2017年5月23日

如何識別CNC機床運作時的混沌特性

數據預處理由于采集到信號可能含有各種噪聲和干擾信號比如突變和尖峰信號所以在對信號進一步分析之前必須對監測得到的信號進行降噪[1]等預處理提取有效信號圖 1 是精工機床主軸振動信號預處理后的主軸振動信號相空間重構相空間重構[2]是混沌時間序列判定和預測的基礎作為分析時間序列混沌特性的一種重要方法它通過單一的系統輸出時間序列來構造一組表征原系統動力學特性的坐標分量從而近似地恢復系統的混沌吸引子在數值計算過程中首先必須根據獲得的單變量時間序列計算相空間重構的時間延遲和嵌入維數并進行相空間重構即通過單一系統輸出時間序列來構造一組表征原系統動力學特性的坐標分量從而近似恢復系統的混沌吸引子相空間重構建立了時間序列波動和動力系統空間特征之間的橋梁根據Takes等提出的相空間重構理論將傳感器采集到的 3000 個正常工況下精工機床主軸振動數據記為一個單變量時間序列 X1,X2,…X3000將其嵌入到m維相空間時間延遲為T為了重構一個合適的相空間必須選取恰當的時間延遲T和嵌入維數m采用互信息法和 Cao 法進行時間延遲T和嵌入維數m的計算2.1 用互信息法求時間延遲互信息法[3]是估計重構相空間延遲時間的一種有效方法取互信息函數的第一個極小值點為延遲時間T計算求得互信息時間函數如圖 2 所示從圖中可看出互信息第一次取極小值的時間為 4 所以T=4 為精工機床主軸相空間重構的時間延遲2.2 Cao 法估計嵌入維數mCao 方法[4]即改進的虛假鄰近點法通過 Cao 方法可以畫出E1 (m )和E2(m)隨嵌入維數增加的曲線圖如圖 3 所示從圖 3 可以看出E2 (m)不是恒為 1 所以該序列不是隨機序列當m>4 時E1 (m)逐漸停止變化或變化很小所以取相空間嵌入維數去m=5精工機床主軸振動數據******Lyapunov指數估計由計算出的時間延遲T=4 和嵌入維數m=5 由Takes定理對精工機床主軸正常工況下振動時間序列進行相空間重構后即可采用小數據量法[5]對其****** Lyapunov 指數進行計算計算得到****** Lyapunov 指數值為 0.2111 說明主軸振動信號具有混沌特性精工機床是個混沌系統結論通過對精工機床主軸的振動信號進行向空間重構選取恰當的時間延遲和嵌入維數m計算得到振動信號的******Lyapunov 指數大于 0 驗證了精工機床運行狀態的混沌特性這為后續應用混沌理論對對精工機床進行狀態監測和趨勢預測奠定了基礎具有較強的使用價值本文由海天精工文章整理發表，文章來自網絡僅參考學習，本站不承擔任何法律責任。http://www.hblengqueta.cn/

海天精工機床有限公司 ^{海天精工博客}

如何識別CNC機床運作時的混沌特性

◎歡迎參與討論，請在這里發表您的看法、交流您的觀點。

◎歡迎參與討論，請在這里發表您的看法、交流您的觀點。

◎歡迎參與討論，請在這里發表您的看法、交流您的觀點。