电机电流信号的调制信号双谱分析用于车削工况在线监测研究（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码及数据

---

💥1 概述

本文提出了一种新颖的方法来检测车削状态，利用调制旁带（MSB）和电机电流信号监测。通过应用MSB，这种方法可以有效地减轻随机噪声，并从测量的电流信号中提取电流调制特性，包括旁带的相位和幅度。通过采用这种方法，可以更准确地辨别和全面监测车削过程中的负载扭矩变化。为验证所提出技术的有效性，进行了一般车床测试。根据结果，MSB相位和幅度数值可以更清晰地捕捉车削操作中发生的动态和静态扭矩变化，使其成为监测车削状态的增强工具。

本文提出了一种创新的车削状态检测方法，它利用调制旁带（MSB）和电机电流信号监测来实现。通过引入MSB技术，该方法能够有效地减少随机噪声的影响，并从测量的电流信号中提取电流调制特性，包括旁带的相位和幅度。借助这种方法，我们可以更准确地辨别和全面监测车削过程中的负载扭矩变化。

为了验证所提出技术的有效性，我们进行了一系列常规车床测试。根据测试结果来看，通过MSB相位和幅度数值的分析，我们可以更清晰地捕捉到车削操作中发生的动态和静态扭矩变化。这使得我们的方法成为车削状态监测的一种增强工具。

传统上，车削状态的监测主要依赖于负载扭矩传感器，然而这种传感器存在成本高昂、安装复杂、易受环境干扰等问题。相比之下，我们提出的基于MSB和电流信号监测的方法具有低成本、简单实施的优势，并且能够提供更全面和准确的车削状态信息。

与传统方法相比，我们的方法在车削负载扭矩变化的检测精度上有明显提升。通过精确提取电流信号的调制特性，我们能够即时、准确地捕捉到车削过程中的微小负载变化，从而有效地掌握车削状态。这对于确保车削过程的质量稳定性和生产效率的提高具有重要意义。

综上所述，本文提出的基于MSB和电流信号监测的车削状态检测方法具备重要的理论和实践意义。它为车削过程提供了一种低成本、高效准确的监测手段，并为相关领域的技术进步和应用提供了新的思路和方法。

📚2 运行结果

部分代码：

%% Current phases
figure(32),clf
set(gcf,'name','msb phases for different DoCs','position',[488.0000  100.  600 600])
df=0.3;
for i=4:4
frx=frxx(i);  
nfs=find(data2A.fx>frx-df & data2A.fx<frx+df);
[~,imax]=max(data2A.magm(nfs,(1:end)));
  anx=data2A.phm(nfs(imax(1)),1:end);  
  nnn=find(anx<-0.1);
  if ~isempty(nnn),anx(nnn)=anx(nnn)+2*pi;end
  
plot(data2A.cutdepth(1:end),anx,'o-','LineWidth',2)
hold on

 nfs=find(data2B.fx>frx-df & data2B.fx<frx+df);
[amax,imax]=max(data2B.magm(nfs,(1:end)));
 anx=data2B.phm(nfs(imax(1)),1:end);  
  nnn=find(anx<-0.2);
  if ~isempty(nnn),anx(nnn)=anx(nnn)+2*pi;end
 plot(data2B.cutdepth(1:end),anx,'*-m','LineWidth',2)

 nfs=find(data2C.fx>frx-df & data2C.fx<frx+df);
 [amax,imaxc]=max(data2C.magm(nfs,(1:end)));
  anx=data2C.phm(nfs(imax(1)),1:end);  
  nnn=find(anx<-0.45);
  if ~isempty(nnn),anx(nnn)=anx(nnn)+2*pi;end
  plot(data2C.cutdepth(1:end),anx,'d-r','LineWidth',2)
xlim([9 23])

  if i==1,legend({'DOC=0.5mm' ,'DOC=1.0mm','DOC=1.5mm'},...
         'autoupdate','off','location','best', 'interpreter','none');end
 
line(get(gca,'xlim'),[1 1]*pi,'linestyle','--','linewidth',3)
ylabelv=get(gca,'ytick');
ylabelv2=sort([ylabelv pi]);
ylabelv2str=num2str(sort([ylabelv pi])',3);
set(gca,'ytick',ylabelv2,'yticklabel',ylabelv2str);

grid on

tsrt2=[subcap{i} fstr{i} ' at '  num2str(frx) 'Hz '];
xlabel('\phi (mm)')
ylabel('Current Phase (rad).')
end

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]陈峙王铁谷丰收MANSAF HaramANDREW Ball.基于电动机电流信号双谱分析的齿轮传动故障诊断[J].机械工程学报, 2012, 48(21):84-90.

[2]陈青海.基于驱动电机电流信号的车削颤振在线监测方法研究[D].华中科技大学[2023-11-19].DOI:CNKI:CDMD:2.1013.014821.

[3]陈峙王铁谷丰收MANSAF HaramANDREW Ball.基于电动机电流信号双谱分析的齿轮传动故障诊断[J].机械工程学报, 2012, 48(21):84-90.

[4] Otuyemi F , Li H , Liu F ,et al.Modulation Signal Bispectrum Analysis of Motor Current Signals for Condition Monitoring of Electromechanical Systems[C]//2020.DOI:10.1007/978-981-13-8331-1_42.

[5]zhexiang zou (2023) Modulation Signal Bispectrum Analysis of Motor Current Signals for the Online Monitoring of Turning Conditions.

🌈4 Matlab代码及数据