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。     

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。     

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。     

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。     

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。     

磨削加工对象多变时砂轮状态在线监测方法

在磨削加工对象频繁更换的情况下 ,工件的材料、加工要求、磨削条件和磨削参数经常变化 ,使声发射信号的信息也随之发生变化 ,为此提出基于声发射信号多变情况下的归原处理法 ,用于多变磨削加工环境下砂轮状态的在线监测。通过实验验证了该方法的可行性     

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。     

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.     

Q235钢拉伸过程声发射能量谱与奇异性指数特征提取

为明确试样拉伸损伤过程声发射信号的变化规律,选取Q235钢试样开展轴向拉伸实验,并进行声发射信号的稳定连续采集。通过小波包分解与重构,提取声发射信号的小波包能量谱及信号幅值的奇异性指数特征。结果表明:信号能量在低频段较为集中,低频段中各频段能量占比随频段增加而降低,而高频段中则相反。随着损伤程度增加,高频能量占总能量比例不断减小,低频能量的总能量占比不断增加,奇异性指数不断下降。当拉伸速率增大时,高频能量在各拉伸损伤阶段的总能量占比不断下降,而低频能量占比和奇异性指数均升高。最后结合拉伸断口进行了宏、微观形貌特征分析。     

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。     

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。     

基于异类信息融合的砂轮磨损状态监测

Inconel 718作为难加工材料，磨削时砂轮磨损较快，影响加工后工件表面质量。提出了基于磨削力信号和磨削振动信号两种异类信息的砂轮磨损状态识别模型，研究了不同磨损状态下磨削力和磨削振动的时域和频域特征，并提取71种与磨损状态相关的特征。采用核主成分分析法对原始特征集进行特征提取，选取方差累计贡献率为96%的前13个主元作为融合特征集，基于最小二乘支持向量机(LS-SVM)算法建立了砂轮磨损状态识别模型，并采用受试者工作特征曲线(ROC)和准确率两个指标对模型进行了评估，受试者工作曲线面积(AUG)为0.93,准确率可达93.6%。     

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.     

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。     

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。     

铣刀切入切出阶段声发射信号特征的研究

铣刀切入切出过程的研究对于有效监测刀具状态以及改善铣削加工具有重要的意义。研究了铣刀切入切出阶段声发射信号的特征。在正交试验的基础上,通过小波变换提取各频段信号的能量比作为特征量,分析了切削速度、进给速度和铣削深度对切入切出阶段声发射信号的影响。     

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.     

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。