机器人钻削颤振识别方法和系统技术方案

本发明专利技术提供了一种机器人钻削颤振识别方法和系统，包括如下步骤：步骤S1：采集机器人钻削系统主轴振动信号；步骤S2：根据主轴振动信号计算信号能量熵；步骤S3：根据信号能量熵和颤振阈值对比进行机器人钻削颤振的识别。本发明专利技术能够获得非线性、非平稳机器人钻削颤振信号能量集中的时频表示，从加速度信号中去除主轴相关分量，突出早期微弱颤振分量，实现了在不同的制孔条件下能够准确地捕捉早期的微弱颤振特征，在颤振完全发展之前识别出机器人的颤振，有助于颤振后续颤振抑制措施的充分实施，避免颤振对制孔质量的损害，从而提高机器人制孔质量。孔质量。孔质量。

【技术实现步骤摘要】
机器人钻削颤振识别方法和系统


[0001]本专利技术涉及机器人制孔振动监测的
，具体地，涉及一种机器人钻削颤振识别方法和系统。尤其是，优选的涉及一种基于聚焦速度同步线性chirplet变换的机器人钻削颤振识别方法和系统。

技术介绍

[0002]机器人加工技术具有高柔性、大工作范围和低成本等优势，是一种有前途的复杂大型零件加工技术。例如，在飞机制造业中，需要为大量铆接结构零件钻数百万个孔。到目前为止，机器人钻孔系统已被设计并应用于航空制造业，与传统手动钻孔相比，提高了表面质量和加工效率。然而，由于机械手关节的刚性相对较低，在机器人钻孔过程中，通常会出现一种不希望出现的不稳定性，即颤振。它对加工过程造成各种有害影响，如表面光洁度降低、噪音无法忍受和刀具磨损加速。颤振已经成为限制机器人制孔实用性和高性能实现的关键因素。
[0003]为了避免颤振及其不利影响，传统方法是根据稳定性分析结果选择无颤振加工参数，由于加工系统的复杂性，获得精确的加工稳定性边界仍然是相当困难和挑战性的，特别是对于机器人钻孔系统，其刚度在工作空间中发生变化，因此，获得精确的动态特性和稳定性仍然是一个挑战，而采用固定的加工参数无法保证稳定的机器人钻孔过程。颤振的发生经历了一定的孕育过程。在颤振的早期孕育阶段，其对加工系统的危害远小于颤振充分发展时的危害，因此，准确、及时地识别颤振对于在颤振充分发展之前及时采取颤振控制措施，避免其不利影响具有重要意义。
[0004]公开号为CN112394642A的中国专利技术专利文献公开了一种基于超参数优化的机器人铣削加工颤振辨识方法，该方法包括下列步骤：S1采集机器人铣削加工中的振动信号，并赋予每个振动信号样本振动标签，以此形成振动信号样本集；S2对每个振动信号样本进行变分模态分解和求解信息熵值，以此获得所有振动信号样本对应的特征向量；构建支持向量机初始预测模型，并训练，以此获得更新后的预测模型；S3以辨识模型的精度为优化目标，对超参数K、C和σ进行寻优，以此获得优化后的颤振辨识模型，利用该优化后的辨识模型识别振动信号的振动标签，即实现铣削加工中颤振的辨识。
[0005]针对上述中的相关技术，专利技术人认为上述机器人钻削颤振识别方法存在的识别精度不高、难以铺抓早期微弱特征。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种机器人钻削颤振识别方法和系统。
[0007]根据本专利技术提供的一种机器人钻削颤振识别方法，包括如下步骤：
[0008]步骤S1：采集机器人钻削系统主轴振动信号；
[0009]步骤S2：根据主轴振动信号计算信号能量熵；
[0010]步骤S3：根据信号能量熵和颤振阈值对比进行机器人钻削颤振的识别。
[0011]优选的，所述步骤S2包括如下步骤：
[0012]步骤S2.1：采用矩阵陷波器滤除主轴振动信号中的主轴相关频率成分干扰；
[0013]步骤S2.2：利用聚焦速度同步线性chirplet变换获取滤除主轴相关频率成分干扰后的主轴振动信号频谱；
[0014]步骤S2.3：将主轴振动信号频谱划分为不同频带并重构每个频带对应的子信号；
[0015]步骤S2.4：根据子信号计算信号能量熵。
[0016]优选的，在所述步骤2.1中，矩阵陷波器滤除主轴相关频率成分干扰，计算公式如下：
[0017][0018]s.t.N
T
f
j
＝0
[0019]Q＝(MM
T
)
‑1；
[0020]f
j
＝Q
‑1M
j
m
j
‑
Q
‑1N
T
(NQ
‑1N
T
)
‑1NQ
‑1M
j
m
j
；
[0021][0022]其中，J表示目标函数；表示向量二范数的平方；M
T
表示矩阵M的转置，上标T表示矩阵或者向量的转置；N
T
表示矩阵N的转置；s.t.表示约束条件；
[0023]矩阵M＝[h
R
(ω1)，h
R
(ω2)，
…
，h
R
(ω
K
)，h
I
(ω1)，h
I
(ω2)，
…
，h
I
(ω
K
)]；h
R
(ω
K
)和h
I
(ω
K
)分别表示h(ω
K
)的实部和虚部；h(ω
K
)表示与频率ω
K
相关的变量；ω
K
表示矩阵陷波器带宽上第K个均匀离散频率点；
[0024]h(ω)表示与频率ω相关的向量，即h(ω)＝[1，e
iω
，e
i2ω
，
…
，e
i(n
‑
1)ω
]T
＝h
R
(ω)+ih
I
(ω)；h
R
(ω)和h
I
(ω)分别表示h(ω)的实部和虚部；e表示自然对数的底数；i为复数单位；n表示信号系列长度；
[0025]N＝[h
R
(ω
nf
)，h
I
(ω
nf
)]；h
R
(ω
nf
)和h
I
(ω
nf
)分别表示h(ω
nf
)的实部和虚部；h(ω
nf
)表示与频率ω
nf
相关的向量；ω
nf
为需要滤波的频率；
[0026]f
j
表示矩阵陷波器的转置的第j列向量；m
j
表示矩阵M的转置的第j列向量；M
j
表示矩阵M的第j列向量；矩阵Q表示与矩阵M相关的矩阵；矩阵I为单位矩阵；
[0027]滤除主轴第k个相关成分ω
nfk
对应的第k个矩阵陷波器进而进行主轴相关频率成分滤除；ω
nfk
表示滤除主轴第k个相关成分；表示第k个矩阵陷波器；令z
i
＝[z
i
(1)，z
i
(2)，
…
，z
i
(n)]T
为测量振动信号系列，z
i
(n)表示向量z
i
的第n个的值；z
f
＝[z
f
(1)，z
f
(2)，
…
，z
f
(n)]T
为滤波后信号系列，z
f
(n)表示向量z
f...

【技术保护点】

【技术特征摘要】
1.一种机器人钻削颤振识别方法，其特征在于，包括如下步骤：步骤S1：采集机器人钻削系统主轴振动信号；步骤S2：根据主轴振动信号计算信号能量熵；步骤S3：根据信号能量熵和颤振阈值对比进行机器人钻削颤振的识别。2.根据权利要求1所述的机器人钻削颤振识别方法，其特征在于，所述步骤S2包括如下步骤：步骤S2.1：采用矩阵陷波器滤除主轴振动信号中的主轴相关频率成分干扰；步骤S2.2：利用聚焦速度同步线性chirplet变换获取滤除主轴相关频率成分干扰后的主轴振动信号频谱；步骤S2.3：将主轴振动信号频谱划分为不同频带并重构每个频带对应的子信号；步骤S2.4：根据子信号计算信号能量熵。3.根据权利要求2所述的机器人钻削颤振识别方法，其特征在于，在所述步骤2.1中，矩阵陷波器滤除主轴相关频率成分干扰，计算公式如下：s.t.N
T
f
j
＝0Q＝(MM
T
)
‑1；f
j
＝Q
‑1M
j
m
j
‑
Q
‑1N
T
(NQ
‑1N
T
)
‑1NQ
‑1M
j
m
j
；其中，J表示目标函数；表示向量二范数的平方；M
T
表示矩阵M的转置，上标T表示矩阵或者向量的转置；N
T
表示矩阵N的转置；s.t.表示约束条件；矩阵M＝[h
R
(ω1)，h
R
(ω2)，
…
，h
R
(ω
K
)，h
I
(ω1)，h
I
(ω2)，
…
，h
I
(ω
K
)]；h
R
(ω
K
)和h
I
(ω
K
)分别表示h(ω
K
)的实部和虚部；h(ω
K
)表示与频率ω
K
相关的变量；ω
K
表示矩阵陷波器带宽上第K个均匀离散频率点；h(ω)表示与频率ω相关的向量，即h(ω)＝[1，e
iω
，e
i2ω
，
…
，e
i(n
‑
1)ω
]
T
＝h
R
(ω)+ih
I
(ω)；h
R
(ω)和h
I
(ω)分别表示h(ω)的实部和虚部；e表示自然对数的底数；i为复数单位；n表示信号系列长度；N＝[h
R
(ω
nf
)，h
I
(ω
nf
)]；h
R
(ω
nf
)和h
I
(ω
nf
)分别表示h(ω
nf
)的实部和虚部；h(ω
nf
)表示与频率ω
nf
相关的向量；ω
nf
为需要滤波的频率；f
j
表示矩阵陷波器的转置的第j列向量；m
j
表示矩阵M的转置的第j列向量；M
j
表示矩阵M的第j列向量；矩阵Q表示与矩阵M相关的矩阵；矩阵I为单位矩阵；滤除主轴第k个相关成分ω
nfk
对应的第k个矩阵陷波器进而进行主轴相关频率成分滤除；ω
nfk
表示滤除主轴第k个相关成分；表示第k个矩阵陷波器；令z
i
＝[z
i
(1)，z
i
(2)，
…
，z
i
(n)]
T
为测量振动信号系列，z
i
(n)表示向量z
i
的第n个的值；z
f
＝[z
f
(1)，z
f
(2)，
…
，z
f
(n)]
T
为滤波后信号系列，z
f
(n)表示向量z
f
的第n个的值；则具体公式如下：
4.根据权利要求2所述的机器人钻削颤振识别方法，其特征在于，在所述步骤2.2中，利用聚焦速度同步线性chirplet变换获取非平稳非线性滤波振动信号的预定精度时频谱，计算公式包括：r
(τ,α(τ))
(t)＝2π(t+tanα(τ)(t
‑
τ)2/T
r
)；)；其中，z(t)表示待分析的信号；α(τ)表示归一化角度函数；λ
(ξ(τ))
(t
‑
τ)表示对z(t)进行截断的窗函数；Z
V(ξ(τ),α(τ))
(τ,ω)表示z(t)的速度同步线性chirplet变换频谱；τ和t均表示时间变量；η表示频率变量；T
r
表示时间的范围，即0<t<T
r
；r
(τ,α(τ))
(t)表示与τ和α(τ)相关的函数；r
(τ,α(τ))
′
(t)表示r
(τ,α(τ))
(t)的导数；δ(
·
)表示狄拉克函数；ξ(τ)表示长度时变的窗函数；ζ
m
(τ,ω)表示局部最大化压缩算子；Δ表示窗函数的频率支撑；表示使|Z
V(ξ(τ),α(τ))
(τ,ω)|取得最大值时的ω值；CVSLCT(t,η)表示聚焦速度同步线性chirplet变换。5.根据权利要求2所述的机器人钻削颤振识别方法，其特征在于，在所述步骤S2.3中,将预定长度振动信号划分为若干个等距离频带并对频带内频谱信息求和来重构每个频带对应子信号，计算公式包括：P
V(τ,ω)
(t)＝exp(jωr
(τ,α(τ))
(t))；其中，z
subk
(t)为待重构的第k个子信号；Δη为子信号带宽；η
k
表示第k个频率点名，即η
k
＝kΔη；P
V(...

【专利技术属性】
技术研发人员：覃程锦，陶建峰，刘成良，余宏淦，雷军波，孙浩，石岗，
申请(专利权)人：上海智能制造功能平台有限公司，
类型：发明
国别省市：