基于连续小波和支持向量机的铳削颤振预报（1哈尔滨理工大学机械动力工程学院哈尔滨，1500802黑龙江大学电子工程系哈尔滨，150080）摘要：木文研究了一种应用连续小波特征和多类球形支持向量机进行铳削颤振预报方法，该方法棊•丁•连续小波变换分别提取高、低频段铳削振动信号的特征，利用多类球形支持向量机进行平稳铳削状态、饶削濒振孕育状态、饶削颤振状态识别。为了简化二分类支持向量机进行多类分类时所带來的计算父杂性,该算法使每一类样本都获得一个球形支持向量机，在特征空间中以测试样本与球形支持向量机中心距离作为决策函数，來进行识别。实验表明，在切削颤振识别系统中多类球支持向量机与连续小波特征向量相结合貝有良好的识别效果，颤振孕育预报正确率达97.3%o关键词：硕振预报；连续小波；球形支持向量机；多类支持向量机中图分类号：TG506.1TP391.42文献标识码：ATheMillingChatterForecastBasedonContinuousWaveletandSupportVectorMachineMethodWuShi,LinLiandong,XiaoFei,QuDa(SchoolofMechanicalandPowerEngineering,HarbinUniversityofScienceandTechnology,Harbin,150080,ChinaSchoolofElectricalEngineering,HeilongjiangUniversity,Harbin,150080,China)Abstract:Acuttingchatterforecastmethodbasedoncontinuouswaveletfeatureandmulti-classsphericalSupportVectorMachinesisstudiedinthispaper,thismethodbasedonthecontinuouswavelettranstormtoextractthecharacteristicsofthemillingvibrationsignalinhighandlowfrequencyband.Sphericalsupportvectormachinewasusedtorecognizethesmoothcut,chattergestateandoutbreakstates.Inordertosimplifythecomputationalcomplexitywhenusingbinaryclassificationsupportvectormachinestodomulti-classclassification,thealgorithmtomakeeverykindofsampleshaveasphericalsupportvectormachine,inthefeaturespacethecenterdistancebetweentestsampleandsphericalsupportvectormachineasadecision-makingfunctiontorecognize.Experimentalresultsshowthatinthecuttingvibrationchatterrecognitionsystemsphericalsupportvectormachinecombinedthecontinuouswaveletfeaturehasabetterrecognitioneffect,theaccuracyofchattergestateforecastcanreachat97.3%・Keywords:chatterprediction;continuouswavelet;sphericalsupportvectormachine;multiclasssupportvectormachines1引言颤振是发牛在铳削过程小一种强烈的白激振动，颤振会严重制约铳削效率、降低零件的加工精度和表面质量、损坏刀具羡至机床本身。如果在铳削过程屮存在潜在颤振，一般会通过刀具、工件上的振动表现出來。如果在颤振孕育过程屮就能发现潜在颤振，就能通过改变铳削参数进行前瞻控制，把颤振消灭在早期的孕育过程。冃前国内外在颤振孕育过程通过振动信号进行监测预报有着一定的研究，如基于快速傅里叶变换信号谱图窄带特征识别方法3】、基于隐性马尔科夫模型的识别方法等14-51＞基于小波包进行在线颤振识别⑹、以及基于近似嫡方法确定在铳削过程颤振不稳定性域等⑺，但基于统计理论的分类器需要大量训练样本和合理判决阈值才能得到准确地预报结果。本文提岀了一种基于连续小波变换提収不同频段的颤振特征向量，使用多类球形支持向量机进行颤振孕育预报和颤振预报的方法。该方法一方面通过连续小波变换，來反映铳削颤振爆发过程中输出振动信号的非平稳性；另一方面通过多类球支持向量机克服二分类支持向量机进行多类分类时的复杂计算问题，并U保证分类精度不低于二分类支持向量机。实验证明，该方法能在较少的训练数据下进行较高准确度的颤振孕育预报和颤振预报。国家科技重大专项课题(2010ZX04014-051),中国博士后科研基金(20110491098),黑龙江省博士后科研基金(LBH-Z11110)2基于连续小波变换的铳削颤振特征提取法铳削加工系统是一个比较复杂的系统，在铳削加工过程屮存在着许多随机因索，致使铳削加工过程的振动信号具有很大的随机性，特别是当切削加工过程由稳定状态向不稳定状态过渡吋&%这些随机因索的影响表现得尤为严重。铳削颤振过...