基于本征模函数和广义回归网络的刀具声发射信号诊断.pdfVIP

设计与研究 ignandResea 基于本征模函数和广义回归网络的刀具声发射信号诊断木 王 宇 喻俊馨 钟 雯 刘小莹 宋春华 (西华大学机械工程与 自动化学院，四JIl成都610039) 摘 要：针对刀具加工声发射信号非平稳特点，提出基于本征模函数和广义回归神经网络的刀具切削声发射 信号故障诊断方法。该方法对刀具声发射信号进行经验模态分解，抽取本征模函数，并计算各阶模 函数能量分布，提取特征向量作为神经网络的输入 ，利用果蝇算法优化广义回归神经网络径向基函 数分布系数。试验结果证明了该方法的有效性和稳定性。 关键词：声发射 ；果蝇算法；广义回归神经网络；本征模函数；刀具故障诊断 中图分类号：TH165．3；TP206．3 文献标识码：A Acousticemissionfortoolfaultdiagnosisusingintrinsicmode functionandgeneralregressionneuralnetwork WANGYu，YUJunxin，ZHONG Wen，LIUXiaoying，SONG Chunhua (SchoolofMechanicalEngineeringAutomation，XihuaUniversity，Chengdu610039，CHN) Abstract：Thispaperpresentstheuseofnon—stationaryacousticemission(AE)signalsinordertodetectcutter toolfault．Thenewmethod，empiricalmodedecomposition (EMD)，fruitflyoptimizationalgorithm (FOA)andgeneralizedregressionneuralnetwork(GRNN)，areappliedtothecuttertoolfaultmonito- ring．TheenergydistributionfeaturesoftheintrinsicmodefunctionscalculatedbyEMD areusedasin— putstotheGRNN．ThenaFOA isappliedtooptimizetheradial basisfunctiondistributioncoefficientin ordertoimprovetheclassification accuracy．Finally，experimentsusingactualAE signalsofcuttertool faultarecarriedout．Theresultsdemonstratetheproposedmethodcanbeefficientlyappliedtotoolfault detectioninpractice． Keywords：acousticemission；furitflyoptimization algorithm；generalregression neural network；intrinsicmode function；toolfaultdiagnosis 机床刀具在切削过程中不可避免的存在磨钝和破 效特征，然而近年来研究频率成分作为刀具故障特 损等现象，刀具磨损会严重影响生产效率和加工质量。 征已逐渐被忽视 ，另一个途径是利用频域 的能量 。 因此，刀具故障诊断对于提高切削加工的自动化程度 直接利用FFT的困难还在于：(1)由刀具磨损或故障 和产品质量具有重要意义…。 引起的几何形状变化能否在频谱上反映出来 ；(2) 目前，刀具磨损和故障监测主要有两种基本方 FFT难于处理非线性和非平稳数据 ，而加工过程通常 法：直接法和间接法。直接法，如观测和光学法，可