基于奇异值分解和灰靶决策的车刀磨损状态判别-计量学报.PDF

第３８卷　第２期 计　　　 量　　　学　　　报 　 Ｖｏｌ．３８，№２ ２０１７年　３月 ＡＣＴＡ　ＭＥＴＲＯＬＯＧＩＣＡ　ＳＩＮＩＣＡ 　 Ｍａｒｃｈ，２０１７ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１１５８．２０１７．０２．１４ 基于奇异值分解和灰靶决策的车刀磨损状态判别 朱坚民，　赵全龙，　何丹丹 （上海理工大学机械工程学院，上海２０００９３） 摘要：针对随机噪声干扰车刀磨损振动信号时域特征提取，车刀磨损判别精度不高的问题，提出一种通过小波 包变换和相关系数法提取车刀振动信号的磨损时域特征，采用奇异值分解对磨损时域特征进行去噪处理，去噪处 理后获取磨损时域特征。选取与车刀磨损最相关的磨损特征作为参考特征序列，计算参考特征序列与其余磨损特 征序列之间的相似关联度，对相似关联度归一化处理得到各磨损时域特征的权值，使用灰靶决策计算各磨损时域 特征的综合测度，确定车刀磨损状态。实验结果表明：该方法可以有效地滤除随机噪声干扰。 关键词：计量学；车刀磨损；磨损状态判别；奇异值分解；灰靶决策；小波包变换 中图分类号：ＴＰ９３　　　　文献标识码：Ａ　　　　文章编号：１０００１１５８（２０１７）０２０１８９０４ ＷｅａｒＣｏｎｄｉｔｉｏｎＲｅｃｏｇｎｉｔｉｏｎｏｆＬａｔｈｅＴｏｏｌＢａｓｅｄｏｎ ＳｉｎｇｕｌａｒＶａｌｕｅＤｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＧｒｅｙＴａｒｇｅｔＤｅｃｉｓｉｏｎＭｅｔｈｏｄｓ ＺＨＵＪｉａｎｍｉｎ，　ＺＨＡＯＱｕａｎｌｏｎｇ，　ＨＥＤａｎｄａｎ （ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎａｌｌｕｓｉｏｎｔｏｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｒａｎｄｏｍｎｏｉｓｅｉｎｔｅｒｆｅｒｅｓｔｈｅｔｉｍｅｄｏｍａｉｎｖｉｂｒａｔｉｏｎｓｉｇｎａｌｅｘｔｒａｃｔｉｏｎ，ａｎｄｌｉｍｉｔｅｄ ｌａｔｈｅｔｏｏｌｗｅａｒｃｏｎｄｉｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙ．Ｔｈｉｓｓｔｕｄｙｐｒｏｐｏｓｅｄａｔｉｍｅｄｏｍａｉｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｏｆｔｏｏｌｗｅａｒ ｓｉｇｎａｌｓｗｈｉｃｈｆｉｒｓｔｌｙｅｘｔｒａｃｔｓｔｈｅｔｉｍｅｄｏｍａｉｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｌａｔｈｅｔｏｏｌｖｉｂｒａｔｉｏｎｓｉｇｎａｌｗｉｔｈｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｍａｎｄ ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｍｅｔｈｏｄｓ，ｔｈｅｎｄｅｎｏｉｓｅｓｔｈｅｔｉｍｅｄｏｍａｉｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｗｉｔｈｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）ｍｅｔｈｏｄ． Ｔｈｅｍｏｓｔｒｅｌｅｖａｎｔｗｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌａｔｈｅｔｏｏｌｗｅａｒｉｎｅｓｓａｒｅｓｅｌｅｃｔｅｄａｓｒｅｆｅｒｅｎｃｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｅｑｕｅｎｃｅｔｏｃａｌｃｕｌａｔｅｔｈｅ ｓｉｍｉｌａｒｉｔｙａｓｓｏｃｉａｔｉｏｎｄｅｇｒｅｅｓｗｉｔｈｏｔｈｅｒｗｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｅｑｕｅｎｃｅｓ．Ｔｈｅｎｔｈｅｗｅｉｇｈｔｏｆｅａｃｈｔｉｍｅｄｏｍａｉｎｗｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｒｅｇａｉｎｔｈｒｏｕｇｈｎｏｒｍａｌｉｚａｔｉｏｎｐｒｏｃｅｓｓｏｆｓｉｍｉｌａｒｉｔｙａｓｓｏｃｉａｔｉｏｎｄｅｇｒｅｅｓ，ａｎｄｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｍｅａｓｕｒｅｍｅｎｔｏｆｔｉｍｅｄｏｍａｉｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｅａｃｈｗｅａｒｓｉｇｎａｌａｒｅｃａｌｃｕｌａｔｅｄｗｉｔｈｇｒｅｙｔａｒｇｅｔｄｅｃｉｓｉｏｎｍｅｔｈｏｄｉｎｏｒｄｅｒｔｏｄｅｔｅｒｍｉｎｅｔｈｅｔｏｏｌｗｅａｒｃｏｎｄｉｔｉｏｎｏｆ ｔｈｅｌａｔｈｅｔｏｏｌ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓ