基于动态特性和小波包的铣削颤振识别

doi:10.12422/j.issn.1672-6952.2023.06.012

辽宁石油化工大学学报 ›› 2023, Vol. 43 ›› Issue (6): 75-81.DOI: 10.12422/j.issn.1672-6952.2023.06.012

基于动态特性和小波包的铣削颤振识别

张春雨¹(), 刘长福¹, 朱晓丹¹(), 于新丽¹, 罗星辰¹, 陆天昊¹, 李冰杰²

^1.辽宁石油化工大学机械工程学院，辽宁抚顺 113001
^2.辽宁石油化工大学人工智能与软件学院，辽宁抚顺 113001

收稿日期:2022-07-01 修回日期:2022-12-25 出版日期:2023-12-25 发布日期:2023-12-30
通讯作者: 朱晓丹
作者简介:张春雨（2000⁃），男，本科生，机械设计制造及其自动化专业，从事信号处理方面的研究；E⁃mail：2680453250@qq.com。
基金资助:
辽宁省自然科学计划（博士启动）项目(2022?BS?293);辽宁石油化工大学科研启动基金项目(2021XJJL?005);辽宁省大学生创新创业训练计划项目(202110148017)

Milling Chatter Recognition Based on Dynamic and Wavelet Packet Decomposition

Chunyu ZHANG¹(), Changfu LIU¹, Xiaodan ZHU¹(), Xinli YU¹, Xingchen LUO¹, Tianhao LU¹, Bingjie LI²

^1.School of Mechanical Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China
^2.School of Artificial Intelligence and Software，Liaoning Petrochemical University，Fushun Liaoning 113001，China

Received:2022-07-01 Revised:2022-12-25 Published:2023-12-25 Online:2023-12-30
Contact: Xiaodan ZHU

摘要/Abstract

摘要：

在金属铣削尤其是低刚度工件加工过程中，颤振是影响工件表面质量、加工效率和刀具寿命等的关键因素。为了避免加工产生的颤振，从信号处理的角度出发，提出了一种基于系统动态特性和小波包的铣削颤振识别方法。通过模态实验获取系统的模态参数，依据颤振频率在系统固有频率附近会出现峰值的特点，采用小波包对原始切削力信号进行分解，然后选取包含丰富颤振信息的频段进行重构，最后对比和分析铣削力信号时频谱图和希尔伯特频谱，实现颤振识别，并对所提出的方法进行了实验验证。结果表明，所提出的方法具有有效性和可靠性。

关键词: 颤振监测, 小波包分解, 动态特性, 信号重构, 时频分析

Abstract:

In the process of metal milling, especially in the machining of low?stiffness workpieces, chatter is a key factor affecting many aspects such as surface quality, machining efficiency and tool life. In order to avoid the chatter, a milling chatter recognition method based on dynamic and Wavelet Packet Decomposition(WPD) is proposed from the signal processing. The modal parameters of the system are obtained by modal experiments. Based on the principle that the chatter frequency will peak near the natural frequency of the system, the original milling force signal is decomposed by WPD, and the sub?signals containing rich chatter information are selected for signal reconstruction. Finally, the time?frequency and Hilbert spectrum characteristics of the reconstructed signal are compared and analysed, and the chatter recognition is performed. At last, the proposed method is verified by the experiments. The results demonstrate the effectiveness and reliability of the proposed method.

Key words: Chatter recognition, Wavelet Packet Decomposition, Dynamic, Signal reconstruction, Time frequency analysis

中图分类号:

TH17

张春雨, 刘长福, 朱晓丹, 于新丽, 罗星辰, 陆天昊, 李冰杰. 基于动态特性和小波包的铣削颤振识别[J]. 辽宁石油化工大学学报, 2023, 43(6): 75-81.

Chunyu ZHANG, Changfu LIU, Xiaodan ZHU, Xinli YU, Xingchen LUO, Tianhao LU, Bingjie LI. Milling Chatter Recognition Based on Dynamic and Wavelet Packet Decomposition[J]. Journal of Liaoning Petrochemical University, 2023, 43(6): 75-81.

图/表 11

表1 铝合金6061的主要合金元素及其质量分数

元素	质量分数/%	元素	质量分数/%
Cu	0.15～0.40	Mg	0.80～1.20
Si	0.40～0.80	Zn	0.25
Fe	0.70	Cr	0.04～0.35
Mn	0.15	Ti	0.15

图1 刀具和工件的模态实验装置（a）刀具（b）工件

图2 刀具在x方向和y方向的频率响应函数曲线

表2 刀具的模态参数

模态参数	数值
模态参数	x方向	y方向
一阶固有频率/Hz	1 100.0	1 119.0
一阶刚度×10^－7/(N·m^－1)	1.799 5	2.180 8
一阶阻尼比×10²	4.77	3.64
二阶固有频率/Hz	1 880.0	1 889.0
二阶刚度×10^－7/(N·m^－1)	5.710 4	9.253 0
二阶阻尼比×10²	3.99	2.65

表3 工件的模态参数

模态参数	数值
一阶固有频率/Hz	415.0
一阶刚度×10^－6/( N·m^－1)	2.159 2
一阶阻尼比×10²	3.73

图3 原始信号与重构信号的对比分析

图4 a4、a6、d4频率段的希尔伯特频谱

图5 两种加工状态下时域、频域的对比分析

图6 两种加工状态下原始信号与重构信号的时域、频域对比结果

图7 稳定和颤振加工状态下的时频域分析

图8 稳定和颤振加工状态下a4、a6、d4频率段在系统固有频率附近子信号的希尔伯特频谱

参考文献 21

1	YAO Z H，MEI D Q，CHEN Z C.On⁃line chatter detection and identification based on wavelet and support vector machine［J］.Journal of Materials Processing Technology，2010，210（5）：713⁃719.
2	CAO H R，LEI Y G，HE Z J.Chatter identification in end milling process using wavelet packets and Hilbert⁃Huang transform［J］.International Journal of Machine Tools and Manufacture，2013，69：11⁃19.
3	TETI R，JEMIELNIAK K，O'DONNELL G，et al.Advanced monitoring of machining operations［J］.CIRP Annals，2010， 59（2）：717⁃739.
4	LITAK G，KECIK K，RUSINEK R，et al.Cutting force response in milling of inconel：Analysis by wavelet and Hilbert⁃Huang transforms［J］.Latin American Journal of Solids and Structures，2013，10（1）：133⁃140.
5	KARAM S，TETI R.Wavelet transform feature extraction for chip form recognition during carbon steel turning［J］.Procedia CIRP，2013，12：97⁃102.
6	FANG N，PAI P S，MOSQUEA S.Effect of tool edge wear on the cutting forces and vibrations in high⁃speed finish machining of Inconel 718：An experimental study and wavelet transform analysis［J］.The International Journal of Advanced Manufacturing Technology，2011，52（1）：65⁃77.
7	任静波，孙根正，陈冰，等.基于小波包变换与核主成分分析的铣削颤振识别［J］.噪声与振动控制，2014，34（5）：161⁃165.
8	RAFAL R，PAWEL L，KRZYSZTOF K，et al.Chatter identification methods on the basis of time series measured during titanium superalloy milling［J］.International Journal of Mechanical Sciences，2015，99：196⁃207.
9	QIAN S C，SUN Y X，XIONG Z H.Intelligent chatter detection based on wavelet packet node energy and LSSVM⁃RFE［C］//2015 IEEE International Conference on Advanced Intelligent Mechatronics（AIM）.Busan：IEEE，2015：1514⁃1519.
10	HUANG P L，LI J F，SUN J，et al.Vibration analysis in milling titanium alloy based on signal processing of cutting force［J］. The International Journal of Advanced Manufacturing Technology，2013，64（5）：613⁃621.
11	林海龙，王庆明.基于小波分析的切削力信号奇异性检测［J］.工具技术，2011，45（6）：103⁃105.
12	JEMIELNIAK K，KOSSAKOWSKA J，URBAŃSKI T.Application of wavelet transform of acoustic emission and cutting force signals for tool condition monitoring in rough turning of inconel 625［J］.Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2011，225（1）：123⁃129.
13	ALTINTAS Y.Manufacturing automation：Metal cutting mechanics，machine tool vibrations，and CNC design［M］.2nd ed. Cambridge：Cambridge University Press，2012.
14	田文才，乔伟彪，周国峰，等.基于小波变换和深度学习的短期天然气负荷预测研究［J］.辽宁石油化工大学学报，2021，41（5）：91⁃96.
15	刘晓琴，王晨旭，孙海军，等.基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究［J］.辽宁石油化工大学学报，2020，40（6）：78⁃84.
16	张凯，权宇，刘长福，等.刀具磨损智能监测方法的研究现状和发展趋势［J］.金属加工（冷加工），2022（9）：8⁃14.
17	刘长福，朱立达，仇健，等.基于VMD和FFT的变切深侧铣颤振特征提取方法［J］.东北大学学报（自然科学版），2018， 39（8）：1153⁃1157.
18	薛国新，史国栋，刘永强，等.车床自动化管理研究［J］.石油化工高等学校学报，2000，13（4）：52⁃54.
19	余建平，焦艳平，王美琪，等.旋启式止回阀动水力矩探究［J］.当代化工，2021，50（9）：2246⁃2250.
20	张文福，杜娟，刘迎春，等.索桁架组合体系的固有振动能量变分解［J］.东北石油大学学报，2013，37（5）：103⁃108.
21	李冲，李静，谢禹钧.小型顶管机刀盘设计与有限元分析［J］.石油化工高等学校学报，2016，29（4）：87⁃91.

[1]	郑嘉琦, 刘长福, 朱晓丹, 王宇, 张硕. 微量润滑磨削加工技术研究进展[J]. 辽宁石油化工大学学报, 2023, 43(4): 84-91.
[2]	宋绍楼, 吕亮, 刘昕明. 基于CEEMDAN⁃SPSO⁃ELM的旋转电机滚动轴承故障检测方法[J]. 辽宁石油化工大学学报, 2022, 42(1): 86-91.

基于动态特性和小波包的铣削颤振识别

Milling Chatter Recognition Based on Dynamic and Wavelet Packet Decomposition

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 21

相关文章 2

编辑推荐

Metrics