第28卷第2期2023年4月哈尔滨理工大学学报JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYVol.28No.2Apr.2023薄壁件铣削颤振特征提取的GA-PE-VMD和MSE方法王瀚彬,李茂月,刘献礼,王志学,孟博洋(哈尔滨理工大学机械动力工程学院,哈尔滨150080)摘要:在高速铣削航空零件时,由于薄壁结构刚度较低,容易产生颤振,颤振导致表面质量差,尺寸误差,降低刀具和机器寿命,是性能的主要限制之一。因此,需要一种可靠的检测方法来识别颤振。针对薄壁结构铣削过程中的颤振检测问题,提出一种基于优化变分模态分解和多尺度样本熵的薄壁件颤振特征提取方法。首先,为了解决变分模态分解参数选择问题,提出一种基于遗传算法优化和最小排列熵的参数自适应方法。其次,计算分解信号的能量比作为挑选IMFs的原则,从而进行信号重构。为了解决单尺度样本熵不能很好地反映颤振发生时铣削力信号特征,引入多尺度样本熵对铣削颤振进行检测,并进行了实验验证。结果表明,采用优化变分模态分解算法对信号进行处理,可以避免因模态混叠而造成的颤振信号难以分离的问题。多尺度样本熵比单尺度样本熵更加有利于颤振检测,随着尺度因子的增大,铣削信号的MSE有减小的趋势,且尺度因子为10时的MSE更有利于颤振检测。关键词:变分模态分解;薄壁件;颤振;多尺度样本熵DOI:10.15938/j.jhust.2023.02.005中图分类号:TG506文献标志码:A文章编号:1007-2683(2023)02-0043-08收稿日期:2021-11-05基金项目:国家自然科学基金国际合作与交流重点资助项目(51720105009).作者简介:王瀚彬(1998—),男,硕士研究生;李茂月(1981—),男,教授,博士研究生导师.通信作者:刘献礼(1961—),男,教授,博士研究生导师,E-mail:Xianli.liu@hrbust.edu.cn.GA-PE-VMDandMSEMethodsforMillingChatterFeatureExtractionofThin-walledPartsWANGHanbin,LIMaoyue,LIUXianli,WANGZhixue,MENGBoyang(SchoolofMechanicalandPowerEngineering,HarbinUniversityofScienceandTechnology,Harbin150080,China)Abstract:Inthehigh-speedmillingofaviationparts,duetothelowstiffnessofthin-walledstructure,itiseasytoproducechatter.Chatterleadstopoorsurfacequality,dimensionalerrorandreducingtheservicelifeoftoolsandmachines.Therefore,areliabledetectionmethodisneededtoidentifychatter.Aimingattheproblemofchatterdetectioninthemillingprocessofthin-walledstructures,achatterfeatureextractionmethodofthin-walledpartsbasedonoptim...
