面向钻削过程监测的振动信号处理及状态分类

作者：代煜; 王景港; 曹广威; 张建勋; 贾宾

来源：振动.测试与诊断, 2022, 42(01): 89-197.

DOI：10.16450/j.cnki.issn.1004-6801.2022.01.014

• 钻削
• 振动信号
• 状态识别
• 快速傅里叶变换
• 支持向量机

易变形结构在钻削过程中因受力而产生形变,不能根据刀具的钻削距离判断刀具所处状态。钻削过程中刀具切入易变形结构不同的位置会产生不同幅度的振动,通过对加速度传感器采集到的振动信号进行快速傅里叶变换(fast Fourier transform,简称FFT),将钻削过程分为5个状态。通过计算系统基频整数次谐波分量幅值的变异系数,选取部分谐波分量的幅值作为特征量进行阶段监测。选用线性转换和对数转换相结合的方式实现输入数据的归一化,输入到支持向量机与多层前馈(back propagation,简称BP)神经网络进行钻削状态分类。实验表明:支持向量机在所有钻削状态的识别准确率在85%以上,部分钻削状态的识别准确率达到了100%;BP神经网络分类器的识别准确率略低于支持向量机。根据所识别的状态控制刀具在即将钻透时停止,测量易变形结构剩余厚度验证了该方法的精确性。

• 单位
  南开大学