CN103802022A - 数控机床动态特性衰变的评估方法 - Google Patents

Abstract

本发明提供了一种数控机床动态特性衰变的评估方法，其特征在于，包括以下步骤：步骤一：获得数控机床的一定特征点在初始时间K₀时的特征数据序列作为参考特征数据序列X₀；步骤二：获得一定特征点在待测时间K_i的特征数据序列作为对比特征数据序列X_i；步骤三：根据X₀和X_i，计算得到二者的闵可夫斯基贴近度N_i；以及步骤四：基于N_i的数值对数控机床动态特性衰变进行评估。根据本发明所提供的数控机床动态特性衰变的评估方法，通过N_i能够直观定量的显示了机床数控机床的动态特性衰变程度，是一种简单易行而又准确可靠的评估方法，适合于在工厂车间内推广应用。

Description

数控机床动态特性衰变的评估方法

技术领域

本发明涉及一种数控机床动态特性衰变的模糊评估技术，具体涉及一种基于闵可夫斯基贴近度的数控机床动态特性衰变的评估方法。

背景技术

数控机床是一种典型的复杂机电耦合系统，其动态性能是机床结构、结合面、主轴、伺服进给系统和切削工艺等子系统动态特性的综合表现。动态特性是评价数控机床性能的重要技术指标，它与机床加工性能有密切关系，直接影响机床的加工质量、加工精度和切削效率。机床在使用过程中，随着轴承、传动齿轮、丝杠、导轨以及其它接触面的磨损或者操作润滑不当，都会使机床的动态特性逐渐衰变，机床的加工精度和使用寿命会受到不同程度的影响。所以评估机床动态特性的衰变，对机床在使用过程中的维护和故障诊断具有重要的意义。

目前，研究数控机床动态特性的方法主要有理论分析法、实验测试法以及理论分析和实验测试相结合的综合分析方法。理论分析法通过抽象、简化零部件的结构建立机床的动力学模型，由此进行机床动态特性的分析，但是，由于数控机床部件结合面间的刚度和阻尼、传动间隙、摩擦、切削工艺系统等因素的复杂性和不确定性，理论模型很难真实的模拟机床的实际情况，因而理论分析法精度较低。实验测试法通过对机床进行模态测试，得到机床的动态特性参数，但是，进行模态测试时环境干扰信号难以计算，并且测试设备价格昂贵。理论分析和实验测试相结合的方法建立机床结构的动力学模型，利用实验测试得到的模态数据修正理论模型，使修正后的理论模型能够确切地模拟机床的实际情况，该方法能够提高机床动态特性的理论分析精度，但是步骤较为复杂繁琐。

上述三种方法通过不同的方式得到机床的动态特性参数，但都只能对数控机床的动态特性进行定性评估，目前仍没有可用于定量评估数控机床动态特性衰变的有效方法。

发明内容

为了解决以上问题，本发明的目的是提供一种数控机床动态特性衰变的评估方法。

为了实现上述目的，本发明所采用的技术方案是：

一种数控机床动态特性衰变的评估方法，其特征在于，包括以下四个步骤：

步骤一：获得数控机床的一定特征点在初始时间K₀时的特征数据序列作为参考特征数据序列X₀；

步骤二：获得一定特征点在待测时间K_i的特征数据序列作为对比特征数据序列X_i；

步骤三：根据X₀和X_i，计算得到二者的闵可夫斯基贴近度N_i；以及

步骤四：基于N_i的数值进行评估，数值越大，则K_i时数控机床的动态特性与K₀时的动态特性越接近，数控机床的动态特性的衰变程度越小，数值越小，则K_i时数控机床的动态特性与K₀时的动态特性相差越大，数控机床动态特性的衰变程度越大。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，一定特征点为主轴振动特征点、工作台振动特征点和工件夹具振动特征点中的任意一个或多个。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，步骤一和步骤二中的特征数据序列的获得方法均为：使数控机床在特定参数下运行，采集一定特征点的加速度信号；对加速度信号采用1/3倍频程频谱分析法进行特征提取，获得特征数据序列。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，1/3倍频程频谱分析法包括以下四个步骤：

a、采用基-2算法的FFT变换将所述加速度信号转换至频域，得到离散频域功率谱，该离散频域功率谱包括离散频率及功率谱幅值；

b、利用1/3倍频程频谱分析法对所述加速度信号进行频谱分析，将所述加速度信号的频谱划分为n个频带，分别计算得到每一个频带的中心频率f_c；

c.根据公式

分别计算得到每一个频带的中心频率f_c所对应的上限频率f_u和下限频率f_d；

d.根据所述频域功率谱，分别将每一个频带内的离散频率及对应的功率谱幅值、该频带的上限频率、和该频带的下限频率带入公式得到该频带的功率谱S_x,n，式中，f_d,n、f_u,n分别为该频带的下限频率和上限频率，f_i为该频带的离散频率，S_x,n(f_i)为该频带的各离散频率的功率谱幅值，

根据公式

分别计算得到每一个频带的振动幅值A_n，所有频带的振动幅值构成所述特征数据序列。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，利用1/3倍频程频谱分析法对加速度信号进行频谱分析时，所取的频率范围是20Hz～10kHz，共划分为28个频带。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，所述频谱分析中，所取的频率范围是20Hz～20kHz，共划分为30个频带。

另外，本发明所涉及的数控机床动态特性衰变的评估方法还可以具有这样的特征：其中，闵可夫斯基贴近度N_i的计算方法包括以下两步：

步骤一：计算X_i对X₀的模糊隶属度；

步骤二：根据模糊隶属度，计算得到闵可夫斯基距离d_i(X_i,X₀)，

根据公式N_i=N_i(X_i,X₀)=1-d_i(X_i,X₀)，计算得到X_i与X₀之间的闵可夫斯基贴近度。

发明的作用与效果

根据本发明所提供的数控机床动态特性衰变的评估方法，由于根据闵可夫斯基贴近度N_i的数值大小对数控机床动态特性的衰变进行评估，根据评估结果，即可得到数控机床的动态特性衰变情况，与传统方法相比，本发明通过N_i直观定量的显示了机床数控机床的动态特性衰变程度，是一种简单易行而又准确可靠的评估方法，适合于在工厂车间内推广应用。

附图说明

图1是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的流程图；

图2是实施例中数控外圆磨床在4月份砂轮转速2100r/min、工件主轴转速90r/min时工件主轴X方向的一段加速度信号的时域图；

图3是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的1/3倍频程特征提取的流程图；

图4是实施例中数控外圆磨床在4月份砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号的1/3倍频程频谱图；以及

图5是实施例中数控外圆磨床在砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号4、6、8、9月份特征数据序列的对比图。

具体实施方式

以下结合附图，对本发明所涉及的数控机床动态特性衰变的评估方法做进一步说明。

<实施例>

在本实施例中，选择某数控外圆磨床（以下简称磨床）为评估对象，选择该磨床的工件主轴和砂轮主轴为特征点，测试初始时间K₀设定为4月15日（以下称为4月），待测时间K_i分别为6月15日、8月15日和9月15日（以下分别称为6月、8月、9月）。

测试系统的采样频率为25.6kHz，设定砂轮的转速为2100r/min，同时以45r/min、67.5r/min、90r/min、112.5r/min、135r/min改变外圆磨床的主轴转速，分别计算不同转速下，工件主轴X方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、工件主轴Y方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、工件主轴Z方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度、以及砂轮主轴Z方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度，进而根据所得的闵可夫斯基贴近度数值大小的变化对该磨床的动态特性衰变进行评估。

图1是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的流程图。

图2是实施例中数控外圆磨床在4月份砂轮转速2100r/min、工件主轴转速90r/min时工件主轴X方向的一段加速度信号的时域图。

以砂轮转速2100r/min、工件主轴转速为90r/min时，不同月份工件主轴X方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度的计算为例，采用如图1所示的评估方法对该磨床动态特性的衰变进行评估，包括以下步骤：

步骤一（S1）：参考特征数据序列X₀的获得

1(S-1-1).将三向加速度传感器吸附在磨床的工件主轴上，设置采样频率为25.6kHz，设定砂轮的转速为2100r/min，工件主轴转速为90r/min，采集得到如图2所示的4月份工件主轴X方向的一段加速度信号的时域序列t(N)，其中，t(N)＝(t₁,t₂,…,t_N)，N为加速度信号时域序列的长度。

2(S-1-2).基于1/3倍频程频谱分析法对时域序列t(N)进行特征提取，获得4月的特征数据序列作为参考特征数据序列X₀。

图3是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中的1/3倍频程特征提取的流程图。

1/3倍频程频谱分析法进行特征提取的过程如图3所示，包括以下步骤：

a(S-1-2a).基于快速傅立叶变换(FFT)计算t(N)的频域功率谱

对t(N)进行“基-2时间抽取”，得到“按时间抽取”子序列t₁(r)和t₂(r)。

t₁(r)=t(2r),r=0,1,2,…,N/2-1    （1）

t₂(r)=t(2r+1),r=0,1,2,…,N/2-1    （2）

按照式（3），分别对子序列t₁(r)和t₂(r)进行离散傅里叶变换(DFT)，得到加速度信号t(N)的频域序列T(k)。

$T\left(k\right)=\underset{r=0}{\overset{N/2-1}{\mathrm{\&Sigma;}}}{t}_1\left(r\right)W_N^{2\mathrm{kr}}+W_N^k\underset{r=0}{\overset{N/2-1}{\mathrm{\&Sigma;}}}{t}_2\left(r\right)W_N^{2\mathrm{kr}},k=\mathrm{0,1,2},...,N-1---\left(3\right)$

式中，

因此频域序列T(k)可表示为式（4）：

$T\left(k\right)=T_1\left(k\right)+W_N^k{T}_2\left(k\right),k=\mathrm{0,1,2},...,N-1---\left(4\right)$

式中，T₁(k)为t₁(r)的N/2点进行离散傅里叶变换(DFT)后得到的频域序列，T₂(k)为t₂(r)的N/2点进行离散傅里叶变换(DFT)后得到的频域序列。

根据T₁(k)和T₂(k)的周期性(N/2)和

的对称性

得到快速傅里叶变换(FFT)的频谱序列如式（5）所示：

$\left\{\begin{array}{c}T\left(k\right)=T_1\left(k\right)+W_N^k{T}_2\left(k\right)\\ T(k+N/2)=T_1\left(k\right)-W_N^k{T}_2\left(k\right)\end{array}\right.,k=\mathrm{0,1,2},...,N/2-1---\left(5\right)$

根据式（5），计算得到时域序列t(N)＝(t₁,t₂,…,t_N)的FFT频域功率谱。

b(S-1-2b).确定1/3倍频程频谱分析法的中心频率f_c

在本实施例中，利用1/3倍频程对时域序列t(N)进行特征提取时，所取的频率范围是20Hz～10kHz，共划分为28个频带。

根据公式f_c＝1000×10^3n/30Hz(n＝0,±1,±2,…)，计算得到每一个频带的中心频率f_c，选取f_c的近似值，即所选取的中心频率f_c依次为：20Hz，25Hz，31.5Hz，40Hz，50Hz，63Hz，80Hz，100Hz，125Hz，160Hz，200Hz，250Hz，315Hz，400Hz，500Hz，630Hz，800Hz，1000Hz，1350Hz，1600Hz，2000Hz，2500Hz，3150Hz，4000Hz，5000Hz，6300Hz，8000Hz，10000Hz。

c(S-1-2c).计算每一个频带的上、下限频率

1/3倍频程的中心频率f_c所处的频带介于上限频率f_u和下限频率f_d之间。上限频率f_u、下限频率f_d以及中心频率f_c之间的关系如式（6）所示：

$\frac{f_c}{f_d}=2^{1/6},\frac{f_c}{f_d}=2^{1/6},\frac{f_u}{f_c}=2^{1/6}---\left(6\right)$

根据公式（6），分别计算得到每个频带的中心频率所对应的上限频率f_u和下限频率f_d。

d(S-1-2d).特征数据序列的计算

根据S-1-2a中得到的FFT频域功率谱，则S-1-2b中所划分的28个频带中，第n(n＝1,2,…28)个频带的功率谱S_x,n的计算如式（7）所示：

$S_{x,n}=\underset{f_{d,n}<f_i<f_{u,n}}{\mathrm{\&Sigma;}}{S}_{x,n}\left(f_i\right)---\left(7\right)$

式中，f_d,n、f_u,n分别为第n个频带的频率下限和频率上限，f_i为第n个频带内的离散频率，S_x,n(f_i)为第n个频带内各离散频率的功率谱幅值。

频带功率谱的平方根为该频带的幅值A_n，即

1/3倍频程功率谱中28个恒定带宽比的频带所对应的幅值A_n(n＝1,2,3,…,28)构成该磨床加速度信号的特征数据序列，即参考特征数据序列X₀＝(A₁,A₂,A₃,…,A₂₈)。

图4是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中数控外圆磨床在4月份砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号的1/3倍频程频谱图。

在本实施例中，4月份该磨床的工件主轴X方向加速度信号的特征数据序列，即参考特征数据序列X₀如表1所示，记为X₀=(x₀(1),x₀(2),…x₀(28))。

表1 磨床工件主轴X方向的参考特征数据序列X₀

步骤二：对比特征数据序列X_i的获得

按照上述步骤一的方法，在工件主轴转速为90r/min的条件下，分别测试并计算得到相同条件下4月份工件主轴X方向的另一段加速度信号的特征数据序列以及6月、8月、9月的工件主轴X方向加速度信号的特征数据序列，作为对比数据序列X_i(i＝4,6,8,9)，且X₄=(x₄(1),x₄(2),…x₄(28))、X₆=(x₆(1),x₆(2),…x₆(28))、X₈=(x₈(1),x₈(2),…x₈(28))、以及X₉=(x₉(1),x₉(2),…x₉(28)。

图5是本发明所涉及的数控机床动态特性衰变的评估方法在实施例中数控外圆磨床在砂轮转速为2100r/min、工件主轴转速90r/min时工件主轴X方向的加速度信号4、6、8、9月份特征数据序列的对比图。

步骤三：计算每个对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度

根据步骤一和步骤二得到的参考特征数据序列X₀以及4月、6月、8月、9月的对比特征数据序列X₄、X₆、X₈和X₉，分别计算4月、6月、8月、9月的对比特征数据序列与4月份的参考特征数据参数序列的闵可夫斯基贴近度，具体包括以下步骤：

1.计算X_i(i＝4,6,8,9)对X₀的模糊隶属度

分别对X₀和X_i(i＝4,6,8,9)进行数据序列的初始化，得到如式(8)所示初始化数据序列Y_i(i＝0,4,6,8,9)：

Y_i＝(x_i(1)-x_i(1),x_i(2)-x_i(1),…,x_i(n)-x_i(1))

＝(y_i(1),y_i(2),…,y_i(n))，i＝0,4,6,8,9,n＝1,2,3,…,28    （8）

分别将每一个初始化数据序列Y_i(i＝0,4,6,8,9)代入式（9），计算得到该初始化数据序列的绝对差：

△_ij=|y_i(j)-y₀(j)|,i=4,6,8,9,j=1,2,…,28    （9）

则对比特征数据序列X_i(i＝4,6,8,9)对参考特征数据序列X₀的隶属度u_ij如式（10）所示：

$u_{\mathrm{ij}}=u_{\mathrm{ij}}(y_i\left(j\right),y_0\left(j\right))=1-\frac{{\mathrm{\&Delta;}}_{\mathrm{ij}}}{\underset{j}{\max }\underset{i}{\max }{\mathrm{\&Delta;}}_{\mathrm{ij}}}=1-\frac{{\mathrm{\&Delta;}}_{\mathrm{ij}}}{{\mathrm{\&Delta;}}_{\max }}---\left(10\right)$

2.计算X_i(i＝4,6,8,9)与X₀之间的闵可夫斯基贴近度

根据式（11），计算每个对比特征数据序列X_i(i＝4,6,8,9)与参考特征数据序列X₀之间的闵可夫斯基贴近度N_i(i=4,6,8,9)：

N_i=N_i(X_i,X₀)=1-d_i(X_i,X₀)    (11)

式中，d_i(X_i,X₀)为闵可夫斯基距离，

p为常数，此处取p＝2。

依据公式（11），分别计算得到4月、6月、8月和9月份的对比特征数据序列与参考特征数据序列X₀的闵可夫斯基贴近度N_i，在本实施例中，4月、6月、8月和9月的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度依次为N₄=0.9129，N₆=0.8409，N₈=0.8235，N₉=0.5860。

步骤五：基于闵可夫斯基贴近度对该磨床动态特性的衰变进行评估

N_i越大，则第K_i时该磨床的动态特性与初始时间的动态特性越接近，机床动态特性的衰变程度越小；N_i越小，则第K_i时该磨床的动态特性与初始时间的动态特性相差越大，机床动态特性的衰变程度越大。

根据N₄为0.9129，接近于1，说明此时该磨床的动态特性与初始时间的动态特性较为接近，与实际情况相符，验证了本实施例所提供的方法较为可靠，根据N₆为0.8409，N₈为0.8235，N₉为0.5860，说明随着使用时间的加长，磨床零部件出现磨损、润滑或操作不当，动态特性逐渐衰变，尤其在8月份到9月份之间，衰变最为明显。

参照上述步骤一至步骤五的操作，设定砂轮的转速为2100r/min，当工件主轴的转速分别为45r/min、67.5r/min、112.5r/min、135r/min时，分别计算每一个工件主轴转速下，4月、6月、8月和9月份工件主轴X方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度N_i(i＝4,6,8,9)，结果如表2所示：

表2 磨床工件主轴X方向的闵可夫斯基贴近度

按照上述步骤一至步骤五的操作，设定砂轮的转速为2100r/min，当工件主轴的转速分别为45r/min、67.5r/min、90r/min、112.5r/min、135r/min时，分别计算每一个工件主轴转速下，4月、6月、8月和9月份工件主轴Y方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度N_i(i＝4,6,8,9)，结果如表3所示；分别计算每一个主轴转速下4月、6月、8月和9月份工件主轴Z方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度N_i(i＝4,6,8,9)，结果如表4所示

表3 磨床工件主轴Y方向的闵可夫斯基贴近度

表4 磨床工件主轴Z方向的闵可夫斯基贴近度

参照上述步骤一至步骤五的操作，选取砂轮主轴为特征点，设定砂轮的转速为2100r/min，当工件主轴的转速分别为45r/min、67.5r/min、90r/min、112.5r/min、135r/min时，分别计算每一个工件主轴转速下4月、6月、8月和9月份砂轮主轴Z方向的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度N_i(i＝4,6,8,9)，结果如表5所示：

表5 磨床砂轮主轴振动信号特征序列闵可夫斯基贴近度

由表2-表5中的数据可以看出，对于本实施例中的数控磨床，不论是工件主轴特征点还是砂轮主轴特征点，其某个方向加速度信号的对比特征数据序列与参考特征数据序列的闵可夫斯基贴近度的变化，均能表征数控磨床动态特性的衰变程度，验证了本发明方法的正确性和有效性。

实施例的作用与效果

根据本实施例所提供的数控机床动态特性衰变的评估方法，由于根据闵可夫斯基贴近度N_i的数值大小对数控机床动态特性的衰变进行评估，根据评估结果，即可得到数控机床的动态特性衰变情况，与传统方法相比，本实施例通过N_i直观定量的显示了机床数控机床的动态特性衰变程度，是一种简单易行而又准确可靠的评估方法，适合于在工厂车间内推广应用。

当然本发明所涉及的数控机床动态特性衰变的评估方法并不仅仅限定于上述实施例中的方法。以上内容仅为本发明构思下的基本说明，而依据本发明的技术方案所作的任何等效变换，均应属于本发明的保护范围。

另外，在上述实施例中，利用1/3倍频程对时域序列t(N)进行特征提取时，所取的频率范围是20Hz～10kHz，共划分为28个频带，本发明所涉及的数控机床动态特性衰变的评估方法所取的频率范围还可以是20Hz～20kHz，且还可以划分为30个频带，优选划分为30个频带。

另外，上述实施例中选择磨床的工件主轴和砂轮主轴为特征点，本发明所涉及的数控机床动态特性衰变的评估方法还可以选择其它的特征点进行评估，如工作台振动特征点和工件夹具振动特征点。

另外，上述实施例中选择外圆磨床进行动态特性衰变的评估，本发明所涉及的数控机床动态特性衰变的评估方法可以对其它任何数控机床的动态特性衰变进行评估，如数控车床、数控钻床、数控铣床、数控刨床、数控镗床及加工中心等。

Claims (7)

1.一种数控机床动态特性衰变的评估方法，其特征在于，包括以下四个步骤：

步骤一：获得所述数控机床的一定特征点在初始时间K₀时的特征数据序列作为参考特征数据序列X₀；

步骤二：获得所述一定特征点在待测时间K_i的特征数据序列作为对比特征数据序列X_i；

步骤三：根据所述X₀和所述X_i，计算得到二者的闵可夫斯基贴近度N_i；以及

步骤四：基于所述N_i的数值进行评估，数值越大，则K_i时所述数控机床的动态特性与K₀时的动态特性越接近，所述数控机床的动态特性的衰变程度越小，数值越小，则K_i时所述数控机床的动态特性与K₀时的动态特性相差越大，所述数控机床动态特性的衰变程度越大。

2.根据权利要求1所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述一定特征点为主轴振动特征点、工作台振动特征点和工件夹具振动特征点中的任意一个或多个。

3.根据权利要求1所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述步骤一和所述步骤二中的所述特征数据序列的获得方法均为：使所述数控机床在特定参数下运行，采集所述一定特征点的加速度信号；对所述加速度信号采用1/3倍频程频谱分析法进行特征提取，获得所述特征数据序列。

4.根据权利要求3所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述1/3倍频程频谱分析法包括以下四个步骤：

a、采用基‐2算法的FFT变换将所述加速度信号转换至频域，得到离散频域功率谱，该离散频域功率谱包括离散频率及功率谱幅值；

b、利用1/3倍频程频谱分析法对所述加速度信号进行频谱分析，将所述加速度信号的频谱划分为n个频带，分别计算得到每一个频带的中心频率f_c；

c.根据公式

分别计算得到每一个频带的中心频率f_c所对应的上限频率f_u和下限频率f_d；

d.根据所述频域功率谱，分别将每一个频带内的离散频率及对应的功率谱幅值、该频带的上限频率、和该频带的下限频率带入公式

得到该频带的功率谱S_x,n，式中，f_d,n、f_u,n分别为该频带的下限频率和上限频率，f_i为该频带的离散频率，S_x,n(f_i)为该频带的各离散频率的功率谱幅值，

根据公式分别计算得到每一个频带的振动幅值A_n，所有频带的振动幅值构成所述特征数据序列。

5.根据权利要求4所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述频谱分析中，所取的频率范围是20Hz～10kHz，共划分为28个频带。

6.根据权利要求4所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述频谱分析中，所取的频率范围是20Hz～20kHz，共划分为30个频带。

7.根据权利要求1所述的数控机床动态特性衰变的评估方法，其特征在于：

其中，所述闵可夫斯基贴近度N_i的计算方法包括以下两步：

步骤一：计算所述X_i对所述X₀的模糊隶属度；

步骤二：根据所述模糊隶属度，计算得到闵可夫斯基距离d_i(X_i,X₀)，

根据公式N_i＝N_i(X_i,X₀)＝1‐d_i(X_i,X₀)，计算得到所述X_i与所述X₀之间的闵可夫斯基贴近度。

Images