希尔伯特-黄变换在磨削颤振特征提取中的应用

"基于H HT的磨床磨削颤振特征量提取方法 (2014年)" 这篇2014年的科研论文详细探讨了数控磨床在磨削加工过程中遇到的颤振问题，并提出了一种新颖的解决方案。作者陈建华、陈换过、吴飞和张廷秀来自浙江理工大学机械与自动控制学院。他们提出了一种基于希尔伯特-黄变换（Hilbert-Huang Transform，HHT）的磨削颤振特征量提取方法，以解决颤振识别和抑制的问题。 磨削颤振是磨床工作时常见的故障现象，如果不及时识别并采取措施，颤振会恶化，严重影响磨削的质量和效率。研究表明，在颤振发生前有一个过渡时期，这个时期的信号包含了磨削状态的关键信息。由于信号的非平稳特性，传统的分析方法如傅立叶变换难以准确捕捉这些信息。 论文中，作者采用了经验模式分解（Empirical Mode Decomposition, EMD）作为HHT的第一步，将原始信号分解为多个固有模态函数（Intrinsic Mode Function, IMF）成分，每个IMF代表不同时间尺度的特征。通过筛选合适的IMF分量，进一步提取出两个关键的颤振特征量：实时方差和瞬时能量。这两个特征量被用作判断磨削是否发生颤振的依据。 通过模拟仿真，作者证明了基于HHT提取的磨削颤振特征量能有效地识别颤振的发生。相较于传统的小波包分解、方差和互相关系数等方法，HHT更适用于处理非线性非平稳信号，提供了一种更精确的颤振检测手段。 这篇论文的贡献在于提出了一个适应性强、针对性高的颤振检测方法，对于提高磨削加工的稳定性和产品质量具有重要意义。它为磨削颤振的研究提供了新的视角，也为实际工业生产中的故障诊断提供了理论支持。中图分类号将其归类为TG580.21，文献标志码为A，表明这是一项科学研究论文，具有较高的学术价值。