基于声发射的磨削表面粗糙度模型及实验验证

摘要

为实现对磨削过程中表面粗糙度的预测，在磨削过程中增加声发射装置，采用AE信号监测磨削状态，分析AE信号特征参量和频谱随磨削深度ap、砂轮速度vs和进给速度vw等磨削参数变化的规律。结果表明：随着ap和vw的增大，AE信号特征参量的有效值和振铃计数值都增大，AE信号的主要能量集中频谱在90～140 kHz，对应的频谱幅值呈逐渐增大趋势；而随着vs逐渐增大，AE信号特征参量的有效值逐渐减小，振铃计数值逐渐增大，频段对应的频谱幅值呈逐渐减小的趋势。对数据进一步分析，得出AE信号特征参量与加工表面粗糙度的对应关系，为表面粗糙度预测模型建立提供样本。利用基于BP神经网络的多信息融合算法对AE信号的多种特征参量信息进行合理融合，建立基于AE信号的磨削加工表面粗糙度多信息融合预测模型，该模型可在实际生产中预测磨削表面粗糙度。