基于BEMD和LSSVM的大型磨床磨削顫振在線檢測(cè)方法研究.pdf

1、磨削加工是現(xiàn)代機(jī)械制造業(yè)中不可或缺的一種用來(lái)獲取高精度、低粗糙度的零件加工表面的工藝方法。對(duì)磨床進(jìn)行狀態(tài)實(shí)時(shí)監(jiān)測(cè)和故障識(shí)別診斷來(lái)確保磨床長(zhǎng)期穩(wěn)定可靠運(yùn)行具有有重大現(xiàn)實(shí)意義和產(chǎn)業(yè)價(jià)值。需要注意的是，在加工過(guò)程中，磨床會(huì)進(jìn)入顫振的狀態(tài)，從而引發(fā)一系列負(fù)面影響。因此可靠的顫振監(jiān)測(cè)和識(shí)別技術(shù)是必不可少的，以實(shí)現(xiàn)磨床振動(dòng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。
　　以傅里葉變換為理論基礎(chǔ)的傳統(tǒng)時(shí)頻信號(hào)處理方法不適用于非線性、非平穩(wěn)和多維的磨床振動(dòng)輸出信號(hào)。二維經(jīng)驗(yàn)

2、模態(tài)分解(Bivariate Empirical Mode Decomposition，BEMD)擴(kuò)展了EMD的能力，能將二維復(fù)值信號(hào)分解為一系列零均值的旋轉(zhuǎn)成分。BEMD不僅能描述非線性動(dòng)力學(xué)行為，而且能節(jié)約計(jì)算時(shí)間，并移除計(jì)算中由于假設(shè)和人為原因產(chǎn)生的失真。其在檢測(cè)初始故障方面表現(xiàn)出更強(qiáng)的能力，能有效地分析并提取非平穩(wěn)、非線性磨床顫振信號(hào)特征。
　　本文以KD4020X16數(shù)控龍門導(dǎo)軌磨床為研究對(duì)象，根據(jù)磨床自身的動(dòng)靜態(tài)特性搭

3、建了顫振檢測(cè)試驗(yàn)平臺(tái)，進(jìn)行了磨削參數(shù)多水平試驗(yàn)。利用IEPE壓電加速度傳感器和配套的TST5912動(dòng)態(tài)信號(hào)分析儀對(duì)振動(dòng)信號(hào)進(jìn)行采集和保存，得到不同磨削參數(shù)設(shè)定下的80組實(shí)驗(yàn)樣本數(shù)據(jù)，其中包括45組平穩(wěn)磨削振動(dòng)信號(hào)和35組顫振磨削信號(hào)。
　　本論文對(duì)實(shí)驗(yàn)過(guò)程中采集到的砂輪主軸X和Z方向的振動(dòng)信號(hào)進(jìn)行信號(hào)重構(gòu)，進(jìn)行BEMD處理得到多階BIMF分量;利用基于相關(guān)系數(shù)的真實(shí)固有模態(tài)函數(shù)提取準(zhǔn)則篩選出真實(shí)BIMF;提取出對(duì)顫振信號(hào)敏感的指標(biāo)

4、量—峰峰值、實(shí)時(shí)方差、峭度以及瞬時(shí)能量，分別進(jìn)行求和與歸一化處理形成顫振特征向量;最后以最小二乘支持向量機(jī)作為(LeastSquare Support Vector Machine，LSSVM)智能化模式分類器對(duì)隨機(jī)選取的55組樣本數(shù)據(jù)的特征量進(jìn)行訓(xùn)練，得到顫振檢測(cè)識(shí)別模型，以剩下的25組樣本數(shù)據(jù)作為檢驗(yàn)樣本，對(duì)識(shí)別模型進(jìn)行檢驗(yàn)和判斷，驗(yàn)證其準(zhǔn)確率及可行性。證明了基于BEMD與LSSVM的方法具有較好的識(shí)別率。
　　通過(guò)上述方法，