一种用于机床角度头故障诊断的双重降噪方法

摘要

角度头是数控机床必不可少的加工附件,由于长期处于恶劣的加工工况下,极易受到损坏.采集角度头的振动信号时,环境中大量的随机噪声会湮没故障特征信息,从而造成角度头故障特征提取困难.针对此问题,提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)及自相关的双重降噪方法.该方法采用自相关滤波方法对振动信号进行降噪预处理,再对降噪后的信号进行EEMD分解,随后采用遗传算法对EEMD输入参数优化,依据相关峭度系数准则筛选分解得到的固有模态函数(intrinsic mode function,IMF)分量进行信号重构.最后,对重构信号进行时频分析,提取角度头故障特征.对仿真和实测信号分析的结果表明,本文方法能够有效抑制噪声干扰,可准确提取到角度头的故障特征信息,为机床角度头的故障诊断提供依据.