩定度與高精度的藍芽溫度感測模組,涵蓋量測電路設計與訊號處理、硬體韌體開發、與適用於工具機主軸實務量測之三種溫度探頭:(1)磁吸式、(2)螺紋式、(3)探棒式,應用於主軸金屬表面量測與內嵌於主軸特徵點之微型溫度感測頭。此高精準度±(0.1+0.0029|T|) ℃、低成本、小尺寸Ø40 mm × 27 mm、最高支援五通道、量測速率4Hz、量測範圍-40~150℃等特點,為應用於工具機溫度量測領域之競爭優勢。

首先探討應用於工業工具機主軸之溫度感測器,依其需求重要性評斷,穩定性>精準度>反應速度>靈敏度>線性度,穩定度表現勢必為選擇溫度感測器中的重要參數,相較於其他溫度感測原理,電阻式感溫元件(Resistance Temperature Detector, RTD)在穩定度、精準度、線性度皆有良好的表現,且溫度範圍涵蓋工業工具機中之操作溫度。量測電路設計主要討論之誤差原因,涵蓋導線電阻效應、自熱效應、參考電阻溫飄效應。導線電阻引入之誤差,採用四線式量測方式(Kevin measurement)可大幅降低其影響性以提升精準度。自熱效應為被動元件如RTD之特性,當流入被動元件之穩定電流值超越某特定值時,產生之焦耳熱將造成熱量累積而無法順利散熱,引起元件溫度因自熱效應而溫升,進而產生溫度量測上之誤差。本團隊採用低電流策略,以AD7794內建程控之穩定電流源210μA,降低自熱效應所造成之誤差。量測電路中的參考電阻隨溫度飄移同為探討之範疇,因此特選用低溫阻係數(5ppm/K)的高精密電阻做為量測系統中之參考電阻,降低環境溫度對量測系統之影響。為突顯智慧感測元件與傳統感測器的差異化,本研究之藍芽溫度感測模組提供主軸溫升熱預測模型之開發平台,可依據主軸類型、配置情況與操作條件等,寫入相匹配的溫升預測模型至微處理器中,即在相同感測硬體下賦予客製化智慧感測模組,亦可依歷史資訊定期更新預測模型,優化預測效能。

理論模型層面,藉由歸納主軸結構熱傳特性與理論假設建立,依據理論及經驗公式推導,探討內部主軸熱傳導特性、軸承摩擦熱源、自然/強制熱對流邊界條件、熱輻射等相關參數,簡化與轉速相關之領導項,經數次嘗試與多方驗證,建立工具機主軸的熱網路模型(Thermal Network Model, TNM),為簡化預測運算量,特適當對主軸塊狀熱模型作出以下假設:(1)適用塊狀容積法之主軸系統、(2)適用於溫度分佈軸對稱之主軸、(3)依據經驗公式假設各式系統元件(熱傳導熱阻、自然對流熱阻、強制對流熱阻、軸承摩擦熱源)、(4)假設熱輻射熱阻與熱容為常數;推導系統方程式以狀態空間法(Statespacerepresentation)描述,續採用系統識別(System Identification)法與量測實驗系統,開發一套主軸的熱特徵辨識演算法。

技術驗證層面,以PMC工具機主軸溫升運轉測試平台為基礎實驗平台,架設前述開發之BTSM作為前端溫度感測元件(圖1)於主軸特徵點,將數據透過藍芽即時無線傳輸至電腦與行動裝置。基於工具機主軸熱傳特性所安排之溫度特徵點,特別設計應用於實驗主軸內嵌的測溫點,包含前後軸承外環、主軸箱體、主軸心軸與環境溫度。將工具機主軸操作於一定轉速下(以6021rpm為例),紀錄主軸操作於運轉區間的溫度上升情形,經長時間量測待溫度訊號上升至穩態後,快速停止主軸運轉並插入量測主軸心軸的溫度感測探棒,紀錄主軸以自然冷卻區間散熱的溫度分佈數據(圖2)。實驗數據顯示一典型結果,當主軸操作於運轉區間時,其溫升狀態類似於RC電路中的充電模式(RC ChargingCircuit);當主軸操作於自然冷卻區間時,其溫降狀態類似於RC電路中的放電模式(RCDischarging Circuit);同時於兩模式的轉換區間可觀察到,當主軸在操作區間所累積的溫度分佈將在近1000秒內逐漸達成熱平衡,同時整支主軸將近似於一熱均溫的金屬塊,透過自然對流與熱輻射對環境進行放熱,結果可間接顯示該實驗主軸內部的熱傳導熱阻值,遠小於主軸透過熱對流與熱輻射傳遞至環境的熱阻值,因此可證明使用塊狀容積法的可行性。同時在不同轉速下重複多次實驗,紀錄並建立主軸溫升數據資料庫。

基於熱傳理論中的熱阻網路建模法,並基於工具機主軸的物理幾何特性與經驗公式推導,決定主軸內部之特殊特徵點,建立一主軸溫升熱預測網路模型(TNM),主要以工具機主軸四溫度特徵點(前軸承、後軸承、主軸箱體、心軸)與環境溫度組成,依據前述典型實驗結果,將主軸溫升降特性類比於RC充放電路,區分成運轉區模型(Operating Mode)與冷卻區模型(Natural Cooling Mode),此熱網路建模法僅使用四類元件(熱阻、轉速相依熱阻、熱容、轉速相依熱源)組成,因此操作上運算層僅單純之電路分析,透過電路分析基礎進一步尋找出系統特殊參數,如時間常數、穩態溫度等。並藉由系統識別法中的灰箱模型識別(Grey-Box Model Estimation),搭配前述建立的溫升資料庫,進行模型參數估測。其運算流程依照圖3,將資料庫中的數據分為訓練數據與測試數據,首先利用訓練數據進行穩態系統參數估測,合理將熱容參數忽略以提升運算效率並降低運算時間。重複以不同起始參數執行多次穩態系統參數識別,判別適合的參數結果作為全域最佳解,續執行於暫態操作區間與暫態冷卻區間的系統參數識別,完成其餘系統參數識別,最後計算其系統響應與自我驗證,結果符合預期,達成建立一符合該主軸之熱網路模型。續進行外部驗證實驗,將主軸操作於步階轉速(3001, 5018, 7028 rpm)記錄其溫度響應以作為測試數據(如圖4)。其驗證結果顯示,主軸熱預測模型在不同操作轉速以及初始溫度條件下,其所預測的溫升情形符合實驗量測之溫升數據,因此將此一建模法適用於工具機主軸之溫度預測模型。

本團隊設計一適用於工具機主軸之藍芽溫度感測模組與相對應之溫度探頭,提供無線即時軸承溫度與表面溫度點量測。同時採用熱傳塊狀容積法與系統識別技術,建立一適用於工具機主軸之溫升熱預測模型,提供主軸即時溫度分佈預測。另一方面,熱阻網路分析模型的數據運算量多執行在前期系統識別階段,即時溫升預測階段為簡化電路之系統響應,因此運算量遠小於有限元素分析法(Finite Element Analysis, FEA),具有實現邊緣運算(Edge Computing)概念之發展優勢。由此續採用系統降階法(Model OrderReduction)將參數識別後的主軸溫升熱預測模型逐步簡化,大幅減少數據運算量,同時保持系統預測準確性,以符合現階段微處理器之運算能力。將簡化後之熱預測模型整合至藍芽溫度感測模組微處理器的即時量測運算程式中,藉由於感測單元層,即時執行理論模型所預測的溫度與量測溫度之特徵分析,辨識目前主軸之操作狀態是否正常,於異常發生前預先反饋異常訊息回主操作系統,達成工具機主軸熱特徵辨識系統(圖5),集合成智慧感測單元,升感測器附加價值
與終端應用。實際應用層面,為確保主軸於高轉速下之性能與使用壽命,主軸溫升跑合運轉平台已廣泛於業界使用,為主軸出廠前的必要測試。本系統更以此溫升跑合平台為實驗基礎,建立符合每一支主軸之溫升數據庫與熱特徵辨識系統,嘗試導入業界進一步提升系統完整度與穩定度。

未來發展朝優化主軸溫升熱預測模型邁進,將熱變位、外部切削力與複雜邊界條件等因素納入考量,並制定基於應用情境調整模型,廣泛嘗試應用於不同類型配置之工具機主軸,如馬達內藏式主軸,與各類型加工機,提升模型適用性與穩定性,以及主軸溫升資料庫建立,亦提供主軸溫升熱補償研究範疇之參考依據。同步優化藍芽溫度感測模組性能,以期達成高精度與微小化之成果,作為熱特徵辨識系統的開發平台。

TMTS 展前記者會