[发明专利]一种基于经验模态分解和时频多特征的镗削颤振检测方法

权利要求书

1.一种基于经验模态分解和时频多特征的镗削颤振检测方法，包括以下步骤：

S1、获取镗削加工过程的原始信号；

S2、利用经验模态分解原始信号，具体包括以下步骤：

S21、将原始信号进行经验模态分解后选取能量占比高的前5组固有模态函数代替原始信号，完成原始信号的去噪得到降噪后的信号；

S22、利用经验模态将降噪后的信号分解成一组固有模态函数；

S3、对步骤S2中分解后的信号进行时频多特征分析；

S4、构建颤振监测高维观测空间；

S5、将颤振特征降维后构建单传感器颤振监测模型进行颤振信号的监测。

2.根据权利要求1所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述步骤S1中获取镗削加工过程的原始信号具体是采用振动加速度传感器采集镗削加工过程中的加速度信号。

3.根据权利要求2所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述振动加速度传感器采用接触式安装方式安装在刀杆附近。

4.根据权利要求1所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述步骤S3中时频多特征分析包括时频特征分析、分形维数分析、复杂度指标分析。

5.根据权利要求4所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述时频特征分析包括采用时域分析法计算时域特征和采用频域分析法计算功率谱熵，时域特征包括均方根、绝对平均值、方根幅值、方差、偏度、峭度和峭度指标。

6.根据权利要求4所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述分形维数分析采用二维盒计数法提取信号的分形维数。

7.根据权利要求4所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述复杂度指标分析是指Lempel-Ziv复杂度指标分析。

8.根据权利要求1所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述步骤S4中构建振动监测高维观测空间包括以下步骤：

S41、根据步骤S3中得到的特征量构建多维度观测空间；

S42、对各个维度观测空间进行归一化处理。

9.根据权利要求1所述的基于经验模态分解和时频多特征的镗削颤振检测方法，其特征在于，所述步骤S5具体包括以下步骤：

S51、采用流形学习算法对高维观测空间进行特征降维；

S52、将降维后的特征代入支持向量机构建单传感器颤振监测模型；

S53、利用网格搜索法求解支持向量机关键参数，得到最终单传感器颤振监测模型，输出监测结果。