基于VMD的铣刀破损检测_王向阳.pdf

振动与冲击 第 卷第 期 基金 项 目运 载 火 箭 核 心 结 构 件 加 工 数 控 装 备 换 脑 工 程 国产高档数控系统在汽车关键零部件制造中 的应用示范工程 华中 型 新一代智能 型数控系统研究开发及应用验证 收稿日期 修改稿收到日期 第一作者 王向阳 男硕士 年生 通信作者 何岭松 男博士后教授 年生 基于 的铣刀破损检测 王向阳 何岭松 王平江 高志强 华中科技大学机械科学与工程学院武汉 摘要针对铣削过程中的切削振动信号具有非平稳性的特点提出了一种基于变分模态分解 的铣刀破 损检测方法该方法通过 将切削振动信号分解成若干个模态分量由于铣刀发生破损后不同模态分量的频带分布 会发生变化因此提取各模态分量的中心频率和能量组成特征向量对特征向量进行归一化处理最终输入到支持向量机 进行铣刀破损检测在多种切削参数下进行铣削加工实验结果表明该方法比基于 的铣刀破损检测方法能 抑制模态混叠的发生且具有更高的检测精度 关键词刀具状态监测切削振动信号变分模态分解 支持向量机 中图分类号 文献标志码 在自动化加工过程中刀具的破损往往会导致工 件的报废甚至对机床的损坏因此为保证产品质量 提高生产效率刀具破损的在线检测显得十分重要 目前检测的传感器种类众多因振动加速度传感器具 有安装方便灵敏度较高以及价格便宜等特点故本文 采用此传感器进行研究由于加工过程中的信号复 杂多年来各种信号分析的方法被采用传统的方法 有时域频域分析以及基于小波变换的时频域分 析但在铣削加工中切削参数的变化会使信号出 现非线性和非平稳性进而导致信号的时频域特征随 着时间而改变无法用固定的时频域特征描述铣削信 号的变化 经验 模 态 分 解 在处理非线性非平稳信号上具有明显的优势 贺彬等采用振动信号进行 分解并结合 进行判别刀具磨损的状态陈 群涛等对振动信号进行 分解并结合 对刀具破损状态进行识 别但 存在端点效应和模态混叠现象为此 等在 方法的基础上提出了集合经验模态分解 方法 对模态混叠现象进行抑制杨明伦等对滤波后的声 发射信号进行 分解并通过本征模函数 的能量分布对刀具破损进行识 别江雁等对振动和切削力信号进行 分解 ChaoXing 并结合 进行刀具磨损状态的识别但 迭 代次数多计算量大且分解误差较大对此 等提出一种基于变分模态分解 的方法它通过构建变分 问题并求解不断迭代更新各模态及其中心频率实现 对原始信号的分解同 和 方法相比 解决了模态混叠和端点效应且计算效率较高 等对切削力信号进行 分解并根据能量熵对刀 具进行颤振检测王新等对滚动轴承振动信号的进 行 分解并结合 进行对轴承进行故障诊断 等提出一种基于 能量算子和最优 的轴承的振动信号进行早期故障特征提取 目前 方法已广泛应用于旋转机械故障诊断 中但应用于刀具状态监测的文章尚未见到本文提 出采用 方法对铣削加工过程中的振动信号进行 分解提取每个模态的中心频率和能量并做归一化处 理后作为特征向量输入 进行铣刀破损检测实 验表明采用本文提出的基于 的铣刀破损检测方 法比采用 方法具有更高的检测精度 和 本文提出的基于 的铣刀破损检测方法的理 论基础是 所采用的判别模型是 故以下对 二者的基本原理进行简单的介绍 是在 滤波 变换和频率混合等 理论基础上提出的一种自适应的信号分解方法其整 个方法可分为变分模型的构造和求解两步首先构造 出受约束的变分模型为 [] {} 式中 和 分别为 各窄带分量和相应的中心频率 其中 为分 解的模态数量 为求解该约束变分问题利用二次惩罚函数项和 乘数算子将其转化为如下无约束问题 [] 窄带分量最小化公式为 中心频率 最小化公式为 然后利用交替方向乘子算法 求最优解步骤如下 步骤初始化 和为 步骤根据式和式更新 和 步骤更新 步骤直到满足条件 迭代停止否则返回步骤最后得到个模态 分量 是由 提出的一种是基于统计学理 论框架下的机器学习方法它的基本模型是定义在特 征空间上的间隔最大化的线性分类器 还包括核 技巧使得它能够成为非线性分类器 分类算法的原始形式为 式中为样本个数样本为 为分离超平面的 的系数 为第个样本的松弛系数为惩罚系数 为低维 到高维的映射函数 根据拉格朗日对偶化性原始问题的对偶形式为 选择核函数 和参数 求得最优解 选择 的一个正分量 计算 构造判别决策函数 由于 在小样本非线性情况下具有较好的 泛化性能因此在铣刀破损样本较少的实际情况下 本文选择 作为判别模型又因为本文研究的铣 刀破损的特征数目较少且线性不可分因此采用径向 基核函数 振 动 与 冲 击年第卷 ChaoXing 为得到较高的预测精度需要对 的惩罚 系数和核函数参数进行寻优 铣刀破损检测方法 基于 和 的理论基础本研究的检测方 法的总体流程图如图所示 图检测方法的总体流程图 具体的方法流程如下 步骤设定采样频率 获取刀具分别在正常和破损 状态时在多种切削参数下加工时主轴 三个方 向的切削振动信号并截取一定数目的采样点作为 样本 步骤确定 的模态数 对采集的信号进行 分解 步骤获取 分解后每个模态分量的中心频率 并计算每个模态的能量其中 步骤对中心频率和和能量进行归一化得到中心频 率比 其中 能量比 步骤构建特征向量 其 中 分别对应于 三个方向的振动信号 进而得到特征向量 步骤将输入到 中进行模型训练采用 网格搜索和折交叉验证对惩罚系数和核函数参数 进行寻优 步骤采用得到的最优参数和的输入 模型 进行铣刀状态的识别 实验分析 试验设计 本试验在数控机床上进行工件采用 的钢刀具采用 型 号的直径为 的刃硬质合金立铣刀采用 型号的向振动加速度传感器安装 在主轴外壳的下端一侧传感器的 向分别对应 于机床的 向采用 型号的采集卡进 行采集数据试验系统如图所示实验所用的正常 铣刀和破损铣刀如图所示其中破损铣刀是正常铣 刀在大切削参数下加工获得的破损的尺寸约为 属于崩刃破损发生此类破损后可以继续进行短时间 的铣削加工 图试验系统 图正常和破损铣刀 切削参数如表所示转速进给切深切宽都 各有个因素水平且在每组切削参数下都进行顺铣 和逆铣则在刀具正常和破损状态下分别进行组 实验共计组实验 表切削参数 转速 单齿进给量 切深 切宽 设定传感器的采样频率为 每组数据截取 个采样点作为样本数据以其中一组参数转速 单齿进给量 切深 切宽 顺铣下机床主轴的向振动数据为例进行分 析如图所示分别为正常和破损铣刀加工时的振 动信号和频谱在时域上没有明显差别在频域上可 知破损铣刀加工时的振动信号 附近的高频 段的幅值略微减小而 附近的低频段的幅值 略微增大通过分析其他多种切削参数下的频谱可知 刀具破损时的频谱分布会发生改变但难以找出统一 且直观的变化规律 第期王向阳等基于 的铣刀破损检测 ChaoXing 图向的振动信号和频谱 分解 首先采用 算法对上述切削条件下的向振 动信号进行分解由于对此复杂信号进行 分解的 模态数有十几个且对铣刀在正常和破损状态下的振 动信号分解的模态数目也不一定相同而能量主要集 中在前几个模态上故仅列出了能量较大的前个模 态分量及对应频谱图 图分别为正常铣 刀破损铣刀在加工时的向振动信号的分解图从 图 分解的模态分量和频谱 频谱可知无论是在正常还是破损状态下相邻模态几 乎都发生了混叠在其他样本的 分解结果中均 发现有明显的模态混叠现象 为了对比正常铣刀和破损铣刀在多种切削参数下 加工时对振动信号进行 分解的差别以向振动 信号为例对组样本数据进行 分解求出每 个模态分量的能量值并对能量值进行归一化处理得 到每个模态分量的能量比做出铣刀在正常和破损状 态下加工时对向振动信号进行 分解的模态分 量和能量比的关系图如图所示图 图 分别为刀具的正常破损状态经对比可知当铣刀发 生破损时各个模态的能量比变化不明显且变化范围 也非常相近即数据在各个特征维度上是线性不可分 的所以用线性模型很难进行直接的判别更不能直观 的看出差别另外采样 分解还有两个缺陷 从分解后的模态分布情况中已经看不出与源信号频谱 分布的关系 由于模态混叠造成的模态间能量的泄 露导致使用能量作为铣刀破损检测的特征是十分不 利的 向向振动信号表现出的现象与此类似由 于篇幅限制在此不再赘述 图 分解的模态分量和能量比 分解 采用 算法要首先确定模态数 如图所示 图 图分别为铣刀正常状态下的向振动信 号在 和 时的分解图图 图分 别为铣刀破损状态下的向振动信号在 和 时的分解图对比图 图可知当 时 模态分量和发生了模态混叠即产生了过分解的 现象而在时则没有发生对比图 和图 可知同样在 时振动信号的 分解图也 发生了过分解现象故选取 进行 分解当 时从分解图 和图 的频谱可知无论是 在正常还是破损状态下相邻模态都没有发生混叠 对比多种切削条件下的其他样本的 分解结果均 未发现明显的模态混叠由此可见 分解的确解 决了 分解发生模态混叠的现象几乎没有模态间 的能量泄漏有益于提取模态分量的能量值特征作为 判别依据 振 动 与 冲 击年第卷 ChaoXing 图 分解的模态分量和频谱 同样对组样本数据进行 分解提取每 个模态分量的中心频率并与采样频率 做 比值求得中心频率比结合求得的每个模态分量的能 量比做出两种状态下 分解的模态中心频率比和 能量比的关系图如图所示图 和图分别 表示刀具正常和破损状态由于有 分解的每个 模态都有其对应的中心频率所以从图中模态的分布 情况可以看出与源信号频谱分布的对应关系对比图 和图可知各个模态的中心频率比和能量比 的变化也比较相近数据在各个特征维度上也是线性 不可分的很难进行直接的判别但当相对 分解 而言 分解的结果较为明显在刀具破损时模态 和的分布更加紧凑 两向的振动信号表现 出的现象也与此类似因此从能量的分布图上分析 可知采用 分解的中心频率和能量这两种特征 进行铣刀状态的判别相对 分解的能量特征 较好 判别 由图可知在多种切削参数下的加工仅通过一 两个模态的中心频率和能量分布的变化情况是难以区 分铣刀的状态的由于能量熵指标能够表现能量分布 的杂乱程度因此先采用能量熵这一指标进行分析如 图所示同样以向振动信号为例给出了组 分解的模态的能量熵与铣刀状态的关系从图 可知很难找出一个良好的能量熵的阈值对正常和破 损状态的铣刀进行高精度的分割并判别其他方向的 振动信号表现出的现象也与此类似 图 分解的每个模态的中心频率比和能量比 第期王向阳等基于 的铣刀破损检测 ChaoXing 图 分解的模态的能量熵与铣刀状态关系 因此为了更加准确的实现铣刀的破损判别在 处理每个方向的振动信号后各得到个模态提 取每个模态的中心频率和能量进行归一化后作为特 征共个特征组样本制作成数据集将数据集 随机打乱取组作为训练集和验证集进行折交 叉验证剩余组作为测试集进行模型的评价从 图和图上仅可以看出数据在各个维度上是线性不 可分的任取其中两个特征维度做出样本分布图可 以看出样本数据在这两个特征维度下的也是线性不可 分的故采用 的 模型进行判别以下简称 如图所示 图在两个特征维度下的样本分布图 模型有两个重要的超参数需要调优 分别是惩罚系数和核函数参数 这两个参数如果 过小则会使模型变得简单容易欠拟合反之会比较 复杂容易过拟合本文采用网格搜索和折交叉验 证的方法进行参数寻优评价指标选用 值为了和 算法作比较同样采用 模型并进行参数寻优如表所示列出了 不同情况下在测试集和训练集上的参数值和 值从表中可以看出 算法相对于 算法 在训练集上的 值高了在测试集上的 值高了 对比是否加入 算法得到的 中心频率可以发现加入后的 值提高约 所以可以看出加入中心频率进一步提高了预测的准 确性 表 与 的 值对比 算法特征 参数 训练集 值 测试集 值 能量 能量 能量 中心频率 结论 根据本文所研究内容在多种切削参数下进行铣 削加工实验得出以下结论 对数控机床主轴 三个方向的铣削振动 信号进行 分解相对于 分解能有效地抑制 模态混叠现象的发生 在多种切削参数下仅采用 分解的模态 能量熵作为铣刀破损的判别标准难以获得较高的识 别精度 在多种切削参数下铣刀破损状态的切削振动 信号频谱分布变化复杂采用 和 相结合的 方法可以得到较高的识别精度 采用 分解比 分解的模态能量特征 进行铣刀破损检测具有更高的识别精度加入 分 解的模态的中心频率特征能够进一步提高识别精度 参 考 文 献 李锡文杨明金谢守勇等基于时域特性的铣刀磨损状 态 信 息 提 取 中 国 机 械 工 程 陈勇周志平洪小丽基于小波分析的刀具破损智能监 控系统 工具技术 贺彬刘泉基于 和 的刀具故障诊断 工具 技术 陈群涛石新华邵华基于振动信号 和 的刀具 破损识别 工具技术 下转第页 振 动 与 冲 击年第卷 ChaoXing 附录 附表结构参数正交试验分配方案 试验号 结构参数 评价指标 附表主要结构参数正交试验分配方案 试验号 主要结构参数 卡方距离 附表响应面代理模型估计系数 估计系数 估计值 估计系数 估计值 上接第页 杨明伦邵华基于 和 能量分布的刀具破损识 别 组合机床与自动化加工技术 江雁傅攀李晓晖基于 的刀具磨损状态研 究 中国测试 王新闫文源基于变分模态分解和 的滚动轴承故障 诊断 振动与冲击