基于振动信号的电主轴回转精度预测方法

• 作者: 吴军 孔维森 宫秀梅 梁建红 王立平 陈代伟
• 来源期刊: 中国科学（技术科学）
• 关键词: 电主轴 回转精度 局部均值分解 端点效应 长短期记忆网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论文
• 页码范围: 819-828
• 页数: 10页
• 语种: 中文
• DOI: 10.1360/SST-2019-0363

摘要

电主轴可靠性研究中需要监测主轴回转精度,但直接测量主轴回转精度较为复杂.本文提出一种基于前轴承振动信号预测主轴回转精度的方法.利用BP神经网络波形预测改进局部均值分解(local mean decomposition,LMD)的端点效应;然后利用改进的LMD方法分解前轴承振动信号,并提取乘积函数(product function,PF)分量的样本熵,进一步建立从样本熵到主轴回转精度的长短期记忆(long-short term memory,LSTM)网络训练模型;在电主轴加载实验台上利用载荷谱进行模拟加载,进行主轴回转精度预测实验研究.结果表明,BP神经网络波形预测对LMD端点效应有较好的抑制效果,得到的PF分量样本熵的平均误差为2.28％,电主轴回转精度预测精度为93.15％.本文提出的方法可用于电主轴回转精度的预测.