基于改进EMD和GA-BPNN的机器人磨削颤振监测

来源：振动与冲击杂志2024年第9期北京时间：

作者：刘伟，刘旺，曹大虎，葛吉民，万林林，陈加

单位：湖南科技大学机电工程学院难加工材料高效精密加工湖南省重点实验室，湖南湘潭411201

摘要：工业机器人由于其灵活性，被广泛应用于机器人焊缝磨削任务中。但由于机器人的弱刚性，在焊缝磨削过程中系统容易发生颤振，因此对加工过程中的颤振监测是保证加工质量的基础。针对在加工振动信号处理过程中的模态混叠现象，提出了一种基于排列熵算法改进的经验模态分解方法，通过排列熵算法检测振动信号中的异常信号并剔除。通过相关系数法提取相关性最大的固有模态函数的能量熵作为特征值，同时提取方差、峰峰值、均方根和峭度四种时域特征。利用遗传算法优化BP神经网络（back propagation neural network，BPNN）建立颤振辨识模型，最后将提取的五种特征参数作为特征向量代入辨识模型中对加工状态进行监测。试验结果显示，提出的改进经验模态分解算法结合遗传算法优化的BP神经网络模型能够有效地对机器人焊缝磨削中的颤振进行监测。

关键词：机器人磨削；颤振监测；改进经验模态分解；遗传算法；BP神经网络