金刚石砂轮与氧化锆磨削接触的声发射监测

目前陶瓷精密磨削中,声发射信号有效值RMS受背景噪声影响大,不能用来准确监测磨削接触。为此提出了利用小波重构声发射信号能量来监测金刚石砂轮与氧化锆陶瓷试件磨削接触的方法;并与磨削接触的背景噪声幅值判断和RMS值判断方法进行对比分析,发现小波重构声发射信号能量法不受机床背景噪声的影响,磨削接触判别更准确。     

金刚石砂轮与金刚石滚轮磨削接触的声发射监测

为了实现金刚石砂轮磨削加工金刚石滚轮过程的自动化,需要对磨削接触状态进行准确识别。由于磨削过程中材料去除率较小导致声发射信号幅值变化不显著,仅用有效值对磨削接触状态识别的准确性受噪声影响很大。针对此问题,通过模态分解和相关性分析相结合的方法对采集的声发射信号进行处理,再计算各分量的有效值和方差值完成特征提取,最后利用支持向量机对磨削接触状态进行识别。实际应用发现：该方法对滚轮的磨削接触状识别准确率达到了98.3%,准确实现了对磨削接触状态的识别。     

金刚石砂轮磨削性能退化评估

为了提取高精度磨削干涉中的声发射信号特征,实现砂轮磨削性能退化评估,针对熔石英开展全寿命周期金刚石砂轮磨削实验,基于小波包分析确定砂轮磨损敏感频段为低频段,然后计算声发射信号在低频段的归一化能量占比,再利用主成分分析对能量占比进行特征降维获得单值特征,利用该单值特征绘制砂轮磨削性能退化曲线。研究结果表明,监测特征能够清晰反映砂轮初期磨损、正常磨损和过度磨损三个阶段,且监测结果不受加工参数影响;砂轮磨削材料破裂尺度与声发射频率具有一定关系,伴随砂轮磨损的加剧,较大尺度破裂的比例上升,造成65kHz以下低频段特征的能量占比增大,监测特征显著增加,磨粒崩碎产生新的切削刃,砂轮的去除能力有所改善,监测特征数值回落,但是,不同样本的声发信号频谱差异性显著增加,说明砂轮加工状态不稳定,不利于精密与超精密加工中维持稳定质量的要求。砂轮形貌图像的白像素占比变化曲线验证了声发射特征对砂轮磨损状态判断的正确性。     

基于Shannon熵与声发射信号的CBN砂轮性能监测方法研究

为了在磨削加工过程中能够有效判别CBN(Cubic Boron Nitride)砂轮的磨削性能,提出了一种基于Shannon熵理论与声发射信号的CBN砂轮性能监测方法。首先,利用声发射传感器采集CBN砂轮磨削加工过程中的声发射信号,基于最大信息熵对CBN砂轮磨削加工过程中的声发射信号进行概率密度估计,获得磨削加工过程中声发射信号的最大熵概率密度分布。然后,通过分析研究CBN砂轮在修整过后循环磨削以及不同直径剩余磨削时的声发射信号特征,根据交叉熵原理分析CBN砂轮不同磨削性能时声发射信号最大熵概率密度分布,并通过设定交叉熵阈值来辨别磨削加工过程中CBN砂轮的磨削性能。最后,为验证该方法的实用性,在某工厂CBN砂轮磨削产品生产线上进行大量实验研究,结果表明,该方法对CBN砂轮磨损状态及CBN砂轮剩余寿命进行有效监测,验证了该方法监测CBN砂轮在磨削加工过程中磨削性能的有效性。     

工程陶瓷高效深磨声发射实验研究

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磨声发射实验研究,分析了两种材料在高效深磨过程中随不同的砂轮线速度、工作台速度和磨削深度声发射信号变化的规律,也分析了在同一磨削参数下两种材料对声发射信号的影响。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磨削过程的监测和控制。     

工程陶瓷磨削声发射和磨削温度磨削力联合监测的研究

磨削声发射可以对磨削过程实时监测,磨削声发射信号均方根AERMS可以用来分析磨削过程的特征.为了使用磨削力、磨削温度、磨削声发射来联合对工程陶瓷氧化锆与氧化铝磨削过程进行全面监测和对工程陶瓷磨削机理进行深入研究,通过实验研究了磨削声发射信号与磨削力和磨削温度之间的内在联系,建立了工程陶瓷氧化锆与氧化铝磨削声发射信号与磨...     

PSZ陶瓷磨削表面粗糙度的声发射预测

在部分稳定氧化锆（PSZ）陶瓷磨削声发射实验基础上,利用遗传算法优化BP神经网络,对磨削PSZ陶瓷的表面粗糙度进行了声发射预测,取得较好的预测结果。     

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。     

基于信息融合的精密磨削砂轮磨损状态在线识别方法研究

高质量非球面光学元件批量制造是目前精密磨削技术力求实现的目标。为了提高非球面光学元件精密磨削的加工效率,必须在加工过程中动态识别砂轮磨损状态,在砂轮接近或达到寿命周期时对其进行修整。寻求一种经济可行的方式,实现砂轮寿命周期在线评估,利用声发射、砂轮振动、磨削力等多种类型加工过程信号,提取和选择能够全面、灵敏反应砂轮磨损状态的特征,基于Dempster-Shafer证据理论,进行多源信息融合,实现精密磨削砂轮磨损状态在线识别。     

基于Elman神经网络的刀具磨损状态识别技术

由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态。实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz~130k Hz之间,将谐波小波包和Elman神经网络结合的方法可以有效地识别刀具磨损状态。     

钎焊砂轮磨削氧化锆陶瓷的实验研究

为了解决磨削过程中砂轮因磨损钝化而频繁修整,从而使磨削效率降低的问题,采用了一种磨粒高出露的钎焊砂轮。自制了粗粒度钎焊金刚石砂轮,砂轮制成后对其进行了预修整,减小了砂轮表面磨粒出露高度的不平度,然后对氧化锆材料进行了磨削实验,在磨削实验的过程中无需对砂轮进行再修整,砂轮磨削性能稳定。实验证明,这种砂轮磨削质量可靠,达到了较理想的磨削效果。     

基于灰度共生矩阵的金刚石砂轮磨损特征分析

提出了利用灰度共生矩阵描述平面SiC磨削中金刚石砂轮表面的纹理变化,研究了金刚石砂轮在磨削1h过程中的磨损情况。对砂轮进行清洗后,将采集的图像灰度级量化至16级,通过提取灰度共生矩阵的角二阶矩、熵、惯性矩和相关性这4种特征值,结合工程陶瓷磨粒的磨损,证明了由于尖角效应的存在,基于裂纹扩展效应的陶瓷切槽-推磨复合式平面磨削技术中金刚石砂轮的磨损主要以底部边缘5mm圆周、砂轮距底部3mm柱面的磨损为主,砂轮剩余柱面的磨损为辅。     

陶瓷材料高速深磨声发射信号分析

通过实验分析了工程陶瓷材料在高速深磨中不同磨削参数与声发射信号的关系。实验表明：材料、砂轮速度、工作台速度、切深4个因素与声发射信号有着很好的对应关系。声发射信号包含了大量有用的信息，可以利用声发射技术对陶瓷磨削过程进行有效的监测。     

高速深切磨削陶瓷表面粗糙度的在线监测

讨论了高速深切平面磨削工程陶瓷工件表面粗糙度的在线监测方法.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,在线监测方法基本可行,经过进一步改进后,可以用于高速深切平面...     

基于声发射监测的金刚石砂轮修整技术研究

建立完善的金刚石砂轮修整的声发射监测系统,利用声发射信号可直观反映出金刚石砂轮实际修整情况.通过分析计算砂轮在整形过程中声发射信号的标准差值可定量分析出砂轮实际修整效果,实验中使用电容传感器测量整形前后砂轮表面外形,测量结果证明了声发射监测系统在金刚石砂轮修整中的有效性.     

砂轮精确修整时的声发射检测方法

砂轮修整状态严重地影响砂轮的磨削性能,这在精磨及成形磨削过程中显得尤为突出。本文提出了一种砂轮精确修整的新方法,利用声发射试验检测系统实时提取砂轮修整过程中声发射信号的特征参量,有效地实现了砂轮型面的精确修整。     

用于磨削6H-SiC晶片的陶瓷结合剂金刚石砂轮制备及磨削试验研究

使用自制的陶瓷结合剂金刚石砂轮磨削6H-SiC晶片,研究了6H-SiC晶片材料去除方式和砂轮的磨损机理。研究结果表明：6H-SiC晶片材料去除方式主要是脆性断裂,磨削后晶片的表面粗糙度为Ra0.108μm,且砂轮部分气孔被磨屑填充,金刚石磨粒有轻微的破碎与磨损现象。     

圆弧形砂轮精密修整及其声发射在线监测技术

针对球面、非球面及自由曲面超精密磨削加工用圆弧形金刚石砂轮难以精密修整的问题,提出基于旋转绿碳化硅（GC）磨棒的端部在位精密修整方法及修整过程的声发射在线监测技术。基于圆弧形金刚石砂轮的结构特性,制订圆弧形金刚石砂轮的在位精密修整与修整过程的声发射在线监测技术方案。依据修整与在线监测方案,对D64圆弧形金刚石砂轮进行修整实验及其声发射信号采集,修整后跳动误差小于10μm,比修整前减小30μm左右,砂轮精度显著提高。利用声发射信号均方根值获取砂轮修整结束的特征预警阈值,实现了旋转GC磨棒端部在位精密修整过程的在线监测以及修整结束时间的准确判断,可以有效提高球面非球面磨削加工过程的效率。     

基于贝叶斯网络的平面磨削状态智能监测技术研究

为解决平面磨削过程中工件表面粗糙度预测和砂轮钝化监测困难的问题,利用贝叶斯网络建立了平面磨削状态智能监测模型。该模型在获取系统磨削用量和工件材料的基础上,在线提取磨削声发射信号的峭度系数,可以有效预测工件粗糙度和识别砂轮钝化状态,为数控系统调节加工参数提供参考。该模型在平面磨床的磨削监测试验中取得了良好的效果。     

基于最佳小波基小波特征的神经网络刀具磨损状态监测方法

以小波分析理论为基础,提出了以对数熵理论确定最佳小波包分解树结构的方法,提出了基于声发射信号最佳小波基最佳小波分量频段能量的声发射信号小波特征,开发了基于最佳小波基小波特征的神经网络刀具磨损状态在线监测系统,实验结果表明,该系统具有较高的监测精度,能满足工业现场对刀具磨损状态实时在线监测的要求.