基于声发射技术磨削表面粗糙度在线检测研究

摘要

磨削是一个动态的、非线性的加工过程，影响因素众多，传统方法难以获得表面粗糙度精确的数学模型。表面粗糙度在线检测一直难以解决。
　　本文构建了一套基于声发射信号的磨削表面粗糙度在线智能检测系统。建立了基于声发射的砂轮磨损状态在线识别模型和磨削表面粗糙度在线智能检测模型。
　　本文对磨削过程中的砂轮磨损状态声发射信号去噪处理进行了研究，提出了小波分解系数平均值的特征统计分析方法，对声发射信号特征提取，可以清晰地描述出砂轮磨损状态中声发射信号的细节特征。
　　根据磨削表面粗糙度形成的影响因素以及现有磨削表面粗糙度模型，研究了在砂轮不同磨损状态下，砂轮线速度、工件进给速度、磨削深度和磨削力比对表面粗糙度的影响以及规律。
　　本文建立了基于BP神经网络的砂轮磨损状态识别模型，利用小波分解系数平均值的特征统计分析法，提取砂轮磨损状态声发射信号的细节特征，将此特征作为网络输入。
　　以砂轮磨损状态、砂轮线速度、工件进给速度、磨削深度和磨削力比作为输入，建立了基于BP神经网络的磨削表面粗糙度在线检测模型。在此，磨削力比中包含了磨削加工过程中不可预知和不易测量的粗糙度影响因素。
　　建立了基于声发射信号的磨削表面粗糙度在线检测实验系统。对所建模型进行了实验研究，证明了本文建立的基于声发射信号的磨削表面粗糙度在线智能检测系统的可行性。

目录

声明

摘要

第一章 绪论

1．1 课题的来源和意义

1．2 磨削表面粗糙度的检测研究现状

1．2．1 磨削表面粗糙度测量方法概况

1．2．2 表面粗糙度在线检测技术研究现状

1．3 本文主要内容

第二章 声发射信号的分析处理方法的研究

2．1 声发射技术的理论基础

2．1．1 声发射信号的产生机理

2．1．2 声发射信号的分析处理方法

2．2 小波分析理论及算法

2．2．1 连续小波变换

2．2．2 离散小波变换

2．2．3 多分辨率分析及Mallat算法

2．3 磨削加工声发射信号采集系统

2．3．1 磨削加工声发射信号采集的实验系统

2．3．2 磨削声发射信号噪声来源以及预处理

2．4 磨削加工中声发射信号噪声的处理

2．4．1 小波变换半软阈值去噪法

2．4．2 小波基的选择

2．4．3 磨削声发射信号去噪效果评价准则及对比仿真

2．5 本章总结

第三章 砂轮磨损过程中的声发射信号特征提取研究

3．1 砂轮磨损状态评定标准

3．2 砂轮磨损过程中的声发射信号的特征提取

3．2．1 目前常用声发射信号的特征提取方法

3．2．2 砂轮磨损声发射信号小波分解系数平均值的特征统计分析法

3．3 砂轮磨损状态声发射信号特征提取实验研究

3．3．1 AE信号特征提取实验设计方案

3．3．2 实验结果与分析

3．4 本章总结

第四章 磨削加工表面粗糙度主要影响因素研究

4．1 磨削加工工件表面粗糙度的形成机理

4．2 磨削表面粗糙度模型

4．3 磨削表面粗糙度及其影响因素的实验研究

4．3．1 磨削用量

4．3．2 砂轮磨损状态

4．3．3 磨削力

4．3 本章总结

第五章 基于BP神经网络的表面粗糙度在线智能检测研究

5．1 人工神经网络

5．1．1 人工神经元结构

5．1．2 神经网络的互连模式的分类

5．2 BP神经网络

5．2．1 BP神经网络的算法

5．3 基于声发射的砂轮磨损状态识别模型

5．3．1 砂轮磨损状态识别BP网络结构

5．3．2 砂轮磨损状态识别仿真

5．4 基于BP网络磨削表面粗糙度在线检测模型

5．4．1 基于BP网络磨削表面粗糙度在线检测模型

5．4．2 磨削表面粗糙度在线检测BP网络结构

5．4．3 表面粗糙度在线检测仿真

5．5 砂轮磨损状态识别与表面粗糙度在线检测的实验研究

5．5．1 实验目的

5．5．2 实验条件

5．5．3 实验方案设计

5．5．4 实验结果与分析

5．4 本章总结

第六章 总结

6．1 结论

6．2 展望

致谢

参考文献