基于小波包-BP神经网络的切削颤振监测

谢锋云，曹青松，黄志刚

(华东交通大学机电工程学院，江西南昌 330013)



基于小波包-BP神经网络的切削颤振监测

谢锋云，曹青松，黄志刚

(华东交通大学机电工程学院，江西南昌 330013)

对切削加工状态进行实时监测尤其是颤振的监测，为提高切削加工质量有着重要意义。搭建切削颤振实验平台，采用加速度传感器获取切削加工信号，通过时频分析，将切削加工状态划分为稳定、过渡及颤振3种加工状态。利用小波包分解，计算各状态在不同频带的小波系数均方根值(RMS)，并把它作为BP神经网络的输入向量。依照BP神经网络分类方法，对3种加工状态进行识别。结果表明，该监测系统可对切削颤振进行有效识别。

小波包分解; BP神经网络；切削颤振；监测

0 引言

数控机床切削加工状态的监测，尤其是数控机床加工中的颤振状态的监测是非常重要的。颤振是由于加工过程中所产生的动态周期性力激发而引起，并能维持其振动不衰减。颤振影响着切削加工的效率及产品质量。近年来，学者提出了许多切削加工状态监测方法，如：利用压电式加速度传感器测量系统的振动[1]，结合人工神经网络的刀具磨损监测方法[2]及利用贝叶斯网络监测和诊断机床加工状态[3]等。区别于这些方法，提出基于小波包与BP神经网络结合的切削颤振监测方法，由加速度传感器获取切削加工信息，利用能记录不同频带详细信息小波包工具进行特征提取，由BP神经网络模型对切削加工状态进行识别，进而完成的切削颤振的监测。……