[发明专利]一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法

说明书

本发明公开了一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法。该方法基于磨削加工声发射信号，通过计算得到其双谱，对双谱幅值空间进行划分，计算统计信号双谱落入每个幅值子空间的概率，根据子空间分布概率定义信号双谱幅值分布熵，最后通过双谱幅值分布熵有效提取不同砂轮磨损状态下的磨削声发射信号双谱特征。本发明提取的信号特征计算简易，可以定量描述不同砂轮磨损状态下的声发射信号双谱特点，为进一步确定砂轮磨损状态提供了评价指标。

技术领域

本发明属于刀具状态监测技术领域，具体涉及一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法。

背景技术

磨削加工技术处于先进制造领域，是现代制造业中实现精密和超精密加工最有效、应用最广的制造技术。在磨削加工中，砂轮钝化则是影响加工效率与磨削质量的一个非常重要的因素。传统上，主要依靠经验，采用定时修整砂轮的方法来避免砂轮钝化的不利影响。这种方法有非常明显的局限性，并且严重阻碍了磨削加工装备向自动化、智能化方向发展。因此，开展砂轮磨损状态监测方法的研究对于提高磨削加工装备的自动化水平具有非常重要的意义。

金属磨削过程中，砂轮与工件的刮擦、磨粒崩碎、粘结剂破裂等都会产生声发射现象，因此声发射信号蕴含有丰富的磨削加工信息，被广泛应用于砂轮磨损状态监测领域。而且，随着砂轮的磨损，磨削过程从以刮擦、切削作用为主转变为以撞击、挤压作用为主，磨削声发射信号将表现出越来越强的非线性和非高斯性特征。而双谱是分析非线性、非高斯信号的有力工具，近年来在机械状态监测及故障诊断中受到了广泛的关注，并逐步应用于刀具状态监测领域。但是，由于计算得到的信号双谱往往是一个高维矩阵，数据量过于庞大，不适于后续的状态识别；另一方面，传统的双谱特征提取方法存在提取信息不全面，准确率低的问题，难以有效提取磨削声发射信号双谱中隐含的砂轮磨损状态信息。因此，迫切需要寻求一种更加有效的磨削声发射信号双谱特征，来反映不同砂轮状态下，信号双谱之间的特征差异。

发明内容

本发明的目的是针对以上问题，提供了一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法，该方法能够定量描述信号双谱幅值的分布特性，从而有效地提取不同状态磨削声发射信号双谱的差异特征，为进一步的磨损状态评价提供依据。

为达到上述目的，本发明采用如下的技术方案来实现：

一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法，包括以下步骤：

1)获取磨削加工过程中的声发射信号，并计算其双谱；

2)对磨削声发射信号的双谱进行幅值区间划分，确定需要划分的子空间数目以及各区间幅值范围；

3)计算信号双谱落入每个幅值子空间的概率，利用所得到的概率计算磨削声发射信号的双谱幅值分布熵特征。

本发明进一步的改进在于，步骤1)中，双谱的计算步骤为：

101)将采集到的长度为L的磨削声发射数据序列{x(n),n＝1,2,…,L}分成M个小段，每段包含N个数据点，分段过程中，使相邻的段与段之间有50％的数据重叠率；

102)去除每段数据均值，并为便于FFT计算，对数据进行必要的补零；

103)依次完成每段数据的FFT计算，对于第i段数据{x⁽ⁱ⁾(p),p＝1,2,…,N}，得到：

其中：为计算得到的快速傅里叶变换系数；i＝1,2,…,M，为分段序号；N为每段数据所包含的点数；ω＝0,1,…,N/2，表示傅里叶变换角频率；

104)根据各段数据FFT的计算结果，分别求得其分段双谱估计值：