[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

说明书

本发明公开了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，包括三个部分的流程处理：第一部分、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，获取可提特征样本，提取频带功率和作为特征；第二部分、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模型的对标，得到跟踪阈值模型；第三部分、通过伺服通讯使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模型中进行比较。与现有技术相比，本发明实现颤振的在线监测，在提高监测特征的鲁棒性的同时还解决了静态阈值适用性差的问题，具有实际应用意义。

技术领域

本发明属于装备系统振动监测领域，具体涉及一种基于变分模态分解(VMD)与跟踪阈值模型的铣削颤振在线监测方法。

背景技术

颤振作为一种自激振动，在铣削加工过程中极为常见，是制约工件加工精度和机床加工效率的主要因素之一，不加抑制的颤振会导致被加工工件表面质量下降、产生尺寸误差、以及缩短刀具和机械加工装备的使用寿命。

随着先进加工制造技术的发展，颤振在线监测技术在机械加工制造中扮演着愈加重要的角色。目前颤振在线监测系统中所使用的模型可分为阈值模型和机器学习模型。机器学习模型使用智能算法对铣削状态进行分类，然而在线监测的稳定性与实时性要求对该类模型的鲁棒性与时间开销要求较高。因此为满足颤振监测系统的实时性要求，选择阈值模型来进行颤振在线监测。传统的阈值模型大多考虑简单工艺路线，设定静态阈值进行监测，不适用于实际加工中复杂走刀路线下的监测需求，且信号分解后的重构部分过于依赖人工，自适应能力较差。

发明内容

本发明的目的在于克服已有技术的缺陷，基于变分模态分解与跟踪阈值模型的铣削颤振监测方法，实现了铣削颤振的高效率在线监测。

本发明为解决上述问题而采取的技术方案如下：

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，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；

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模型的对标，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模型中进行比较。

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，对每个信号帧所属的状态进行标注；同时，对每个信号帧所属的加工段落进行标注，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：