一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法
【專利摘要】本發(fā)明提出了一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法,進(jìn)行小波去噪的基礎(chǔ)上利用希爾伯特-黃變換方法對(duì)機(jī)床運(yùn)轉(zhuǎn)過(guò)程中采集的信號(hào)進(jìn)行分析,從EMD分解得到的每個(gè)IMF分量的振幅均值入手,和經(jīng)希爾伯特變換所得到的時(shí)頻譜和邊際譜入手,對(duì)比刀具正常狀態(tài)和磨損狀態(tài),獲取特征明顯,該方法所具有的自適應(yīng)性遠(yuǎn)遠(yuǎn)要高于其它特征提取方法,并克服了高頻率分辨率不足,同時(shí)該信號(hào)特征還保留了原始信號(hào)特征中所包含的所有物理意義。
【專利說(shuō)明】一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方
法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及信號(hào)處理技術(shù)的相關(guān)領(lǐng)域,特別是振動(dòng)信號(hào)處理,是一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法。
【背景技術(shù)】
[0002]在現(xiàn)代化的制造系統(tǒng)中,為了保障高投資自動(dòng)化加工設(shè)備的安全和加工質(zhì)量,迫切需要解決加工過(guò)程中的監(jiān)控問(wèn)題。刀具狀態(tài)變化是機(jī)械加工過(guò)程中最常見(jiàn)的故障之一。由于加工條件的多樣性、切削參數(shù)的多變性以及刀具磨損等因素使得刀具的狀態(tài)監(jiān)測(cè)成為整個(gè)生產(chǎn)過(guò)程監(jiān)測(cè)的重要環(huán)節(jié),刀具狀態(tài)監(jiān)測(cè)技術(shù)是在現(xiàn)代傳感器技術(shù)、信號(hào)處理技術(shù)、計(jì)算機(jī)技術(shù)和制造技術(shù)基礎(chǔ)上發(fā)展起來(lái)的新興技術(shù),它對(duì)于推動(dòng)加工過(guò)程自動(dòng)化和無(wú)人化發(fā)展具有極其重要的作用。
[0003]特征提取是對(duì)監(jiān)測(cè)信號(hào)的進(jìn)一步加工處理,通常處于故障診斷及故障分類的前級(jí),從大量信號(hào)中提取與刀具狀態(tài)變化相關(guān)的特征參數(shù)。特征參數(shù)的品質(zhì)對(duì)監(jiān)測(cè)系統(tǒng)的性能和可靠性具有重要的影響作用.特征提取可以提高信號(hào)的信噪比,減少后期數(shù)據(jù)的處理量,提高運(yùn)算速度。目前廣泛使用的特征提取方法主要有時(shí)域分析方法(均值、差值、相關(guān)系數(shù)、導(dǎo)數(shù)值等)、頻域分析方法(FFF、功率譜等)和時(shí)頻分析方法(短時(shí)FFT、小波分析)。
[0004]現(xiàn)有的傅立葉變換、短時(shí)傅立葉變換、小波變換等信號(hào)處理方法都受Heisenberg測(cè)不準(zhǔn)原理制約,同時(shí)由于小波基函數(shù)的長(zhǎng)度有限,在對(duì)信號(hào)進(jìn)行小波變換時(shí)會(huì)產(chǎn)生能量泄漏,從而要對(duì)信號(hào)能量相對(duì)時(shí)間和頻率的分布進(jìn)行精確分析就會(huì)有較大的困難。同時(shí)小波變換不具有自適應(yīng)性:一方面,一旦選定了小波基函數(shù),那么就必須用這種小波基函數(shù)分析所有的數(shù)據(jù);另一方面,選定了分解尺度,所得到的結(jié)果是某一固定頻率段的時(shí)域波形,所包含的頻率只與信號(hào)的分析頻率有關(guān),而與信號(hào)本身無(wú)關(guān)。
【發(fā)明內(nèi)容】
[0005]技術(shù)方案
[0006]自從HHT方法(Hilbert-Huang變換/希爾伯特-黃變換)提出以來(lái),在相關(guān)的領(lǐng)域也取得了一系列的應(yīng)用,它對(duì)非平穩(wěn)信號(hào)的處理有較強(qiáng)的適應(yīng)性,從很大程度上彌補(bǔ)了傳統(tǒng)的時(shí)頻分析方法的不足。由于HHT方法自身良好的自適應(yīng)性和高頻率分辨率的特點(diǎn),使得它比傳統(tǒng)的時(shí)頻分析方法更優(yōu)越,因而具有更好的應(yīng)用前景和更廣的應(yīng)用空間。本發(fā)明提出了一種在小波去噪的基礎(chǔ)上利用希爾伯特-黃變換對(duì)振動(dòng)信號(hào)進(jìn)行處理方法,能夠克服在信號(hào)變換時(shí)產(chǎn)生的能量泄露以及自適應(yīng)不足的問(wèn)題,能夠?qū)π盘?hào)能量相對(duì)時(shí)間和頻率的分布進(jìn)行精確分析。
[0007]本發(fā)明的技術(shù)方案為:
[0008]所述一種基 于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法,其特征在于:采用以下步驟:[0009]步驟1:采集若干組同一類型刀具在運(yùn)行過(guò)程中三個(gè)時(shí)間段的振動(dòng)信號(hào),三個(gè)時(shí)間段分別對(duì)應(yīng)刀具的初期磨損、正常磨損和嚴(yán)重磨損;三個(gè)時(shí)間段的采樣時(shí)間相同;不同組同一類型刀具的運(yùn)行過(guò)程中的切削參數(shù)不同;對(duì)采集的不同組的振動(dòng)信號(hào)進(jìn)行如下處理,得到振動(dòng)信號(hào)的MF分量:
[0010]步驟1.1:采用小波閾值去噪方法對(duì)采集的振動(dòng)信號(hào)sd(t)進(jìn)行處理,得到閾值去噪后的估計(jì)信號(hào)Xd(t) ;d取1,2,3,分別對(duì)應(yīng)初期磨損、正常磨損和嚴(yán)重磨損三個(gè)時(shí)間段;
[0011]步驟1.2:對(duì)信號(hào)xd(t)進(jìn)行EMD分解:確定信號(hào)xd(t)所有的極大值點(diǎn)與極小值點(diǎn),分別擬合極大值點(diǎn)以及極小值點(diǎn),得到信號(hào)的上包絡(luò)線和下包絡(luò)線;計(jì)算得到上包絡(luò)線和下包絡(luò)線的平均曲線;
[0012]步驟1.3:根據(jù)步驟1.2得到的平均曲線,采用篩分原理將信號(hào)xd(t)分解并得到有限個(gè)本征模函數(shù)IMF和殘余函數(shù)RES:
【權(quán)利要求】
1.一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法,其特征在于:采用以 下步驟: 步驟1:采集若干組同一類型刀具在運(yùn)行過(guò)程中三個(gè)時(shí)間段的振動(dòng)信號(hào),三個(gè)時(shí)間段分別對(duì)應(yīng)刀具的初 期磨損、正常磨損和嚴(yán)重磨損;三個(gè)時(shí)間段的采樣時(shí)間相同;不同組同一類型刀具的運(yùn)行過(guò)程中的切削參數(shù)不同;對(duì)采集的不同組的振動(dòng)信號(hào)進(jìn)行如下處理,得到振動(dòng)信號(hào)的MF分量: 步驟1.1:采用小波閾值去噪方法對(duì)采集的振動(dòng)信號(hào)sd(t)進(jìn)行處理,得到閾值去噪后的估計(jì)信號(hào)xd(t) ;d取1,2,3,分別對(duì)應(yīng)初期磨損、正常磨損和嚴(yán)重磨損三個(gè)時(shí)間段; 步驟1.2:對(duì)信號(hào)Xd (t)進(jìn)行EMD分解:確定信號(hào)xd (t)所有的極大值點(diǎn)與極小值點(diǎn),分別擬合極大值點(diǎn)以及極小值點(diǎn),得到信號(hào)的上包絡(luò)線和下包絡(luò)線;計(jì)算得到上包絡(luò)線和下包絡(luò)線的平均曲線; 步驟1.3:根據(jù)步驟1.2得到的平均曲線,采用篩分原理將信號(hào)xd(t)分解并得到有限個(gè)本征模函數(shù)頂F和殘余函數(shù)RES:
2.根據(jù)權(quán)利要求1所述一種基于小波去噪和希爾伯特-黃變換的刀具磨損監(jiān)測(cè)方法, 其特征在于:步驟1. 2中采用三次樣條分別擬合極大值點(diǎn)以及極小值點(diǎn)。
【文檔編號(hào)】B23Q17/12GK103962888SQ201410198303
【公開日】2014年8月6日 申請(qǐng)日期:2014年5月12日 優(yōu)先權(quán)日:2014年5月12日
【發(fā)明者】孫惠斌, 牛偉龍, 王俊陽(yáng), 孫小光, 田國(guó)良 申請(qǐng)人:西北工業(yè)大學(xué)