[发明专利]基于振动信号和Stacking集成模型的刀具磨损状态监测方法

权利要求书

1.一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，其特征在于，包括以下步骤：

步骤1，使用加速度传感器采集加工过程机床主轴的振动信号，同时对每次走刀完成后的刀具后刀面刃带进行拍照，将测量刀具刃带磨损的宽度作为刀具磨损标签值；

步骤2，对机床主轴的振动信号通过去趋势项和异常值处理，得到纯净的加工过程的振动信号；

步骤3，采用时域分析、频域分析和集成经验模式分解对振动信号进行特征提取，得到多个特征信号；其中，对振动信号进行集成经验模式分解后得到本征模式分量，将多个本征模式分量的能量比作为信号特征；

所述步骤3，对机床加工过程中预处理后的振动信号进行特征提取，包括：

31)时域分析提取振动信号X＝{x₁,x₂,…,x_N}的均值峰值P_m、有效值RMS、方差Var、峭度Kur和偏斜度Ske；

32)通过频域分析对信号进行短时傅里叶变换，在频域内，提取切齿频率对应的幅值谱的峰值特征；

33)时频域内，对振动信号序列x(t)＝{x₁,x₂,…,x_N}通过集成经验模式分解得到若干本征模式分量和一个余项的和；

34)计算每个本征模式分量的能量比，作为振动信号时频域特征；

步骤4，再利用ReliefF-SVM算法对步骤3已提取的信号特征进行筛选得到最优特征集；

步骤5，利用最优特征集和磨损标签值基于Stacking集成策略，选用支持向量机、朴素贝叶斯和决策树作为初级分类器，选用支持向量机作为次级分类器，将初级分类器的输出数据作为次级分类器的输入数据，建立刀具磨损状态集成监测模型；

步骤6，监测机床主轴加工过程振动信号，将经过处理后的信号特征集输入到所述集成监测模型中，得到刀具磨损标签值，即刀具磨损状态。

2.根据权利要求1所述一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，其特征在于，所述步骤3，对振动信号进行特征提取，包括：

31)采用时域分析提取振动信号X＝{x₁,x₂,…,x_N}的均值峰值P_m、有效值RMS、方差Var、峭度Kur和偏斜度Ske；

其中P_m＝max(|x_i|)，

式中，σ是振动信号X的标准差；x_i为振动信号序列点；N为序列点数；

32)通过频域分析对信号进行短时傅里叶变换，在频域内，提取切齿频率对应的幅值谱的峰值特征；

33)时频域内，对振动信号序列x(t)＝{x₁,x₂,…,x_N}通过集成经验模式分解，得到若干个本征模式分量c_i(t)和一个余项r_n(t)的和，即

34)计算每个本征模式分量的能量比，作为振动信号时频域特征。

3.根据权利要求2所述一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，其特征在于，所述步骤32)中，切齿频率计算公式为：

其中n为主轴转速，z为铣刀齿数。

4.根据权利要求2所述一种基于振动信号和Stacking集成模型的刀具磨损状态监测方法，其特征在于，所述步骤34)中，本征模式分量的能力比为：

其中，为本征模式分量的能量，E_total为所有分量的总能量。