基于VMD-CWT和CNN数控机床刀具健康诊断方法的研究

在数控机床切削过程中，刀具的健康状况直接影响产品的加工质量。因此，为了对刀具的健康状态作出诊断评价，本文提出了一种基于变分模态分解（VMD）和连续小波变换（CWT）特征提取与卷积神经网络（CNN）的刀具健康诊断方法。该方法首先采集不同健康状态下的刀具在切削时的振动信号，然后经VMD分解成若干IMF分量，并求解每个IMF分量的相关系数，选取相关系数较大的分量进行信号重构；其次采用连续小波变换来构造重构信号的时频图；最后将得到的时频图输入构建的CNN模型中，通过多层卷积、池化处理得到信号特征与刀具健康状态之间的准确映射，进而实现刀具的健康诊断。经实验验证表明，本文所提方法的识别准确率达到98.9%，具有良好的状态识别能力和泛化性，可为刀具健康诊断方法提供一定的理论依据。