共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
3.
采用小波包能量熵的铣削振动状态分析方法研究 总被引:1,自引:0,他引:1
颤振是影响机床加工质量的重要原因之一。为实现切削颤振的实时在线识别与评价,采用加速度传感器,获取主轴振动信号,以小波包能量熵值为指标,对铣削加工的稳定状态及振动形式进行识别。通过多传感器对加工过程进行监测,确定加工的稳定性;对主轴振动信号进行频谱分析,了解不同加工状态下的信号频谱特点,分析其振动形式。对信号进行小波包分解,发现在不同的振动状态下,信号的能量分布有显著规律。试验表明,切削从稳定状态到不稳定状态,本质上是强迫振动和颤振的能量强度和分布发生了变化。能量熵描述能量分布的变化,是识别切削状态和振动状态变化的有效方法。 相似文献
4.
为了提高产品加工质量,根据试验测得铣削系统颤振稳定域,制定并采集数控铣削振动信号,以保证采集信号的准确性;融合小波包变换与希尔伯特黄变换,从能量频域分布与幅值概率统计分布两方面提取信号特征值,其中小波包降噪作为信号前置处理能有效降低环境噪声干扰的影响,提高经验模式分解的精度;建立基于模糊支持向量机的颤振诊断模型,将振动信号分为平稳铣削信号、微弱颤振铣削信号、颤振铣削信号及刀具磨损铣削信号。实验结果表明,该模型具有良好的铣削振动信号辨识与诊断能力,预测准确率达97.3%,为数控铣削加工振动信号的准确辨识与诊断提供了一种新方法。 相似文献
5.
6.
7.
8.
切削颤振监测的小波参数估计法 总被引:1,自引:0,他引:1
金属切削时的振动信号具有独立于尺度和随机的特征,与1/f过程相似。用1/f过程功率谱中的指数γ作为特征量可以用来检测颤振的发生。实验表明,切削颤振的产生伴随着参数γ的急剧的改变。本文提出了一种新的用于估计γ的基于小波的最小二乘算法。与极大似然估计法相比,它具有更广的适用性。通过实验结果对比可以看出,用γ的相对变化量作为特征量更为合适。 相似文献
9.
立铣加工过程中的颤振会严重影响工件表面质量和材料去除率,加剧刀具磨损和恶化工作环境。由于颤振产生速度较快,常规的信号采样、特征提取及分类方法难于满足实际应用。本文通过稀疏表示的数学理论实现对高频信号的低采样率获取,并在保持高频信号本质特征同时实现特征提取,简化状态监测的模块,并通过冗余词典的高识别度原子辨识加工状态。研究结果表明,该方法可以有效识别立铣加工过程的稳定、过渡和颤振状态。 相似文献
10.
11.
薄壁件的精加工阶段,由于刀具悬伸长,工件刚度低,加工中容易发生变形进而引起颤振。因此需要可靠的标准监测加工状态,判断加工参数是否合理。首先,采集加工中包含颤振现象的声压数据,分析颤振发生时域有效值及频域功率谱的特点,对比在不同状态的特征,并以这些特征作为监测的依据;然后,在颤振发生时能量集中频段转移,通过小波包分解后构造出反映这一特征的特征量;最后,以小波变换时频图作为状态判断依据,通过离线分析设定相关阈值,设置多重标准,满足时域有效值和频域占能比阈值要求后计算特征值,判断加工状态。验证结果表明,笔者所提出的方法可以准确识别颤振现象,同时表明声压信号可以反映颤振特征。阈值设定后,即可为后续加工在线监测提供判断标准,避免因加工参数选择不合理时对工件或机床造成损害。 相似文献
12.
13.
小波包熵在设备性能退化评估中的应用 总被引:1,自引:0,他引:1
开展设备性能退化评估研究,是制定主动设备维护策略、降低设备维护费用的基础。在设备性能退化过程中,信号成份会逐渐复杂化。本文提出利用小波包熵监测信号的复杂性变化,从而为设备性能退化评估提供可靠的特征向量。为了研究性能退化过程中振动信号的小波包熵的变化规律,使用裂纹转子动力学模型模拟了转子裂纹逐渐增加的过程,并使用仿真数据计算了各个状态下的小波包能量熵和小波包奇异值熵值。分析结果表明,随着转子性能退化程度的加深,小波包熵值逐渐增加,且对于性能恶化的突变较为敏感。 相似文献
14.
基于小波包变换与样本熵的滚动轴承故障诊断 总被引:3,自引:0,他引:3
针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。 相似文献
15.
基于小波包能量法的冲击脉冲信号检测 总被引:1,自引:0,他引:1
研究了基于小波包分析的冲击脉冲信号检测方法。在Coifman最佳基搜索算法的基础上,提出了以小波包分解后节点的能量代替香农熵值,做为寻找最佳分解节点的方法:对滚动轴承故障脉冲检测表明,此方法不但有效,而且计算简单。 相似文献
16.
为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。 相似文献
17.
18.
为了减少现行桥梁检测中所需布置传感器数量,将小波包分解和样本熵有机结合起来,对利用单点动力响应数据检测识别连续梁桥结构损伤的新方法进行了研究,笔者提出了连续梁桥结构的损伤识别指标和方法。利用小波包变换对移动荷载作用下桥梁的加速度响应进行分解和重构,计算重构信号的样本熵值,建立了对数加速度能量差小波包样本熵损伤识别指标;并通过三跨变截面连续梁桥的动力仿真分析,验证了指标和方法的适用性与噪声鲁棒性。研究结果表明,笔者所提出指标和方法仅利用桥上一个测点的加速度响应就能够很好地识别连续梁桥的损伤位置和损伤程度,且对噪声不敏感。 相似文献