快乐飞艇平台上:接待您拜候长沙鹏翔电子科技无限公司声发射分站

手艺操纵

您以后的地位:首页手艺操纵

抢先的声发射装备焦点供给商

手艺操纵

基于 EEMD 和 IMF 能量散布的刀具破坏辨认

宣布日期:2017-05-06 10:21    阅读次数:次

杨明伦,邵  华

( 上海交通大学 机器与能源工程学院,上海  200240)

择要: 针对铣削进程中声发射旌旗灯号非安稳的特色,提出了一种基于噪声帮助经历模态分化 ( EEMD) 和本征模函数( IMF) 能量散布的刀具破坏辨认体例。起首对颠末滤波后的原旌旗灯号遏制  EEMD 分化, 抽取本征模函数组( IMF) ,后计较每阶模函数能量及整体能量散布,最初提取特点向量,经由进程特点 向量的变更辨认刀具破坏。操纵该体例,在立式铣削加工中间上对不变切削中刀具破坏和变参数铣 削加工遏制了体系的阐发,成果标明此体例可以或许或许或许或许剔除切削参数变更的影响,精确的辨认刀具破坏,具 有很高的不变性和精确性。

关头词: 刀具状况监控; 声发射; 噪声帮助经历模态分化; 能量散布

中图分类号: TG501 文献标识码: A

Identification of AE Signal for Tool Breakage Monitoring Based on EEMD

YANG Ming-lun,SHAO Hua

( School of Mechanical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China) Abstract:  For the non-stationary  characteristics of acoustic emission signals in face milling  process,a new approach based on ensemble empirical mode decomposition ( EEM D )  and

IM F energy distribution w as proposed to achieve the detection and identification of tool breakage in milling process.  First,EEM D w as used on the original signal to extract intrinsic mode functions ( IM Fs) ,and then IM Fs energy distri- bution w as calculated to obtain the feature vector

and a mathematical model w as established to express the relationship betw een the feature vector and cutter conditions.

Extensive experiments w ere performed to confirm the effectiveness and robustness of the detective method for steady

milling and variable cutting parameters.  The results show ed that this method could accurately and stably identify the

tool breakage. Key words:  tool condition monitoring ;  acoustic emission;  ensemble empirical mode decomposition

( EE- M D) ;  IM F energy distribution

0 弁言

刀具状况 的及时监控对进步 生 产 效 率,降 低 生 产本钱,出产主动化和产物品质保障起到首要的 感化。切削刀具破坏作为一种首要的刀具生效形 式,一向是列国学者研讨的热门。目 前 在 刀 具 破 损 监控上研讨首要环绕着两方面,一是传感器手艺,二 是旌旗灯号处 理 技 术。多 年 来,跟着传感器手艺的 不 断 成长,差别范例的传感器被操纵在刀具状况监控上 面〔1〕,如力传感 器〔2〕,功 率 变 送 器〔3〕,声 发 射〔4〕 传 感 器等。在浩繁传感器中,声发射传感器活络性高,抗 搅扰性强以 及 经 济 性 等 特 点〔5〕,逐步被列国研讨人 员所接纳。多种旌旗灯号处置与特点提取手艺被开辟并 操纵到监控体系中,从初期的时域特点阐发〔6〕,到中 期的基于傅里叶变更的时-频域特点阐发〔7〕,再到最近几年成长起来的小波阐发手艺的成长对刀具破坏监控起着鞭策感化。可是,针对铣削进程中刀具 破坏的监控一向没 有很好 的 解 决 方 法,缘由首要在于两方面:  首 先,在铣削加工中,切削参数变更会对旌旗灯号处置手艺的稳 定性产生影响; 其次,铣削 过 程 中 的 AE 信 号 表 现 出很强的非线性和非安稳性,这类非安稳性会致使  AE旌旗灯号频域特点跟着时候的推移而转变,无 法 用 固 定的频域特点描写铣削 AE 旌旗灯号经 验 模 态 分 解 ( empirical  mode  decomposition,EMD) 是一种基于刹时频次的自顺应的处 理 非 线 性体系和非 平 稳 旌旗灯号的处置方 法〔9〕。原 信 号 被 EMD分化成一组份量旌旗灯号,这些份量旌旗灯号彼此正交,被界说为本征模函数 ( IMF) 。这些模函数可以或许或许或许或许内涵的 描写原旌旗灯号 的 特 征,可以或许或许或许或许对原旌旗灯号起到辨认的感化。而对铣削 AE 旌旗灯号而言,传统的经历模态分化最大的弊病便是模态混叠题目。针对模态混叠题目,噪声帮助经历 模 态 分 解 ( EEMD) 被 提 出〔10〕,基 本 消 除模态混叠的影响。本文起首操纵 EEMD 对铣削 AE 旌旗灯号和刀具破 损旌旗灯号遏制分 解,取得本征模函数 ( IMF) ,计 算 IMF的能量散布,成立旌旗灯号范例与特点向量的对应干系。进一步经由进程 系 统 的 试 验,验 证 了 基 于 EEMD 和 IMF能量散布的破坏辨认体例对切削参数变更有用性。1 基于 EEMD 与 IMF 能量散布的辨认体例缺点,噪声辅 助经历模态分化 ( EEMD)  被 建 立 以 消 除模态混叠景象。EEMD 道理简略: ① 把白噪声混入原旌旗灯号( 混入 白噪声的规范差与原旌旗灯号规范差的比例为 0. 25) ; ②对夹杂后旌旗灯号操纵 EMD 分化; ③ 操纵差别的白噪声 序列不时的遏制步骤 ①②; ④ 对每阶 IMF,对一切分化进程分化出的成果取均匀值,作为终究成果。

1. 2 IMF 能量散布

EEMD 等价于一个自顺应的带通滤波器,原旌旗灯号x( t)  分化成一组份量旌旗灯号,

1. 1 噪声帮助经历模态分化(  EEMD) N N

x( t)   = ∑ci ( t)  + rN ( t)   = ∑imf1 ( t)  + rN ( t)

经历模 态 分 解 (  EMD)  是一个自顺应的挑选过 程。

i = 1

i = 1

颠末 EMD 分化以后,原旌旗灯号被分化成一些类的 份量旌旗灯号,界说为本征模函数(  IMF) ,知足两条规范:

①在全部数据长度内,极 值 点 ( 包罗极大值和极小 值) 数量与过零点的数量相称或最多相差 1;

②在每个 IMF imfi ( t) 是原旌旗灯号在特定频次段上的份量,而剩余份量 rN ( t)  的能量很小,以是在计较信 号总能量时可 忽 略 不 计。原旌旗灯号的总能量可以或许或许或许表现 为:

旌旗灯号长度内的 任 意 点,上包络线与下包络线的均值 必须即是零。EMD 分 解 出 IMFs 的详细进程可以或许或许或许简

NE = ∫x2 ( t) dt = ∫[ ∑imf ( t) ]2 dt

i = 1

( 1) 对原旌旗灯号 x( t) ,旌旗灯号长度为  N,用样条曲线别离链接局部最大值和局部最小值,形 成 上 包 络线 u( t)  和下包络线 l( t) 。高低包络线把原旌旗灯号包罗此中,可以或许或许或许取得局部均匀值 m1 ( t) 和与原旌旗灯号的差值

h1 ( t) :u(  t)   +  l(  t)

E  =  imf2 ( t) dt  ( i,1,…,N)

一切的 IMFs 都是彼此类似正交的:

∫imfi ( t) * imfi ( t) dt ≈ 0   ( i ≠ j)

计较原旌旗灯号在每个自适 应频段上的能量分 布,进而界说旌旗灯号的频次  -能量散布状况向量:

m1 ( t)   =2 h1 ( t)   = x( t)  - m1 ( t)

δI   = Ei  ,i = 1,…N;  ?  = { δ ,δ  ,…,δ  }

E  1     2 N

( 2) 若是 h1 ( t)  知足本征模函数的两条界说,那末 h1 ( t) 便是第一阶 IMF。不然,用 h1 ( t) 替换原旌旗灯号x( t) ,从头遏制上述挑选进程,计较  h1 ( t)  的高低包络线( u1 ( t) ,l1 ( t) )  并计较局部均匀值与 h1 ( t)  的差值:

u1 ( t)  + l1 ( t)

当切削前提产生转变时,比方刀具俄然破坏、切 削参数转变或是其余身分的影响,IMF 能量散布和 状况向量 ? 将会同时产生一些转变。为了定量的描 述这类切削状况,Δ?( t)  and δmax ( t)  被引入来表现 切削进程的变更:

m11 ( t)   =h11 ( t)   = h1 ( t)  - m11 ( t)

Δ?( t)   = { Δδ ( t) ,Δδ ( t) ,…,Δδ  ( t) }  ( i = 1,…,N)

( 3) 当相邻的两个挑选成果的规范差(  SD)  降落 到设定好的阈值之下时,可以或许或许或许取得一个 IMF,通用的 规范差阈值为 0. 2 ~ 0. 3。凡是环境下,为了取得一阶 IMF 须要从头遏制 k 次挑选进程:

c1 ( t)   = h1k ( t)   = h1( k -1)  ( t)  - m1k ( t)

( 4) 在第一阶 IMF 被分化出以后,把原旌旗灯号 x( t) 与 c2 ( t)  的差值作为新的原旌旗灯号,按照不异的规范重 复 挑选进程直至取得全 部 的  IMF。当 第  N 阶 IMFcN ( t)  或 剩余份量 rN ( t) 降落跨越设定好的阈 值时,或是剩余份量函数  rN ( t)  变成枯燥函数时, 挑选进程遏制。

N

x( t)   = ∑ci ( t)  + rN ( t)

i = 1

虽然 EMD 分化是一种处置非安稳旌旗灯号有用的工 具,可是传统的算法依然存在必然的缺点。而对铣 削 AE 旌旗灯号而言,模态混叠产生的影响最为严峻。模 态混叠的界说为: 一阶 IMF 包罗多个时候标准,或 一个时候标准分 布 在 不 同 的 IMF 中。为 了 克 服 这 个

Δδi ( t)   = δi ( t)  - δi ( t0 )

Δδmax ( t)   = MAX{ δ1 ( t) ,δ2 ( t) ,…,δN ( t) }

2 辨认体例的操纵

2. 1 尝试体系与尝试设想

尝试体系如图 2 所示,铣削尝试在 DMG 公司生 产的 DMU70 五轴立式加工中上遏制,传感器接纳富 士陶瓷公司 生 产 的 FUJICERA 1045s 宽 带 式 声 发 射 传感 器,前置缩小器缩小倍率为  40DB,工 件 为 45# 钢,尺寸为 50 × 50 × 400mm。传感器涂抹耦合剂之 后,经由进程磁吸附装配牢固在工件结尾,如图 2 所示。传 感器输入旌旗灯号颠末前置缩小器以后,被 送 进 数 据 采 集卡( ADLINK PCI9816) ,采样频次 5MHZ,后由基于 NI-LABVIEW 平台的数据收罗保管程 序 处 理,保 存 成二进制格局。被保管上去的原旌旗灯号,颠末 20kHz 高 通滤波后,送入基于 MATLAB 平台的数据处置法式 遏制后处置。

为了研讨铣削参数转变对 辨认体例的影响,在图 2 所示的尝试体系上遏制铣削尝试,尝试前提如表1。为了获得不变切削进程中刀具俄然破坏的旌旗灯号, 将直径为 0. 5mm 的硬质合金钻头镶嵌入 45# 钢基体 外部,构成硬质点,当切削刀具打仗硬质点时产生破 损,如图 2 所示,尝试前提如表 2。

表 1 单身分铣削尝试设想

刀具 伊斯卡 IC908,刀盘直径: 50mm
工件资料 45# 钢,无硬点
铣削宽度 20mm
切削参数 V: 25 - 200m / min,Ap : 0. 05 - 0. 5mm,f: 0. 05 - 0. 4mm / r
铣削体例 顺铣,无切削液

表 2 刀具铣削破坏尝试设想

刀具 伊斯卡 IC908,刀盘直径: 50mm
工件资料 45# 钢,有硬点
铣削宽度 20mm
切削参数 V = 50m / min,Ap   = 0. 2mm,f = 0. 1mm / r
铣削体例 顺铣,无切削液

2. 2 基于 IMF 能量散布的破坏旌旗灯号特点辨认

经历模态分化相称于一个自顺应的滤波器组〔11〕, 原旌旗灯号颠末 EEMD 分化以后,构成多阶本征模函数,每 一阶模函数是原旌旗灯号在特定频段规模内的份量。由于 各份量旌旗灯号之间彼此正交,且每阶 IMF 的能量都来 自原旌旗灯号,以是一切份量旌旗灯号的能量总和即是原旌旗灯号 的能量〔12〕,各本征模函数的能量散布状况可以或许或许或许或许自顺应 的反应原旌旗灯号的频次 -能量状况。铣削 AE 旌旗灯号具备很 强的非安稳性,操纵 IMF 能量散布可以或许或许或许或许有用地揭露原 旌旗灯号内涵的特点,提取旌旗灯号的特点向量。

图 1 为不变切削中刀具俄然破坏的旌旗灯号时域波 形图。从波形图中,可以或许或许或许看出不变切削进程中刀具破 损旌旗灯号分为三局部:  不变切削,刀具破坏和破坏刀 具切削。新刀具切削工件产生的  AE 旌旗灯号安稳性高, 突发型的 信 号 少,信 号 幅 值 较 低; 刀 具 发 生 破 损 时, 刀具多少外形转变的断裂能刹时开释,产 生 能 量 很 大,幅值很高的旌旗灯号,旌旗灯号安稳性差,衰减很是快; 破 损后的刀具切削工件产生的  AE 旌旗灯号不变性 较 新 刀 具差,幅值较高并伴跟着随即突发型旌旗灯号。这是由刀 刃多少外形产生转变后,外表多少描摹不法则,刀具

与工件打仗面积增大所形成的。

图片1

图 1 算法框图

 

2

图 2 尝试体系

分 别 取 0. 008 -  0. 018s,0. 0244 -  0. 0264s,

0. 035 - 0. 045s 三个时候片断遏制阐发。图 4 表现的 是不变切削信 号,刀具破坏旌旗灯号和破坏刀具切削 旌旗灯号的功率谱。从功率谱中可以或许或许或许看出,不变切削和破 损刀 具 切 削 AE 旌旗灯号的首要能量都集合在  30 ~

50kHz 地区,并且绝对不变切削,破坏刀具切削信 号的能量大,高频成份含量高。刀具破坏旌旗灯号的首要 能量集合在 100 ~  400kHz 地区内,能量远高于铣削 旌旗灯号。可是,仅仅从能量巨细下去辨认刀具破坏旌旗灯号 是不精确的,由于切削参数的转变会猛烈的影响  AE 旌旗灯号的能量,以是须要对图 4 所示的特点遏制数学建 模描写。图 5 为对三段旌旗灯号别离遏制 EEMD 分化取得 的 IMFs 份量旌旗灯号,从图中可以或许或许或许看出,刀具破坏旌旗灯号的 首要能量集合在第 1、2、3 阶 IMF 上,而不变切削旌旗灯号 首要能量集合在第 3、4 阶 IMF。对破坏刀具切削, 第 1、2 阶 IMF 首要分手出的是随机的突发型旌旗灯号,但 是首要能量依然集合在第 4 阶 IMF 上。操纵上一节提 出的 IMF 能量散布算法,计较各 IMF 能量,取得三段 旌旗灯号的 IMF 能量百分比,数值见表 3。在此根本上绘 制出 IMF 能量散布曲线,如图 6。

 

3

图 3 不变切削中刀具破坏

3

图 4 旌旗灯号功率谱

5

图 5 本征模函数组

下收罗的旌旗灯号提取 IMF 能量散布,绘制曲线,如图 7、

8、9。从 图 7 中可以或许或许或许取得论断,切 削 速 度 不 会 改 变 IMF 能量散布 状 态,也不会转变散布曲线的峰值位 置,从图 8、9 中,也可以或许或许或许取得不异的论断,综上所述, 切削参数的变更不会使 IMF 能量散布曲线峰值地位 产生挪动,只要刀具破坏能力使其从第 4 阶 移 动 到

 

如图 6 所示,对不变切削和破坏刀具切削信

号,IMF 能量散布曲线峰值在第 4 阶 IMF 处,旌旗灯号的 首要能量都集 中 在 第 四 阶 IMF 上 面,而 刀 具 破 损 信 号的曲线峰值呈现在第 3 阶 IMF 处。首要能量集合 在第三阶 IMF 上。从 识 别 的 角 度,当刀具产生破坏 时,IMF 散布曲线的峰值从第 4 阶挪动到第 3 阶。通 过提取 IMF 能量散布曲线的峰值地位,可 以 准 确 地 从铣削旌旗灯号中辨认出刀具破坏旌旗灯号,实 现 刀 具 破 损 的监控。

2. 3   变切削参数的影响

在铣削过 程中切削参数常常 发 生 变 化,而 切 削 参数的变更会对 AE 旌旗灯号产生较着的影响,以是辨认 体例必须对切削参数的变更不敏感,才 能 在 实 际 应 用中取得 推 广。针 对 切 削 速 度,切削深度和进 给 率 三个参数,别离遏制单身分尝试,对每种切削参数

第 3 阶。可以或许或许或许经由进程监测曲线峰值地位来辨认刀具破 损旌旗灯号,大批尝试标明,辨认体例可以或许或许或许或许剔除切削参数 的搅扰,精确的辨认刀具破坏。

 

6

图 6   IMF 能量散布曲线

 7

 

图 7   变切削速率

 

8

图 8   变切削深度

9

图 9   变进给率

成份比重低; 破坏刀具切削旌旗灯号幅值较高,并陪同有低幅值突发型旌旗灯号,旌旗灯号不变性差,且高频成份比重较不变切削旌旗灯号有所降低;  刀具破坏旌旗灯号能量最大,高频成份比重远高于铣削旌旗灯号。

( 3) 铣削旌旗灯号 IMF 散布曲线峰值位于第 4 阶,刀具破坏旌旗灯号曲线峰值位于第 3 阶段。

( 4) 切削速率,切削深度和进给率不会使散布曲线峰值挪动,只要刀具破坏可以或许或许或许或许对  IMF 能 量 分 布 状况产生影响。

( 5) 在铣削进程中,经由进程监测  AE 旌旗灯号 IMF 能量散布曲线峰值的挪动,可以或许或许或许有用地辨认刀具破坏。

〔参考文献〕

〔1〕Zhu Kunpeng,Wong Yoke San,Hong Geok Soon,“Wavelet

analysis of sensor signals for tool condition monitoring:  A re- view and  some new  results ”,International  Journal  of  Ma- chine Tools & Manufacture,2009(  49) : 537 - 553.

〔2〕 H.  ShaoH. L.  WangX. M.  Zhao,“A  cutting  power model  for  tool  wear  monitoring  in milling ”,

International Journal of Machine Tools & Manufacture,2004 ( 44 ) : 1503- 1509.

〔3〕 H.  ShaoX. H.  Shi,“Power signal separation in milling process based on wavelet transform and independent

compo- nent analysis ”,International  Journal  of  Machine  Tools  & Manufacture,2011( 51) : 701 - 710.

〔4〕 Xiaozhi Chen,Beizhi Li,“Acoustic emission method for tool condition monitoring based on wavelet analysis”,Advanced Manufacture Technology,2007( 33) : 968 - 976.

〔5〕 K.  Jemielniak,P. J.  Arrazola,“Application of AE and cut- ting force signals in tool condition monitoring in micro-mill- ing”,CIRP Journal of Manufacturing Science and Technolo- gy,2008( 1) : 97 - 102.

〔6〕 K.  Jemielniak,O. Otman,“Tool failure detection based on analysis of acoustic emission signals”,Journal of Materials Processing Technology,1998( 76) : 192 - 197.

〔7〕 YonghongPeng, “Empirical  Mode  Decomposition  Based Time-Frequency Analysis for the Effective Detection of Tool Breakage”,Transactions of the ASME,2006,128( 12) .

〔8〕 K. P.  Zhu,Y. S.  WongG. S.  Hong,“Wavelet analysis of sensor signals  for tool  condition  monitoring:   a  review  and some new results”,International Journal of Machine Tools & Manufacture,2009( 49) : 537 - 553.

〔9〕 Huang,N. ,Shen,Z. ,Long,S. ,et al. ,1998,“The Em- pirical Model  Decomposition  and the  Hilbert  Spectrum

按照铣削进程切削参数转变和铣削 AE 信 号 非平 稳 的 特 点,本文提出一种新的基于  EEMD 和 IMF 能量散布的刀具破坏辨认体例,该体例可以或许或许或许或许自适 应的把原信 号 分 解本钱征模函数,并 通 过 计 算 IMF 的能量,描绘原旌旗灯号的频 率-能 量 状 态。 对 提 取 的 IMF 能量遏制归一化处置,绘制散布曲线,经由进程判定 峰值地位来辨认刀具破坏的产生。进 一 步 地,通 过 大批的尝试,考证了该辨认体例对变切削参数切削 进程的有用性。综上所述,本文的首要论断为:

( 1) 铣削旌旗灯号的首要能量集合在  30 ~ 50kHz 规模内,刀具破坏旌旗灯号首要能量集合在 100 ~ 400kHz规模内。

( 2) 不变切削旌旗灯号幅值低,突 发 型 信 号 少,高 频

Nonlinear and Non-Stationary Time Series Analysis”,Proc. R.  Soc.  London,Ser.  A,454: 903 - 995.

〔10〕 Wu,Z. H. ,Huang,N. E. ,2009. “Ensemble empirical mode decomposition:   a noise-assisted data analysis meth- od”.  Advances in Adaptive Data Analysis 1( 1) : 1 - 41.

〔11〕 Patrick Flandrin,“Empirical Mode Decomposition as a Fil- ter  Bank ”, IEEE  SIGNAL  PROCESSING  LETTERS,

VOL.  11,NO.  2,FEBRUARY 2004.

〔12〕 P.  Flandrin,P.  Gonc-alve’s,G.  Rilling,“EMD equiva- lent filter Banks,from interpretation to applications”,In: N.  E.  Huang,S.  S.  P.  Shen ( Eds. ) ,Hilbert—Huang Transform:  Introduction and Applications,World Scientif-

ic,Singapore,67 - 87,360. ( 编辑    赵蓉)

湖南省长沙高新区文轩路27号麓谷企业广场A4栋507 德律风:0731-84668116,85128115,85128116

Copyright © 2005~2019 长沙鹏翔电子科技无限公司 IS09001 Certified Acoustic Emission products

快乐飞艇是官彩还是私人彩票 快乐赛车app哪个好玩 快乐飞艇用哪个计划 澳洲快乐赛车pk拾计划 快乐飞艇开奖正规吗 快乐飞艇怎么玩内承 有快乐飞艇的彩票app 快乐飞艇定位胆技巧 三分钟快乐飞艇 彩票快乐飞艇玩法