車削顫振的在線智能檢測及抑制研究.pdf

1、航空制造業(yè)是制造業(yè)最為重要的組成部分之一，而航空薄壁零件的加工一直都是制約航空工業(yè)發(fā)展的關(guān)鍵因素。薄壁零件加工過程中極易發(fā)生顫振問題，從而影響生產(chǎn)效率以及加工質(zhì)量。顫振對工件、刀具和機(jī)床設(shè)備的危害已毋庸置疑，發(fā)展切削顫振的檢測和控制技術(shù)已對航空件的加工十分關(guān)鍵。
　　本文研究并設(shè)計了顫振在線智能檢測與抑制的閉環(huán)切削系統(tǒng)，通過檢測切削力信號，實時監(jiān)測切削狀態(tài)并在線抑制顫振的發(fā)生，達(dá)到薄壁零件高品質(zhì)加工的目的。
　　首先，通過理

2、論和實驗分析了再生型切削顫振的產(chǎn)生條件和特點(diǎn)，得出顫振的發(fā)生總是伴隨著機(jī)床在其薄弱環(huán)節(jié)固有頻率處的劇烈振動的結(jié)論。依據(jù)顫振的特點(diǎn)，提出了基于小波包節(jié)點(diǎn)能量的特征提取方法，并通過實驗分析了分解層數(shù)對其識別效果的影響，發(fā)現(xiàn)較高層的小波包節(jié)點(diǎn)能量的顫振識別精度較高。結(jié)合 LSSVM分類器的特點(diǎn)，提出了LSSVM-RFE特征降維方法，進(jìn)一步消去高層小波包節(jié)點(diǎn)能量特征中的冗余信息并降低檢測時間，顫振識別精度由97.41％提升至98.90%，檢測時

3、間由25.5ms降低至9.5ms。
　　接著，研究了一類支持向量機(jī)的最小二乘形式——LS-OC-SVM，將其應(yīng)用顫振檢測中，并提出了基于 LS-OC-SVM的在線進(jìn)化的檢測模型。模型中使用分塊矩陣求逆實現(xiàn)了 LS-OC-SVM的在線增量式求解，使用相干準(zhǔn)則構(gòu)建數(shù)據(jù)集的字典將 LS-OC-SVM的解稀疏化，特征信息被存儲于字典中，通過更新字典實現(xiàn)檢測模型的在線進(jìn)化。實驗結(jié)果表明，在線進(jìn)化的檢測模型有更高的顫振預(yù)報準(zhǔn)確率。