瞬态动力学分析金属板材冲压过程中的应变信号.docxVIP

瞬态动力学分析金属板材冲压过程中的应变信号摘要冲压过程的联机监测可以根据不同的传感器，如力，应变，加速度，距离，及声发射传感器。应变传感器信号因为它的成本效益以及它包含了冲压过程中丰富的信息成为最受欢迎的。监测的冲压件的关键问题是如何从应变信号有效地提取特征检测出故障。但是该应变信号是一个短暂的信号，即取决于很多因素。这篇论文是为了用一些新的方法来分析瞬态应变信号的分解，以了解冲压过程的动态和提取用于故障检测的故障应变信号。一个潜在的过程模型方法就是一个时变自回归模型和动态线性模型的结合，这也是最初提出来的。连续小波变换和一个新的离散小波变换（最大重叠离散小波变换），然后给项目的瞬态信号到一个时间尺度来表示另一种方式的动力学行为。经验模式分解最终采用把瞬态信号分解成一个有限和往往少数固有模式函数（IMF）。这种新方法的优点是，它是适应性和高效性。本论文中的方法是审查在金属板材冲压过程中使用的两个真正的应变信号。结果发现，这些方法能有效地提供能量，频率，时间分布瞬态应变信号。关键词：冲压过程;小波变换;潜模型;经验模式分解;故障诊断简介金属板材冲压是一种最常见的制造流程。最近，应用各行业的钣金件无论在规模和复杂都发生巨大变化如汽车，航空航天，电子，和电脑。这些部分通常主要用机械压力机大量生产。在这些作业中用压力机将板材夹紧成模具和形成一个腔。一般来说，在薄板冲压金属过程中要经历三种基本操作过程;剪切（下料，冲压，开槽，修边），弯曲，伸展（图）[1]。这些操作如图1所示。在剪切行动仅限于一维运作。在弯曲过程中形状的产生基本上是二维的，因为他的特点是工件的任何平面的横截面垂直于弯曲的纵向维度。然而这种力只出现在薄板平面的一个方向。在拉拔和上浆工艺中急剧获得的基本上是三维的。该应变产生于板的两个维度上。在实践中，冲压工艺的实际运作大多是这三个基本过程和他们用复合模，组合冲模，级进模进行了几个阶段后的组合。冲压工艺过程已超过40个变量[2]，可分为四大类：空白材料特性，模具条件和设置参数，按性能和工作参数，交互变量。冲压过程是一个复杂的物理过程，其中表现在它是一个非常短的时间弹性和塑性变形，材料硬化，微裂纹，宏观裂纹，摩擦，热生成和排放等随着对质量和生产力的需求不断增加，冲压过程监控变得必须了。在一般情况下，如力，应变，加速度一些传感器，接近，声发射传感器应用于获得重要的过程变量。力信号可以直接反映了冲压过程，所以它是最好的监测方法，但是，力传感器难以安装，其应用受到限制。以前的作品，例如[3]表明，因为它的有效性和成本应变传感器是最最喜欢的之一。应变信号的分析可以提供冲压过程变量的变化的丰富的信息，就像力传感器，具有预测的零件质量潜力。如果检测到的应变信号是变化的，它通常反映了过程变量条件发生了变化，而零件的质量也可能受到影响。图（2）显示了一个总应变测量信号的周期。这个过程开始，直到与弹性变形点A。其次是与塑性变形点A和C。围绕AB的应变信号的部分增加，因为那里的材料硬化力冲床它在B点达到最大值。塑性流动继续从B到C，微裂纹可能产生。除了C点的应变信号急剧下降，小裂缝合并，而其后蔓延宏观裂纹形成和生长。从B到D是从微裂纹到宏观裂纹一个过程; C点只是表示这两个不同的过程。E点后，摩擦产生的影响的应变信号的变化。因此，应变信号包含一个冲压工艺丰富的信息。为了使用的应变信号监测冲压过程遇到的关键问题是如何从应变信息中提取一些信息和在不同的条件的过程下识别这些信息。传统的方法包括主成分分析[2]，支持向量机[3]，双谱分析[4]，人工神经网络[5]，小波变换[6]和潜在的过程模型[7]。但是，低信号与噪声比（SNR）在这个过程中捕获的应变信号在许多的案件中的限制了它的能力。因此，必须引入新的信号处理技术来分析这些信号。本文件涉及三个方法通过目标信号分解分析瞬态应变信号从而了解冲压工艺的动态和为故障诊断提取故障信号。小波变换因为它在时间和频域局部特性成为一种潜在的方法来提取应变信号的功能。潜模型是另一种方法，能分解应变信号和复杂的分离使可能相关的组件将在此基础上的信号他们的时间，频率特性，每一个可能有行为上的频率连续变化。这种做法是为了更深入开发他们的数学结构隔离潜过程的基本应变冲压操作过程中的信号。一种新的方法，致力于非线性和非平稳信号分析，命名为希尔伯特黄变换（HHT），由美国宇航局[8,9] 黄锷提出了。这种方法可以分解成其基本随时变信号固有振动模式与所谓的经验模式分解（EMD）或黄的筛选过程。应用希尔伯特变换在其中任何解体固有模态函数（IMF）随后提供重要的Hilbert谱（协）瞬时频率和瞬时幅值。EMD的方法已成功地应用于该领域监测和故障检测，例如： [10,11]。本文的其余部分组织如下。第2条对这一理论进行简要的介绍后面的三方