基于CEEMD-WPT的刀具磨損狀態(tài)識(shí)別研究.pdf

1、隨著機(jī)床在自動(dòng)化、集成化和無人化方向發(fā)展的越來越快，如何保證加工產(chǎn)品的質(zhì)量和生產(chǎn)效率就顯得尤為重要。而刀具作為加工過程的直接執(zhí)行者，不可避免地存在著磨損現(xiàn)象。因此為了保證產(chǎn)品質(zhì)量的同時(shí)又實(shí)現(xiàn)對(duì)刀具的高效利用，就有必要對(duì)刀具狀態(tài)監(jiān)測(cè)技術(shù)展開研究。
　　針對(duì)刀具加工特點(diǎn)，本文選擇對(duì)刀具聲發(fā)射信號(hào)進(jìn)行監(jiān)測(cè)，聲發(fā)射監(jiān)測(cè)技術(shù)作為一種有效的無損檢測(cè)技術(shù)因其靈敏度高、抗干擾能力強(qiáng)、無需停機(jī)等優(yōu)點(diǎn)已經(jīng)得到廣泛的應(yīng)用，但由于采集得到的聲發(fā)射信號(hào)頻率

2、高，數(shù)據(jù)量大且頻率成分復(fù)雜，無法直接進(jìn)行刀具狀態(tài)識(shí)別，故本文為了準(zhǔn)確定性的掌握切削過程中刀具的磨損狀態(tài)，提出了一種基于互補(bǔ)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(Complementary Ensemble Empirical Mode Decomposition，CEEMD)和小波包變換(Wavelet Package Transform，WPT)的刀具狀態(tài)監(jiān)測(cè)方法。首先利用CEEMD將聲發(fā)射信號(hào)自適應(yīng)地分解成多個(gè)固有模態(tài)函數(shù)(Intrinsic Mo

3、de Function，IMF)，每個(gè)IMF內(nèi)都包含有原信號(hào)的不同時(shí)間尺度特征，針對(duì)依然存在的模態(tài)混疊問題的IMF，利用WPT良好的局部處理能力予以修正，從而實(shí)現(xiàn)對(duì)特征分量的精確提取，然后選取修正后能量值較大的前幾個(gè)IMF分量，求其占總能量的比重組成特征向量，最后輸入到支持向量機(jī)(Support Vector Machine，SVM)中進(jìn)行訓(xùn)練與測(cè)試，從而建立起由6個(gè)SVM二值分類器組成的4類刀具狀態(tài)識(shí)別系統(tǒng)。
　　文章通過與CE