公开(公告)号：CN116304577B

公开(公告)日：2024-05-28

申请号：CN202310380758.1

申请日：2023-04-11

Applicant: 湖南大学

Inventor： 任莹晖 ,  李伟 ,  张学学 ,  黄向明 ,  廖明辉 ,  万家伟

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/22 ,  G06N20/00

Abstract: 本发明提供了一种基于优化变分模态分解的微细磨削非稳态特征识别方法，步骤如下：首先沿微结构微细磨削预路径中均匀设置声发射信号采样区间，顺序采集声发射信号后，以峰值为中心截取信号流；随后以排列熵、最大中心频率、模态数为约束条件迭代求解变分模态分解算法的最优模态数K，并分解信号流；根据非稳态特征模拟试验提取并叠加微磨具磨损、材料崩边、亚表面损伤深度、截形误差等非稳态特征相关分量；最后以重构信号能量占比与非稳态特征的相关系数判据及重构信号分量的分布概率判据选择信号识别方式，实现非稳态特征的快速识别。本发明有效地实现微细磨削非稳态特征的准确识别，为微细磨削过程控制提供精确的识别数据。

公开(公告)号：CN116304577A

公开(公告)日：2023-06-23

申请号：CN202310380758.1

申请日：2023-04-11

Applicant: 湖南大学

Inventor： 任莹晖 ,  李伟 ,  张学学 ,  黄向明 ,  廖明辉 ,  万家伟

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/22 ,  G06N20/00

Abstract: 本发明提供了一种基于优化变分模态分解的微细磨削非稳态特征识别方法，步骤如下：首先沿微结构微细磨削预路径中均匀设置声发射信号采样区间，顺序采集声发射信号后，以峰值为中心截取信号流；随后以排列熵、最大中心频率、模态数为约束条件迭代求解变分模态分解算法的最优模态数K，并分解信号流；根据非稳态特征模拟试验提取并叠加微磨具磨损、材料崩边、亚表面损伤深度、截形误差等非稳态特征相关分量；最后以重构信号能量占比与非稳态特征的相关系数判据及重构信号分量的分布概率判据选择信号识别方式，实现非稳态特征的快速识别。本发明有效地实现微细磨削非稳态特征的准确识别，为微细磨削过程控制提供精确的识别数据。