基于SSA和双稳随机共振的车削颤振微弱特征提取

围绕车削颤振激发过程，针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题，提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该方法利用SSA优良的寻优特性，以信噪比作为优化指标确定最佳BSR系统参数，用优化后的参数对车削颤振信号进行滤波处理，提取颤振特征频率。仿真试验表明SSA-BSR方法可以实现对强噪声背景下微弱特征信号的提取与增强，同时兼顾寻优速度快和获得全局最优解概率高的优点。开展车削颤振检测试验，颤振激发过程的加速度信号图谱分析结果验证了车削颤振特征频率幅值与颤振激发程度之间的相关性；不同模型在车削颤振过渡阶段特征提取的对比结果验证了SSA-BSR模型的有效性和优越性，并且能够满足车削颤振检测对实时性的要求，实现在进入剧烈颤振阶段前发出预警，为量化车削颤振和车削颤振在线监测提供一种新思路。