[发明专利]一种机械加工过程中颤振的监测方法

说明书

一种机械加工过程中颤振的监测方法，包括如下步骤：S1、采集机械加工过程中与颤振相关的原始信号；S2、针对所述原始信号，通过以设定的步长更新一个滑动窗口内的数据点，得到用于计算分析的信号段，其中所述步长指的是所述滑动窗口每次更新的数据点数，所述步长不大于所述滑动窗口的大小；S3、使用分形算法计算所述滑动窗口内的所述信号段的分形维数；S4、将计算出来的所述分形维数与识别阈值进行比较，以判断加工过程是否发生颤振。本发明的方法不需要对测得的信号进行预处理，能够大幅度提高计算效率，并且能保证颤振识别的准确率。

技术领域

本发明涉及智能制造领域的智能监控技术，特别是涉及一种机械加工过程中颤振的监测方法。

背景技术

机械加工方式包含铣削、车削、磨削等,颤振是指刀具和工件之间自发产生的震荡，是影响机床加工稳定性与加工零件质量的主要因素。颤振最主要的是再生型颤振，它产生的机理由于刀具前后相邻的两次走刀在工件表面留下了相位不同的振纹。颤振的产生会降低工件的加工精度，并且会对刀具产生疲劳破坏，由于其在加工过程中具有突发性，且破坏较大，因此，在线监测颤振状况对提高加工稳定性与加工质量有重要地意义。

国内外学者对颤振识别展开了许多研究，主要步骤包括：信号分解、特征提取、颤振识别。信号分解主要作用是分解信号得到不同的信号成分，合并与颤振相关的关键信号成分，滤去与颤振相关性弱的信号成分来减少噪音对颤振识别的影响，提高颤振识别的准确率。其中信号分解算法包括了：经验模态分解法、小波分解法、变模式分解法等，这些分解算法计算复杂，需要占用大量的计算资源，导致识别滞后性，难以实现颤振实时在线监测。例如，Ji等人的研究中(Ji Y,et al.The International Journal of AdvancedManufacturing Technology,2017,92:1185)提出了一种形态覆盖的分形方法，先对信号进行了经验模态分解，然后使用形态覆盖法计算分形维数，作者指出该算法的计算效率急需提高。目前的前人工作中，都需要对信号进行预处理，尚无不进行预处理直接将分形维数应用到信号计算中的研究。

目前，颤振监测迫切需要一种计算复杂度低的监测方法，能够实现颤振的在线监测功能。

发明内容

本发明的主要目的在于克服现有相关方法在计算复杂度上存在的不足，提供一种机械加工过程中颤振的监测方法,在保证颤振识别的准确率的情况下提高颤振识别的效率。

为实现上述目的，本发明采用以下技术方案：

一种机械加工过程中颤振的监测方法，包括如下步骤：

S1、采集机械加工过程中与颤振相关的原始信号；

S2、针对所述原始信号，通过以设定的步长更新一个滑动窗口内的数据点，得到用于计算分析的信号段，其中所述步长指的是所述滑动窗口每次更新的数据点数，所述步长不大于所述滑动窗口的大小；

S3、使用分形算法计算所述滑动窗口内的所述信号段的分形维数；

S4、将计算出来的所述分形维数与识别阈值进行比较，以判断加工过程是否发生颤振。

进一步地：

所述滑动窗口的大小为100至10000个数据点的大小。

所述分形算法是粗糙度多尺度提取算法、盒计数算法、Katz算法、Higuchi算法、KNN算法中的一种或多种的组合。

步骤S3中，在计算所述分形维数之前，可以先对所述信号段的信号波形进行沿水平方向和竖直方向的拉伸或者压缩，伸缩系数分别为α和β，数据点(x_i，y_i)经过伸缩后坐标值变为(α·x_i，β·y_i)，i＝1，2，3...N。