第7期 2016年7月
组合机床与自动化加工技术
Modular Machine Tool &Automatic Manufacturing Technique
文章编号：1001-2265(2016)07-0089-03
DOI:10.13462/j.cnki.mmtamt.2016.07.025
基于EMD和DHMM的刀具故障诊断
徐康，黄民
（北京信息科技大学机电工程学院，北京100192）
No.7 Jul.2016
摘要：为了有效监测刀具的磨损状态，提出了一种基于经验模态分解（EMD)和离散隐马尔科夫模型（DHMM)的刀具故障诊断方法。首先对振动信号进行EMD分解，得到若干固有模态函数（IMF），选取前几个能量较大的IMF进行标量量化处理得到特征向量后，作为观测值序列输入已训练好的 DHMM模型进行故障状态识别。此外，通过与支持向量机(SVM)故障诊断方法进行比较，结果表明， EMD-DHMM刀具故障方法能够更有效地识别刀具的故障状态。
关键词：经验模态分解；离散隐马尔可夫模型；支持向量机；故障诊断
中图分类号：TH117;TG506
文献标识码：A
Tool Fault Diagnosis Based on Empirical ModeDecomposition andDiscrete HiddenMarkov Model
XUKang,HUANGMin
(School of Mechanic and Electric Engineering, Beijing Information Science &Technology University, Beijing 100192.China）
eoaeeeeoe hidden Markov model( DHMM) is proposed to effectively monitor the cutting tool condition. Original fault signal is decomposed by EMD to contain a finite number of stationary intrinsic mode functions (IMFs). Then the several energy dominating IMFs are chosen and processed by scalarization and quantization. And e od of EMD-DHMM is superior to the method of EMD-SVM and can identify the tool wear accurately and effectively
Key words: EMD;DHMM;SVM;fault diagnosis
0引言
在切削加工过程中，刀具磨损是刀具工作寿命中必须经历的阶段，刀具磨损带来的误差将会导致切削加工精度降低，影响加工工件的质量，严重阶段将会导致刀具失效，进而引发工件报废，影响企业的生产。所以，对刀具进行故障监测，及时发现故障显得尤为重要。当前刀具故障诊断方法中傅里叶变换和小波变换是被普通应用的两种，但傅里叶变换的时频窗口是固定不变的]，它不能满足刀具故障非平稳信号的自适应处理要求；小波变换虽然具有可变的时频窗口，但实质上它是通过时频窗口对信号进行机械性地分割，本质上也不是一种自适应的信号处理方法[2]。EMD[3] 能够自适应地将非平稳信号分解为若干独立的IMF，分解的IMF能够突显信号的局部特征，与傅里叶以及小波变换相比，它能够灵活、完整地保留原始振动信号的特征。并且EMD能够避免小波去噪方法由于基函数选取不当而影响降噪效果[4]，故选用EMD方法对刀具非平稳故障信号进行特征提取。DHMM是HMM模
收稿日期：2015-0907：修回日期：2015-10-12
型中经典的一种类型，它是一种基于时间序列的统计模型，适用于动态时间序列，尤其是对于非平稳、低重复性和复现性的信号具有很强的模式分类能力[36]，并且它对离散输入信号特征具有识别效率高、速度快等优点。针对力具非平稳故障信号经EMD能够自适应地分解为独立离散且突显完整局部特征的IMF以及 DHMM对离散观测序列的识别优势，故构建EMD-DHMM刀具故障诊断模型对刀具故障进行诊断预判。
EMD-DHMIM故障诊断模型
基于EMD在故障信号自适应处理方面以及 DHMM对信号故障识别高效的优势，提出EMD-DHMM的刀具故障诊断模型，具体步骤如下：
(1)将刀具故障信号进行预处理后，经EMD将其“筛分"为若干IMF之和，每个IMF表示为C,()，对应能量为E,=1Ci(t)1",这样就得到特征能量分布。
(2)求出所有IMF能量之和，即：
E=EE
(1)
（3）排除IMF能量靠后且贡献较小的趋势项，选
·基金项目：国家科技重大专项"高档数控机床与基础制造装备"（2013ZX04011-012）
作者简介：徐康（1991一），男，江苏宿迁人，北京信息科技大学硕士研究生，研究方向为机电系统状态监测与故障诊断，（E-mail）kingkang2015@
163.com。
万方数据