采用PCA/D-S方法及FUKL融合算法的主轴系统弱故障动态判别与辨识

针对由复杂非线性机床主要部件弱故障引起的与动态刚度不足相关的加工颤振较难量化判别溯源的问题,提出了一种基于PCA/D-S方法(PCA:主成分分析;D-S:证据理论)的故障部件粗判别,及基于FUKL融合算法(模糊集与相对熵融合)的细粒度辨识相结合的动刚度特征研究方法。该方法采集加工态的多部件振动特征,通过分离时频域特征值,利用PCA降维获得相关性强的低维特征,通过D-S计算合成证据概率,粗定位出故障部件,而后通过FUKL融合算法,进一步准确计算出故障辨识结果。将所提方法应用于实际颤振机床的故障溯源研究中,从4个主要部件中,以78.69%的合成证据概率判别出主轴系统存在动刚度不足,通过FUKL辨识出主轴系统的轴向动刚度不足的故障本质,通过拆解故障部件测试实际载荷,分析验证了所提算法运算结果的正确性。