[发明专利]立铣切削颤振的监测方法

摘要

本发明提供了一种立铣切削颤振的监测方法，包括步骤，加速度信号的获取：通过安装在立式铣床的主轴上的加速度传感器采集立铣切削过程中的加速度信号表示为X=[x（1）,x（2),…,x(n)]，n表示信号长度，所述加速度信号包括处于不同频段的稳定状态信号、过渡状态信号和颤振状态信号，这种立铣切削颤振的监测方法利用加速度信号作为切削颤振的反映信号，基于此信号计算能量比系数和奇异谱熵系数作为BP神经网络的训练样本，最终获得颤振的监测结果，与常规的颤振检测方法相比它可以更早发现切削颤振的征兆，在发生剧烈颤振的前夕实现精确的识别，防止剧烈的振动对工件和机床部件造成了不可挽回的损伤。

主权项

一种立铣切削颤振的监测方法，其特征在于：包括以下步骤：S1、加速度信号的获取：通过安装在立式铣床的主轴上的加速度传感器采集立铣切削过程中的加速度信号表示为X＝[x(1),x(2),…,x(n)]，n表示信号长度，所述加速度信号包括处于不同频段的稳定状态信号、过渡状态信号和颤振状态信号；S2、信号梳理：对采集到的加速度信号进行小波包变换，从而确定颤振状态信号的发生频段，重构颤振状态信号表示为其中c_j0,k为在尺度j₀上的近似小波系数，d_j,k为在j₀及其以下尺度上具体的小波系数，定义的函数{ψ_n}称为关于尺度函数ψ(x)的小波包；S3、计算所述颤振状态信号的能量比系数：$C_j=\frac{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{a}_{\mathrm{jk}}^2}{\underset{i=1}{\overset{8}{\mathrm{\Σ}}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{a}_{\mathrm{jk}}^2}$其中，C_j是颤振状态信号第j个频段的能量比系数，m是各频段频率离散点数，a_jk为第j个频段第k个离散频率点的幅值；S4、计算所述颤振状态信号的奇异谱熵系数：首先对所述颤振状态信号进行奇异谱分析，得到奇异值s＝{s₁,s₂,...,s_m}，然后重构所述颤振状态信号的奇异谱为p＝{p₁,p₂,...,p_m}，其中是第i个主分量在总能量中的能量贡献率，根据所述颤振状态信号在所述加速度信号中的能量贡献率计算其奇异谱熵为则所述颤振状态信号第i个频段的奇异谱熵系数为S5、对BP神经网络进行训练和获得监测结果：将所述颤振状态信号的第k个频段的能量比系数C_k和奇异谱熵系数D(k)组成颤振特征向量[C_k，D(k)]，将所述颤振特征向量作为训练样本输入到BP神经网络中进行训练，将BP神经网络的输出状态与加工过程中的实际状态进行对比，一直到错误识别率小于2％为止，最终根据BP神经网络的输出值预测立铣切削加工过程的状态。