[发明专利]一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法

说明书

技术领域

本发明涉及信号处理技术的相关领域，特别是振动信号处理，是一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法。

背景技术

在现代化的制造系统中，为了保障高投资自动化加工设备的安全和加工质量，迫切需要解决加工过程中的监控问题。刀具状态变化是机械加工过程中最常见的故障之一。由于加工条件的多样性、切削参数的多变性以及刀具磨损等因素使得刀具的状态监测成为整个生产过程监测的重要环节，刀具状态监测技术是在现代传感器技术、信号处理技术、计算机技术和制造技术基础上发展起来的新兴技术，它对于推动加工过程自动化和无人化发展具有极其重要的作用。

特征提取是对监测信号的进一步加工处理，通常处于故障诊断及故障分类的前级，从大量信号中提取与刀具状态变化相关的特征参数。特征参数的品质对监测系统的性能和可靠性具有重要的影响作用.特征提取可以提高信号的信噪比，减少后期数据的处理量，提高运算速度。目前广泛使用的特征提取方法主要有时域分析方法(均值、差值、相关系数、导数值等)、频域分析方法(FFF、功率谱等)和时频分析方法(短时FFT、小波分析)。

现有的傅立叶变换、短时傅立叶变换、小波变换等信号处理方法都受Heisenberg测不准原理制约，同时由于小波基函数的长度有限，在对信号进行小波变换时会产生能量泄漏，从而要对信号能量相对时间和频率的分布进行精确分析就会有较大的困难。同时小波变换不具有自适应性：一方面，一旦选定了小波基函数，那么就必须用这种小波基函数分析所有的数据；另一方面，选定了分解尺度，所得到的结果是某一固定频率段的时域波形，所包含的频率只与信号的分析频率有关，而与信号本身无关。

发明内容

技术方案

自从HHT方法(Hilbert-Huang变换/希尔伯特-黄变换)提出以来，在相关的领域也取得了一系列的应用，它对非平稳信号的处理有较强的适应性，从很大程度上弥补了传统的时频分析方法的不足。由于HHT方法自身良好的自适应性和高频率分辨率的特点，使得它比传统的时频分析方法更优越，因而具有更好的应用前景和更广的应用空间。本发明提出了一种在小波去噪的基础上利用希尔伯特-黄变换对振动信号进行处理方法，能够克服在信号变换时产生的能量泄露以及自适应不足的问题，能够对信号能量相对时间和频率的分布进行精确分析。

本发明的技术方案为：

所述一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法，其特征在于：采用以下步骤：

步骤1：采集若干组同一类型刀具在运行过程中三个时间段的振动信号，三个时间段分别对应刀具的初期磨损、正常磨损和严重磨损；三个时间段的采样时间相同；不同组同一类型刀具的运行过程中的切削参数不同；对采集的不同组的振动信号进行如下处理，得到振动信号的IMF分量：

步骤1.1：采用小波阈值去噪方法对采集的振动信号s_d(t)进行处理，得到阈值去噪后的估计信号x_d(t)；d取1，2，3，分别对应初期磨损、正常磨损和严重磨损三个时间段；

步骤1.2：对信号x_d(t)进行EMD分解：确定信号x_d(t)所有的极大值点与极小值点，分别拟合极大值点以及极小值点，得到信号的上包络线和下包络线；计算得到上包络线和下包络线的平均曲线；

步骤1.3：根据步骤1.2得到的平均曲线，采用筛分原理将信号xd(t)分解并得到有限个本征模函数IMF和残余函数RES：