【技术实现步骤摘要】
本专利技术涉及机械加工监测，尤其涉及凸轮轴非圆轮廓高速磨削颤振在线监测方法及系统。
技术介绍
1、凸轮轴是发动机的关键零部件，凸轮轴非圆轮廓磨削质量对发动机的动力表现与运转特性有重要影响。高速磨削相较于普通磨削提高了加工质量和效率，目前已成为凸轮轴轮廓曲面的主要加工方法。然而，高速磨削通常伴随着复杂的振动，颤振是振动的典型类型之一。在磨削加工时磨削力容易波动，从而导致颤振发生，在仅关注颤振的层面上，磨削过程通常可以分为稳定阶段（也即稳定磨削阶段）、颤振孕育阶段（也即轻微颤振阶段）和颤振阶段。颤振发生后，凸轮轴轮廓表面形成颤振纹理，而颤振纹理的存在会降低零件的使役性能；并且颤振会导致砂轮磨损，甚至损坏机床系统。为了上述情况，必须在颤振孕育阶段将颤振识别出来并加以抑制，因此抑制颤振的前提是准确有效地识别出颤振。然而，传统的颤振监测为离线监测，这需要停机，且无法实时反映磨削颤振状态。
2、颤振孕育阶段冲击能量微弱，振动信号中的有价值信息易被噪声淹没，因此，需要合适信号处理方法捕捉信号中有价值的细微因素。局部均值算法(local meandecomposition，lmd)对能够对信号进行分解，分解后保留可能导致颤振的主要单分量信号，从而去除磨削加工过程机械噪声的干扰，合适用于对振动信号的检测与处理。颤振识别是颤振在线监测的关键环节，目前，模式识别仍然是实现磨削加工过程颤振识别的主要手段，相比其他模式识别方法，支持向量机(support vector machine，svm)训练速度快、学习推广性好，在非线性、小样本的数据中
3、因此，研究出一种能够在线且高精度地对凸轮轴非圆轮廓高速磨削颤振进行监测的方法和系统具有重要意义。
技术实现思路
1、本专利技术的目的在于提供凸轮轴非圆轮廓高速磨削颤振在线监测方法及系统，旨在解决现有技术中无法准确且在线地对颤振进行监测的问题。
2、为了达到上述的目的，本专利技术提供了一种凸轮轴非圆轮廓高速磨削颤振在线监测方法，其包括以下步骤：步骤一、对凸轮轴非圆轮廓进行磨削加工，采集得到多组振动信号，对振动信号进行去噪以去除磨削加工过程产生的低频机械噪音；步骤二、采用经改进的lmd对振动信号进行分解，得到多个pf分量和一个余项，其中，对lmd改进的方法为采用镜像延拓法解决边界效应问题，采用滑动平均算法解决模态混叠问题，采用自适应软筛分停止准则解决停止准则问题；对得到的多个pf分量进行相关性分析后选择与磨削颤振高相关性的pf分量进行信号重构；步骤三、提取重构后的振动信号的峭度、方差、均方根和近似熵作为颤振信号特征，并对这些颤振信号特征进行规划一化处理，得到颤振特征值；步骤四、观察工件表面形貌和/或分析振动信号，划分出稳定阶段、颤振孕育阶段和颤振阶段，其中稳定阶段、颤振孕育阶段和颤振阶段的标签值分别赋予为-1、0、1，把颤振特征值和标签值共同构成输入svm的特征向量，建立训练集和测试集，svm采用混合群智能算法进行优化，训练集和测试集输入svm中进行训练直至得到svm模型；步骤五、在进行凸轮轴非圆轮廓磨削时把采集到的实时振动信号经步骤一至步骤三处理后得到实时颤振特征值，把实时颤振特征值输入svm模型；使用labview程序执行上述步骤；其中，对于峭度、方差和均方根的特征提取方法为采用labview程序中的概率与统计选项中的统计函数功能，对于近似熵的特征提取方法为把近似熵特征提取程序导入到matlab script后，将重构后的振动信号作为输入，近似熵作为输出；把svm的程序导入到matlab script中，将特征向量作为输入，标签值作为输出，并与条件结构相连，其中标签值输出结果分别为-1、0、1，在条件结构中分别对应稳定阶段、颤振孕育阶段和颤振阶段，以实时得到磨削颤振状态分类结果。
3、进一步地，所述镜像延拓法为：在lmd迭代的过程中，每次求取局部均值和局部包络估计值前均进行镜像延拓后再分解，镜像延拓的方法为选择离信号端点最近的极值点作为信号的镜像位置，并设置镜像范围以延长信号，延长的长度应包含两个极值点；包络估计函数和局部均值函数的计算则按照原始信号长度进行截断。
4、进一步地，所述滑动平均算法用于对lmd中的局部均值和局部包络估计值进行平滑处理，滑动平均步长 s的计算方法如下：
5、；
6、其中， num代表相邻极值点间距数， d i代表极值点间距，代表 d i的算数平均值，代表向上取整， odd()代表对括号数据取奇数。
7、进一步地，所述自适应软筛分停止准则的步骤为：计算筛分停止判断函数值，计算公式为：
8、；
9、其中， pf i( t)为零基准包络信号， n s为总采样点数，是 pf i( t)的算数平均值；筛分停止准则为，获得第 i个乘积函数的第 j次迭代的函数值 f ij，若 f ij< f ij+1< f ij+2，则迭代停止，否则继续迭代；在迭代停止后，判断是否存在局部最小值 f iq，如存在局部最小值 f iq，则将 f iq所对应的第 q次计算的包络估计函数和调频信号作为最优迭代结果并计算乘积函数；若不存在局部最小值，则将第 j次计算的包络估计函数和调频信号作为最优迭代结果并计算乘积函数。
10、进一步地，在步骤三中，颤振特征值的获得方法如下：先以凸轮轴非圆轮廓的顶尖与基圆圆心连线的延长线为基准线，每隔一定的偏转角 φ取一个特征点位，整个非圆轮廓环周一共取360°本文档来自技高网...
【技术保护点】
1.凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，
2.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述镜像延拓法为：
3.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述滑动平均算法用于对LMD中的局部均值和局部包络估计值进行平滑处理，滑动平均步长s的计算方法如下：
4.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述自适应软筛分停止准则的步骤为：
5.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，在步骤三中，颤振特征值的获得方法如下：
6.根据权利要求5所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，在步骤五中，磨削阶段分类的方法为：
7.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，在步骤四中，对SVM进行优化的步骤为在SVM进行完样本归一化处理后执行以下步骤：
8.根据权利要求1至7中任意一项所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其
9.凸轮轴非圆轮廓高速磨削颤振在线监测系统，其特征在于，用于实现如权利要求1至8中任意一项所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其包括加速度传感器、放大器、数据采集卡及PC机，PC机内配置有LabVIEW程序，LabVIEW程序配置有数据采集模块、数据处理模块和颤振识别模块；
10.根据权利要求9所述的凸轮轴非圆轮廓高速磨削颤振在线监测系统，其特征在于，颤振识别模块采用三种颜色的灯分别代表稳定阶段、颤振孕育阶段和颤振阶段，颤振识别模块统计三种灯的闪烁次数，统计的方法为：
...【技术特征摘要】
1.凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，
2.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述镜像延拓法为：
3.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述滑动平均算法用于对lmd中的局部均值和局部包络估计值进行平滑处理，滑动平均步长s的计算方法如下：
4.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，所述自适应软筛分停止准则的步骤为：
5.根据权利要求1所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，在步骤三中，颤振特征值的获得方法如下：
6.根据权利要求5所述的凸轮轴非圆轮廓高速磨削颤振在线监测方法，其特征在于，在步骤五中，磨削阶段分类的方法为：
7.根据权利...
【专利技术属性】
技术研发人员：卓荣锦，邓朝晖，吕黎曙，葛吉民，刘伟，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。