[發明專利]一種基于優化變分模態分解的微細磨削非穩態特征識別方法

在審

• 申請號: 202310380758.1
• 申請日: 2023-04-11
• 公開（公告）號: CN116304577A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 任瑩暉;李偉;張學學;黃向明;廖明輝;萬家偉
• 申請（專利權）人: 湖南大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/213;G06F18/22;G06N20/00
• 代理公司: 北京律譜知識產權代理有限公司 11457
• 代理人: 黃云鐸

1.一種基于優化變分模態分解的微細磨削非穩態特征識別方法，其特征在于，包括以下步驟：

步驟1、提取信號流：微細磨削加工路徑中均勻設置采樣區間，聲發射信號采集系統順序采集信號；截取各采樣區間待處理的聲發射信號流，信號流中心為采樣區間信號的峰值；

步驟2、建立約束條件：將排列熵作為VMD優化的第一約束條件，排列熵用于檢測數據序列的隨機性，描述信號的復雜度，首先對信號時間序列進行相空間重構，獲得相空間矩陣，而后升序排列矩陣的每一行，得到符號序列矩陣，然后計算每一種符號序列出現的概率，進而計算排列熵，公式如下：

式中，P_i表示第i個符號序列出現的概率，L表示符號序列的個數，標準化公式：

PE＝PE_p/ln(m！)

式中，m表示相空間的嵌入維數，嵌入維數為第一約束條件，第一約束條件為VMD分解的最后一個分量的排列熵PE_BIMFmax不超過主軸空轉時信號的排列熵最小值PE_nmin，即：

PE_BIMFmax≤PE_nmin

將最大中心頻率作為VMD優化的第二約束條件，第二約束條件是k階VMD分解的第一個分量的中心頻率f₁^k與k-1階VMD分解的第一個分量的中心頻率f₁^k-1差的絕對值在設定閾值f_t內，表達式如下：

|f₁^k-f₁^k-1|≤f_t

將模態數作為VMD優化的第三約束條件，第三約束條件是模態數k不得超過設定閾值K_t，表達式如下：

kK_t

步驟3、求解最優模態數K：

固定帶寬參數α，根據步驟2的約束條件迭代求解最優K值，具體步驟如下：

步驟3.1、初始化：PE_nmin，f_t，K_t，Δ；

步驟3.2、初始化：k＝2；

步驟3.3、對原始信號R進行VMD分解；

步驟3.4、施加約束條件

步驟3.4.1、判斷VMD分解的最后一個分量排列熵是否小于等于主軸空轉信號的排列熵，即PE_BIMFmax≤PE_nmin，是，繼續執行判斷步驟3.4.2，否，k＝k+1，執行步驟3.3和步驟3.4；

步驟3.4.2、k階與k-1階時分量最大中心頻率差的絕對值是否小于等于f_t，即式|f₁^k-f₁^k-1|≤f_t，是，繼續執行判斷步驟3.4.3，否，k＝k+1，執行步驟3.3和步驟3.4；

步驟3.4.3模態數k是否小于K_t，是，終止程序，否，PE_nmin＝PE_nmin+Δ，重新執行步驟3.2、步驟3.3和步驟3.4；

步驟3.5.更新：K＝k-1；

步驟4、非穩態特征相關分量信號重構：按步驟3最優K值下VMD分解信號流，獲得各采樣區間信號分解后的分量；而后設計可放大或削弱微磨具磨損、材料崩邊、亞表面損傷深度、截形誤差的非穩態特征模擬試驗，通過時頻域分析提取并疊加非穩態特征相關分量，得到各非穩態特征的重構信號；

步驟5、執行相關系數判據：計算重構信號能量占比與非穩態特征的相關系數C，而后設定相關系數閾值C_t，滿足C≥C_t，建立線性表達式，直接識別非穩態特征，否則執行分量概率判據；

步驟6、執行分量概率判據：擴大信號流提取長度，按步驟1的信號流長度分段截取信號流，分別進行K階VMD分解，而后統計各分量的分布概率P，設定分量概率閾值P_t，滿足P≥P_t，建立機器自主學習算法，隱式識別非穩態特征，否則，去除重構信號中的低概率分量，再次執行步驟5的相關系數判據。