球墨铸铁磨削表面粗糙度的声发射智能预测研究

针对磨削表面粗糙度声发射预测精度和可靠性较低的问题,对球墨铸铁磨削表面粗糙度的声发射智能预测进行了研究。在球墨铸铁QT700-2平面磨削表面粗糙度声发射预测实验200组数据的基础上,提取了包含磨削声发射信号经验模态分解4个本征模函数的相关系数,和磨削声发射信号波形幅值、均方根值、方差、峰值频率、频谱峰值、功率谱峰值、峭度、偏度、AE信息熵等13个磨削声发射信号特征参数;建立了遗传优化的支持向量回归机GA-SVR和粒子群优化的支持向量回归机PSO-SVR这2个预测模型;在这200组磨削表面粗糙度声发射实验数据中,把随机提取的13个声发射信号特征参数输入到这2个预测模型中,进行了反复训练和预测,以提高其可靠性。研究结果表明:GA-SVR和PSO-SVR的磨削表面粗糙度声发射预测精度较高;这为磨削声发射在线智能监测汽车发动机球墨铸铁QT700-2曲轴磨削表面粗糙度打下了基础。     

高速深切磨削曲轴材料QT700-2表面粗糙度的在线监测

从放在磨削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汽车曲轴材料QT700-2工件表面粗糙度进行在线连续监测。结果表明,该方法基本可行,通过进一步改进,可以用于高速深切磨削汽车曲轴工件表面粗糙度的在线监测。     

基于卷积神经网络对磨削表面粗糙度声发射智能预测

表面粗糙度是衡量加工零件表面质量的主要指标,为提高球墨铸铁磨削表面粗糙度预测的精度,在球墨铸铁磨削表面粗糙度声发射预测实验基础上,使用深度学习卷积神经网络CNN自动提取磨削声发射信号特征值,使用卷积神经网络对球墨铸铁磨削的表面粗糙度声发射智能预测,准确度较BP神经网络高。     

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。     

声发射技术在修整工艺和磨削工艺参数选择上的应用

磨削过程中磨削力与AE声发射信号有较强的对应关系,对工件表面加工质量有很大影响。首先,以单因素实验法改变修整工艺的某个参数,得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;随后通过正交实验法,修整工艺参数以"三因数三水平"得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;之后探讨了利用AE声发射信号监测砂轮的磨损状态;最后通过正交实验法,磨削工艺参数以"三因素三水平"法得到了AE声发射信号与工件加工表面粗糙度之间的关系,为提高外圆磨床磨削质量和效率、选择最佳的工艺参数给出了指导。     

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。     

基于BP神经网络的表面粗糙度声发射预测

介绍了BP神经网络的原理、算法和公式,在对Matlab及其神经网络工具箱介绍的基础上,采用声发射信号有效值、FFT峰值和标准差作为输入,工件表而粗糙度作为输出,用BP神经网络的方法对高效深磨加工工程陶瓷Al2O3的工件表面粗糙度进行了训练、预测和分析.创新的研究方法是直接从磨削声发射信号中提取磨削表面粗糙度信息.结果表明,该方法可以实现高效深磨加工工程陶瓷工件表面粗糙度的监测.     

磨削烧伤声发射智能监测的研究进展

根据磨削加工中声发射监测的特点,在论述信号分析方法的基础上,重点综述了声发射技术在磨削烧伤智能监测中的研究进展;并揭示了声发射监测在砂轮钝化、工件表面粗糙度等领域的最新研究成果。最后阐述了基于声发射监测的智能磨削系统的发展现状,展望了智能声发射监测技术在磨削加工中的发展前景。     

光学玻璃磨削状态的声发射监测技术

本文通过建立光学玻璃磨削声发射状态监测系统,研究分析了光学玻璃超精密磨削过程中不同磨削工艺参数所对应声发射信号变化之间的关系.并通过该研究结果优化磨削工艺参数,使磨削后的光学玻璃表面粗糙度达到0.02μm,实验结果证明了声发射监测系统在光学玻璃超精密磨削过程中的实用性.     

磨削表面粗糙度在线检测方法的实验研究

在理论分析和实验研究的基础上，提出了一种在线检测磨削表面粗糙度的新方法，该方法利用声发射(AE）传感器探头与磨削表面摩擦产生的AE信号在线检测磨削表面粗糙度。并通过实际跟踪到测试证明了该方法的可行性。     

高速深切磨削氮化硅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氮化硅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,可以用于磨削工程陶瓷工件表面粗糙度的在线监测,为磨削智能化打下基础.     

高速深切磨削陶瓷工件表面粗糙度的在线监测

直接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氧化铝的工件表面粗糙度进行了在线连续监测。结果表明,该新方法不仅简易直接,而且切实可行,通过进一步改进,可以用于高速深切磨削加工工程陶瓷工件表面粗糙度的在线监测。     

恒转速曲轴切点跟踪磨削表面粗糙度的研究

通过恒转速曲轴切点跟踪磨削的运动学方程,结合基于磨削深度与弹性形变的磨削表面粗糙度计算模型,对不同磨削深度下的曲轴连杆颈表面粗糙度进行了求解计算。计算结果表明,曲轴转角及磨削深度对工件表面粗糙度值存在影响差值,揭示了曲轴连杆颈表面粗糙度值的变化规律,为今后恒转速曲轴切点跟踪磨削的表面粗糙度分析提供了理论依据。     

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...     

基于声发射分析的磨料流光整加工在线检测试验研究

针对磨料流光整加工中孔类零件表面粗糙度在线检测困难的问题,将声发射检测技术应用到了磨料流加工中。通过研究磨料流加工过程中的声发射源与声发射特性,利用参数分析法得到了波形特征参数随加工时间的变化曲线,建立了声发射信号的能量及振铃计数与零件表面粗糙度之间的关系;根据幂率流体本构方程计算了壁滑速度,分析了壁滑速度对声发射信号能量的影响。研究结果表明:声发射信号能量和振铃计数随着表面粗糙度的增大而增大,且两者随表面粗糙度的变化规律基本相同;表面粗糙度是声发射信号发生变化的主要原因,随着表面粗糙度的减小,即使增大壁滑速度,声发射信号强度也会降低;声发射可用于磨料流加工孔类零件表面粗糙度的在线检测。     

基于声发射信号的精密外圆切入磨削效率优化

针对精密外圆切入磨削加工时磨削效率问题进行研究。建立了磨削进给量与磨削时间的关系方程,进而得到磨削深度与时间的关系方程;建立了声发射信号的磨削理论模型,在线识别砂轮运动去除状态,通过加工试验分析磨削时间对磨削表面粗糙度和加工精度的影响;结合试验得到的声发射均方根信号进行曲线拟合,编写磨削时间在线分析软件,减少无效的磨削时间,提高磨削效率。试验结果表明:该方法能够在满足加工工艺的前提下,提高精密磨削切入磨的效率。     

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。     

基于小波系数统计特征的光学元件粗糙度声发射监测研究

表面粗糙度是光学元件表面质量的重要评价指标之一。传统的粗糙度检测方法大多采用离线方法,无法实现在线表征。为此讨论了一种基于声发射检测技术的表面粗糙度监测方法,利用改进的表面粗糙度检测装置,采集不同粗糙度下声发射信号;由于传统方法存在一定的局限性,因此提出了基于小波分解系数有效值统计特征的表面粗糙度监测方法,通过对摩擦抛光的声发射信号进行特征提取,来辨识粗糙度。研究结果表明,利用该方法所提取出的特征可以对表面粗糙度进行有效区分,验证了其是光学元件表面粗糙度声发射监测的有效方法。     

模拟磨削烧伤声发射信号的实验研究

人们一直试图运用声发射技术来在线识别磨削烧伤,但磨削烧伤的声发射信号相对较弱,容易被磨削中其它声发射信号所掩盖。为了在发现磨削烧伤声发射信号,对镍基合金和陶瓷材料热扩散的声发射信号特征进行了研究,该热扩散由激光照射引起,来模拟磨削热效应。运用短时傅里叶变换技术,在没有其它干扰因素的条件下,模拟磨削烧伤温度的声发射信号的频率特征被成功的提取出来。发现材料温度改变越大则声发射信号越强!     

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。