基于EEMD和IMF能量分布的刀具破损识别.pdf

《基于EEMD和IMF能量分布的刀具破损识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4期组合机床与自动化加工技术NO．42013年4月ModularMachineTool＆AutomaticManufacturingTechniqueApr．2013文章编号：1001—2265(2013)O4—0054一O5基于EEMD和IMF能量分布的刀具破损识别杨明伦，邵华(上海交通大学机械与动力工程学院，上海200240)摘要：针对铣削过程中声发射信号非平稳的特点，提出了一种基于噪声辅助经验模态分解(EEMD)和本征模函数(IMF)能量分布的刀具破损识别方法。首先对经过滤波后的原信号进行EEMD分解

2、，抽取本征模函数组(IMF)，后计算每一阶模函数能量及总体能量分布，最后提取特征向量，通过特征向量的变化识别刀具破损。利用该方法，在立式铣削加工中心上对稳定切削中刀具破损和变参数铣削加工进行了系统的分析，结果表明此方法能够剔除切削参数变化的影响，准确的识别刀具破损，具有很高的稳定性和准确性。关键词：刀具状态监控；声发射；噪声辅助经验模态分解；能量分布中图分类号：TG501文献标识码：AIdentificationofAESignalforToolBreakageMonitoringBasedonEEMDYAN

3、GMing—lun，SHAOHua(SchoolofMechanicalEngineering，ShanghaiJiaoTongUniversity，Shanghai200240，China)Abstract：Forthenon-stationarycharacteristicsofacousticemissionsignalsinfacemillingprocess，anewapproachbasedonensembleempiricalmodedecomposition(EEMD)andIMFenergy

4、distributionwasproposedtoachievethedetectionandidentificationoftoolbreakageinmillingprocess．First，EEMDwasusedontheoriginalsignaltoextractintrinsicmodefunctions(IMFs)，andthenIMFsenergydistri—butionwascalculatedtoobtainthefeaturevectorandamathematicalmodelwas

5、establishedtoexpresstherelationshipbetweenthefeaturevectorandcutterconditions．Extensiveexperimentswereperformedtoconfirmtheeffectivenessandrobustnessofthedetectivemethodforsteadymillingandvariablecuttingparameters．Theresultsshowedthatthismethodcouldaccurate

6、lyandstablyidentifythetoolbreakage．Keywords：toolconditionmonitoring；acousticemission；ensembleempiricalmodedecomposition(EE—MD)；IMFenergydistribution年发展起来的小波分析，神经网络等方法，信号处O引言理技术的发展对刀具破损监控起着推动作用。刀具状态的实时监控对提高生产效率，降低生但是，针对铣削过程中刀具破损的监控一直没产成本，生产自动化以及产品质量保证起到重要的有很

7、好的解决方法，原因主要在于两方面：首先，在作用。切削刀具破损作为一种主要的刀具失效形铣削加工中，切削参数变化会对信号处理技术的稳式，一直是各国学者研究的热点。目前在刀具破损定性产生影响；其次，铣削过程中的AE信号表现出监控上研究主要围绕着两方面，一是传感器技术，二很强的非线性和非平稳性，这种非平稳性会导致AE是信号处理技术。多年来，随着传感器技术的不断信号频域特征随着时间的推移而改变，无法用固定发展，不同类型的传感器被应用在刀具状态监控上的频域特征描述铣削AE信号。面⋯，如力传感器，功率变送器，声发射传感经验

8、模态分解(empiricalmodedecomposition，器等。在众多传感器中，声发射传感器灵敏性高，抗EMD)是一种基于瞬时频率的自适应的处理非线性干扰性强以及经济性等特点，逐渐被各国研究人系统和非平稳信号的处理方法。原信号被EMD员所采用。多种信号处理与特征提取技术被开发并分解成一组分量信号，这些分量信号相互正交，被定应用到监控系统中，从早期的时域特征分析，到中义为本征模函数(IMF)。这