[发明专利]基于变分模态分解与跟踪阈值的铣削颤振监测方法

权利要求书

1.一种基于变分模态分解与跟踪阈值的铣削颤振在线监测方法，监测铣削过程中的颤振，其特征在于，该方法包括三个部分的流程处理，其中：

第一部分、离线数据获取与处理：采集稳定铣削状态与颤振状态下的三向振动加速度信号样本，对信号样本进行梳状滤波预处理去除与切削参数相关的频率分量，使用变分模态分解方法与基于功率谱分析的子信号重构方法获取可提特征样本，提取频带功率和作为特征样本；

第二部分、离线工艺路线获取与处理：获取加工过程NC代码，结合工艺路线进行分段处理并计算各段走刀时间，完成加工段落与阈值的对标，得到跟踪阈值模型；

第三部分、在线数据采集与处理：通过伺服通讯使跟踪阈值模型与加工过程同步，在线采集信号并实时计算特征值输入到跟踪阈值模型中进行比较。

2.如权利要求1所述的一种基于变分模态分解与跟踪阈值的铣削颤振在线监测方法，其特征在于，所述第一部分具体包括以下步骤：

通过加速度传感器测量工件铣削过程中稳定铣削状态与颤振状态下的刀具与工件之间分别在三维空间x，y，z方向的振动加速度信号；

采集铣削过程中刀具与工件之间的三向振动加速度信号，然后将振动加速度信号数据按照设定的采样周期均匀分割形成多个样本，取刀具十个旋转周期作为一个采样周期，将刀具十个旋转周期里的信号形成一个信号帧；将原始振动加速度信号分为稳定铣削阶段与颤振阶段，对每个信号帧进行稳定铣削状态或颤振状态的标注；同时，进行每个信号帧所属的加工段落的标注，最终构建形成样本集R；

对样本集R中的各个信号帧进行预处理与信号分解；使用梳状滤波器进行滤波处理，得到预处理后的样本集R’；对预处理后的样本集R’中各信号帧使用变分模态分解方法进行分解，得到子信号的分解样本集R”；

对分解样本集R”进行子信号重构，对预处理后的样本集R’中标注为颤振状态的信号帧进行功率谱分析，提取能量最大处的频率成分，对分解样本集R”中各组子信号中的该频率成分所属的子信号进行自适应重构；

自适应重构算法的结果表达式如下：

x＝X_p(p＝which componentf_{peakin X'spower spectrum}in)

其中，x为重构后的信号帧，X_p为分解后的各个子信号，f_{peakin X'spower spectrum}为功率谱中能量最大的频率成分，p为f_{peakin X'spower spectrum}所在的子信号数；

对自适应重构后的样本集中的各信号帧进行频带功率和特征提取，构成特征矩阵Y；表达式如下：

其中，x_n为第n个重构后的信号帧，FBS(x_n)为该信号帧的频带功率和，n为信号帧总数；

取每个加工段落中标注为稳定铣削状态的信号帧样本，计算信号帧样本对应特征值的最大值t₁，取相同加工段落中标注为颤振状态的信号帧样本，计算信号帧样本对应特征值的最小值t₂，当监测特征值在t₁的基础上超过t₂与t₁差值的三分之一时认为颤振发生，则设定该加工段落的阈值为(2t₁+t₂)/3；

将得到的各段NC代码所用时间与各段NC代码对应的阈值相结合，完成离线的跟踪阈值模型搭建，跟踪阈值模型表达式如下：

Genzong＝{yuzhi1(0＜＝Time＜3),yuzhi2(3＜＝Time＜5),yuzhi3(5＜＝Time＜6)}

其中，yuzhi1、yuzhi2、yuzhi3分别为三个加工段落对应的阈值，按照时间推进顺序，在不同的时刻跟踪阈值模型使用对应的阈值进行监测。

3.如权利要求1所述的一种基于变分模态分解与跟踪阈值的铣削颤振在线监测方法，其特征在于，所述第二部分的流程具体包括以下步骤：

获取待监测铣削过程的NC代码，结合工艺路线特点将NC代码进行分段处理，分为若干个直线段与拐角段；计算各段NC代码所用时间加工时间t＝X/V，V表示进给速度，X表示铣削路程。

4.如权利要求1所述的一种基于变分模态分解与跟踪阈值的铣削颤振在线监测方法，其特征在于，所述第三部分的流程具体包括以下步骤：

在线采集铣削过程中刀具与工件之间的三向振动加速度信号，通过伺服通讯使跟踪阈值模型与加工过程同步，取刀具十个旋转周期作为一个采样周期，将刀具十个旋转周期里的信号形成一个信号帧，按照所述第二部分流程中实时计算得到的最新采集到的信号帧的特征值，并将该特征值输入到跟踪阈值模型中，若特征值超过此时模型中的阈值范围，则发出颤振报警。