外文翻译--使用一种新的光谱分析方法对刀具进行故障检测 中文版【优秀】.doc
使用一种新的光谱分析方法对刀具进行故障检测文摘:本文给出了基于动态力在频域和时频域的铣削刀具故障监控调查。一个新的数据分析技术,探求希尔伯特-黄变换(HHT),用于分析这个过程频域和时频域。这种技术与韦尔奇功率谱的方法传统基于傅里叶变换(FT)的频率域的方法很相似。这种方法也包括非线性和非平稳性的切削过程。这种方法旨在跟踪主要峰的频率和时间频率域(HHT)。主要工具的出现打破指示器是新的频率刀具故障。希尔伯特-黄变换的分析技术涵盖了物理性质的切削过程。切割过程中并不像对待理论的过程,这是显而易见的的震荡频率在基本频率的刀具。刀具的发展是显而易见的结果了。关键词:刀具故障、光谱分析、铣削过程监控,探求希尔伯特-黄变换1.说明数控机床不能检测刀具在网上的方式。因为一个破碎的工具可能会继续运转而没被检测到.因为错误是由损坏的工具在工作材料成本将提高,产品质量也会降低。降低材料成本,防止切割工具损坏,检测技术的一种无人驾驶、在线刀具破损检测系统是很重要的。刀具磨损监测被广泛研究通过许多不同的方法。主要有两种方法利用传感技术检测。刀具破损:一种是直接法,措施和评估的体积变化的工具,另一种是间接法,测量切削参数的操作过程。在切削过程中断和在冷却剂液体存在一个刀具的条件下。直接过程的缺点是明显的。傅里叶变换(FT)及其改性短时间。傅里叶变换研究日益广泛,为了检测铣刀刀具磨损或刀具破损。该方法的缺限导致了由于切割过程的性质,假设处理过的数据严格线性和平稳是不可能的。另一个缺点是英国金融时报谐波作为一个多个基本频率,这使得它很难识别真正的频率。傅里叶变换演示只局限于频域。研究刀具可能方向是磨损过程,刀具提供了小波变换打破,但假设的线性数据对小波变换使得它难以可靠分析动态切削力信号在监控切削过程。探求希尔伯特-黄变换(HHT)的新方法提出了用于时间序列分析。这个方法克服了的非线性和非平稳性的时间序列数据集的不足。这种方法成功的应用于许多时域分析中:结构健康监测,振动、演讲、生物医学应用,等等。希尔伯特-变换包括两个基本步骤:信号分解用于经验模式分解(EMD),它实际上是一个二元滤波器组,和瞬时频率计算。2.实验方法2.1刀具磨损识别工具磨损通常由一系列的过程引起的。刀具磨损会逐渐发生并导致严重的故障。可能发生的逐渐磨损附着力、耐磨、或扩散,它可能会出现在两个方面:在一个工具的正面或在它侧面。工具面与芯片接触的地方产生的碎屑。侧面磨损,另一方面,通常归因于工具和工件材料之间的摩擦。一般来说,增加切削速度,加快在接触区温度的升高,从而大大减少了工具的的寿命。铣削切削过程是指定的密集接触工具和刀具工件,并会导致刀具磨损和刀具破损。上述过程适用于改变刀具的几何工具。切牙归纳出切削力的波动部分作为一个受迫振动的结果。变更(刀具磨损或工具打破)切削几何可以观察到光谱分析。物理本质的铣刀刀具磨损会忽略以下这部分研究。2.2希尔伯特-黄变换理论的分析方法上面给出的使用传统的方法例如傅里叶和小波变换是有局限性的。最近的研究5,6带来了一种新方法对于非线性和非平稳数据。HHT被证明能够执行好这些类型的数据。HHT已成功申请了许多关于非线性和非平稳数据的解决方案。这个表示在频率和时频域利用其它转换。重要的是在切割过程中可能归因于特定时间。EMD方法的基本原则是HHT。使用(EEMD)方法,任何复杂的数据集可以分解到一个有限的和经常小数量的组件:一个收集的固有模态函数(IMF)。IMF代表一个一般简单的振荡模式作为一个对应简谐函数。为了避免模式中的各个组件之间的混合,白噪音的给定的值被添加到研究信号(这个过程被称为EEMD)中。根据定义,IMF是任何函数相同数量的极值和零交叉,被规定为对称归零5,6。EMD的过程如下:(a)识别极小值和极大值;(b)连接局部最小值和最大值使用样条;(c)找到(m1)的上部和底部信封识别的意思。这个的意思是指定m1和数据间的第一个元素h1:(1)在第二个筛选过程中,h1被视为数据,然后(2)这个筛选过程可以重复k次,直到h1k是一个IMF,这是h1(k1)m1k=h1k;然后它被指定为c1=h1k,第一个IMF数据分量。检查如果h1k是IMF,以下条件必须满足(5、6):(a)数量的极值和零交叉是小于等于1的;(b)平均值上(和极大值联系在一起)和较低(和最小值联系在一起)是在每一点上的零。第一个IMFc1是减去原始信号r1=sc1。这种差异被称为残余R1。现在视为新的信号和接受同样的筛选过程。分解过程最后停止当残余rn成为单调函数或一个函数只有一个极值没有任何更多的IMF可以提取。分解原始信号到n个模型和一个残余R1然后通过(3)另一个步骤是将希尔伯特变换进行分解。每个组件都有其希尔伯特变换Yi,(4)图1通过使用各种方法分析切削力信号:(a)原始数据集;(b)傅里叶变换的信号;(c)小波变换;(d)HHT的原始信号用希尔伯特变换,分析信号定义为(5)其中(6)并且(7)在这里,a(t)是瞬时振幅和(t)相函数和瞬时频率(8)在表面上的希尔伯特变换每个元素,原始数据可以表示为真正的部分R在下面的形式:(9)希尔伯特谱定义后,边际光谱可以被定义为:(10)边际谱提供了一个每个频率值衡量的总振幅(或能量)的。这个光谱代表累积振幅在整个数据跨度在概率上的意义。HHT的所有细节参考文献5和6傅里叶变换、小波和HHT可以展示人工信号。信号对应的切削力x轴(Fig.1(a)。切割条件对应于测试1表1给出;测试1在表1中给出;一个低碳的钢是考虑切削力仿真。常量的切削力仿真采用参考8。陈述的比较(图1(b)、(c),(d)是给定的时频域,对比结果真实信号(图1(a)在频率域比较。图1(b)显示了在时频表示使用傅里叶变换(图1(b)为一个非线性但弱平稳信号。图1(b)显示了基本频率约132赫兹和三个谐波作为多个的基本频率。谐波的存在是典型的非对称信号。这种情况下,它没有任何物理意义。傅里叶变换的频率值是与常数在整个时间跨度覆盖范围的集和。作为傅里叶定义的频率不是一个时间的