基于经验模态的热变形数据处理

在热变形实验中通过高速实时采集，获取到热变形量的实时变化。引入经验模态法对热变形实验中的数据进行处理。系统介绍了经验模态法的原理。通过几个对比数据处理过程，将此方法与传统滤波法进行对比。并对实验数据进行分析，获取最终的热变形实时变化。热变形数据属于非线性、非平稳信号，用经验模态分解法（EMD）可以很好的分解出它的真实数据及其物理意义。

【关键词】经验模态分解 热变形数据 非线性 非平稳

随着现代制造业的快速发展，精密及超精密加工得到广泛应用，机械装备精度及其相应的测试测量技术和仪器设备精度实现了质的提升，温度引起的误差在总误差中的比重越来越高现代科技的高速发展已使研究精度不断地深化，这使得从前可以忽略的精度影响因素必须重新加以考虑。如何降低和减小它的影响就变得尤为重要。对机械进行热变形分析就是掌握和消除热变形影响的重要途径。热变形分析中的数据处理是其中的重要部分，但也是被忽视的一部分。

目前传统的热变形数据处理都是采用平均处理法。即在热变形实验中，当被测件的温度稳定后采集多组数据，将采集的数据平均值作为最后结果。这类方法由于受到高温及非线性变化的温度影响，采集到的数据重复性差且不能实时获取热变形量。这种数据处理方法无法实时精确的获取热变形数据。本文采用的经验模态分解法在处理非线性、非平稳信号时具有很大优势，可以更加准确和实时地求出出热变形变化。

1 经验模态的原理

EMD方法的本质是通过特征时间尺度获得时间序列的多个本征震荡模式，然后由本征震荡模式来分解时间序列数据。即将一个时间序列分解为多个具有不同特征时间尺度的本征模态函数（IMF）和一个无法再进行分解的、光滑的、单调的趋势项。

2 热变形数据

采用实时数据采集的方法，实验结束后会采集到大量数据。这些热变形数据属于非线性、非平稳信号。分别对这些数据进行平均法和EMD滤波法处理。

3 热变形数据处理

截取实验中的一段热变形数据分别用两种方法分别进行处理，两种方法处理后的结果如下：

3.1 采用平均法进行数据处理

在热变形量中每1000个数据平均一次，将平均值作为处理后的结果。平均法处理后的热变形数据会成为一条直线，无法显示出热变形过程中的细节信息。

3.2 采用EMD法进行数据处理

对热变形数据进行EMD分解，得到16个IMF分量和1个趋势项。EMD方法是先把信号中频率较大的模态分离出来，最后再分离频率较小的分量。

把趋势项加上第16、15两个IMF分量作为EMD处理后的结果，并与采集数据进行比较。结果如图1所示。

4 总结

热变形数据属于非线性、非平稳信号，采用平均法无法获取到它的细节信息。而经验模态法具有非常好的时频聚集性、自适应性，可以有效处理非线性信号。通过对热变形数据的处理可以看出，经验模态可以很好地应用于热变形数据的处理中，能够准确的获取到热变形的实时变化。

参考文献

[1]陈甦欣，郭裕聪，胡学敏，等.非对称结构热变形非相似性规律研究[J].安徽职业技术学院学报，2012，11（2）：23-25.

[2]费业泰.机械热变形理论及应用[M].北京：国防工业出版社，2009.

[3]Huang N E，ShenZ，Long S R.A new view of nonlinear water waves—the Hilbertspectrum. Ann Rev Fluid Mech[J].Annual Reviewof Fluid Mechanics，2003，31（1）：417-457.

[4]郑祖光，刘莉红.经验模态分析与小波分析及其应用[M].北京：中国气象出版社，2010.

作者简介

苗继超（1989-），男，山东省临沂市人。现为合肥工业大学研究生在读学生。研究方向为现代精度理论及其应用。

作者单位

合肥工业大学仪器科学与光电工程学院 安徽省合肥市 230009