复杂工况下磨齿机主轴运行模态的分析方法

doi:10.3969/j.issn.1004-132X.2026.01.006

中国机械工程 ›› 2026, Vol. 37 ›› Issue (1): 51-59.DOI: 10.3969/j.issn.1004-132X.2026.01.006

复杂工况下磨齿机主轴运行模态的分析方法

李国龙¹(), 赵晓亮¹, 王玉¹, 陶一杰²

^1.重庆大学高端装备机械传动全国重点实验室, 重庆, 40044
^2.东风汽车集团有限公司研发总院, 武汉, 430058

收稿日期:2024-06-28 修回日期:2025-12-25 出版日期:2026-01-25 发布日期:2026-02-05
通讯作者: 李国龙
作者简介:李国龙^*（通信作者），男，1968年生，教授、博士研究生导师。研究方向为智能制造技术与系统、复杂零件数字化制系统与装备、精密/超精密加工技术。发表论文144篇。E-mail：glli@cqu.edu.cn。
第一联系人：吴健鹏^*（通信作者），男，1991年生，副研究员。研究方向为车辆传动系统智能运维、数字孪生仿真建模方法。发表论文32篇。E-mail： 15811319103@163.com.
基金资助:
国家自然科学基金(52275475);重庆英才计划(cstc2022ycjh-bgzxm0060)

Operation Modal Analysis Method of Gear Grinding Machine Spindle Operations under Complex Working Conditions

LI Guolong¹(), ZHAO Xiaoliang¹, WANG Yu¹, TAO Yijie²

^1.State Key Laboratory of Mechanical Transmission for Advanced Equipment，Chongqing University，Chongqing，400044
^2.Research & Development Institute，Dongfeng Motor Corporation，Wuhan，430058

Received:2024-06-28 Revised:2025-12-25 Online:2026-01-25 Published:2026-02-05
Contact: LI Guolong

摘要/Abstract

摘要：

针对磨齿机主轴服役状态下振动形式复杂、模态特征难以有效识别的问题，提出一种基于自适应噪声完备集合经验模态分解与相关性分析的方法。采用有限元模态分析方法定义频带范围，采用小波阈值分级法保留模态特征信息。采用倒频谱法编辑信号，以识别并剔除转子产生的谐波响应。不同降噪方法与二自由度算例的验证结果表明，所提方法处理后的模态识别误差减小至1.3%，极点稳定时的拟合阶次降低76.7%，可准确识别服役状态下机床旋转部件的模态特征。

关键词: 工作模态分析, 自适应噪声完备集合经验模态分解, 小波阈值分级准则, 倒频谱编辑, 磨齿机, 参数识别

Abstract:

Aiming at the problems that the spindle vibrations in grinding machines were complex and the modal characteristics were difficult to effectively identified under the service states. Based on adaptive noise complete ensemble empirical mode decomposition and correlation analysis， a method was proposed. The finite element modal analysis was used to define the frequency band range， and the wavelet threshold classification method was used to retain the modal feature information. In order to identify and eliminate the harmonic response generated by rotor， a method was used in signal cepstrum editing. Different noise reduction methods and 2-DOF examples show that the modal identification errors are reduced to 1.3% after processing by the proposed method， the fitting order is reduced 76.7% as the poles are stable， and the modal characteristics of the rotating parts are accurately identified for the machine tool in service.

Key words: operational modal analysis, complete ensemble empirical mode decomposition with adaptive noise, wavelet threshold grading criterion, cepstrum editing, grinding machine, parameter identification

中图分类号:

TH133.2

李国龙, 赵晓亮, 王玉, 陶一杰. 复杂工况下磨齿机主轴运行模态的分析方法[J]. 中国机械工程, 2026, 37(1): 51-59.

LI Guolong, ZHAO Xiaoliang, WANG Yu, TAO Yijie. Operation Modal Analysis Method of Gear Grinding Machine Spindle Operations under Complex Working Conditions[J]. China Mechanical Engineering, 2026, 37(1): 51-59.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.01.006

https://www.cmemo.org.cn/CN/Y2026/V37/I1/51

图/表 19

图1 倒频谱编辑程序

Fig.1 Cepstrum editing process

图2 磨齿机主轴模态参数识别流程图

Fig.2 Process of modal parameter identification for a gear grinding machine spindle

图3 主轴有限元模型1.砂轮 2.主轴 3.位移轴

Fig.3 Spindle finite element model

表1 前三阶固有频率和振型

Tab.1 The first three natural frequencies and vibration modes

阶次	频率/Hz	振型
1	97.264	主轴中部摆动
2	178.522	主轴沿X轴负晃动
3	221.521	主轴左端沿X轴负晃动，变形明显

图4 主轴模态前三阶振型图

Fig.4 The first three order formation diagram of the spindle mode

表2 磨齿机主轴的前三阶模态参数

Tab.2 The first three order modal parameters of gear grinding machine spindle

阶次	频率/Hz	阻尼比/%
1	96.178	1.02
2	179.633	0.45
3	225.873	0.64

图5 振动信号的时域和频域图

Fig.5 Time and frequency domain diagram of initial vibration signal

图6 振动信号CEEMDAN分解结果

Fig.6 Vibration signal CEEMDAN decomposition results

表3 IMF分量的相关系数

Tab.3 The correlation coefficient of IMF components

分量	相关系数C	分量	相关系数C
IMF₁	0.7344	IMF₈	0.0684
IMF₂	0.4428	IMF₉	0.1225
IMF₃	0.3946	IMF₁₀	0.0958
IMF₄	0.2811	IMF₁₁	0.0239
IMF₅	0.1914	IMF₁₂	0.0129
IMF₆	0.1781	IMF₁₃	0.0059
IMF₇	0.1006	IMF₁₄	0.0085

图7 分级降噪前后的信号

Fig.7 Signals before and after hierarchical noise reduction

图8 不同降噪处理的信号频域图

Fig.8 Signal frequency domain diagram of different noise reduction processing

表4 仿真系统的二阶模态参数

Tab.4 Second-order modal parameters of the simulation system

参数	一阶	二阶
固有频率/Hz	30.835	49.932
阻尼比/%	1.0	2.0

图9 谐频干扰下的自功率谱

Fig.9 Self-power spectrum under harmonic interference

图10 倒频谱编辑前后的仿真系统信号

Fig.10 Simulation system signals before and after cepstrum editing

图11 SSI-DATA模态识别稳定图

Fig.11 SSI-DATA modal identification stability diagram

图12 模态识别稳定图

Fig.12 Modal identification steady state diagram

表5 稳定图中的稳定极点起点阶次

Tab.5 The start order for stable poles in the stable graph

	信号A	信号B	信号C
1阶	133	58	31
2阶	128	52	28
3阶	120	55	24
识别速度	慢	中	快
识别准确性	低	低	高

表6 不同预处理信号识别的固有频率与阻尼比

Tab.6 The natural frequency and damping ratio identified by different pre-processing signals

	固有频率/Hz			阻尼比
	1阶	2阶	3阶	1阶	2阶	3阶
直接识别	45.86	132.01	196.51	2.51	0.12	0.21
仅降噪识别	91.51	160.82	240.22	0.81	0.40	0.58
降噪-倒频谱	97.46	178.83	227.01	4.13	0.02	0.04

表7 不同预处理信号识别出的模态参数与实验模态参数的相对误差

Tab.7 Relative errors between modal parameters from differently processed signals and experimental results %

	固有频率/Hz			阻尼比
	1阶	2阶	3阶	1阶	2阶	3阶
直接识别	52.31	26.52	13.00	4.13	0.02	0.04
仅降噪识别	4.86	10.48	6.34	2.51	0.12	0.21
降噪-倒频谱	1.31	0.46	0.68	0.81	0.40	0.58

参考文献 18

[1]	HUNG J P， LAI Y L， LUO T L， et al. Analysis of the Machining Stability of a Milling Machine Considering the Effect of Machine Frame Structure and Spindle Bearings： Experimental and Finite Element Approaches［J］. The International Journal of Advanced Manufacturing Technology， 2013， 68（9）： 2393-2405.
[2]	ZHANG Xiao Jian， XIONG Cai hua， DING Ye， et al. Milling Stability Analysis with Simultaneously Considering the Structural Mode Coupling Effect and Regenerative Effect［J］. International Journal of Machine Tools and Manufacture， 2012， 53（1）： 127-140.
[3]	LAW M， PHANI A S， ALTINTAS Y. Position-dependent Multibody Dynamic Modeling of Machine Tools Based on Improved Reduced Order Models［J］. Journal of Manufacturing Science and Engineering， 2013， 135（2）： 021008.
[4]	张济淳，宋汉文. 环境激励下基于相关函数的脉冲响应函数重构［J］. 振动与冲击， 2020， 39（10）： 220-227.
	ZHANG Jichun， SONG Hanwen. Reconstruction of Impulse Response Function Based on Correlation Function under Ambient Excitation［J］. Journal of Vibration and Shock， 2020， 39（10）： 220-227.
[5]	殷红，董康立，彭珍瑞. 基于VMD-SSI的结构模态参数识别［J］. 振动与冲击， 2020， 39（10）： 81-91.
	YIN Hong， DONG Kangli， PENG Zhenrui. Structural Modal Parameter Identification Based on VMD-SSI［J］. Journal of Vibration and Shock， 2020， 39（10）： 81-91.
[6]	魏博文，钟紫蒙，李火坤. 基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法［J］. 振动与冲击， 2020， 39（10）： 106-113.
	WEI Bowen， ZHONG Zimeng， LI Huokun. Working Modal Identification Method for High Arch Dam Discharge Structure Based on HHT-RDT Algorithm［J］. Journal of Vibration and Shock， 2020， 39（10）： 106-113.
[7]	蔡改贫，赵小涛，胡显能，等. CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法研究［J］. 机械科学与技术， 2020， 39（7）： 1077-1085.
	CAI Gaipin， ZHAO Xiaotao， HU Xianneng， et al. Denoising Method of Vibration Signal of Ball Mill based on CEEMDAN-wavelet Threshold Combination［J］. Mechanical Science and Technology for Aerospace Engineering， 2020， 39（7）： 1077-1085.
[8]	MODAK S V， RAWAL C， KUNDRA T K. Harmonics Elimination Algorithm for Operational Modal Analysis Using Random Decrement Technique［J］. Mechanical Systems and Signal Processing， 2010， 24（4）： 922-944.
[9]	MODAK S V. Influence of a Harmonic in the Response on Randomdec Signature［J］. Mechanical Systems and Signal Processing， 2011， 25（7）： 2673-2682.
[10]	MODAK S V. Separation of Structural Modes and Harmonic Frequencies in Operational Modal Analysis Using Random Decrement［J］. Mechanical Systems and Signal Processing， 2013， 41（1/2）： 366-379.［LinkOut］
[11]	夏遵平，王彤. 基于谱峭度的谐波模态检测方法［J］. 工程力学， 2013， 30（12）： 255-258.
	XIA Zunping， WANG Tong. Detection of Harmonic Modes with Spectral Kurtosis［J］. Engineering Mechanics， 2013， 30（12）： 255-258.
[12]	秦潮. 周期切削激励下的数控机床模态参数辨识方法研究［D］. 武汉：华中科技大学， 2018.
	QIN Chao. Research on Modal Parameter Identification Method of NC Machine Tool under Periodic Cutting Excitation［D］. Wuhan： Huazhong University of Science and Technology， 2018.
[13]	陈伟，顾晓华，张永强. 倒频谱编辑法在含转子结构运行模态参数辨识中的应用［J］. 振动与冲击， 2023， 42（18）： 268-275.
	CHEN Wei， GU Xiaohua， ZHANG Yongqiang. Cepstrum Editing Method Used in Operational Modal Analysis of Rotor Structures［J］. Journal of Vibration and Shock， 2023， 42（18）： 268-275.
[14]	RILLING G， FLANDRIN P. One or Two Frequencies？ The Empirical Mode Decomposition Answers［J］. IEEE Transactions on Signal Processing， 2008， 56（1）： 85-95.
[15]	王玉静，康守强，张云，等. 基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法［J］. 电子与信息学报， 2014， 36（3）： 595-600.
	WANG Yujing， KANG Shouqiang， ZHANG Yun， et al. Condition Recognition Method of Rolling Bearing Based on Ensemble Empirical Mode Decomposition Sensitive Intrinsic Mode Function Selection Algorithm［J］. Journal of Electronics & Information Technology， 2014， 36（3）： 595-600.
[16]	李军，李青. 基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究［J］. 电机与控制学报， 2015， 19（8）： 70-80.
	LI Jun， LI Qing. Medium Term Electricity Load Forecasting Based on CEEMDAN-permutation Entropy and ESN with Leaky Integrator Neurons［J］. Electric Machines and Control， 2015， 19（8）： 70-80.
[17]	樊超阳，李朝锋，杨苏辉，等. CEEMDAN联合小波阈值算法在水下激光雷达中抑制散射杂波的应用［J］. 物理学报， 2023， 72（22）： 106-113.
	FAN Chaoyang， LI Chaofeng， YANG Suhui， et al. Application of CEEMDAN Combined Wavelet Threshold Denoising Algorithm to Suppressing Scattering Cluster in Underwater Lidar［J］. Acta Physica Sinica， 2023， 72（22）： 106-113.
[18]	杨佑发，李帅，李海龙. 环境激励下结构模态参数识别的改进ITD法［J］. 振动与冲击， 2014， 33（1）： 194-199.
	YANG Youfa， LI Shuai， LI Hailong. Improved ITD Method for Structural Modal Parameter Identification under Ambient Excitation［J］. Journal of Vibration and Shock， 2014， 33（1）： 194-199.

复杂工况下磨齿机主轴运行模态的分析方法

Operation Modal Analysis Method of Gear Grinding Machine Spindle Operations under Complex Working Conditions

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 19

参考文献 18

相关文章 15

编辑推荐

Metrics

[1]	都凯, 任彦强, 侯勇, 李小强, 陈帅峰, 孙亮, 左晓姣, 袁晓光. 精确预测近平面应变载荷下各向异性行为的屈服准则参数识别策略[J]. 中国机械工程, 2023, 34(19): 2381-2393.
[2]	段林超, 张旭刚, 张华, 宋华伟, 敖秀奕. 基于二阶近似扩展卡尔曼滤波的锂离子电池SOC估计[J]. 中国机械工程, 2023, 34(15): 1797-1804.
[3]	伍建伟, 孙蓓蓓, 江秋博, 陈林. 兼顾时频域特征量提取的非线性油气悬架参数识别[J]. 中国机械工程, 2023, 34(11): 1296-1305.
[4]	崔方圆;华灯鑫;李言;孔令飞;李鹏阳. 螺栓结合部接触面域的融合绑定建模方法[J]. 中国机械工程, 2018, 29(16): 1912-1920.
[5]	任鹏;王立华;汪纯锋. 润滑状态下导轨结合面法向动态接触刚度实验研究[J]. 中国机械工程, 2018, 29(07): 811-816.
[6]	张晋, 孔祥东, 姚静, 王娟, 常立颖. 汽车防抱死制动系统液压控制单元的建模与仿真[J]. 中国机械工程, 2016, 27(21): 2967-2974.
[7]	喻其炳, 尹爱军, 薛磊, 张泉. 基于单目离面视觉的结构振动检测[J]. 中国机械工程, 2016, 27(17): 2367-2371,2378.
[8]	陈洪月, 白杨溪, 张瑜, 邓文浩. 橡胶输送带恢复力模型辨识与参数预测[J]. 中国机械工程, 2016, 27(06): 810-814.
[9]	汪中厚, 袁可可, 李刚. 基于响应面法的滑动结合面动态特性参数优化识别[J]. 中国机械工程, 2016, 27(05): 622-626.
[10]	谭博, 郑华. 基于颤振试验数据分析的矩阵束方法性能研究[J]. 中国机械工程, 2015, 26(2): 233-237.
[11]	邢万强, 熊良山, 汤祁. 基于改进温度模型的300M钢本构方程参数识别[J]. 中国机械工程, 2015, 26(17): 2297-2301.
[12]	朱坚民, 张统超, 李孝茹, 周冬儿. 基于改进自适应遗传算法的固定结合面动态特性参数优化识别[J]. 中国机械工程, 2014, 25(3): 357-365.
[13]	龙江启, 徐传燕, 高建勋, 周斯加. 基于频响函数数据筛选的发动机惯性参数识别[J]. 中国机械工程, 2014, 25(2): 215-217,235.
[14]	杨清艳, 韩江, 张魁榜, 夏链. 数控成形砂轮磨齿机床几何误差分析与函数补偿法[J]. 中国机械工程, 2013, 24(23): 3144-3149.
[15]	张武, 陈剑, 陈鸣. 汽车动力总成悬置系统多工况运行模态试验研究[J]. 中国机械工程, 2013, 24(22): 3118-3123.