一种磨削加工颤振检测方法，首先对测得的振动信号进行分段、加窗处理；然后，分别对每段信号进行最小熵解卷积滤波处理，消除传播路径对颤振特征信号的影响；接下来，通过无偏自相关序列计算，消除突发性干扰信号；最后，使用峭度指标对颤振特征信号进行量化，设置颤振阈值，通过颤振阈值跟量化后的颤振特征信号进行比较，确定磨床的颤振状态，本发明方法具有通用性和抗干扰性，颤振阈值不受加工设备，加工参数以及测试信号中突发性信号的影响，适合磨削颤振在线检测，可在机床企业推广使用，符合智能机床发展需求，具有广泛的应用前景。
1.一种磨削加工颤振的检测方法，其特征在于，包括以下步骤：步骤一，在磨床的砂轮架上安装一个加速度传感器；
步骤二，利用数据采集设备和加速度传感器，实时采集加速度传感器测得的振动信号x(t)，其中，t代表时间；
步骤三，对振动信号x(t)进行分段、加窗处理，得到振动信号x(t1)，x(t2)，…，x(tm)，其中，t1，t2，…，tm分别代表分段、加窗处理后信号所在的时间序列，m代表分段的段数；
步骤四，使用Ralph Wiggins的最小熵解卷积滤波方法对分段、加窗处理后的振动信号x(t1)，x(t2)，…，x(tm)分别进行解卷积处理，得到解卷积后信号y(t1)，y(t2)，…，y(tm)，最小熵解卷积滤波方法的实现步骤如下：①初始化一个输入信号 的滤波器系数 设置
②计算输入信号 的Toeplitz自相关矩阵X0，计算公式为：其中，N代表输入信号x向量的长度，L代表
⑤通过迭代方法，迭代计算②～④步骤，迭代结束的条件为：连续两次输出信号的峭度指标之差小于0.01，其中，峭度指标的计算公式为：|·|代表绝对值运算，代表平均值运算；
⑥将第⑤步中的最后一组输出信号记为最小熵解卷积滤波方法的输出结果；
步骤五，使用无偏自相关序列的计算公式，分别计算解卷积后信号y(t1)，y(t2)，…，y(tm)的无偏自相关序列，得到R(τ1)，R(τ2)，…，R(τm)，无偏自相关序列的计算公式为：其中，n代表y向量中的第n个离散点，τ代表无
偏自相关序列中的第τ个离散点，无偏自相关序列的长度为2N-1；
步骤六，分别截取无偏自相关序列R(τ1)，R(τ2)，…，R(τm)中长度为 的一段信号，并分别计算每段信号的峭度指标，得到峭度指标序列K1，K2，…，Km，其中，无偏自相关序列R中τ的取值范围为步骤七，磨床未发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都不存在明显冲击特征，其峭度指标K1，K2，…，Kn的值都靠近3；而磨床发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都存在明显冲击特征，其峭度指标K1，K2，…，Km的值都大于4；因此设置一个初始的颤振阈值T＝4，如果计算得到的峭度指标序列K1，K2，…，Km中任何一个值大于设置的颤振阈值，那么判定该磨削过程发生颤振。
2.根据权利要求1所述的一种磨削加工颤振的检测方法，其特征在于：所述的颤振阈值T根据需求进行修订。
一种磨削加工颤振的检测方法
技术领域
[0001] 本发明涉及机床加工过程颤振检测技术领域，特别涉及一种磨削加工颤振的检测方法。
背景技术
[0002] 磨削加工作为常见的终加工工艺，对产品几何精度和表面质量具有决定性影响。磨削颤振是影响加工效率和表面质量最为严重的因素之一。磨削颤振的发生会加剧砂轮磨损，产生异常噪声，削减机床部件寿命，降低产品加工精度和表面质量。磨削颤振行为的演变具有阶段性，通常包括早期、上升期和稳定发展三个阶段。在磨削加工过程中，只有在颤振早期实现检测并采取抑制措施，方能避免颤振对产品加工精度和表面质量产生破坏。目前，已有的磨削颤振在线检测方法通用性差，主要体现在颤振阈值对加工设备和加工参数敏感。其原因在于：外接传感器测得的颤振信号是颤振特征信号与传播路径单元(轴承，轴，传感器等)卷积的结果，其中的颤振特征信号已被污染，信噪比降低。因此，直接使用低信噪比的测试信号难以实现早期颤振检测，消除传播路径对颤振特征信号的卷积影响，获得高信噪比的颤振特征信号才是解决该问题的关键。
发明内容
[0003] 为了克服上述现有技术的缺点，本发明的目的在于提供一种磨削加工颤振的检测方法，实现磨削颤振的早期检测，避免磨削颤振对产品加工质量的影响。
[0004] 为了达到上述目的，本发明采取的技术方案为：
[0005] 一种磨削加工颤振的检测方法，包括以下步骤：
[0006] 步骤一，在磨床的砂轮架上安装一个加速度传感器；
[0007] 步骤二，利用数据采集设备和加速度传感器，实时采集加速度传感器测得的振动信号x(t)，其中，t代表时间；
[0008] 步骤三，对振动信号x(t)进行分段、加窗处理，得到振动信号x(t1)，x(t2)，…，x(tm)，其中，t1，t2，…，tm分别代表分段、加窗处理后信号所在的时间序列，m代表分段的段数；
[0009] 步骤四，使用Ralph Wiggins的最小熵解卷积滤波方法对分段、加窗处理后的振动信号x(t1)，x(t2)，…，x(tm)分别进行解卷积处理，得到解卷积后信号y(t1)，y(t2)，…，y(tm)，最小熵解卷积滤波方法的实现步骤如下：
[0010] ①初始化一个输入信号 的滤波器系数 设置
[0011] ②计算输入信号 的Toeplitz自相关矩阵X0，计算公式为：其中，N代表输入信号x向量的长度，L代表
Toeplitz自相关矩阵X0的行数；
[0012] ③计算输出信号 计算公式为 其中， 代表自相关矩阵X0的转置矩阵，N代表y向量的长度；
[0013] ④重新计算输入信号 的滤波器系数 计算公式为：其中，n代表y向量中的第n个离散
点，N代表y向量的长度；
[0014] ⑤通过迭代方法，迭代计算②～④步骤，迭代结束的条件为：连续两次输出信号的峭度指标之差小于0.01，其中，峭度指标的计算公式为：
[0015] |·|代表绝对值运算，代表平均值运算；
[0016] ⑥将第⑤步中的最后一组输出信号记为最小熵解卷积滤波方法的输出结果；
[0017] 步骤五，使用无偏自相关序列的计算公式，分别计算解卷积后信号y(t1)，y(t2)，…，y(tm)的无偏自相关序列，得到R(τ1)，R(τ2)，…，R(τm)，无偏自相关序列的计算公式为： 其中，n代表y向量中的第n个离散点,τ代表无偏自相关序列中的第τ个离散点,无偏自相关序列的长度为2N-1；
[0018] 步骤六，分别截取无偏自相关序列R(τ1)，R(τ2)，…，R(τm)中长度为 的一段信号，并分别计算每段信号的峭度指标，得到峭度指标序列K1，K2，…，Km，其中，无偏自相关序列R中τ的取值范围为
[0019] 步骤七，磨床未发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都不存在明显冲击特征，其峭度指标K1，K2，…，Kn的值都靠近3；而磨床发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都存在明显冲击特征，其峭度指标K1，K2，…，Km的值都大于4；因此设置一个初始的颤振阈值T＝4，如果计算得到的峭度指标序列K1，K2，…，Km中任何一个值大于设置的颤振阈值，那么判定该磨削过程发生颤振。
[0020] 所述的颤振阈值T根据需求进行修订。
[0021] 本发明的有益效果：
[0022] 本发明根据磨削颤振信号的频谱具有在磨床工作台固有频率处存在转频为间隔的频率特点(颤振特征信号)，考虑到传感器测得的颤振信号是颤振特征信号与传播路径卷积的结果，提出一种考虑传播路径影响的磨削加工颤振检测方法，即基于最小熵解卷积与无偏自相关的颤振检测方法，并通过齿轮磨削加工对该方法的有效性进行了验证。本发明方法可有效检测早期磨削颤振行为，相比于现有方法，该磨削颤振检测方法具有通用性和抗干扰性，颤振阈值不受加工设备，加工参数和测试信号中突变信号的影响，适合磨削颤振在线检测，可在机床企业推广使用，符合智能机床发展需求，具有广泛的应用前景。
附图说明
[0023] 图1为本发明方法的流程图。
[0024] 图2为实施例测得的磨床加工过程振动信号x(t)时域图。
[0025] 图3为实施例磨床加工过程振动信号x(t)经本发明处理后得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)时域图。
[0026] 图4为实施例磨床加工过程振动信号x(t)经本发明处理后得到的峭度指标序列时域图。
具体实施方式
[0027] 下面结合附图和实施案例对本发明进行详细描述。
[0028] 某机床厂生产的齿轮磨床在齿轮加工过程中，出现异常的加工噪音，生产的齿轮在下线检测时发现加工质量不符合要求。经机床厂研究，齿轮下线检测不合格的主要原因是齿轮磨床在加工时出现了颤振行为；如果早期颤振行为可以被检测，那么调整加工参数就可以避免颤振行为对工件加工质量的影响，下面通过本发明解决早期颤振检测难题。
[0029] 参照图1，一种磨削加工颤振的检测方法，包括以下步骤：
[0030] 步骤一，在磨床的砂轮架上安装一个加速度传感器；
[0031] 步骤二，利用数据采集设备和加速度传感器，实时采集加速度传感器测得的振动信号x(t)，如图2所示，图2给出了加速度传感器测得的时域信号，从图2中可以观察到该磨削过程包括4个磨削阶段，并且测得的振动信号中存在多个突发性信号干扰，其中，t代表时间；
[0032] 步骤三，对振动信号x(t)进行分段、加窗处理，得到振动信号x(t1)，x(t2)，…，x(tm)，其中，t1,t2，…，tm分别代表分段、加窗处理后信号所在的时间序列，m代表分段的段数；
[0033] 步骤四，使用RalphWiggins的最小熵解卷积滤波方法对分段、加窗处理后的振动信号x(t1)，x(t2)，…，x(tm)分别进行解卷积处理，消除传播路径对颤振特征信号的影响，得到解卷积后信号y(t1)，y(t2)，…，y(tm)，最小熵解卷积滤波方法的实现步骤如下：
[0034] ①初始化一个输入信号 的滤波器系数 设置
[0035] ②计算输入信号 的Toeplitz自相关矩阵X0，计算公式为：其中，N代表输入信号x向量的长度，L代表
Toeplitz自相关矩阵X0的行数；
[0036] ③计算输出信号 计算公式为 其中， 代表自相关矩阵X0的转置矩阵，N代表y向量的长度；
[0037] ④重新计算输入信号 的滤波器系数 计算公式为：其中，n代表y向量中的第n个离散
点，N代表y向量的长度；
[0038] ⑤通过迭代方法，迭代计算②～④步骤，迭代结束的条件为：连续两次输出信号的峭度指标之差小于0.01，其中，峭度指标的计算公式为：
[0039] |·|代表绝对值运算，代表平均值运算，n代表y向量中的第n个离散点，N代表y向量的长度；
[0040] ⑥将第⑤步中的最后一组输出信号记为最小熵解卷积滤波方法的输出结果；
[0041] 步骤五，使用无偏自相关序列的计算公式，分别计算解卷积后信号y(t1)，y(t2)，…，y(tm)的无偏自相关序列，消除突发性信号的干扰，得到R(τ1)，R(τ2)，…，R(τm)，无偏自相关序列的计算公式为： 其中，n代表y向量中的第n个离散点,τ代表无偏自相关序列中的第τ个离散点,无偏自相关序列的长度为
2N-1；
[0042] 步骤六，分别截取无偏自相关序列R(τ1)，R(τ2)，…，R(τm)中长度为 的一段信号，并分别计算每段信号的峭度指标，得到峭度指标序列K1，K2，…，Km，如图3所示，图3为经过本步骤得到的无偏自相关序列，从图3中可以看到，磨削第1阶段不包含冲击信号，磨削第2，3，4阶段出现明显的周期性冲击信号，这说明磨削状态从第2阶段开始发生了变化，其中，无偏自相关序列R中τ的取值范围为
[0043] 步骤七，磨床未发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都不存在明显冲击特征，其峭度指标K1，K2，…，Kn的值都靠近3；而磨床发生颤振时，通过上述六个步骤得到的无偏自相关序列R(τ1)，R(τ2)，…，R(τm)都存在明显冲击特征，其峭度指标K1，K2，…，Km的值都大于4；因此设置一个颤振阈值T＝4，如图4所示，图4为经本步骤处理后得到的峭度指标序列时域图，从图4中可以观察到，当峭度指标序列在56秒时，其峭度指标大于阈值4，说明齿轮磨床在第2阶段中发生了早期磨削颤振，此时可对磨削颤振进行控制，如更换砂轮、改变加工参数，从而使磨削过程处于无颤振加工状态。
[0044] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利的保护范围。
