[发明专利]一种机床切削颤振的在线监测方法及装置

权利要求书

1.一种机床切削颤振的在线监测方法，其特征在于，包括：

S11：采集机床切削过程中的振动信号；

S12：对所述S11中的振动信号进行快速傅里叶变换，以确定频域幅值最大值所在的频率范围；

S13：对所述振动信号进行小波包分解；

S14：选取包含最大幅值频率的频带进行小波包系数重构，得到重构特征频带的振动信号；

S15：对所述重构特征频带的振动信号进行S变换，对变换后得到的二维矩阵进行奇异值分解，提取表征信号复杂性的奇异值熵特征，并绘制随时间变化的奇异值熵特征曲线；

S16：通过所述奇异值熵特征曲线来判定机床切削过程中是否出现颤振现象；

所述S15中的S变换的算法公式为：

其中，S(τ,f)为变换得到的时频谱二维矩阵；x(t)为重构振动信号；为高斯窗函数；f为频率；τ为时间，控制窗口函数在时间轴上的位置；

所述奇异值分解的原理为：

其中，d1≥d2≥...≥dr≥0为奇异值，U、VT均为正交矩阵；

所述奇异值熵为：

其中，是第i个主分量在总能量中的贡献率。

2.根据权利要求1所述的机床切削颤振的在线监测方法，其特征在于，所述S11与S12之间还包括：

S21：对于所述振动信号，通过确定样本间隔为K个采样点，得到N个采样点的分段样本信号；

所述S13进一步为：分别对不同的分段样本信号进行多层小波包分解。

3.根据权利要求1所述的机床切削颤振的在线监测方法，其特征在于，所述小波包分解的算法公式为：

其中，c_p(l)原始振动信号，代表分解的低频部分，代表分解的高频部分，h_l-2k、g_l-2k分别表示滤波器低频、高频分解系数，j＝1,2,3,...,J，J为分解层数。

4.根据权利要求3所述的机床切削颤振的在线监测方法，其特征在于，所述S14中的小波包系数重构的算法公式为：

5.根据权利要求1至4任一项所述的机床切削颤振的在线监测方法，其特征在于，所述S16进一步为：当所述奇异值熵特征曲线在某一时刻急剧减小，则判定此刻机床切削过程中出现颤振现象。

6.根据权利要求5所述的机床切削颤振的在线监测方法，其特征在于，所述S11中的振动信号为加速度信号；

所述S11进一步为：通过加速度传感器采集机床切削过程中的振动信号。

7.一种机床切削颤振的在线监测装置，其特征在于，包括：振动采集单元、快速傅里叶变换单元、小波包分解、小波包系数重构、奇异值熵特征曲线获取单元以及是否出现颤振判断单元；其中，

所述振动采集单元用于采集机床切削过程中的振动信号；

所述快速傅里叶变换单元用于对所述振动信号进行快速傅里叶变换，以确定频域幅值最大值所在的频率范围；

所述小波包分解单元用于对所述振动信号进行小波包分解；

所述小波包系数重构单元用于选取包含最大幅值频率的频带进行小波包系数重构，得到重构特征频带的振动信号；

所述奇异值熵特征曲线获取单元用于对所述重构特征频带的振动信号进行S变换，对变换后得到的二维矩阵进行奇异值分解，提取表征信号复杂性的奇异值熵特征，并绘制随时间变化的奇异值熵特征曲线；

所述是否出现颤振判断单元用于通过所述奇异值熵特征曲线来判定机床切削过程中是否出现颤振现象；

所述奇异值熵特征曲线获取单元中S变换,算法公式为：

其中，S(τ,f)为变换得到的时频谱二维矩阵；x(t)为重构振动信号；为高斯窗函数；f为频率；τ为时间，控制窗口函数在时间轴上的位置；

所述奇异值分解的原理为：

其中，d1≥d2≥...≥dr≥0为奇异值，U、VT均为正交矩阵；

所述奇异值熵为：

其中，是第i个主分量在总能量中的贡献率。