APP下载

基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测

2018-06-25何志坚周志雄黄向明

计量学报 2018年2期
关键词:关联模态信号

何志坚, 周志雄, 黄向明

(1. 湖南大学 机械与运载工程学院, 湖南 长沙 410082; 2. 湖南信息职业技术学院, 湖南 长沙 410200)

1 引 言

刀具磨损状态在线监测不仅能够有效地保证加工系统安全运行,而且可以降低生产成本、减少设备故障[1,2]。目前,刀具磨损状态监测方法主要是通过对采集的切削力信号、声发射信号、功率与电流信号进行处理,提取特征,实现状态诊断,其中声发射法因具有较高的灵敏度、可以实时在线监测而获得广泛关注,并取得了良好的效果[3]。

本文主要采用声发射法对刀具磨损状态进行监测。刀具磨损过程中产生的声发射信号具有非平稳特性,需要合适的分解方法对其进行分解。传统的滤波及小波分解法由于不具有自适应性而不能获得有效特征信息[4,5];经验模态分解(empirical mode decomposition,EMD)是经典的信号分解方法,然而该方法存在模态混叠现象,导致分解后的IMF分量丧失了真实的物理意义[6~8];变分模态分解(variational mode decomposition, VMD)是2014年提出的一种新的时频分析方法,该方法通过迭代搜寻变分模型的最优解来确定分解后分量的频率中心以及带宽,从而能够自适应地对非平稳信号进行分解[9,10],抗噪性强且没有模态混叠现象。为此,采用VMD对信号进行处理,根据归一化互信息值提取敏感分量,讨论关联维数的时延参数和嵌入维数并计算不同信号的敏感分量的关联维数,利用关联维数表征刀具不同的磨损状态,并将其组成特征向量输入相关向量机进行状态识别。

2 VMD基本原理

变分模态分解是将信号分解过程转移至变分框架内进行处理的信号分解方法。……

登录APP查看全文

猜你喜欢

关联模态信号
“苦”的关联
信号
完形填空二则
基于FPGA的多功能信号发生器的设计
智趣
基于LabVIEW的力加载信号采集与PID控制
基于HHT和Prony算法的电力系统低频振荡模态识别
由单个模态构造对称简支梁的抗弯刚度
语言学与修辞学:关联与互动
多模态话语模态的协同及在外语教学中的体现