[发明专利]一种基于变分模态分解和能量熵的铣削颤振识别方法

摘要

本发明公开了一种基于变分模态分解和能量熵的铣削颤振识别方法，属于机床加工颤振识别技术领域。其包括以下步骤：S1、建立VMD数学模型；S2、建立能量熵的数学模型；S3、进行分别代表稳定切削、微弱颤振及严重颤振三种切削状态的三组铣槽加工实验，通过测力仪来获取三组铣削力信号；S4、对三组铣削力信号进行FFT分析，证明三组铣削力信号分别代表加工处于稳定切削、微弱颤振及严重颤振状态；S5、通过基于峭度值的VMD参数自动选取方法确定VMD分解的最佳模态个数K和惩罚因子α；S6、求多个IMF的瞬时频率，确定铣削颤振特征频带；S7、采用锤击实验获取刀具模态；S8、基于能量熵对每个IMF提取颤振特征向量。本发明提高了VMD分解效果，实现了自动识别颤振。

主权项

1.一种基于变分模态分解和能量熵的铣削颤振识别方法，其特征在于，包括以下步骤：S1、建立VMD数学模型；S2、建立能量熵的数学模型；S3、进行分别代表稳定切削、微弱颤振及严重颤振三种切削状态的三组铣槽加工实验，通过测力仪来获取三组铣削力信号；S4、对三组铣削力信号进行FFT分析，证明三组铣削力信号分别代表加工处于稳定切削、微弱颤振及严重颤振状态；S5、通过基于峭度值的VMD参数自动选取方法确定VMD分解的最佳模态个数K和惩罚因子α；S6、求解多个IMF的瞬时频率并确定铣削颤振特征频带；S7、采用锤击实验来获取刀具模态；S8、采用基于能量熵的方法对每个IMF提取颤振特征向量；所述步骤S5包括以下步骤：S51、引入峭度；S52、将峭度引入铣削颤振；S53、选定惩罚因子α及模态个数K的范围及步长；S54、在每种K和α的组合下，利用VMD对铣削力信号进行多次分解，将每次VMD获得的n个IMF相加，得到该次VMD后的重组信号；S55、计算多个重组信号的峭度值，并保存最大的峭度值和记录此时的惩罚因子α和模态个数K。