任静波，孙根正,陈 冰,罗 明

（西北工业大学 现代设计与集成制造技术教育部重点实验室，西安710072）

基于小波包变换与核主成分分析的铣削颤振识别

任静波，孙根正,陈 冰,罗 明

（西北工业大学 现代设计与集成制造技术教育部重点实验室，西安710072）

提出一种基于小波包变换（wavelet packets transform,WPT）与核主成分分析（kernel principal component analysis，KPCA）的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号，利用四层小波包分解与重构，得到16个频段内的重构信号，获得各重构信号的面积，并进行归一化处理，完成铣削颤振特征向量的选择。继而通过对比基于主成分分析（principal component analysis，PCA）与核主成分分析的特征提取方法的特征提取效果，选取KPCA对特征向量进行降维处理，最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明，在小样本的情况下仍能有效、准确地对铣削状态进行分类，分类准确率达95.0%。

振动与波；铣削颤振识别；小波包变换；核主成分分析；最小二乘支持向量机

切削颤振是金属切削过程中的一种自激振动。颤振的产生使加工精度降低，刀具磨损加剧且影响机床主轴精度；为了避免颤振，只能在切削加工过程中采用保守的切削参数，从而制约切削效率的提高。因此，对铣削加工过程进行监测预报是实现颤振抑制和提高加工效率的一项关键技术。

国内外学者在切削颤振识别方面已经作了大量研究，提出了基于切削力信号[1]、加速度信号[2]和声音信号[3]等颤振识别方法。……