国家自然科学基金(51075276) 作品数:4 被引量:15 H指数:2 相关作者: 邵华 杨明伦 陈群涛 石新华 李卿 更多>> 相关机构: 上海交通大学 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 金属学及工艺 机械工程 更多>>
基于零空间追踪算法的铣削功率信号分析 2014年 功率信号因获取简便、成本低等特点被广泛应用在切削过程监控中,因此对功率信号的特征进行深入分析非常必要。利用零空间追踪算法(Null Space Pursuit,NSP)分解铣削功率信号,分析分量及其能量分布的特征;通过计算能量分布与相关系数的相关程度,探究NSP的自适应性。分析结果表明,铣削功率信号的NSP分量包含大量有关铣削过程的信息,分量能量集中在前4阶;铣削参数恒定时,功率信号可分为静态分量和动态分量两部分;NSP分解铣削功率信号的自适应性良好。 李衍佳 石新华 邵华关键词:铣削 NSP 基于独立分量分析的切削声发射源信号分离 被引量:4 2011年 针对切削声发射(Acoustic Emission,AE)信号的多目标状态源并行分离问题和同频干扰源分离问题,引入独立分量分析(Independent Component Analysis,ICA)技术作为研究工具,用刀具破损、切屑折断和环境噪声三个AE源的线性混合模拟切削AE信号,尝试用Fast ICA算法分离目标状态源。结果表明:实现了各目标状态源的并行分离,相对误差小于10%;目标状态源的同频干扰不影响基于独立性的ICA分离。最后,针对分离结果的鉴别排序问题进行了初步探讨。 李卿 邵华 陈群涛 杨明伦关键词:声发射 独立分量分析 基于EEMD和IMF能量分布的刀具破损识别 被引量:9 2013年 针对铣削过程中声发射信号非平稳的特点,提出了一种基于噪声辅助经验模态分解(EEMD)和本征模函数(IMF)能量分布的刀具破损识别方法。首先对经过滤波后的原信号进行EEMD分解,抽取本征模函数组(IMF),后计算每一阶模函数能量及总体能量分布,最后提取特征向量,通过特征向量的变化识别刀具破损。利用该方法,在立式铣削加工中心上对稳定切削中刀具破损和变参数铣削加工进行了系统的分析,结果表明此方法能够剔除切削参数变化的影响,准确的识别刀具破损,具有很高的稳定性和准确性。 杨明伦 邵华关键词:声发射 基于多传感器信息融合方法的刀具破损识别 被引量:2 2013年 针对铣削过程监控中多目标状态源存在同频干扰的问题,基于经验模态分解和独立分量分析提出了一种多通道信号盲源分离算法,以声音传感器及振动传感器为信号检测元件,利用多传感器信息融合技术对铣削加工过程中刀具破损监测相关技术问题进行了详细分析。通过设计多齿铣削试验,将所采集的声音信号与振动加速度信号进行了对比分析,并对声振信号进行EMD-ICA分析。研究表明:①切削声音信号和Y轴方向上的振动加速度信号处在同一个频段;②多传感器信息融合监测方式能消除监测信号中存在的背景噪声及目标状态相互干扰的问题,提取出混合信号中与刀具破损状态相关的故障特征频率成分,为刀具破损识别提供依据。 陈群涛 石新华 邵华关键词:刀具状态监测 经验模态分解 独立分量分析