《基於盲源分離的銑削過程多目標狀態並行識別方法研究》是依託上海交通大學，由邵華擔任項目負責人的面上項目。
基本介紹
- 中文名：基於盲源分離的銑削過程多目標狀態並行識別方法研究
- 項目類別：面上項目
- 項目負責人：邵華
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
現代切削加工系統向自動化、數位化及智慧型化發展亟待解決刀具、工件及工具機等多個目標狀態的並行監測問題。本項目針對當前切削過程多感測器監測技術偏重信息融合、忽略信息混疊的問題，提出了從多感測器監測信號中分離多個狀態源信號，進行多目標狀態並行識別的思想。研究並建立基於盲源分離技術的切削過程多目標狀態並行識別理論和技術方法。具體結合銑削加工過程，研究聲音、振動、聲發射、力及功率等監測信號中刀具狀態、工件狀態、切削顫振及主軸狀態等對應的源信號屬性，揭示監測信號中各目標狀態源信號的分布及混疊規律，建立同類多源信號、異類多源信號混疊模型，設計相應的盲源分離算法。通過解決切削過程多目標狀態監測中的源信號身份識別與定位問題，實現銑削過程多目標狀態並行識別。該項目的實施不僅為刀具狀態和加工質量的線上監測、工具機及加工系統的智慧型維護決策提供新的解決方案，而且對盲源分離技術在製造領域的套用和發展具有理論和現實意義。
結題摘要
按申請書研究內容和預定計畫，以研究聲音、振動、聲發射、切削力及切削功率等信號中目標狀態源的屬性為切入點，搭建了工具機功率、切削力、聲發射、聲音和振動等信號的數據採集與分析系統，結合理論算法分析和大量的試驗研究，系統地探索了銑削過程各監測信號中目標狀態源的分布、混疊規律及分離算法。在信號狀態特徵方面，針對不同信號的特點，採取不同的源信號處理與分離算法，獲得了聲音、振動、聲發射及功率信號中豐富的切削狀態特徵源。信號分離算法方面探索了（1）基於小波變換（WT）和獨立分量分析（ICA）的單通道信號盲源分離算法。該算法首先在偽頻率的基礎上分析了小波尺度水平的選擇原則，然後以對應的小波係數作為一組混合信號（每一小波尺度水平下的小波係數都可以看作是由源信號混疊而成的混合信號），通過獨立分量分析對這組信號進行分離。該算法可以用於負載型信號（如功率信號、切削力信號等）中的目標狀態分離。（2）基於經驗模態分解（EMD）和獨立分量分析（ICA）相結合的分離算法。該算法首先套用EMD 將目標信號分解為 IMF 集，然後從中提取能量百分比最大的幾階IMF分量生成新的IMF 集 ，對新IMF 集套用 FastICA 算法，從而獲得一組可供狀態分離與識別的獨立源分量。該算法可以有效套用於銑削過程的聲音和振動信號中進行切削過程狀態的分離和識別。（3）基於噪聲輔助經驗模態分析（EEMD）和本徵模函式（IMF）能量分布的狀態識別算法，該算法首先對原信號低通濾波，通過EEMD分解得到多階本徵模函式IMF，然後計算Huang-Hilbert時頻譜，再對各階IMF求取能量值並計算各階IMF的能量總和，進而求得IMFs能量分布，基於該能量分布曲線的變化可以實現狀態特徵的判定和識別。該算法可有效識別聲發射信號中的切削特徵狀態。（4）基於零空間追蹤（NSP）的銑削狀態識別。零空間追蹤是基於運算元的信號分解算法，它將一個緊支撐的奇異的局部線性運算元作用在信號上，由於運算元是奇異的，由此獲得的信號與原信號相比必然有一部分“消失了”，且這部分“消失了”的信號屬於運算元的零空間。通過從信號中獲取自適應運算元的參數，就能從信號中分離出“消失了”的信號（局部窄帶信號），從而實現信號分解。該算法成功套用於切削功率信號的狀態分離。項目的研究工作為實現銑削過程多目標狀態的識別及監測提供了有價值的理論依據和實用算法。
