基于EMD分量与小波包能量熵的轧辊磨削颤振在线预测

• Published in: 金刚石与磨料磨具工程 Vol. 44; no. 1; pp. 73 - 84
• Main Authors: 朱欢欢, 迟玉伦, 张梦梦, 熊力, 应晓昂
• Format: Journal Article
• Language: Chinese
• Published: 上海工程技术大学 高职学院, 上海 200437%上海理工大学 机械工程学院, 上海 200093 01.02.2024; 上海市高级技工学校 制造工程系, 上海 200437
• Subjects: least squares support vector machine(LS-SVM); 小波包能量熵; roll grinding chatter; EMD分解; 固有模态函数; 最小二乘支持向量机; EMD decomposition; wavelet energy entropy; 轧辊磨削颤振; intrinsic mode function(IMF)
• ISSN: 1006-852X
• DOI: 10.13394/j.cnki.jgszz.2022.0198

TG58; 针对轧辊磨削颤振时的时频域单一处理方法存在部分特征丢失的问题,提出了时频域相结合的方法对信号进行特征处理,并利用智能算法实现轧辊磨削颤振的在线预测.首先,利用经验模态分解(empirical mode decomposition,EMD)方法对振动传感器信号进行分解获得各固有模态函数(intrinsic mode function,IMF),剔除"虚假分量"后计算表征轧辊磨削颤振的时域特征.然后,利用小波包能量熵对声发射传感器信号求解频率段节点能量熵值,获得表征轧辊磨削颤振的频域特征.最后,将上述时频域特征降维后代入智能算法模型实现对轧辊磨削加工的在线预测.结果表明:LV-SVM模型的磨削颤振分类平均准确率达92.75%,模型平均响应时间为 0.776 5 s;验证了时频域特性的EMD和小波包能量熵方法的LV-SVM在线预测轧辊磨削颤振的有效性.