数控磨床是工业制造领域的常见设备,是先进制造技术的载体。颤振是导致磨床加工不稳定的重要原因之一,主要是由于刀具与工件间的相对振动引起的。颤振的发生会降低工件加工表面的加工质量、加速机床破坏。由于磨床加工过程较为复杂,且磨削颤振过程的输出信号为非平稳、非线性信号,常见的信号处理方法对其处理效果不佳。基于磨床颤振过渡信号的特点,急需引入一种有效的信号处理方法到磨床颤振信号的处理中,提取表征磨床颤振状态的特征指标,为后续磨床状态识别提供理论基础。常见的信号处理方法大多都是在傅里叶变换的基础上提出的,傅里叶变换是全局性的信号处理手段,无法表征信号的局部特性,难以分离信号的特征信息。而磨床磨削过程输出的信号为非平稳、非线性信号,在强背景信号与噪声中,更加难以识别和提取。针对以上问题,本文结合国家自然科学基金(51475432)、浙江省自然科学基金重点项目(LZ13E050003),以MK7180X160/L数控磨床为对象,采集并保存磨削过程动态变化的实验信号,利用广义S变换对实验信号进行分析,并提取表征颤振状态的特征指标,最后利用基于主成分分析法的颤振状态评估模型找出磨削特征指标与颤振状态之间的对应关系,进而提出一种实际有效的磨床磨削颤振在线检测方法。本文的主要研究内容如下:首先论述课题的研究背景和意义,介绍国内外学者针对磨削颤振机理和颤振故障监测识别领域的研究现状,并简单对比了几种常见的振动信号处理方法,指出各自存在的不足。基于磨削颤振过渡阶段信号的特点,引入一种新型的非平稳、非线性的信号处理方法-广义S变换到磨床磨削颤振信号处理与监测中,为后续研究提供方向。其次选用合适的传感器和数据采集模块,搭建实验测试平台,合理地布置振动加速度传感器,并通过改变磨床的磨削参数模拟不同的磨床状态,并实时地采集磨床的振动信号。最后将主成分分析法引入至磨床的颤振判断及识别中,建立磨床颤振状态评估识别模型,应用主成分分析法的学习能力,将实时方差和广义S变换能量熵等作为信号的特征指标,对实验数据进行了处理与分析,实现了对磨床颤振状态的判断和识别。通过对仿真信号和实验信号的处理结果,验证了本文所提出基于广义S变换和主成分分析故障诊断方法的有效性。