基于VMD-PNN的砂轮钝化声发射检测

在磨削加工过程中,加工刀具即砂轮会发生钝化现象,砂轮表面磨损影响加工精度和工件质量,需要及时检测并修整。磨粒的塑性变形、破碎、断裂等会产生声发射信号,能够作为精确识别砂轮钝化状态的依据,且不易被噪声干扰,因此提出一种基于变分模态分解（Variational Mode Decomposition,VMD）和概率神经网络（Probabilistic Neural Network,PNN）的砂轮钝化声发射检测方法。VMD可以将原始信号分解为多个本征模态函数（Intrinsic Mode Function,IMF）分量,筛选其中峭度较大的分量重构即得到声发射信号。声发射检测的关键是特征参数的选取,在相关研究基础上本文提出了声发射包络能量占比作为一个重要的特征参数,并选取了共5种特征参数,构建出5维特征向量数据集,输入到PNN中进行训练,经过测试识别准确度达到94.5%。该方法建立了声发射信号特征参数与砂轮不同钝化状态的关系,能够对砂轮严重钝化状态给出准确预警,具有实际应用价值。文章比较了声发射信号不同特征参数用于识别砂轮钝化状态的准确度,对特征参数的选用具有参考意义。     

利用支持向量机的磨削声发射监测技术

0引言声发射(AE)是指材料或结构受内力或外力作用产生变形或断裂,以弹性波的形式释放出应变能的一种物理现象。随着计算机技术和传感器技术的发展,声发射检测技术得到了越来越广泛的应用。与其他无损检测方法相比,声发射检测技术有其自身优点,尤其是对大型构件的整体性检测,更能表现出经济、快速和合理的特点。在实际的磨削生产过程中,需要实时监控砂轮(刀具)和工件的     

基于小波变换的磨削噪声在线监测方法

随着自动化程度的提高,对磨削加工过程的在线监测方法研究越来越受到重视.无损检测技术的发展,提供了一种通过磨削噪声来在线监测砂轮磨削状况的方法.由于砂轮在磨削过程中产生的噪声,与其本身的材质和磨削状态有着密切的关系,因此通过对磨削噪声信号的分析,就可以精确地获取砂轮磨削状态的信息.将磨削加工过程中实时采集到的噪声信号进行...