[发明专利]一种基于时间序列的铣削加工时变模态参数识别方法

说明书

本发明公开了一种基于时间序列的铣削加工时变模态参数识别方法，包括以下步骤：①建立铣削力激励的时间序列模型；②构建时变系数与系统模态参数的映射关系；③通过最小二乘法估计环境激励；④通过最小二乘法估计时变系数；⑤迭代优化计算方法；⑥滑动窗优化计算方法。本发明在精度和计算效率上均大大提高；同时通过对算法进行优化，使得所提算法在保证高效率的情况下又不失其准确性。

技术领域

本发明涉及一种基于时间序列的铣削加工时变模态参数识别方法，属于复杂薄壁零件制造技术领域，主要应用于薄壁零件铣削加工时变模态参数在线识别。

背景技术

航空发动机叶片、叶盘、机匣、飞机蒙皮等薄壁零件因其壁薄、质轻等优点，被广泛应用于航空、航天等领域；但该类薄壁零件在加工过程中，由于材料去除致使动态加工系统的模态参数发生显著的变化，使得以此优选的切削参数过于保守，且容易导致加工状态失稳，最终影响零件加工质量、加工效率和刀具寿命；因此，为了提高薄壁零件加工质量、加工效率和延长刀具使用寿命，精确识别加工中系统时变模态参数具有重要的工程应用价值。

时间序列方法能够快速且准确地识别系统的时变模态参数；通常，时间序列方法是利用时变差分方程来建立时变系数和系统模态参数的关系，并通过估计时变系数来获得系统的模态参数；但是该方法前提是激励信号为白噪声；但是在铣削加工中，系统激励信号主要是强谐波激励和白噪声激励，这将导致采用该方法进行模态参数识别时会将谐波分量误认为结构模态，从而造成识别误差；因此将时间序列识别方法运用到铣削加工模态识别需要分离谐波分量，例如参考文献[Kang, J.; Liu, L.; Shao, Y.P.; Ma, Q.G. Non-stationary signal decomposition approach for harmonic responses detection inoperational modal analysis. Computers and Structures. 2021, 242]所述方法，该方法利用白噪声激励和谐波激励下响应信号的统计学特性去掉谐波分量获得实际模态参数，但是计算太复杂，且响应信号经过傅立叶正、逆变换后会产生变换误差；因此，将该方法运用于薄壁零件铣削加工中时变模态参数识别还需要进一步的改进；基于此，提出了本发明。

发明内容

本方法为了解决现有时间序列方法难以满足铣削系统时变模态参数精确识别的问题，提出一种可以将实际铣削力信号视为激励信号的时变模态参数识别方法——一种基于时间序列的铣削加工时变模态参数识别方法。

为解决上述技术问题，本发明采用如下技术方案：一种基于时间序列的铣削加工时变模态参数识别方法，其特征在于：包括以下步骤，

①建立铣削力激励的时间序列模型；

②构建了时变系数与系统模态参数的映射关系；

③通过最小二乘法估计环境激励；

④通过最小二乘法估计时变系数；

⑤迭代优化计算方法；

⑥滑动窗优化计算方法。

步骤①具体过程为，

铣削力信号的概率统计图表现为谐波分量与高斯噪声的叠加；因此可将工件受到的激励信号视为理论铣削力信号和高斯白噪声信号的叠加；因此，建立理论铣削力和白噪声激励下 n自由度连续时间时变动力学微分方程可表示为：

 (1)