一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法技术

本发明专利技术提出一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法。该方法包括采集信号，分析信号的时域、频域和时频域图像，以及建立不同指标和深度神经网络模型，并采用t‑SNE方法对模型的输入层、和不同数据集对应的全连接层进行可视化分析，分析模型对不同类型砂轮和不同加工场景的精准预测能力。本发明专利技术所提出的理论模型可以精确识别空切，稳定，轻微颤振，严重颤振和带有拍频效应的严重颤振五种磨削状态，验证准确率最高为96.07％。

【技术实现步骤摘要】

本专利技术涉及智能制造和自动化，特别是涉及一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法。

技术介绍

1、磨削颤振作为一种自激振动，常发生在弱刚度磨削系统中。颤振一旦发生，会直接降低工件表面质量、工具寿命和加工精度，严重时甚至破坏磨杆和机床。为了避免颤振，常常选取保守的工艺参数、采用高性能刀具或进行稳定性叶瓣图预测。然而，前两种方法往往意味着加工效率的损失和加工成本的增加，不满足实际生产需求。同时稳定性边界预测模型难以考虑磨削加工中的非线性变化，比如机床刚性、工具磨损和材料力学性能。随着工业4.0时代下机床智能化的快速发展，颤振在线检测技术以较好的实时性、鲁棒性和准确性等优点得到了学者的广泛关注，其对提高加工质量和生产效率、节约成本具有重要意义。

2、由于不同传感器对颤振过程具有不同程度的灵敏度和局限性，因此多传感器信息融合方法被应用以进一步提高颤振检测的准确性和鲁棒性。虽然多传感器融合技术得到了学者的广泛关注，但是很少看见其在弱刚度磨削系统中的应用。并且颤振作为一种时延信号，其时频二维特征是掌握颤振发生规律的关键，但目前的绝大多本文档来自技高网...

【技术保护点】

1.一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤一中，三种信号的采用频率分别为33000Hz、200000Hz、20000Hz。

3.根据权利要求1所述的方法，其特征在于，所述时域指标包括偏度γ、峰度κ、峰值因子CF和脉冲因子IF。

4.根据权利要求1所述的方法，其特征在于，所述频域指标包括重心频率指数GF、均方频率指数MSF和频率方差指数FV。

5.根据权利要求1所述的方法，其特征在于，所述时频域指标为小波包能量熵EWP。

6...

【技术特征摘要】

1.一种基于多传感器融合信息和混合深度神经网络的磨削颤振检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤一中，三种信号的采用频率分别为33000hz、200000hz、20000hz。

3.根据权利要求1所述的方法，其特征在于，所述时域指标包括偏度γ、峰度κ、峰值因子cf和脉冲因子if。

4.根据权利要求1所述的方法，其特征在于，所述频域指标包括重心频率指数gf、均方频率指数msf和频率方差指数fv。

5.根据权利要求1所述的方法，其特征在于，所述时频域指标为小波包能量熵ewp。

6.根据权利要求1所述的方法，其特征在于，所述使用互信息方法分析不同指标与颤振程度的敏感度和相关程度，包括法向力fn，切向力ft，轴向力fa，法向振动xn，切向振动xt和声发射信号ae。

7.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型将滑动窗口的stft图像格式转换为299×299×3并作为模型输入，将经历一系列的模块，包括stem、...

【专利技术属性】
技术研发人员：郭兵，孟庆宇，黎克楠，朱建辉，杨威，姚洪辉，吴贵成，孟变变，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：