声发射(AE)信号在砂轮钝化程度检测中的应用

本文利用声发射（AE）信号的归原处理法，在线监测小批量、多品种磨削过程砂轮钝化程度，利用该方法可以克服仅靠监测AE信号幅值变化不能监测工件材料、加工要求和磨削参数经常变化环境下砂轮钝化程度的缺陷；实验结果表明，声发射（AE）信号的归原处理法能够有效监测砂轮的钝化。     

AE信号归原处理法在砂轮磨钝监测中的应用

利用声发射（AE）信号的归原处理法，在线监测小指、多品种磨削过程砂轮钝化程度，实验结果表明，该方法获得的结果与砂轮钝化有很好的一致性。     

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。     

磨削砂轮状态在线监测方法研究

提出了用声发射（AE）信号在线监测砂轮状态的方法.利用该方法可以监测工件材料、加工要求和磨削参数经常变化环境下的砂轮钝化程度和破碎情况;并采用神经网络建立了传感器信号与砂轮状态之间的非线性关系.     

基于声发射信号的外圆切入磨削去除率监测

针对精密外圆切入磨削加工的在线监测需求,提出一种采用声发射信号实现轴类零件材料去除率在线监测的方法。根据声发射信号强度与磨削力之间的联系,建立了声发射信号均方根曲线的预测模型,利用该预测模型研究了砂轮进给阶段和驻留阶段磨削系统时间常数的理论计算方法,推导了声发射信号均方根曲线与工件材料去除率的关系;编写了在线监测软件,利用声发射传感器实现了精密外圆切入磨削的材料去除率预测。实验证明,所建立的声发射信号均方根曲线模型具有良好的预测精度,基于该模型能够实现磨削系统时间常数在线评估,并实现精密轴类零件材料去除率的实时在线监测。     

基于BP网络的光学玻璃磨削砂轮钝化识别

砂轮钝化对光学玻璃磨削的加工质量有很大影响。为提出一个快速、准确的砂轮钝化识别算法,对BK9玻璃进行了平面磨削钝化试验,并采集其磨削力及声发射信号。对法向磨削力进行统计分析,确定了光学玻璃磨削中砂轮存在的三种磨钝状态。提出平均采样方法,对声发射信号进行快速降维并提取特征向量,输入BP神经网络进行训练。针对采样参数及网络结构进行优选,最终结果表明时,模型分类识别效果最好,准确率达到。     

基于声发射信号的精密外圆切入磨削时间评估算法及试验研究

针对精密外圆切入磨削智能监控的需求,设计一种基于声发射信号的磨削时间在线评估方法。通过建立声发射信号方均根值曲线预测模型,获得声发射信号与磨削系统时间常数的关系,设计磨削系统时间常数在线计算方法;利用在线检测的声发射信号识别砂轮运动去除状态,推导基于声发射信号的外圆切入磨削表面粗糙度评价和工件几何精度预测模型,以此建立砂轮进给与驻留时间的评估算法;编写磨削时间分析评估软件,设计磨削时间在线评估方法,通过加工试验分析磨削时间对磨削加工精度与表面粗糙度的影响规律,并对评估算法进行验证。试验结果表明:该评估方法能够根据磨削时间有效评价加工质量,为精密外圆切入磨削智能监控与工艺优化提供决策依据。     

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。     

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.     

磨削砂轮状态在线监测方法研究

用声发射(AE)信号在线监测砂轮状态的方法,可以监测工件材料、加工要求和磨削参数经常变化环境下砂轮钝化程度和破碎;并采用神经网络建立传感器信号与砂轮状态之间的非线性关系.