技術領域

本發明涉及機械加工中的工程狀態辨識領域，特別涉及一種對切削加工顫振的實時辨識方法。

背景技術

顫振問題是切削加工過程中不可避免的問題。切削顫振是由于切削過程中所產生的動態周期性力激發而引起，并能維持其振動不衰減。顫振問題是影響機械產品加工質量和機床切削效率的關鍵技術問題之一。顫振的存在降低了產品的表面質量，也降低了生產效率和刀具、設備壽命，增加了材料和能源消耗。同時顫振產生的噪聲會誘發長期在這種環境下工作的人們的心血管等系統疾病，嚴重危害人們的身心健康。為了減小顫振的危害，首先必須對切削加工狀態進行實時辨識，然后依據辨識結果對切削加工狀態采取措施進行有效控制，因此顫振的實時辨識變得尤為重要。

傳統的切削顫振辨識方法主要分成兩類，一類是利用時頻域特征分析方法來監測及識別；一類是在獲取的特征基礎上，利用模型分類方法來監測并識別，常見的模型分類方法如：神經網絡、隱馬爾科夫、主成分分析、模糊聚類及支持向量機等。這兩類方法的一個共同特點是從數據采集到特征提取及最后的建模過程中，把所有參數都當作精確值，沒有充分考慮不確定的存在，識別的準確率不高，而且沒有魯棒性。如：黃建軍等在《基于改進BP神經網絡的數控機床振動趨勢預測》（制造技術與機床，2009.4）中提到標準BP神經網絡最大誤差達到13.6%。這是因為把參數當作精確值處理的方法，沒有充分考慮切削加工存在的不確定性問題，如：加工過程的環境復雜性、材質不一性和測量儀器的不穩定性，測量人員的不定性引起的偶然性不確定性，以及對科學疏忽、不可觀測性和人類先驗知識匱乏而引起的知識不確定性問題。為了提高預測準確性，這兩類不確定性不可疏忽，必須加以考慮。

廣義區間理論的數學模型Kaucher在《Interval?analysis?in?the?extended?interval?space?IR》(Computing?Supplement,1980.2)中提出，廣義區間的上界與下界值大小不受限制。相比于傳統的區間，廣義區間具有更好的代數特性和語義理解性，而且，廣義區間還能對不規范區間進行代數運算，其運算法則是Kaucher算法。廣義區間理論能夠同時很好地處理偶然不確定性與知識不確定性問題，基于廣義區間的區間形式模型具有較好的魯棒性。但關于廣義區間的理論文獻多見于數學推理，鮮見于與工程實際問題結合解決問題。

發明內容

本發明的目的是針對現有切削加工中存在的不確定性問題，提供一種基于廣義區間理論的切削加工顫振辨識的方法，其利用廣義區間理論處理工程中不確定性問題，結合神經網絡模型的分類辨識能力，對切削加工顫振進行實時監測與辨識，從而提高辨識的準確性及魯棒性。

實現本發明的目的所采用的具體技術方案如下：

一種基于廣義區間的切削加工顫振辨識方法，具體包括如下步驟：

（1）數據采集

通過測量工具獲取工程中切削加工中的測量數據。測量數據可以為切削工具的切削力、切削時的加速度、切削時的聲發射、切削時的扭矩、切削時的電流和功率中的一類或者幾類，其中的測量工具相應可以為測力儀、加速度傳感器、聲級計、扭矩傳感器、電流傳感器和功率傳感器等。

（2）數據預處理

把測量數據通過整形、濾波、去噪及放大等方法對測量數據的進行預處理，形成無噪的切削加工信號數據集{X}＝{X₁,X₂,…,X_k}，其中k為數據種類數，每類測量數據的測量值為{x₁,x₂,…,x_m}，m為此類測量數據的測量個數。

（3）劃分切削加工狀態

分別繪出每類數據集{x₁,x₂,…,x_m}的時域圖，及對其進行快速傅里葉變換并繪出其頻域圖，依據數據集時域及頻域圖幅值，劃分切削加工狀態。

（4）采集數據廣義區間化

考慮加工、測量及數據預處理過程中的偶然不確定性及知識不確定性，依據廣義區間理論及誤差理論，把預處理了的每類數據集中的每個元素轉換成廣義區間形式以增加采集數據的可靠性，則每類數據集從而可以獲得廣義區間化的數據集{X'}，{X'}＝{X₁',X₂',…,X_k'}。

其中，廣義區間的數學表達式為：