CN106363463B - 基于占能比的铣削加工颤振在线监测方法 - Google Patents
基于占能比的铣削加工颤振在线监测方法 Download PDFInfo
- Publication number
- CN106363463B CN106363463B CN201610667980.XA CN201610667980A CN106363463B CN 106363463 B CN106363463 B CN 106363463B CN 201610667980 A CN201610667980 A CN 201610667980A CN 106363463 B CN106363463 B CN 106363463B
- Authority
- CN
- China
- Prior art keywords
- energy
- flutter
- ratio
- frequency
- sound pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003801 milling Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 239000007787 solid Substances 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000012546 transfer Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于占能比的铣削加工颤振在线监测方法，属于振动监测领域，涉及信号处理与状态监测两方面。本发明借助于非接触测量的声压传感器对加工过程中的声压信号进行数据采集，根据颤振发生时能量集中频段转移理论，对采集的数据进行了小波包分解，构建出了颤振发生时特征值变化趋势，基于此，设置了时域有效值和频域上占能比阈值，作为加工在线监测设定判断标准，实现了铣削加工颤振的非接触高精度在线监测。该监测方案信号来源于声压，声压传感器易于固定，信号来源方便。颤振的监测经过多重标准，考虑了时域及频域特征，在提高方案的可靠性的同时还可以提高计算效率。
Description
技术领域
本发明公开了一种基于占能比的铣削加工颤振在线监测方法，属于振动监测领域，涉及信号处理与状态监测两方面。
背景技术
随着航空发动机、压缩机等大型精密机械装置日益向高负荷、高效率和高可靠性方向发展，它们中的关键部件的加工质量被要求越来越高。高速铣削加工作为现代先进制造的基础支撑技术，是上述部件的主要加工手段之一，然而铣削加工为不连续切削，加工过程中不可避免产生振动，这就会严重影响到工件的加工质量。在产生的众多振动中，颤振振动对工件的加工质量影响最大。因此，在铣削加工中针对颤振振动进行在线监测是非常有必要的。
通过监测切削力信号、刀具的位移信号来反映出加工过程中的颤振振动是常用的铣削加工颤振监测方法，这些监测方法都是接触式测量，都需要在加工工件旁边安装专用夹具固定传感器，这就存在两个弊端，一是固定传感器的夹具距离刀具很近，很容易对加工造成干涉；二是切削力信号和刀具位移信号的测量设备体积庞大，很容易限制工件的加工尺寸。工件加工后的表面粗糙度也是衡量颤振振动的一个指标，但是粗糙度需要停机测量，这就不能实现对颤振进行在线监测。机床电流、切削功率与颤振有一定的相关性，利用机床电流、切削功率进行颤振监测具有信号检测方便、无需改变加工系统的机械结构等特点，然而，这种监测方式在颤振较严重的情况具有一定的效果，当颤振较小时监测效果很差。因此，针对铣削加工颤振的非接触高精度在线监测是一个亟待解决的难题。
发明内容
本发明借助于非接触测量的声压传感器采集加工过程中的声压信号，根据颤振发生时能量集中频段转移特征，对采集的信号数据进行了小波包分解，构建出了颤振发生时特征值变化趋势，基于此，设置了时域有效值和频域上占能比阈值，最终通过关心频段占能比比值判断是否颤振，实现了铣削加工颤振的非接触高精度在线监测。
本发明的技术方案：
一种基于占能比的铣削加工颤振在线监测方法，步骤如下：
步骤A.采集声压信号：利用磁座支架将声压传感器吸附于机床侧壁，采集铣削加工过程中的声压信号，存至计算机内；
步骤B.计算每圈有效值和平滑处理：将声压信号的每圈采样点数作为时域数据段，计算每圈有效值并进行平滑处理；
步骤C.与有效值阈值比较：将步骤B得到的有效值与设定的阈值RC比较，有效值大于RC进入步骤D，有效值小于RC返回步骤A；
步骤D.‘db5’小波包分解：通过‘db5’小波包对满足阈值要求信号分解，分解频带带宽在1倍轴频到2倍轴频之间；
步骤E.计算占能比并与阈值比较：计算固频及其附近关心频段占能比值Sumenergy，当关心频段能量比例大于45％进入步骤E，否则返回步骤A；
Sumenergy＝Energy20+Energy21 (1)
其中，Energy20表示经过小波包6层分解后第20频段的占能比值，Energy21表示经过小波包6层分解后是第21频段的占能比值；
步骤F.计算特征值并与阈值比较：计算步骤D中的关心频段占能比与轴频段占能比比值Ci，特征值大于25认为发生颤振，不大于25认为不发生颤振，返回到步骤A；
其中，Energy1表示经过小波包6层分解后是第1频段的占能比值。
本发明的有益效果：该监测方案信号来源于声压，声压传感器易于固定，信号来源方便。颤振的监测经过多重标准，考虑了时域及频域特征，在提高方案的可靠性的同时还可以提高计算效率。
附图说明
图1基于占能比的铣削加工颤振监测方案流程图。
图2为模态试验处理结果。
图3为实际加工声压信号。
图4为小波变换时频图。
图5为有效值变化趋势图。
图6为5th秒数据功率谱。
图7为6th秒数据功率谱。
图8为7th秒数据功率谱。
图9为11th秒数据功率谱。
图10为各频段占能比分布变化.(a)为第1频段；(b)为第20频段；(c)为第21频段。
图11为关心频段占能比变化趋势图。
图12为特征值变化趋势图。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
实施例
颤振频率与刀具-主轴系统特性有关，对刀具做锤击模态试验获取模态参数。选择合适的锤头，通过锤头锤击给刀具宽频激励。对输入及响应数据记录，并通过频域方法(PolyMax)处理，处理结果如图2所示。实线代表频率响应函数，也就是FRF曲线，虚线代表模态指示函数，即MIF曲线。固频处位于频响函数的极大值点，且模态指示函数值趋于零，808Hz满足这两个条件，也就是一阶固频。
一叶轮实际加工过程声压信号如图3所示，通过‘comr3-3’小波对数据全程进行时频处理，结果如图4所示。观察纵坐标，能量集中在800Hz附近，第6秒左右800Hz频段处开始变亮，也就代表着幅值大，能量的集中特性，也表明这一阶段发生轻微颤振。11-15秒颜色最亮，认为发生了严重颤振现象。
时域上以有效值的变化表示振动颤振发生过程中振动变化趋势，以每圈采样点数Np为数据段长度分析，平滑处理，有效值的变化趋势如图5所示。在有效值增大的过程中，在第200转左右时发生突变，维持t0时间后继续增大，t1时间段也就是11-14秒时有效值最较大。频域上观察状态的变化过程，对数据进行分段分析，以1秒为一个数据段分析其功率谱。在有效值发生突变点前后选取数据分析，也就是第6秒前后，因此截取第5秒，第6秒和第7秒数据进行功率谱分析观察。有效值作为判断的第一个标准，经过平滑处理后可较少因数据波动带来的误差，阈值的设置应有一定的冗余性，该实验工况下设置为3。
非颤振加工工阶段，振动以强迫振动为主，激振频率应以轴频、刀齿通过频率及其倍频为主，主轴转速1800rpm对应轴频为30Hz，图6功率谱分析结果验证这一理论。在逐渐发生颤振的过程中，激振频率逐渐转移到结构的某阶固有频率上，图7可以看出轴频30Hz和800Hz附近处的幅值差距减小。2000Hz以上频段幅值较小，研究意义不大，不在关心带宽内。
第7秒数据对第181-210转，是数据中有效值增大后的平稳阶段，如图所示805Hz幅值较大于轴频30Hz处幅值，这三秒数据的功率谱分析也表明了能量转移的过程。分析振动幅值较大的第11s数据，图9功率谱峰值处804Hz，远大于轴频处幅值，此时能量集中于800Hz附近,也就验证了颤振的发生。
主轴转速1800rpm，采样频率5120Hz为例，使用db5小波进行6层分解，每段带宽40Hz。刀具一阶固频808Hz位于第21段，同时考虑到自激效应的分叉效应，主要关注第20，21段及低频段。图10反映了该加工过程中关心频段能量集中的变化，第20，21段占能比变化趋势相同，且都相反于低频段。表明能量从稳定时的低频段转移到刀具-主轴系统一阶固频处，这也验证了颤振机理。
针对这一特点，以第20，21段占能比之和以轴频所在的低频段能量之比作为特征量C1，C2。其中，C1表示第21段占能比之和与第1段能量之比，C2表示第20，21段占能比之和与第1段能量之比。特征值变化趋势如图12所示，特征值C1和C2有着相同的变化趋势。在非颤振加工阶段，第20频段对特征值影响不大，而在临近颤振及颤振阶段对特征值的影响急剧变大，故选取C2作为特征值。
计算第20，21段能量所占比例之和Sumenergy，随着状态的变化，关心频段占能比趋势图如图11所示，大于45％后计算特征值Ci，从特征值变化趋势可认为特征值大于25时认为发生颤振。
Claims (1)
1.一种基于占能比的铣削加工颤振在线监测方法，其特征在于，步骤如下：
步骤A.采集声压信号：利用磁座支架将声压传感器吸附于机床侧壁，采集铣削加工过程中的声压信号，存至计算机内；
步骤B.计算每圈有效值和平滑处理：将声压信号的每圈采样点数作为时域数据段，计算每圈有效值并进行平滑处理；
步骤C.与有效值阈值比较：将步骤B得到的有效值与设定的阈值RC比较，有效值大于RC进入步骤D，有效值小于RC返回步骤A；
步骤D.db5小波包分解：主轴转速1800rpm，轴频30Hz，采样频率5120Hz，刀具一阶固频808Hz，通过db5小波包对满足阈值要求信号进行6层分解，分解频40Hz；
步骤E.计算占能比值并与阈值比较：计算固频及其附近关心频段占能比值Sumenergy，当关心频段占能比值大于45％进入步骤F，否则返回步骤A；
Sumenergy＝Energy20+Energy21 (1)
其中，Energy20表示经过小波包6层分解后第20频段的占能比值，Energy21表示经过小波包6层分解后第21频段的占能比值；
步骤F.计算特征值并与阈值比较：计算步骤E中的关心频段占能比值与轴频段占能比值的比值Ci，特征值大于25认为发生颤振，不大于25认为不发生颤振，返回到步骤A；
其中，Energy1表示经过小波包6层分解后是轴频频段的占能比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610667980.XA CN106363463B (zh) | 2016-08-15 | 2016-08-15 | 基于占能比的铣削加工颤振在线监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610667980.XA CN106363463B (zh) | 2016-08-15 | 2016-08-15 | 基于占能比的铣削加工颤振在线监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106363463A CN106363463A (zh) | 2017-02-01 |
| CN106363463B true CN106363463B (zh) | 2019-05-28 |
Family
ID=57877920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610667980.XA Active CN106363463B (zh) | 2016-08-15 | 2016-08-15 | 基于占能比的铣削加工颤振在线监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106363463B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108519758B (zh) * | 2018-03-21 | 2020-12-22 | 南京工业大学 | 一种避免干涉和颤振的多轴数控加工球头刀轴矢量规划方法 |
| CN111890126B (zh) * | 2020-07-03 | 2022-03-11 | 太原理工大学 | 一种基于声压能量峭度指标的早期车削颤振预警监测方法 |
| CN112974945B (zh) * | 2021-03-19 | 2023-05-30 | 天津大学 | 基于变分模态分解与跟踪阈值的铣削颤振监测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1816451A2 (en) * | 2006-02-01 | 2007-08-08 | JTEKT Corporation | Abnormality diagnosing method for sound or vibration and abnormality diagnosing apparatus for sound or vibration. |
| CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
| CN104076734A (zh) * | 2014-06-26 | 2014-10-01 | 天津职业技术师范大学 | 一种铣削加工颤振在线寻优方法 |
| CN105500115A (zh) * | 2016-02-24 | 2016-04-20 | 南京工程学院 | 一种铣削加工中刀具颤振的检测系统及其检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5609739B2 (ja) * | 2011-03-30 | 2014-10-22 | ブラザー工業株式会社 | 加工びびり振動検出装置、及び工作機械 |
| KR101514147B1 (ko) * | 2013-10-30 | 2015-04-21 | 현대위아 주식회사 | 상쇄 간섭 효과를 이용한 공작 기계의 채터 진동의 제어 방법 및 그 장치 |
-
2016
- 2016-08-15 CN CN201610667980.XA patent/CN106363463B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1816451A2 (en) * | 2006-02-01 | 2007-08-08 | JTEKT Corporation | Abnormality diagnosing method for sound or vibration and abnormality diagnosing apparatus for sound or vibration. |
| CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
| CN104076734A (zh) * | 2014-06-26 | 2014-10-01 | 天津职业技术师范大学 | 一种铣削加工颤振在线寻优方法 |
| CN105500115A (zh) * | 2016-02-24 | 2016-04-20 | 南京工程学院 | 一种铣削加工中刀具颤振的检测系统及其检测方法 |
Non-Patent Citations (6)
| Title |
|---|
| Development of an intelligent multisensor chatter detection system in milling;E. Kuljanic etal.;《Mechanical Systems and Signal Processing》;20090120;第23卷;第1704-1718页 |
| Multisensor approaches for chatter detection in milling;E. Kuljanic et al.;《Journal of Sound and Vibration》;20080220;第312卷;第672–693页 |
| 切削颤振监测的小波参数估计法;胡健闻 等;《现代制造工程》;20040318(第3期);第55-57页 |
| 基于声发射信号的高速铣削过程监测技术;龚廷恺 等;《航空制造技术》;20090401(第7期);第80-83页 |
| 立铣加工过程切削颤振在线监测方法;王二化;《中国博士学位论文全文数据库 工程科技I辑》;20150215(第2期);B022-12 |
| 铣削颤振特征提取的小波包和主成分分析方法;杨涛 等;《哈尔滨工业大学学报》;20011230(第6期);第758-762页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106363463A (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
| Choi et al. | On-line chatter detection using wavelet-based parameter estimation | |
| Liu et al. | An adaptive grinding chatter detection method considering the chatter frequency shift characteristic | |
| Jianfeng et al. | A pre-generated matrix-based method for real-time robotic drilling chatter monitoring | |
| CN106363463B (zh) | 基于占能比的铣削加工颤振在线监测方法 | |
| Liu et al. | Feature extraction of milling chatter based on optimized variational mode decomposition and multi-scale permutation entropy | |
| TWI472402B (zh) | Tool flutter monitoring method | |
| CN104526465B (zh) | 一种测量刀尖点振动位移的方法 | |
| Patra | Acoustic emission based tool condition monitoring system in drilling | |
| Xiao et al. | A novel approach to machining condition monitoring of deep hole boring | |
| Shen et al. | Application of spindle power signals in tool condition monitoring based on HHT algorithm | |
| Kalvoda et al. | Analysis of signals for monitoring of nonlinear and non-stationary machining processes | |
| Litak et al. | Cutting force response in milling of Inconel: Analysis by wavelet and Hilbert-Huang transforms | |
| JP6354349B2 (ja) | 振動検出装置と工作機械 | |
| Mou et al. | A study of tool tipping monitoring for titanium milling based on cutting vibration | |
| CN108629864A (zh) | 一种基于振动的电主轴径向精度表征方法及其系统 | |
| Yang et al. | Early chatter detection in robotic milling under variable robot postures and cutting parameters | |
| CN109894925B (zh) | 基于内嵌式压电传感器的薄壁件铣削加工振动监测方法 | |
| Yao et al. | Position dependent vibration evaluation in milling of thin-walled part based on single-point monitoring | |
| Zaman et al. | Broken rotor bar fault diagnosis for induction motors using power spectral density and complex continuous wavelet transform methods | |
| CN103394972A (zh) | 基于声发射信号的铣削加工表面粗糙度在线预测方法 | |
| TW201545833A (zh) | 切削加工參數估測裝置及其方法 | |
| CN103358183A (zh) | 在线测量铣削刀具变形的装置及方法 | |
| Tonshoff et al. | Application of fast Haar transform and concurrent learning to tool-breakage detection in milling | |
| JP2012200848A (ja) | 工作機械のモニタ装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |