陈泽宇

（广州铁路职业技术学院，广东广州 510430）

在机械自动化加工中，刀具状态监测有利于提高机械的加工质量及加工效率，降低加工成本，因此监测刀具状态是现代化加工技术的重要课题［1］。目前，监测刀具状态的常用方法有直接监测和间接监测，直接监测主要用于监测刀具切削力参数;间接监测用于监测加工中的振动、声发射（AE）、电动机电压电流等参数。文献［2］中研究表明，在金属切削过程中，刀具的摩擦、切削和断裂时会产生机械波，此即为AE信号。AE信号包含加工过程丰富信息，是典型的非平稳信号。采用AE信号作为监测信号，有灵敏度高，响应速度快等优点，是近年发展起来的检测方法，已经应用于多种监测上。

目前，谐波特征实际上指的是信号中各次谐波的幅值和相位，通常采用傅里叶变换及其改进算法。然而AE信号为非平稳信号，傅里叶（Fourier）变换总是假设信号是周期性的，所以通过傅里叶变换进行谐波特征监测是不准确的。与Fourier变换相比，小波变换是一个时频的局域变换，能通过伸缩和平移等功能从信号获得细化的信息。故本文提出了基于小波变换提取谐波特征和GA－SVM的方法，进行刀具状态监测，运用小波变换提取谐波特征，采用遗传算法优化支持向量机的参数选取，来建立刀具状态监测模型。

1 谐波特征

1.1 小波变换

设ψ（t）∈L2（R），L2（R）表示平方可积的实数空间，即能量有限的信号，其傅立叶变换为φ（ω）［3］。当φ（ω）满足相容性条件时:

称ψ（t）为一个基函数。对于连续的情况，小波函数为