[发明专利]一种基于累积和控制理论的刀具失效状态监测方法

权利要求书

1.一种基于累积和控制理论的刀具失效状态监测方法，其特征在于，所述基于累积和控制理论的刀具失效状态监测方法以信息熵和相关性为控制量，通过经验模态分解方法对原始切削力信号进行分析重构；提取重构切削力信号中的信号平均功率和摩擦系数，对刀具的磨损和破损状态进行表征，并对关键参数进行定义；通过改进的累积和控制图形成完善的刀具失效状态分析方法。

2.如权利要求1所述的基于累积和控制理论的刀具失效状态监测方法，其特征在于，所述经验模态分解算法具体包括：

①初始化所加入的高斯白噪声信号幅值比值系数k与总体平均次数M，并为i赋值为i＝1；

②为原始信号s(t)添加高斯白噪声信号n_i(t)得到混叠信号s_i(t)为：

si(t)＝s(t)+k·n_i(t) i＝1，2，…，M；

③将混叠信号si(t)进行EMD分解为：

其中J为所得IMF总量，c_i,j(t)为第i次分解得到的第j个IMF，r_i,J(t)为残余分量；

④加入幅值不同的白噪声序列，重复以上步骤直至M次，得到IMF分量为：

{{c_1，j(t)}，{c_2，j(t)}，…，{c_M，j(t)}}；

⑤将各个IMF求均值cj(t)得到最终IMF分量为：

3.如权利要求1所述的基于累积和控制理论的刀具失效状态监测方法，其特征在于，所述切削力信号的分解方法具体包括：

加入的白噪声信号幅值比值系数k与总体平均次数M存在对应关系为：

其中，e为期望分解误差，即分解后获得所有IMF之和的相对误差；

添加的白噪声信号幅值比值系数k需要根据原始信号频率进行调整，其添加准则为：

0＜k≤σ_h/3σ₀；

其中，σ_h为原始信号高频成分幅值标准差，σ₀为原始信号幅值标准差。

4.如权利要求1所述的基于累积和控制理论的刀具失效状态监测方法，其特征在于，所述切削力信号的筛选重构方法具体包括：

根据各阶信号的幅值与频率特性，与原始信号进行比较排除随机特征的干扰，故而可以选择使用相关性与信息熵作为信号筛选的依据，对同时满足两种条件的IMF进行保留；相关性表示的是两个时间序列之间的相关程度，是滤波分析时最常用的参数；互相关函数描述随机信号x(t)，y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，数学表达式为：

其中f₁(t)与f₂(t)代表两组不同的信号；各阶IMF信号与原始信号的自相关分析结果呈现正态分布，数值集中在0.6～0.9，0.6设为相关性阈值，对IMF低于0.6的IMF进行筛选；

信息熵用来衡量一个随机变量出现的期望值，用于衡量系统的复杂度，其数学表达式为：

其中n表示信号所有可能发生情况的个数，p_i表示各种情况的相互独立的概率。

5.如权利要求1所述的基于累积和控制理论的刀具失效状态监测方法，其特征在于，所述刀具接触区域的平均摩擦系数定义为：

6.如权利要求1所述的基于累积和控制理论的刀具失效状态监测方法，其特征在于，对采样周期内的切削合力进行分段计算定义如下：

其中X为采样信号，F_e为采样频率，N为样本数量；将采样获取的三向力数值进行合成，并采用分段采样方法进行提取，分别计算其平均功率，并按照时间顺序对平均功率进行分析。