[发明专利]一种基于包含铣削角度理论模型的铣削颤振智能识别方法

权利要求书

1.一种基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，包括：

步骤1：通过布置的传感器，获取铣削过程中的信号以便于后续进行分析；

步骤2：对获取的信号进行加工周期倍数的短截取，并对截取后的信号进行奇异谱分解；

步骤3：对奇异谱分解产生的奇异谱分量进行筛选，选取出特征分量，求取特征分量的加权排列熵值；

步骤4：将加权排列熵值与神经网络拟合的阈值函数作比较，判断颤振情况；

所述步骤3中采用KL散度和皮尔逊系数相结合的方法进行分量筛选，分别设定KL散度阈值为560，皮尔逊系数阈值为0.65；

阈值函数由包含有铣削角度的理论动力学模型和机器学习的方法共同得到；

所述阈值函数由包含有铣削角度的理论动力学模型和机器学习的方法共同得到，包含如下步骤：

子步骤1，根据具体的铣床结构与工件模态参数，构建包含铣削角度在内的三自由度铣削动力学方程；

子步骤2，进行铣削实验，测得理论模型所需的铣削力参数；

子步骤3，根据完善的铣削动力学方程，绘制稳定性叶瓣图；

子步骤4，根据理论模型，选取几组颤振边界的转速、切深、铣削角度等参数作为粒子群算法优化的初值条件，对神经网络的参数进行预处理；

子步骤5，进行实际的颤振实验，测得加权排列熵值，训练经粒子群算法优化的神经网络，拟合阈值函数。

2.根据权利要求1所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，所述步骤1中采用的是非接触式测量的麦克风采集声信号。

3.根据权利要求1所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，所述步骤2中采用主轴旋转周期的两倍作为截取的长度。

4.根据权利要求1所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，所述子步骤1建立的铣削动力学方程为：

式中：m_x-x方向模态质量；c_1x-x方向阻尼；k_1x，k_2x，k_3x-x方向非线性刚度；

m_y-y方向模态质量；c_1y-y方向阻尼；k_1y，k_2y，k_3y-y方向非线性刚；

m_z-z方向模态质量；c_1z-z方向阻尼；k_1z，k_2z，k_3z-z方向非线性刚度。

5.根据权利要求4所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，所述子步骤3的稳定性叶瓣图由谱元法得到。

6.根据权利要求1所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，所述步骤4中，进行颤振实验，获得训练集，训练神经网络，拟合出阈值函数。

7.根据权利要求6所述的基于包含铣削角度理论模型的铣削颤振智能识别方法，其特征在于，将实时监测的加权排列熵值与阈值函数比较，根据大小关系判断是否有颤振趋势。