基于WPD与功率谱熵的铣削颤振仿真识别

颤振是高速铣削加工过程中的一种不稳定振动，它会导致工件表面质量差、刀具磨损严重、噪声严重。为了避免铣削颤振带来的这些负面影响，需要对铣削颤振进行早期检测。本文提出了一种基于小波包分解和功率谱熵的轻微颤振识别方法。首先，对加速度传感器采集到的原始振动信号进行小波包分解，选取含有丰富颤振信息的小波包进行重构仿真。然后，计算重构仿真信号的功率谱熵作为识别指标。实验结果表明，该方法能够有效地检测出颤振。

为了提高材料去除率和减小切削力，高速铣削加工在航空航天工业中得到了广泛的应用。但是在高速铣削中经常会出现颤振现象。铣削加工中的颤振是一种自激振动，它会降低表面质量和生产效率，也会导致刀具磨损， 降低机床使用寿命[1]。

及时检测颤振， 是提高生产效率、降低制造成本的前提。

然而， 铣削中的切削过程由于机床主轴磨损、工作温度变化、工件刚度等非线性因素的影响是不平稳的。

因此， 在加工过程中及时检测到颤振的发生是非常重要的。

近年来，颤振识别成为众多研究者关注的研究热点。颤振检测包括信号采集、信号处理和颤振识别指标。由于传感器的发展，颤振检测采用了不同类型的信号，如切削力信号[2]、声发射声音信号[3]、加速度信号[4]、电机电流[5]等。邢诺贝[6]提出了一种基于均方频率与经验模态分解的颤振特征提取方法。

张壮壮[7]提出了基于自适应调频模态追踪的铣削颤振识别方法。王瀚彬[8]提出了一种基于优化变分模态分解和多尺度样本熵的颤振特征提取方法。Cao [4]采用集合经验模态分解对振动信号进行分析，提取了复杂度和功率谱熵作为颤振指标去识别颤振。Liu [9]提出了一种基于变分模态分解和能量熵的加工颤振识别方法。Zhang [10]通过变分模态分解和小波包分解，提出了一种基于能量熵的铣削颤振识别方法。

然而， 目前的研究大多只能在颤振完全发生阶段才能识别到， 迫切需要一种早期颤振识别方法。

因此， 本文提出了一种新的铣削颤振早期识别方法， WPD–功率谱熵方法， 能够实现对早期颤振更快速的识别。

2. 研究方法 本文基于WPD 与功率谱熵，提出一种铣削轻微颤振识别方法。首先对铝合金铣削加工实验采集到的加速度信号进行FFT，对颤振现象进行机理分析。然后对加速度信号进行小波包分解，选取含有丰富颤振信息的小波包进行重构仿真。最后计算重构仿真信号的功率谱熵作为颤振识别指标。

2.1. 理论基础 由于小波变换只能分解信号的低频部分，对于高频部分的信号不再继续分解，因此小波变换可以很好地处理低频的信号，但是对于含有细节信息的信号，小波变换的分解就处理得不好。小波包分解可以分解信号中位于高频区域得详细信息。因此，对于信号中包含大量中高频信号的信号，WPD 能较好地进行时频定位分析。

2.1.1. 小波包分解 小波分解具有对低频的信号进行分解，但对高频的信号不能分解的缺点，但是小波包分解解决了这种缺点，WPD 能根据信号本身的特性和分析要求去自适应地选择恰当的频带与频谱进行分解。