基于小波分析和GA-SVM的金刚石 砂轮磨损的声发射监测研究

针对工程陶瓷磨削中金刚石砂轮磨损状态判别准确度不高的问题,在部分稳定氧化锆陶瓷金刚石砂轮精密磨削的声发射智能监测实验中,在深入研究部分稳定氧化锆陶瓷磨削机理的基础上,对磨削声发射信号进行了5层离散小波分解。研究结果表明:金刚石砂轮磨损后,磨削声发射信号小波分解系数的有效值和方差,以及声发射信号小波能谱系数在低频率段都有所增大;利用部分稳定氧化锆磨削声发射信号的小波能谱系数或小波分解系数的有效值和方差值的组合,作为判别金刚石砂轮磨损状态的特征值,采用基于遗传算法支持向量机对金刚石砂轮的磨损状态判别准确度达100%,判别准确度明显优于BP神经网络方法。     

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...     

滚动轴承故障声发射信号的小波包络谱分析

利用声发射信号的高频特性采集滚动轴承故障信息,采用小波分析技术把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再采用小波包络谱分析方法识别故障信息.试验结果证明,基于声发射信号的小波包络谱分析可以有效地检测滚动轴承故障.     

声发射监控磨削过程中影响因素的实验研究

本文利用自制AE-I型声发射磨削检测仪进行试验，在分析磨削接触前后声发射信号变化的基础上，指出磨削接触前后声发射信号会出现很大变化，可以根据声发射信号的变化作为磨削接触的标志；在分析磨削过程中影响声发射信号大小的因素基础上，指出了影响声发射信号大小的主要因素，并提出了砂轮钝化的检测方法。     

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。     

声发射和小波包分析在损伤状态监测中的应用

为应用声发射技术对结构的损伤状态进行监测与识别,基于小波包分析提出了一种在线损伤监测方法。采用D-S证据理论对声发射信号的小波包能量谱进行多源信息融合得到改进的小波包能量谱,计算Mahalanobis距离构建结构损伤状态判别指标,采用t检验的概率方法考察不同损伤状态下判别指标的变化情况。旋转轴承结构的声发射信号分析结果表明,D-S证据理论能够对声发射信号的小波包能量谱识别样本抽取有效信息,结构损伤状态判别指标具有良好的结构损伤识别能力,能够准确地实现对结构不同损伤状态的识别。     

基于光纤光栅和支持向量机的声发射定位系统

利用光纤光栅传感器和边缘滤波原理构建传感系统,结合小波分解与重构和支持向量机算法,对铝合金板声发射定位进行了研究。根据划分区域进行声发射实验,探索声发射源所在区域与信号特征之间的关系。在对声发射信号进行小波分解的基础上,使用近似系数和细节系数进行重构,并对重构后的各信号计算其振荡能量作为信号特征,进行声发射区域识别。以重构信号的振荡能量作为输入、声发射区域位置类别作为输出构建支持向量机多分类模型,实现了声发射区域定位识别。实验结果表明,在400mm×400mm×2mm的铝合金板上对36个测试样本进行了多次声发射区域定位识别,在180次模拟实验中实现了176次声发射区域准确定位,正确率达到97.78%,声发射区域识别精度为30mm×30mm。该研究结果为机械结构的声发射区域定位检测提供了有效方法。     

风力机叶片疲劳裂纹AE信号的小波变换优化方法

为实现风力机叶片的及时有效地监测和维护,使用声发射技术采集疲劳裂纹信号,从而提取裂纹特征。而声发射信号的突发性和冲击性需要具有时频分析能力的信号处理方式来提纯和降噪,小波变换方法作为常用的时频处理方式油漆有效性,但是现有的小波基函数不足以适应该信号的分析。提出基于Shannon熵理论计算疲劳裂纹扩展的声发射信号的小波基函数带宽参数,得到最适合此裂纹声发射信号的Morlet小波基函数,计算优化基函数的小波,获得风力机疲劳裂纹特征成分在时间尺度平面的高幅值能量分布。实验研究表明,优化小波基的方法具有很好的时频聚集性和抗噪能力,实现了风力机叶片裂纹声发射信号的时频特征清晰准确的提取。     

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。     

基于声发射技术的超精密切削状态监测试验研究

针对超精密加工过程中的切削状态监测问题,利用声发射技术进行了接触检测和识别的试验研究。首先,将谐振频率为1 MHz的锆钛酸铅压电陶瓷传感器安装在靠近切削点的位置,并且为了降低背景噪声,利用声发射分析单元放大和100 kHz高通滤波器对信号进行了处理;然后,对切削刃与工件的接触极限进行了研究,实现了对切削刃位置的准确检测;最后,对切削状态变化引起的声发射信号变化进行了监测,对其切削状态进行了识别。研究结果表明:(1)当切削速度为60 m/min时,在切削深度为10 nm的情况下可以检测到切削刃与工件的接触;(2)声发射信号波形可以识别表面加工过程中发生的微小变化,且声发射平均值与切削速度呈高度正相关,声发射总能量与接触弧长成正比;这些结果证实了声发射技术用于切削状态监测的可行性。     

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。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

磨削粗糙度在线检测方法的实验研究

本文对基于摩擦声发射信号的磨削粗糙度在线检测方法进行了实验研究。实验结果表明，采用声发射传感器探头与磨削表面摩擦产生的声发射信号的特征可以对磨削表面粗糙度进行评价，建立了摩擦声发射信号特征与磨削表面粗糙度之间的对应关系，并通过实验对该方法的可行性进行了实测。结果表明，探针与工件表面摩擦声发射信号的FFT和RMS特征与磨削粗糙度有很好的对应关系，可用于磨削表面粗糙度的在线检测。     

混凝土结构中PZT传感器的多功能性分析及应用

针对混凝土结构被动监测中的压电陶瓷(也称锆钛酸铅,Pb-based lead zirconium titanate,简称PZT)传感器信号的多功能特性,提出了PZT传感器不同用途信号的提取方法。根据不同功能信号的频率范围差异,通过小波Mallat分解,得到用于反映结构整体动态信息的振动信号以及局部断裂破坏引起的声发射信号,通过与加速度传感器和声发射传感器信号比较,验证了提取方法的正确性,并将该方法应用到钢筋混凝土框剪结构模型地震破坏试验的实时监测中。试验结果表明,应用该方法提取到的振动信号能准确测得结构主频率等结构的动态信息,声发射信号部分能清楚捕捉局部损伤引起的能量释放情况。应用该方法可准确提取出结构的振动信号和声发射信号,利用同一PZT传感器能够实时评估和监测结构的整体动态特性和局部损伤状况。     

磨削白层特性及其与声发射信号的相关性

磨削白层严重影响零件的服役性能和寿命。为了研究磨削白层的物理本质,揭示磨削白层特性与声发射信号频谱幅值的相互关联,开展了淬硬GCr15轴承钢磨削实验,观测了磨削白层特性,揭示了磨削机械挤压和磨削热的耦合作用下声发射信号频谱规律。研究表明,白层组织更加致密,耐腐蚀性更强,显微硬度高于暗层与基体组织;磨削白层受到磨削温度与塑性形变的协同影响,当磨削温度低于工件材料名义相变温度时,在剧烈的塑性变形诱导下,磨削表面也会出现白层,当磨削温度超过名义相变温度时,白层厚度会突增;磨削时声发射信号受机械挤压应力和热应力效应协同影响,低频段幅值主要取决于机械挤压应力,高频段幅值主要受热应力效应影响,当磨削温度超过名义相变温度时,工件材料分/原子内能显著增大,进而产生无序高频振动,从而高频段幅值急剧增大。揭示了声发射信号高频段幅值与白层厚度之间关联关系,磨削过程中根据高频段幅值是否出现突变,可以判断磨削表面和亚表面是否出现相变及产生厚的白层。为白层厚度可控的磨削提供了在线监测方法。     

基于声发射与小波变换的阀门泄漏研究

在实验室建立了一阶水箱循环系统,采用声发射技术与小波变换理论,在相同的实验条件情况下,进行了不同开度下阀门泄漏的声发射检测实验。通过matlab软件对原始电压信号进行去噪处理、频率分析、能量特征分析,能够准确判断管道有无泄漏,得出泄漏大小与声发射信号之间的关系。经对各频段能量特征分析,进一步验证声发射技术在阀门泄漏应用的可靠性。     

粒子滤波在机械密封端面接触状态声发射监测中的应用

机械密封端面运行过程中所产生的声发射信号在传递过程中容易受到环境噪声的干扰,难以有效地从背景噪声中分离出来。研究粒子滤波技术在机械密封端面膜厚及开启状态声发射监测中的应用。将声发射传感器安装在机械密封静环座上,对动静环端面开启状态进行外部间接检测;运用粒子滤波技术处理采集的声发射信号,提取信号时域、频域及小波包能量特征;建立BP神经网络模型,对机械密封端面开启状态及膜厚进行识别。结果表明：粒子滤波技术能够有效地将密封端面产生的信号从背景噪声中分离出来;通过BP神经网络对提取的特征值进行模式识别,实现了密封端面膜厚变化范围的间接测量。该方法分析结果与电涡流传感器直接测量所得到的结果完全一致。     

磨削过程计算机集成智能监控系统

利用神经网络建立了磨削过程计算机集成智能监控系统,该系统将磨削过程监测、故障诊断和反馈控制组成一个有机整体.通过在线提取磨削声发射(AE)信号RMS峰值、FFT峰值、信号标准偏差以及信号累积幅值增量,可以实现磨削烧伤、磨削颤振、砂轮钝化等故障的在线实时诊断.通过反馈控制系统实现磨削参数的实时调整,提高了磨削加工的性能、效率和磨削质量的稳定性.实测结果证明了该系统的有效性.     

基于声发射和小波神经网络的机械密封状态分类新方法

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。