基于声音特征提取的超高压水射流速度优化控制方法

摘要

本发明公开一种基于声音特征提取的超高压水射流速度优化控制方法，在没有切割工件时采集多段背景噪声信号，分析获得时域特征和频域特征，对选取的

说明书

技术领域

本发明涉及超高压水射流切割技术，具体是超高压水射流速度优化控制方法。

背景技术

超高压水射流切割机在切割过程中具有无化学变化、无热变形、切缝窄、精度高、切面光洁、清洁无污染等优点，随着高科技的迅速发展，水射流切割机更趋向复杂化、更高压力、高性能、大负荷、高集成度、机电一体化、依赖性强等特点，因此，如何提高切割产品的光滑度和切割效率是目前超高压水射流切割优化控制的主要研究内容。

由水射流基本理论得到影响水射流切割光滑度                                                工艺参数主要有：喷嘴移动速度、水压、流量、喷嘴结构参数(内径、长径比、材料、形状) 、靶距、冲击角度 、切割次数、总功率、磨料参数（种类、尺寸、流量）、磨料混合方式（前置式、后置式）、产品参数（厚度、材料）等20多个，因此水射流系统光滑度与这些参数是强非线性映射关系，对这些参数进行全面定量的研究和优化控制目前存在很大的困难。然而，在水射流切割工业现场中，受生产条件限制，并不是上述所有的工艺参数都可以调整，可以调整的主要的工艺参数有喷嘴移动速度、水压、冲击角度等，其中喷嘴移动速度是主要优化控制因素。由生产经验得知：不同厚度的产品切穿持续时间明显不同，切割时间越长，切割质量越好，对应喷嘴的横移速度越慢；通过水射流设备的数控系统上层指令可以方便调整，可行性好，喷嘴移动速度对提高切割的光滑度的贡献率在。因此，如何根据不同的材料、不同厚度、不同光滑度要求自适应优化最佳的喷嘴移动速度是关键。 

现有的超高压水射流速度控制仍然处于简单的人工经验控制，效率低，通过在数控系统中手工设置最大值和最小值速度，按照直线减速方式进行硬切换，难以满足柔性制造的高光滑度自适应控制要求。

发明内容

本发明正是为了解决上述问题，提供一种基于声音特征提取的自适应优化控制超高压水射流喷嘴横移速度的方法，提高切割产品表面光滑度和切割效率，满足实际工业生产的需要。

本发明解决其技术问题所采用的技术方案是包括如下步骤：（1）在没有切割工件时采集多段背景噪声信号，对背景噪声信号进行分析获得时域特征和频域特征，背景噪声能量集中在0-8500Hz滤波频带基准内，背景噪声信号均方差为；（2）获取N组水射流切割现场声音信号y(t)，选取的个离散序列，，是正整数，对进行五个尺度的正交小波分解，获得各尺度的小波分解系数，为分解尺度，为分解个数；根据小波分解系数的平方和计算各尺度上的分解能量，建立分解尺度和分解能量分布图，并利用所述背景噪声的均方差和所述滤波频带基准，基于最小距离原则确定尺度阈值，令大于该尺度阈值的各尺度的小波系数为零，其他尺度分解小波系数不变，得到新的小波系数，对所述新的小波系数进行信号小波逆变换，得到纯粹的水射流切割反射声音的近似反射声音信号，求出的振幅包络；当振幅包络的绝对值大于设定的幅值阈值门限时，获取对应的水射流切割开始时刻；当振幅包络的绝对值小于设定的幅值阈值门限时，获取对应的水射流切割结束时刻；得到N个水射流反射声音切穿时间，计算信号能量；（3）将切穿时间、能量特征作为输入量、以人工经验获得的最佳喷嘴横移速度为输出量建立最小二乘支持向量机模型；（4）切割工件时，在线采集切割现场声音信号，提取其切穿时间和信号能量，将切穿时间和信号能量输入到所述最小二乘支持向量机模型，获得最佳喷嘴横移速度。

当超高压水射流冲击不同材质和几何形状参数的目标物体时，产生声音的特征值不同，因此本发明利用超高压水射流反射声音识别是否切穿物体，从而确定合适的优化速度。本发明具有很强的实用性，能够对不同材料、不同厚度、不同光滑度要求基于声音特征自适应优化最佳的喷嘴移动速度，可提高水射流切割的工作效率以及切割产品的品质，减轻操作者的劳动强度。 

附图说明

图1是声音信号计算机采集和控制系统应用图；

图2是图1中的计算机9的结构图；

图3是背景噪声信号图；

图4是现场声音信号图；

图5是现场声音信号的频谱图；

图6是纯粹的水射流切割反射声音信号包络图；

图7是本发明基于声音特征提取的超高压水射流速度优化控制流程；

图8是切割声音时间与最优切割速度的匹配关系图。

具体实施方式

参见图1，首先在现有的超高压水射流切割机上设置声音信号计算机采集和控制系统，现有的超高压水射流切割机包括升压泵系统1、加砂部分2和水射流喷嘴3，加工工件4固定在工作台5，声音信号计算机采集和控制系统由声音传感器6、声音信号传输线7、信号放大调理模块8以及计算机系统9依次相串接组成，其中，声音传感器6设置在加工工件4上，本发明可采用多个声音传感器6。

参见图2，计算机系统9是基于TMS320DM642 DSP为核心的声音采集计算机系统，信号放大调理模块8采用AWA14604型前置放大器组成前端测试单元，通过信号传输线和高速A/D数据采集卡送入计算机I/O接口处理，信号采集频率为32000Hz。

声音传感器6采集的现场声音信号由纯粹的水射流切割反射声音和背景噪声组成，本发明要对背景噪声进行有效抑制，再对纯粹的水射流切割反射声音进行特征提取。具体是：

参见图7，首先，采用图1的声音信号计算机采集和控制系统提取背景噪声。背景噪声主要包括切割机升压泵系统1工作的噪音、工作台5的低频振动噪声等等。当水射流喷嘴3没有切割加工工件4时，通过声音传感器6采集多段背景噪声信号，采集的背景噪声信号参见图3。对图3的背景噪声信号进行分析，获得时域特征和频域特征。频域特征是经傅里叶变换获得噪声的频带，背景噪声能量集中在低频段的0-8500Hz内，为下面的声音信号处理提供信号滤波频带基准。时域特征是通过常规的自相关统计和直方图技术，可获取背景噪声信号均方差时域特征。

参见图4-6，现场进行切割不同材料和不同厚度工件的工作，且利用图1的声音信号计算机采集和控制系统获取多组水射流现场声音信号y(t)。现场试验需要考虑两种情况：一种情况是材料固定，厚度变化；另一种情况是材料变化，厚度变化。由于超高压水射流切割现场声音非常嘈杂，对提取纯粹的水射流切割反射声音产生了严重的影响，而只有纯粹的水射流切割反射声音才反映切割工件的特征。因此，提取纯粹的水射流切割反射声音特征时，先采用图1的声音信号计算机采集和控制系统获取超高压水射流切割现场声音信号y(t)，再通过与背景噪声信号均方差比较判断是否有纯粹的水射流切割反射声音信号。

切割现场声音信号频谱参见图5，高频段8500-15000Hz内为有用信号。对于优化速度控制，纯粹的水射流切割反射声音信号最主要的特征是：切割时间长度和信号能量。，是水射流切割开始时刻，是水射流切割结束时刻。如何精确提取纯粹的水射流切割反射声音信号的特征切割时间长度和信号能量是关键，需要精确确定奇异跳变的两个时刻，，而切割现场声音信号y(t)受到噪声影响，难以精确提取特征量。

采集的切割现场声音信号的声音数据中含有较多噪声，具有非平稳性特征，传统的频域滤波难以准确恢复纯粹的水射流切割反射声音，本发明采用小波信号消噪，通过小波多尺度分析得到奇异跳变精确时刻，消除了噪声影响。小波信号消噪的主要步骤如下： 

I ) 选取的L个离散序列：，，为离散数据样点数，是正整数。对进行多尺度正交小波分解(设尺度为5)，获得各尺度的小波分解系数，其中为分解尺度，为分解样点数，为小波分解系数。

II ) 计算小波分解后各个尺度上的分解能量值。对于正交小波，用小波系数表示信号能量，则各个尺度上信号分布的分解能量可表示为：，表示尺度的分解能量。需要注意的是：水射流背景噪声的影响在较高尺度上，在较低尺度上信号的分解能量主要反映真实信号的变化。这样，建立尺度和分解能量分布图，并利用前面获得背景噪声的均方差和滤波频带基准，基于最小距离原则确定尺度阈值，令大于该尺度阈值的各个尺度的小波系数为零，即；其他尺度分解小波系数不变，，这样得到新的小波系数。

III ) 用新的小波系数进行信号小波逆变换，得到纯粹的水射流切割反射声音的近似反射声音信号。对近似反射声音信号进行Hilbert 变换，求出其振幅包络，它反映了近似反射声音信号信号的整体变化趋势，便于识别奇异特征。

获取近似反射声音信号信号和振幅包络后，可以精确确定声音信号奇异跳变时刻，。利用特征值搜索程序搜索：当振幅包络的绝对值大于设定的幅值阈值门限时，即，获取对应的水射流切割开始时刻；当振幅包络的绝对值小于设定的幅值阈值门限时，即，获取对应的水射流切割结束时刻。设定的幅值阈值门限为，这是经验值，信号能量；计算N个水射流反射声音切穿时间。   

计算水射流反射声音切穿时间。将提取的将，作为水射流反射声音特征。

将切穿时间、信号能量特征作为最小二乘支持向量机模型的输入量，同时考虑了现场工作环境参数的水射流水压、光滑度对优化速度的影响，将这四个物理量作为增广的输入向量，第个向量为，下标为试验样本数目。

以人工经验获得的最佳喷嘴横移速度为输出量，即，这里的是经过大量现场试验和试凑获得的。考虑训练样本集为N个，越多越好，为后续的最小二乘支持向量机的建模提供完备的输入输出信息。将输出量与增广的输入向量对应，建立N个非线性输入输出向量。

获取非线性输入输出数据，后，求解满足下面的方程参数，：

                   （1）          

其中，，。，为权值变量，为偏置。，，为非线性映射核函数，将输入数据映射到高维特征空间，参数人工选择，为正规化参数。由于

高压水射流系统的最佳喷嘴横移速度与高压水射流的切穿时间、信号能量、水压、光滑度等参数是强非线性映射关系，这里建立了简易的最小二乘支持向量机模型，即基于式（1）获得，建立的最小二乘支持向量机模型： 

                                      （2）

构建好了基于最小二乘支持向量机模型（2）后，将其装载在计算机内。优化模型建立完毕。基于最小二乘支持向量机建立优化模型，简易的参数关系参见图8，可以获取最佳喷嘴横移速度和声音特征的量化关系，便于指导现场操作。

在线切割工件时，利用图1计算机声音采集系统在线采集切割现场声音信号y(t)，进行声音特征、提取。将声音特征的切穿时间和、信号能量输入到建立好的最小二乘支持向量机模型，自适应获得最佳喷嘴横移速度。通过串口以异步通信方式将发送到数控机床系统，保证切割产品的光滑度和切割效率。