IMF奇异值熵的刀具磨损状态诊断  

Tool wear state diagnosis with IMF singular value entropy

作　　者：李庆[1] 宋万清[2] 

机构地区：[1]上海工程技术大学机械工程学院,上海201620 [2]上海工程技术大学电子电气工程学院,上海201620

出　　处：《制造业自动化》2013年第24期52-55,共4页Manufacturing Automation

基　　金：上海市教委科研资助项目(13XKCZ07;YLJX12-7);国家自然科学基金(71203064;71103077);上海市自然科学基金(12ZR1443000)

摘　　要：针对刀具磨损声发射信号的非平稳、非线性特征,提出了一种基于EMD分解与IMF奇异值熵的刀具磨损状态诊断方法。该方法首先将刀具锋利信号、磨损信号进行EMD分解,分别得到若干个内禀模态函数(IMF),然后利用IMF分量作为故障的初始特征向量矩阵,并对初始特征向量矩阵进行奇异值分解,求取奇异值熵,根据奇异值熵的大小判断刀具磨损状态。实验结果表明该方法能准确地识别刀具磨损状态。

关 键 词：EMD方法 奇异值熵 刀具磨损 状态诊断 

分 类 号：TN911[电子电信—通信与信息系统] TH165[电子电信—信息与通信工程]