基于声发射的铣刀破损信号特征的提取与优化

     0　引言

    刀具破损监测是实现加工过程自动化的一个重要环节,对于提高生产效率、降低生产成本以及保证产品质量等方面具有重要的意义。目前,常用的刀具破损检测方法 主要有切削力、振动、电机电流、声发射等[1-3]。其中声发射信号是由材料内部的弹性变形能突然释放所产生的弹性应力波,它避开了加工过程中振动和音频 信号污染严重的低频区,具有灵敏度高、响应快、抗干扰能力强等特点,十分适用于刀具破损的监测[3]。然而在切削过程中声发射源很多,如工件材料的变形、 切屑的断裂、刀具的磨损等,因此需要通过有效的信号处理方法对采集到的信号进行分析处理,并提取出能够反映刀具破损状态的特征量,从而有效地实现刀具破损 的监测。

    本文采用声发射传感器对铣削过程中的刀具破损状态进行监测,使用小波变换对信号进行多层分解,提取各频段子信号的能量比作为刀具状态的特征量,并通过正交试验分析该特征提取方法对于切削用量的敏感度,从而对特征量进行优化。

    1　小波变换

    小波变换是对非平稳信号进行时频分析的有力工具[4-5]。设φ(t)∈L2(R)为平方可积函数,其傅里叶变换为^φ(ω)。当^φ(ω)满足允许条件:

则称φ(t)为一个“小波基”或“母小波”。对它的伸缩与平移可得到一个小波基函数集合{φa,b(t)},即:

式中,a为伸缩因子,b为平移因子。令a =am0和b =nam0b0,则得到离散小波函数为:

相应地,离散小波变换定义为:

    小波系数cm,n被认为是信号的时频函数,对信号进行多尺度分解后,可以根据各个尺度的小波系数对信号进行重构,从而得到各层的细节信号。

    在具体的应用中小波函数的选取可以不同,本文采用Daubechies4小波,该小波基在时频域均具有良好的局部特性。

     2　信号特征提取

    为了以较小的维数描述信号的特征,需要对信号进行特征提取。小波变换将信号无冗余、无疏漏、正交地分解到一系列独立频段内,这些分解频段信号都具有一定的能量,包含了相关的刀具状态信息。

    设信号f(t)∈L2(R)经过n层小波分解重建,则根据能量守恒原理,原信号与各频段子信号的能量之间有如下关系:

式中,En(f(t))表示原信号的能量,En(An)表示近似空间An上子信号的能量,En(Dm)表示第m层细节空间Dm上子信号的能量。

    为了应用上的统一性,对能量进行归一化处理,则第m频段子信号的能量比Em(x)为: