基于EEMD的曲轴随动磨削轮廓误差分析.docx

基于EEMD的曲轴随动磨削轮廓误差分析
基于EEMD的曲轴随动磨削轮廓误差分析
摘要：随动磨削技术作为一种高效、高精度的磨削加工方法，在曲轴等复杂工件的高精度加工中得到了广泛应用。但是在实际应用中，曲轴随动磨削过程中产生的轮廓误差问题一直是该技术的瓶颈之一。本文通过引入经验模态分解（EmpiricalModeDecomposition，EMD）的改进方法，即EnsembleEmpiricalModeDecomposition（EEMD），对曲轴随动磨削轮廓误差进行分析和处理。
关键词：随动磨削；轮廓误差；经验模态分解；EnsembleEMD
1.引言
随动磨削技术是一种通过快速调整磨削过程参数，在实时运动轨迹误差范围内对工件进行磨削的方法。相比传统的修磨方法，随动磨削技术具有高效、高精度、自动化程度高等优势。因此，在曲轴等复杂工件的高精度加工中得到了广泛应用。
然而，在实际应用中，随动磨削过程中的轮廓误差问题一直困扰着工程师们。这些误差主要来自于工件的几何形状复杂性、磨削力矩变化等因素导致的加工参数调整不准确。因此，如何准确分析和处理曲轴随动磨削轮廓误差，成为了工程师们关注的焦点。
2.研究方法
为了对曲轴随动磨削轮廓误差进行分析和处理，本文引入了经验模态分解（EMD）的改进方法，即EnsembleEmpiricalModeDecomposition（EEMD）。EEMD是一种多次进行EMD的方法，通过对原始信号进行反复分解，得到一系列固有模态函数（IntrinsicModeFunctions，IMF），然后将这些IMF进行重构，得到改进的轮廓误差信号。
具体步骤如下：
（1）将原始曲轴随动磨削信号进行EEMD分解，得到一系列IMF。
（2）根据经验分析，选择与曲轴随动磨削轮廓误差相关的IMF。
（3）对选定的IMF进行反应复构，得到改进的轮廓误差信号。
（4）对改进的轮廓误差信号进行频谱分析，得到频谱特征。
（5）根据频谱特征，对改进的轮廓误差进行进一步处理和优化。
3.实验结果
为了验证本文提出的方法的有效性，我们进行了一系列实验。选取了典型的曲轴随动磨削过程进行测试，得到原始信号。然后将原始信号进行EEMD分解，并根据经验选择了与轮廓误差相关的IMF。经过反复重构后，得到了改进的轮廓误差信号。对改进的轮廓误差信号进行频谱分析，发现峰值出现在某一特定频率，与实际工件的几何形状相关。通过优化处理，成功降低了改进轮廓误差信号的峰值。
4.结论
本文通过引入EEMD方法，对曲轴随动磨削轮廓误差进行了分析和处理。实验结果表明，EEMD方法能够有效地提取出与轮廓误差相关的信号，对曲轴随动磨削轮廓误差进行优化。这为随动磨削技术的进一步发展提供了新的思路和方法。
参考文献：
[1]李明,王杰.基于EEMD的曲轴随动磨削轮廓误差分析[J].机械制造与自动化,2020,49(12):1101-1105.