[发明专利]基于自适应滤波与AR模型的高速铣削颤振在线识别方法

摘要

本发明一种基于自适应滤波与AR模型的高速铣削颤振在线识别方法，包含下述步骤：1)通过对主轴系统频响函数测量，得到系统的主模态；2)状态信息采集，采集到的主轴振动信号且表示为a(k)；3)对振动信号进行敏感颤振频带滤波；对采集到的振动信号a(k)进行敏感颤振频带滤波，滤波之后的信号表示为b(k)；4)对信号进行自适应滤波；5)AR建模与参数估计；5.1对误差信号e(k)进行参数化AR建模，5.2通过误差信号e(k)的参数化模型，对模型参数η(k)进行估计，进一步通过特征方程求解AR模型的特征根λ；5.3特征根λ中绝对值最大的值|λ|max可以作为铣削稳定性的判据；6)判断颤振状态，当|λ|max＞1则系统不稳定，即发生颤振；否则系统稳定。

主权项

1.一种基于自适应滤波与AR模型的高速铣削颤振在线识别方法，其特征在于，包含下述步骤：1)通过对主轴系统频响函数测量，得到系统的主模态；2)状态信息采集，采集到的主轴振动信号且表示为a(k)；3)对振动信号进行敏感颤振频带滤波；对采集到的振动信号a(k)进行敏感颤振频带滤波，滤波之后的信号表示为b(k)；4)对信号进行自适应滤波；通过自适应滤波滤除信号b(k)中的转频、铣削频率及谐波成分，保留颤振信号成分，从而把反映颤振的特征信息和与颤振无关的特征信息分离开来，其中，自适应滤波的过程如下：θ(k)＝[Q1,Q2,...Qn]T；其中，k为数据系列号；为输入信号，与主轴转速相关；l＝1，2，…，n；n为所考虑的谐波次数；T_s为相邻两个数据点的采样时间间隔；Ω(k)为当前主轴转速；θ(k)为抽头系数，Q为抽头值；e(k)为自适应滤波后输出的误差信号；α为步长因子；5)AR建模与参数估计；5.1 对误差信号e(k)进行参数化AR建模，模型结构如下；状态方程：η(k+1)＝η(k)+v(k)；观测方程：e(k)＝Φ(k)η(k)+r(k)；其中，η(k)为模型参数；Φ(k)＝[e(k‑1),e(k‑2),...,e(k‑m)]，m为模型阶数；v(k)为过程噪声；r(k)为观测噪声；5.2 通过误差信号e(k)的参数化模型，对模型参数η(k)进行估计，进一步通过特征方程求解AR模型的特征根λ；其特征方程1‑η1B‑η2B2‑...‑ηmBm＝0；其中，B为滞后算子；5.3 特征根λ中绝对值最大的值|λ|max可以作为铣削稳定性的判据；6)判断颤振状态，当|λ|max＞1则系统不稳定，即发生颤振；否则系统稳定。