基于VMD-PNN的砂轮钝化声发射检测

• 作者: 龚子维 刘希强 张仲宁 杨京 程建春 刘翔雄
• 来源期刊: 声学技术
• 关键词: 砂轮钝化 声发射 变分模态分解(VMD) 概率神经网络(PNN)
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信号处理和换能器
• 页码范围: 260-268
• 页数: 9页
• 分类号: O426.9
• 语种: 中文

摘要

在磨削加工过程中,加工刀具即砂轮会发生钝化现象,砂轮表面磨损影响加工精度和工件质量,需要及时检测并修整.磨粒的塑性变形、破碎、断裂等会产生声发射信号,能够作为精确识别砂轮钝化状态的依据,且不易被噪声干扰,因此提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和概率神经网络(Probabilistic Neural Network,PNN)的砂轮钝化声发射检测方法.VMD可以将原始信号分解为多个本征模态函数(Intrinsic ModeFunction,IMF)分量,筛选其中峭度较大的分量重构即得到声发射信号.声发射检测的关键是特征参数的选取,在相关研究基础上本文提出了声发射包络能量占比作为一个重要的特征参数,并选取了共5种特征参数,构建出5维特征向量数据集,输入到PNN中进行训练,经过测试识别准确度达到94.5％.该方法建立了声发射信号特征参数与砂轮不同钝化状态的关系,能够对砂轮严重钝化状态给出准确预警,具有实际应用价值.文章比较了声发射信号不同特征参数用于识别砂轮钝化状态的准确度,对特征参数的选用具有参考意义.