氧化铝陶瓷磨削金刚石砂轮磨损的声发射监测

阐述了声发射监测工程陶瓷磨削的研究进展,发现目前对金刚石砂轮磨损监测研究基本上是选取声发射信号均方根(即有效值)进行分析,且金刚石砂轮磨损状态的声发射监测准确率不高.为提高金刚石砂轮磨损状态的声发射监测准确率,设计了氧化铝陶瓷磨削声发射实验,并采用支持向量机建立金刚石砂轮磨损状态的分类模型.分析发现氧化铝陶瓷精密磨削中声发射信号最强频谱能量在30~40kHz频段.金刚石砂轮轻度磨损、严重磨损钝化和修锐之后的磨削声发射信号频谱有明显不同;而且磨削声发射信号小波分解系数的方差值能够很好地反映金刚石砂轮磨损状态.结果表明采用磨削声发射信号的小波分解系数方差作为支持向量机判别金刚石砂轮磨损状态的输入特征,金刚石砂轮磨损状态分类测试的准确率达100%.     

基于声发射监测的砂轮磨损实验

难加工材料的高硬度和高耐磨性使得磨削加工过程中砂轮的损耗变快,目前主要依靠经验判断砂轮的修整和更换周期,很有可能导致修整不及时的情况发生.本文用声发射信号和磨削力信号共同精确监测砂轮磨损状态,通过分析不同磨损状态的砂轮磨削时对应的声发射信号的特征参数以及磨削力和磨削力比的变化情况,综合判断了实验过程中砂轮的磨损状态.结果表明:声发射信号特征参数都与砂轮磨损状态有一定相关性,且磨削力比与砂轮磨损程度的相关性最大,证明了声发射监测技术在砂轮修整中的有效性,为实际生产加工提供了理论指导.     

基于声发射技术的砂轮磨损状况在线检测

为了实现砂轮磨损状态在线检测,提高砂轮磨损状态检测的准确性,研究了法向磨削力与砂轮磨损的对应关系;利用小波分解系数统计法对声发射(AE)信号进行了分析;把法向磨削力和统计小波分解系数的特征作为识别砂轮磨损状态的参数指标,建立了基于神经网络(BP)的砂轮磨损状态识别模型。实验结果表明,该方法可以辨识出砂轮的磨损状态,并且具有较高精度。     

外圆磨削表面粗糙度的在线监测方法研究

通过理论分析和试验研究，找到了与磨削表面粗糙度有关的摩擦AE信号特征，在此基础上提出了基于神经网络的外圆磨削表面粗糙度监测方法，利用神经网络建立声发射信号特征信息与磨削表面粗糙度之间的非线性映射关系，仿真结果表明利用该方法可以实现磨削表面粗糙度的在线评估。     

基于EMD的金刚石砂轮磨损状态声发射监测

针对磨削金刚石砂轮磨损状态声发射信号小波分析中存在的问题,根据工程陶瓷部分稳定氧化锆磨削过程中声发射信号非线性非平稳性的特点,采用经验模态分解方法将磨削声发射信号分解为多个平稳的固有模态函数之和,并提取其有效值、方差和能量系数等特征值.在磨削金刚石砂轮从轻度磨损状态转变为严重磨损状态时,固有模态函数的有效值(IMFrms)和方差(IMFvar)增大,而能量系数(IMFpe)发生明显的变化;将其做为最小二乘支持向量机的输入参数,对金刚石砂轮的轻度磨损状态和严重磨损状态成功地进行了智能监测.     

基于声发射信号的精密外圆切入磨削加工时间优化及仿真

针对精密外圆切入磨削智能监控的需求,设计了一种基于声发射信号的精密外圆切入磨削加工时间的在线优化算法。通过建立AE信号RMS曲线理论模型,获得了声发射信号与磨削系统时间常数的关系,建立了优化前各阶段AE信号RMS曲线;编写外圆切入磨削加工时间的在线优化算法,通过试验分析磨削系统加工时间对加工精度及表面粗糙度的影响,并对优化算法进行验证,建立优化后各阶段AE信号RMS曲线。试验结果表明:该优化方法能够在保证总去除量不变的情况下缩短加工时间,为精密外圆切入磨削提高加工效率、改善加工工艺提供了重要依据。     

利磨削火花信号识别砂轮磨损状态

本文提出了利用磨削火花温度信号在线识别砂轮磨损状态的新方法。在大量试验的基础上，根据磨削火花信号的特征及砂轮磨损过程的特点进行了机理探讨，获得了磨削火花信号特征量与砂轮磨损状态之间的对应关系。研究结果表明，所提方法是可行的，磨削火花信号的统计特征量能够反映砂轮磨削的不同状态。本文研究为进一步利用磨削火花信号实现砂轮磨损状态在线辨识提供了基础。     

利用磨削火花信号识别砂轮磨损状态

本文提出了利用磨削火花温度信号在线识别砂轮磨损状态的新方法。在大量试验的基础上,根据磨削火花信号的特性及砂轮磨损过程的特点进行了机理探讨,获得了磨削火花信号特征量与砂轮磨损状态之间的对应关系。研究结果表明,所提方法是可行的,磨削火花信号的统计特征量能够反映砂轮磨削的不同状态。本文研究为进一步利用磨削火花信号实现砂轮磨损状态在线辨识提供了基础。     

高速深切磨削氧化锆陶瓷表面粗糙度的在线监测

从放在工件夹具上的声发射(AE)传感器测得的磨削加工中的AE信号中,提取有关磨削表面粗糙度的信息,用神经网络的方法对高速深切平面磨削工程陶瓷部分稳定氧化锆的工件表面粗糙度进行了在线连续监测.结果表明,该方法基本可行,通过进一步改进,可以用于高速深切平面磨削工程陶瓷工件表面粗糙度的在线监测.     

工程陶瓷高效深切磨削加工中声发射的实验研究

通过对部分稳定氧化锆(PSZ)和Al2O3两种工程陶瓷材料进行高效深切磨削加工中声发射的实验研究,分析了这两种材料在高效深磨过程中,在不同的砂轮线速度、工作台速度和磨削深度的条件下声发射信号变化的规律;同时也分析了在同一磨削参数下这两种材料对声发射信号的影响. 还分析了砂轮修整前后声发射信号的变化. 进一步在时域分析的基础上,对声发射信号进行了频谱分析. 分析了高效深磨过程中声发射信号的频谱分布范围. 实验研究结果表明,声发射信号与磨削过程有着良好的对应关系,可以利用磨削过程中声发射信号的变化规律实现对工程陶瓷材料高效深磨削过程的监测和控制.     

工程陶瓷高速深磨中声发射的实验研究

建立了工程陶瓷高速深磨中声发射的实验系统,自主开发了其中的声发射信号虚拟仪器采集系统.对部分稳定氧化锆(PSZ)和氧化铝进行了高速深磨声发射的实验研究,分析了磨削参数和工程陶瓷材料对声发射信号的影响.研究了砂轮修整前后声发射信号的变化.结果表明,即使在砂轮超高速和大切深下,声发射增加仍较小.选择砂轮超高速、大切深和小的工作台速度对高效低成本磨削工程陶瓷是有利的.运用声发射还可对砂轮磨损状态进行在线监测.     

高精度磨削加工用声发射对刀仪的研制

将声发射（ＡＥ）技术应用于砂轮与工件对刀状态的检测上，分析了声发射信号检测砂轮与工件的接触状态的机理，在实验的基础上研究了砂轮与工件不同接触状态时ＡＥ信号的幅度变化状况，并利用ＦＦＴ频谱仪对磨削加工中所获得的ＡＥ信号的频谱进行了分析。实验表明：ＡＥ法可以检测出０．５μｍ以下的对刀精度，测得砂轮与工件初始接触时所获得的ＡＥ信号的频谱范围主要分布在１５０￣３００ｋＨｚ之间。     

40Cr超高速磨削工艺实验研究

采用CBN砂轮,在砂轮线速度为90~210 m/s的磨削条件下,对40Cr进行了超高速磨削工艺实验.分析了在超高速磨削过程中砂轮周围气障对磨削过程的影响,讨论了砂轮线速度、切削深度、工件速度等工艺参数对磨削力、工件表面粗糙度、比磨削能的影响.实验表明,在高速超高速磨削过程中,砂轮速度提高使得磨削力大大减小,工件表面粗糙度值下降,工件表面质量得到提高;加大切削深度而工件表面粗糙度值增加不大,大大提高了磨削效率,同时也保证了工件表面质量.     

基于神经网络的磨削砂轮状态的在线监测

利用声发射(AE)传感器和功率传感器为信号源,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性,为磨削加工实现智能控制奠定了基础,并能为砂轮修整确定最佳的周期     

杯形砂轮磨削球面的表面粗糙度分布

基于杯形砂轮回转式磨削球面原理,对各个砂轮块运动轨迹在球面分段纵切的单位圆周长度上的落点数量进行统计,发现了不同尺寸杯形砂轮磨削球面的轨迹密度及表面粗糙度的分布规律.对比2组粗糙度测试实验,验证了轨迹密度分布所推测结论.实验结果表明,杯形砂轮尺寸、球面工件尺寸是影响杯形砂轮磨削球面粗糙度分布的关键因素.