文献类型：期刊文章

作　　者：籍永建[1,2] 姚利诚[1,2,3]

JI Yongjian;YAO Licheng(Key Laboratory of Modern Measurement&Control Technology,Ministry of Education,Beijing Information Science and Technology University,Beijing,100192;Beijing Key Laboratory of Measurement&Control of Mechanical and Electrical System,Beijing Information Science and TechnologyUniversity,Beijing,100192;Mechanical Electrical Engineering School,Beijing Information Science and Technology University,Beijing,100192)

机构地区：[1]北京信息科技大学现代测控技术教育部重点实验室,北京100192 [2]北京信息科技大学机电系统测控北京市重点实验室,北京100192 [3]北京信息科技大学机电工程学院,北京100192

出　　处：《中国机械工程》

基　　金：国家自然科学基金(52105428);北京市教委科技计划(KM202111232006);北京信息科技大学重点培育项目(2121YJPY203)。

年　　份：2023

卷　　号：34

期　　号：18

起止页码：2165-2176

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对机器人铣削颤振形式复杂、难以有效识别的问题,提出一种机器人铣削加工颤振自适应识别方法。首先对原始振动信号进行信号分离,保留能够表征机器人加工状态的信息;然后采用不同信号功率谱熵之间的差值表征不同铣削状态下振动信号的频率分布特性,采用原始信号的标准偏差表征机器人铣削振动信号的时域特性。采用上述特征指标构建能够表征机器人不同铣削状态的三维特征向量矩阵,将特征向量输入支持向量机,构建机器人铣削加工颤振自适应识别模型。对模型进行验证,并与现有方法进行对比,结果表明,构建的机器人铣削颤振自适应识别模型能够准确识别机器人铣削加工过程中的再生颤振与低频颤振;对于稳定、早期颤振、剧烈颤振、低频颤振以及空载等状态的识别准确率达到93%,优于现有方法。

关 键 词：机器人铣削  颤振识别  特征提取 智能模型  

分 类 号：TH17] TP181]