基于EMD复杂度与鉴别信息的磨削颤振预测.pdfVIP

第32卷第4期 振动、测试与诊断 V01．32No．4 2012年8月 of Aug．2012 JournalVibration，Measurement8LDiagnosis 基于EMD复杂度与鉴别信息的磨削颤振预测+ 董新峰1， 张为民1’2， 姜 源1 (1．同济大学机械与能源工程学院上海，200092)(2．同济大学中德学院上海，200092) mode 摘要为避免磨削加工中出现颤振，提出一种基于经验模式分解(empiracal 度与鉴别信息的颤振预测方法。采用经验模式分解对磨削加工中滤波后的振动信号进行分解，获得振动信号的本 征特征函数；采用L—Z复杂度指标对本征特征函数进行复杂度分析，获得磨削颤振特征值；采用鉴别信息对复杂度 变化进行量化，通过鉴别信息对磨削加工颤振进行预测。在外圆磨床实验平台对该方法的有效性进行了验证，分别 采用变工件转速、变砂轮转速和变磨削厚度3种加工方式逼近颤振状态。分析结果表明，当磨削加工趋于颤振时对 应的鉴别信息值增大。实验结果通过鉴别信息的大小可以对磨削加工中的颤振进行预测。 关键词磨削；颤振；经验模式分解；L—Z复杂度；鉴别信息 中图分类号TG596 笔者根据磨削加工中振动信号的非平稳、非线 引 言 性特征，提出一种基于EMD复杂度指标和鉴别信 息的非监督式颤振预测方法，并通过3种趋于颤振 颤振主要是由于刀具与工件之间的自激振动引 的加工对该方法的有效性进行了验证。 起。在加工过程中，颤振会降低加工表面的加工质 量、加剧刀具磨损、产生过大噪声、降低加工效率和 l 理论方法 加速机床破坏；因此，许多学者对加工过程中颤振预 测进行了研究。文献[1]采用小波包分解方法构造颤 1．1经验模式分解理论 振检测特征向量，采用支持向量机对颤振进行预测。 在磨削加工中，由于运动部件的非线性特征使 文献[2]通过隐马尔科夫模型对测量的振动信号进 加工过程中的振动信号呈非平稳、非线性特征，传统 行建模，完成了切削加工中的颤振预测。文献[3]采 的时域、频域分析方法不适于非线性、非平稳信号的 用自适应滤波方法对铣削加工中的声音信号进行分 分析。HuangN．E[9]提出一种处理非线性、非平稳信 析，通过声音信号功率谱提取特征，采用模糊逻辑方 号的方法——经验模式分解，它是一种基于数据本 法对颤振进行预测。文献[4]采用非线性时间序列指 身的分解，具有很好的自适应性。EMD可以把复杂 数自回归模型对深孔钻削中的颤振进行预测。文献 的非平稳信号分解为有限个具有物理意义的本征特 [5]采用S变换获取振动信号特征值，采用模糊逻辑 mode 征函数(intrinsic 方法对车削加工中的颤振进行预测。文献[6]采用小 的IMF需满足两个条件：a．各个IMF数据的极值点 波变换方法对颤振进行预测。文献[7]基于声发射信