基于EMD 分量與小波包能量熵的軋輥磨削顫振在線預(yù)測(cè)

朱歡歡 遲玉倫 張夢(mèng)夢(mèng) 熊力 應(yīng)曉昂

摘要 針對(duì)軋輥磨削顫振時(shí)的時(shí)頻域單一處理方法存在部分特征丟失的問題，提出了時(shí)頻域相結(jié)合的方法對(duì)信號(hào)進(jìn)行特征處理，并利用智能算法實(shí)現(xiàn)軋輥磨削顫振的在線預(yù)測(cè)。首先，利用經(jīng)驗(yàn)?zāi)B(tài)分解（ empiricalmode decomposition， EMD） 方法對(duì)振動(dòng)傳感器信號(hào)進(jìn)行分解獲得各固有模態(tài)函數(shù)（intrinsic mode function，IMF），剔除“虛假分量”后計(jì)算表征軋輥磨削顫振的時(shí)域特征。然后，利用小波包能量熵對(duì)聲發(fā)射傳感器信號(hào)求解頻率段節(jié)點(diǎn)能量熵值，獲得表征軋輥磨削顫振的頻域特征。最后，將上述時(shí)頻域特征降維后代入智能算法模型實(shí)現(xiàn)對(duì)軋輥磨削加工的在線預(yù)測(cè)。結(jié)果表明： LV-SVM 模型的磨削顫振分類平均準(zhǔn)確率達(dá)92.75%，模型平均響應(yīng)時(shí)間為0.776 5 s；驗(yàn)證了時(shí)頻域特性的EMD 和小波包能量熵方法的LV-SVM 在線預(yù)測(cè)軋輥磨削顫振的有效性。

關(guān)鍵詞 軋輥磨削顫振；EMD 分解；固有模態(tài)函數(shù)；小波包能量熵；最小二乘支持向量機(jī)

中圖分類號(hào) TG58 文獻(xiàn)標(biāo)志碼 A

文章編號(hào) 1006-852X（2024）01-0073-12

DOI 碼 10.13394/j.cnki.jgszz.2022.0198

收稿日期 2022-11-15 修回日期 2023-04-21