钛合金车削加工过程中刀具磨损状态监测的小波包子带能量变换特征提取新方法.pdfVIP

第 1期 组 合 机 床 与 自动 化 加 工 技 术 No．1 2011年 1月 ModularM achineTool＆ AutomaticManufacturingTechnique Jan．2011 文章编号 ：1001—2265(2011)O1—0035—04 钛合金车削加工过程中刀具磨损状态监测的 小波包子带能量变换特征提取新方法 陈 侃 ，傅 攀 ，李威霖 ，曹伟青 (西南交通大学 机械工程学院，成都 610031) 摘要 ：在 小波包分析的基础上 ，提 出对小波包子带能量特征抽取 的新算法。考虑到小波包能量子带 的动态特性和统计特性可 以作为刀具磨损状态识别特征提取 的来源，提 出将小波包子带能量相对 比 率、小波包子带能量相对 比率的变化值 、小波包子带能量相对 比率的变化值的统计偏差 (能量距 )作 为三个新特征值 。建立刀具磨损状 态监测 实验平 台，采集刀具三维力反馈 、振动信号作为监测信号 。 按常规特征抽取方法和本研究中提 出的方法抽取特征值 ，形成 网络训练 、识 别特征值空间。用梯度 下降法训练建立 BP人 ．Y-神经 网络 ，对刀具 四种磨损状态进行识别 ，验证 小波包子带能量 变换提取到 的特征 的有效性 。 关键词 ：小波包分子带能量；刀具磨损 ；子带能量变换；模式识别 ；状态监测 中图分类号 ：THl65+．3 文献标识码 ：A TheToolW earM onitoringBasedon SUB-W PA FeatureSelection in ProcessofTitanium Alloy M achining CHEN Kan，FU Pan，LIWei—lin，CA0 Wei—qing (DepartmentofMechanicSchool，SouthwestJIAOTONG University，Chengdu610031，China) Abstract：Thewaveletanalysisbasedonwavelettransformationisusuallyusedinmechanicfaultdiagno· sing．Itisusefulfornon·stationarysignalespecially．Butthewaveletanalysisjustpaysattentiononlow rfequencyfactorsofsingle．Thehighrfequencyfactorsofsingleusuallycontainmuchusefulinfomration forfaultpatternrecongizinghadbeenignoredthrou曲 waveletanalysis．Deferentfrom that，thewavelet packetanalysisconsiderboththelow andhi rfequency factors．Based onthewaveletpacketanalysis， thewaveletsub-bandpowertransformed featureselection hasbeen mentioned out．Threemethodshave beenusedforfeatureselection．W iththeexperimentresults，thefeasibilityhadbeenproved． Keywords：waveletpacketanalysis；toolwearmonitornig；sub-bandpowertransfomr ation；pattern recog- nizing；conditionmonitoring 分析方法。信号的小波分析方法常用于机械故障诊 0 引言