基于BEMD和LSSVM的大型磨床磨削顫振在線檢測方法研究.pdf

1、磨削加工是現(xiàn)代機械制造業(yè)中不可或缺的一種用來獲取高精度、低粗糙度的零件加工表面的工藝方法。對磨床進行狀態(tài)實時監(jiān)測和故障識別診斷來確保磨床長期穩(wěn)定可靠運行具有有重大現(xiàn)實意義和產(chǎn)業(yè)價值。需要注意的是，在加工過程中，磨床會進入顫振的狀態(tài)，從而引發(fā)一系列負面影響。因此可靠的顫振監(jiān)測和識別技術是必不可少的，以實現(xiàn)磨床振動狀態(tài)的實時監(jiān)測。
　　以傅里葉變換為理論基礎的傳統(tǒng)時頻信號處理方法不適用于非線性、非平穩(wěn)和多維的磨床振動輸出信號。二維經(jīng)驗

2、模態(tài)分解(Bivariate Empirical Mode Decomposition，BEMD)擴展了EMD的能力，能將二維復值信號分解為一系列零均值的旋轉(zhuǎn)成分。BEMD不僅能描述非線性動力學行為，而且能節(jié)約計算時間，并移除計算中由于假設和人為原因產(chǎn)生的失真。其在檢測初始故障方面表現(xiàn)出更強的能力，能有效地分析并提取非平穩(wěn)、非線性磨床顫振信號特征。
　　本文以KD4020X16數(shù)控龍門導軌磨床為研究對象，根據(jù)磨床自身的動靜態(tài)特性搭

3、建了顫振檢測試驗平臺，進行了磨削參數(shù)多水平試驗。利用IEPE壓電加速度傳感器和配套的TST5912動態(tài)信號分析儀對振動信號進行采集和保存，得到不同磨削參數(shù)設定下的80組實驗樣本數(shù)據(jù)，其中包括45組平穩(wěn)磨削振動信號和35組顫振磨削信號。
　　本論文對實驗過程中采集到的砂輪主軸X和Z方向的振動信號進行信號重構，進行BEMD處理得到多階BIMF分量;利用基于相關系數(shù)的真實固有模態(tài)函數(shù)提取準則篩選出真實BIMF;提取出對顫振信號敏感的指標

4、量—峰峰值、實時方差、峭度以及瞬時能量，分別進行求和與歸一化處理形成顫振特征向量;最后以最小二乘支持向量機作為(LeastSquare Support Vector Machine，LSSVM)智能化模式分類器對隨機選取的55組樣本數(shù)據(jù)的特征量進行訓練，得到顫振檢測識別模型，以剩下的25組樣本數(shù)據(jù)作為檢驗樣本，對識別模型進行檢驗和判斷，驗證其準確率及可行性。證明了基于BEMD與LSSVM的方法具有較好的識別率。
　　通過上述方法，