[发明专利]数控加工切削振动识别方法、装置、计算机设备及介质

说明书

一种数控加工切削振动识别方法，包括S1获取实时观测信号，并提取实时观测信号的小波包能量之比S2构建并优化广义隐马尔科夫模型，将小波包能量之比作为特征参数输入至优化后的广义隐马尔科夫模型中，获取实时观测信号的λ＝(π,A,B)，其中，为广义状态转移概率矩阵，为广义观测概率矩阵；S3根据广义区间前向算法确定λ＝(π,A,B)的每个状态的概率分布并输出实时观测信号极大似然区间值；S4根据极大似然区间值判断实时观测信号的切削振动状态，其基于广义区间概率理论的广义隐马尔科夫模型和时频域特征提取为基础，可有效解决由于传感器精度和测试量误差等原因引起的不确定性问题。

技术领域

本发明涉及数控加工技术，尤其涉及一种基于广义隐马尔科夫模型的数控加工切削振动识别方法、装置、计算机设备及存储介质

背景技术

随着高速高精数控加工技术的发展以及难加工材料在重大装备上的广泛应用，切削振动已成为切削加工中提高生产效率和加工精度的主要障碍之一。

切削振动是一个复杂的非线性振动现象，形成机理复杂，颤振时将产生动态切削力，引起数控加工系统的高频、高阶复杂响应，从而导致加工过程失稳。加工过程中“装备－工艺”的交互作用表现出强非线性耦合效应，不同的刀具、工件和装夹方式都会对动力学特性带来不同的影响，目前技术手段还很难对切削系统进行精确动力学建模。

在切削振动监测与控制方面，国内外的研究人员已将人工智能技术、神经网络技术、模糊控制理论、小波分析以及混沌控制等新技术、新方法引入切削颤振的研究，并且取得了一定的进展。

在实际工程应用中，切削颤振发生发展过程非常短暂,可以说是瞬时完成的,从平稳状态到颤振爆发的过渡过程大约只有1～2s。现有的颤振监测方法大都只能在颤振现象已经完全发生的情况下进行有效识别，而此时加工工件上已经产生振纹，还很难实现对切削颤振的早期预报。

另一方面，由于数控装备结构的复杂性、加工过程中各种影响因素变化的偶然性、不确定性和随机性，在数控装备多物理场性能监测中会遇到两类问题：一是由于观测的不精确性、信息的随机性而引起的不确定性问题；二是由于信息的不完整性、特征的冗余性而引起的不完备性以及信息融合问题。传统信息融合方法(如多尺度高斯变量模型、蒙特卡罗模拟法以及隐马尔科夫模型等)假定观测信息符合某种特殊的概率分布，在观测信息不完备的情况下，以上假设无法适应。

发明内容

本发明的目的是提供一种数控加工切削振动识别方法，其以广义区间概率理论的广义隐马尔科夫模型和时频域特征提取为基础，为解决切削过程颤振早期预报提供了一种新的有效途径。

为实现上述目的，本发明提供了一种数控加工切削振动识别方法，包括如下步骤：

S1获取实时观测信号，并提取所述实时观测信号的小波包能量之比

S2构建并优化广义隐马尔科夫模型，将所述小波包能量之比作为特征参数输入至优化后的所述广义隐马尔科夫模型中，获取所述实时观测信号的λ＝(π,A,B)，其中，为广义状态转移概率矩阵，其输出为区间范围；为广义观测概率矩阵，其输出也为区间范围值；

S3根据广义区间前向算法确定所述λ＝(π,A,B)的每个状态的概率分布，以输出所述实时观测信号极大似然区间值；

S4根据所述极大似然区间值判断所述实时观测信号的切削振动状态。

优选的，所述小波包能量之比