CN106826565A - 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 - Google Patents
一种利用磨削力监控砂轮磨损与磨削烧伤的方法 Download PDFInfo
- Publication number
- CN106826565A CN106826565A CN201710155540.0A CN201710155540A CN106826565A CN 106826565 A CN106826565 A CN 106826565A CN 201710155540 A CN201710155540 A CN 201710155540A CN 106826565 A CN106826565 A CN 106826565A
- Authority
- CN
- China
- Prior art keywords
- grinding
- grinding wheel
- state
- force
- wheel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 440
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000005299 abrasion Methods 0.000 title 1
- 238000001228 spectrum Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000003754 machining Methods 0.000 claims abstract description 10
- 230000008439 repair process Effects 0.000 claims abstract description 6
- 230000001186 cumulative effect Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 2
- 229910001651 emery Inorganic materials 0.000 claims 7
- 238000009825 accumulation Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 229910052593 corundum Inorganic materials 0.000 description 2
- 239000010431 corundum Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000006061 abrasive grain Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B55/00—Safety devices for grinding or polishing machines; Accessories fitted to grinding or polishing machines for keeping tools or parts of the machine in good working condition
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明提供一种利用磨削力监控砂轮磨损与磨削烧伤的方法，属于机械加工过程的监测与控制技术领域。实时采集磨削力信号的离散时间序列，通过时域或频域分析，提取磨削力信号的峭度、波形指标、峰值指标、脉冲指标、幅频谱峭度、幅频谱脉冲指标、幅频谱累计概率等重要特征参数，识别砂轮的不同磨损程度，及时对磨钝砂轮进行修整；在稳态磨削阶段时，实时提取切向磨削力平均幅值或功率谱的频谱矩心，控制磨削烧伤。本发明将磨削力在线监测与实时信号处理融合，可在整个磨削加工过程中实现砂轮—工件磨削接触状态、砂轮磨损状况、磨削烧伤等的智能监测与控制，具有抗干扰能力强、操作简单、便于编程实现、智能化等众多优势。
Description
技术领域
本发明属于机械加工过程的监测与控制技术领域，具体涉及一种基于磨削力信号的特征提取，进行在线实时监控砂轮磨损与磨削烧伤的新方法。
背景技术
磨削加工过程监控是机械加工过程监控的一个重要分支，是实现磨削加工智能化和自动化、保证制造质量等热点课题的关键组成。目前，机械加工过程监控技术采用传感器、仪表等测量手段，实时检测机械加工过程中的振动、功率、温度、磨削比能、力、加工火花、声发射等相关信息。通常将传感器感知技术、信号处理技术、人工神经网络等成果融合，采用信号处理技术提取传感器检测信号的相关特征参数，然后基于人工智能网络等方式判定磨削状态或决策，从而对机械加工过程可实现监测、控制及预测。信号处理过程中可提取的特征参数种类较多，且特征提取算法各异。针对不同的机械加工系统、信号源类型、信号处理手段等，应选取的有效特征参数存在差异。譬如，声发射信号常用特征就包括峰值均方根、标准差、能量、AE振铃计数、FFT峰值等。
砂轮磨损状态与磨削烧伤均直接对保证工件的加工精度、形位误差、表面完整性等都至关重要。由于磨削加工系统的不确定性和复杂性，现在砂轮磨损和磨削烧伤的在线监控实际被任用到生产实践的事例较小。“磨削即修整”，砂轮磨损识别及修整周期确定均有非常重要意义。主要可分为离线检测与在线检测。最先采用接触式探针的轮廓测量方法检测砂轮形貌，但探头摩擦磨损较快。扫描电子显微镜技术也被采用于观测砂轮形貌，近似计算砂轮表面切削刃的状态和数量，即能构造三维形貌，又能转化为等高线二维视图，是被任用于砂轮形貌离线检测中最广泛的一种方式。砂轮磨损的在线间接监测方法研究热点主要集中于基于加速度、功率、声发射技术、光学等传感器技术。砂轮磨损主要利用声发射信号检测或离线的光学检测。声发射信号源的干扰事件太多，容易受到干扰，造成分析结果不准确。离线的光学检测，需要中断生产，即费时间，更是费人力。磨削烧伤对表面完整性有严重危害性，是磨削加工过程要尽力避免发生的重点问题，主要预测手段分为三类：基于磨削热模型数值模拟方法、接触式或非接触式的在线温度直接检测方法、基于声发射、磨削火花温度、磨屑碳含量等方面的在线间接监测方法。磨削热模型数值模拟方法，根本无法反映磨削热的实际复杂传导过程。温度直接在线检测，在齿轮等实际磨削过程中应用较困难。接触式热电偶往往采用埋入的方式，对工件造成较大损伤，且测得仅是工件局部的平均温度。红外线等非接触式测温，因为受到冷却热的骤冷影响或砂轮的掩挡，也无法检测到磨削点的温度。国内外研究均表明，磨削火花温度、磨屑碳含量等间接监测方法均存在较大误差，暂且不适用于实际加工过程。
磨削力是磨削加工过程一个重要表征，与声发射信号、加速度信号、功率信号等比较而言，它跟砂轮磨损程度、磨削热、砂轮与工件接触状态等事件之间有着更密切的直接联系，且它的干扰信号源较少。磨削力测量，是一种基于传感器技术的在线监测手段，与离线检测比较，具有实时性，能及时反映砂轮与工件磨削过程中较多方面的信息。此外，磨削力检测设备与技术均非常成熟，便于简单操作与实现。然而，磨削力检测暂时主要任用于基础性实验研究，极少与砂轮磨损程度、磨削烧伤之间建立可适用性的定量关系，因而在实际生产中运用非常小。
发明内容
本发明的目的是为了更好实现磨削加工过程中砂轮磨损程度与磨削烧伤的监控，以便及时修整砂轮，避免磨削烧伤发生，提高工件加工表面质量。
本发明的利用磨削力监控砂轮磨损与磨削烧伤的方法，其包括以下步骤：
步骤1，实时采集磨削加工过程磨削力信号的离散时间序列，获得磨削力信号样本集X；并规定未接触状态、变切深磨削状态和稳态磨削状态以描述砂轮与工件之间的磨削状态；
其中，未接触状态表征砂轮与工件之间存在间隙；
变切深磨削状态表征砂轮与工件之间存在磨削深度变化，即砂轮切入工件的接触过程，或者砂轮切出工件的离开过程；
稳态磨削状态表征砂轮与工件之间的磨削深度不再变化，即磨削力信号处于最大值的状态；
步骤2，从所述磨削力信号样本集X中提取磨削力时域信号特征或频域信号特征，以此识别砂轮磨损程度、监控磨削烧伤状态。
进一步的，所述步骤1中采用测力仪传感器，每间隔0.2s逐步连续选取200个磨削力的离散时间序列数据，组成磨削力信号样本集X；
并在使用前将测力仪传感器进行清零与标定，使零位漂移量M少于2，且将测力仪传感器的采集频率设置为1000Hz。
进一步的，所述步骤2中从所述磨削力信号样本集X中提取磨削力时域信号特征，识别砂轮磨损程度的具体内容包括：
步骤21，提取磨削力时域信号的4个无量纲统计特征Xq、K、C、I，其中，Xq为磨削力时间序列集合X的峭度，K为磨削力时间序列集合X的波形指标、C为磨削力时间序列集合X的峰值指标，I为磨削力时间序列集合X的脉冲指标；
步骤22，未接触状态、变切深磨削状态无需识别砂轮磨损程度，仅在稳态磨削状态下进行砂轮磨损程度的识别：
选取步骤21所述的4个无量纲统计特征的任意一个为指标依据，开展砂轮磨损程度的分析：
(1)若峭度Xq介于1～2.8，或波形指标K介于1～1.25，或峰值指标C介于1～3，或脉冲指标I介于1～3.5，则砂轮工作正常，磨削力信号呈平稳状态，无需修整；
(2)若峭度Xq介于2.8～6，或波形指标K介于1.25～1.45，或峰值指标C介于3～4，或脉冲指标I介于3.5～5.5，则砂轮存在磨损，且无量纲统计特征值越大，则砂轮磨损越严重，依据工件加工精度要求决定是否修整砂轮；
(3)若峭度Xq>6,或波形指标K>1.45，或峰值指标C>4，或脉冲指标I>5，则砂轮磨损程度已经达到磨钝标准，需要及时修整或更换。
进一步的，所述步骤2中从所述磨削力信号样本集X中提取磨削力时域信号特征，监控砂轮磨削烧伤状态的具体内容包括：
步骤21，提取切向磨削力时域信号特征AVE，且AVE为切向磨削力时间序列集合的平均幅值；
步骤22，未接触状态、变切深磨削状态无需监控砂轮磨削烧伤状态，仅在稳态磨削状态下，以切向磨削力的平均幅值AVE为依据，监控磨削烧伤的发生；
稳态磨削状态中，若则砂轮与工件之间工作正常；
稳态磨削状态中，若则即将出现磨削烧伤状况，需中止磨削加工过程，重新选择磨削用量参数；
其中磨削用量参数为：fr为径向进给量或磨削深度，单位为mm；vw为轴向进给速度或进给速度，单位为mm/min；vs为磨削速度或砂轮转速，单位为m/s；T为常数，与材料、加工系统与条件有关。
进一步的，所述步骤2中从所述磨削力信号样本集X中提取磨削力频域信号特征的具体内容包括：
步骤21，对所述磨削力信号样本集X进行离散傅里叶变换分析，获得幅频谱与功率谱；
步骤22，提取磨削力频域信号特征FXq、FI、PF(k)、Fmid，其中FXq为幅频谱中随频率变化的幅值元素构成集合的峭度，FI为幅频谱中随频率变化的幅值元素构成集合的脉冲指标，PF(k)为幅频谱中幅值大小分布的累计概率函数，以及Fmid为功率谱的频谱矩心。
效果较好的，所述步骤2中未接触状态、变切深磨削状态无需识别砂轮磨损程度，仅在稳态磨削状态中识别砂轮磨损程度，具体内容如下：
,选取幅频谱的峭度FXq、脉冲指标FI、累计概率PF(k)这3个统计特征的任意一个为指标依据，开展砂轮磨损程度的分析：
若峭度FXq>35；或脉冲指标FI>18，则砂轮工作正常，无需修整；
若峭度FXq介于35～10；或脉冲指标FI介于18～8，则存在砂轮磨损，依据实际的工件加工精度要求，决定是否修整砂轮；
若峭度FXq<10，或脉冲指标FI<8，则砂轮磨损程度已经达到磨钝标准，需要及时修整或更换；
以累计概率PF(k)为PF(0.1)计，若PF(0.1)值介于0～0.25，则砂轮工作正常，午休修正；若PF(0.1)值介于0.25～0.8，则存在砂轮磨损，依据实际的工件加工精度要求，决定是否修整砂轮；若PF(0.1)值>0.2，则砂轮磨损程度已经达到磨钝标准，需要及时修整；其中PF(0.1)是以幅频谱超过最大值10％高度处的累计概率。
效果较好的，所述步骤2中监控砂轮磨削烧伤状态的具体内容包括：
若Fmid超过250Hz，则磨削表面将发生烧伤，及时中止磨削加工过程；
若Fmid介于150～250，则齿面处于磨削烧伤阈值区段，通过修整砂轮或者减小砂轮转速或磨削深度使得Fmid不介于150～250；
若Fmid少于150，则齿面不会磨削烧伤，继续保持砂轮工作。
本发明具有如下的特点及有益效果：
(1)该方法采用测力仪传感器在线实时采集磨削力信号的离散时间序列，且提取峭度、波形指标、峰值指标、脉冲指标、幅频谱峭度、幅频谱脉冲指标、幅频谱累计概率等重要特征参数，识别砂轮磨损程度，及时对磨钝砂轮进行修整。
(2)该方法在稳态磨削阶段时，实时提取切向磨削力平均幅值或功率谱的频谱矩心，控制磨削烧伤。它有信号源的干扰事件少、操作简单、便于编程实现等众多优势。
(3)当使用编程实现智能监控时，可减轻对操作人员的专业技能的依赖，促进磨削加工智能化和自动化的发展，及时修整砂轮，避免磨削烧伤发生，提高工件加工表面质量。
附图说明
图1为实施例1的执行过程；
图2为整个磨削过程的磨削力变化；
图3为实施例2的执行过程；
图4为合理修整砂轮的稳态磨削状态的幅频谱；
图5为磨钝砂轮的稳态磨削状态的幅频谱；
图6为未烧伤状态时的功率谱；
图7为磨削烧伤状态时的功率谱。
具体实施方式
原理分析：磨削力是磨削加工过程一个重要表征，它直接跟砂轮磨损程度、磨削热、砂轮与工件接触状态等事件之间有着密切联系。结合信号处理技术，利用不同砂轮磨损程度对时域信号或频谱的波形特征的影响，以及磨削烧伤产生对功率谱的频谱矩心偏移的影响，且通过数理统计分析，从而建立了砂轮磨损程度、磨削烧伤与磨削力信号特征之间的定量关系。通过信号处理技术，提取磨削力信号的峭度、波形指标、峰值指标、脉冲指标等时域特征，以及幅频谱峭度、幅频谱脉冲指标、幅频谱累计概率、功率谱的频谱矩心等频域特征，它们能与砂轮磨损程度或工件磨削烧伤状态保持良好的信息相关性。
故此，本发明提出一种利用磨削力监控砂轮磨损与磨削烧伤的方法，其利用磨削力的信号特征，进行砂轮磨损与磨削烧伤的在线实时监控方法。下面通过具体的实施例及附图，对本发明的技术方案作进一步的详细说明。
实施例1
以采用磨削力时域信号特征监控微晶刚玉砂轮成形磨削20CrMnTi钢齿轮过程为例，执行过程如附图1所示，它包括以下步骤：
第一步：实时采集磨削加工过程磨削力信号的离散时间序列，获得磨削力信号样本集X。
(1)事先将测力仪传感器进行清零与标定，使零位漂移量M少于2，且将测力仪传感器的采集频率设置为1000Hz。
(2)使用测力仪传感器实时采集20CrMnTi钢齿轮的成形磨齿过程的磨削力随时间的变化数据。
测力仪传感器可采用瑞士KISTLER品牌94272型号。
图2为在整个磨削过程的磨削力变化规律，直接反映了砂轮—工件的磨削接触状态。本方法将砂轮与工件之间的磨削状态可分为：未接触状态(如图2中的0～90ms与820～1000ms两个时间段)，变切深磨削状态(如图2中的90～280ms与770～820ms两个时间段)、稳态磨削状态(如图2中的280～770ms时间段)。
未接触状态：在未接触状态下，与砂轮与工件之间存在间隙。磨削力信号平稳，只存在微量的零位漂移量M，磨削力处于较小数值。磨削力信号随时间的推移，仅存在微小的波动。
变切深磨削状态：砂轮开始逐渐切入工件的接触过程或逐渐切出的离开过程，存在磨削深度变化，属于变切深磨削状态，均会导致磨削力信号随时间而剧增或剧减。
稳态磨削状态：在稳态磨削状态中，砂轮与工件之间的磨削深度不变化。当砂轮与工件之间存在显著的摩擦、挤压、成屑作用，磨削力信号处于最大值。磨削力随时间的推移，存在规则性波动。
(3)数据处理：每间隔0.2s，逐步连续选取200个磨削力的离散时间序列数据xi,(i＝0,1,...,199)，组成磨削力信号样本集X。
第二步：从第一步获得的磨削力信号样本集X中提取离散磨削力的时域信号特征，时域信号特征包括：峭度Xq、波形指标K、峰值指标C、脉冲指标I、平均幅值AVE。
提取磨削力信号样本集X的峭度Xq、波形指标K、峰值指标C、脉冲指标I共4个指标元素均描述了磨削力信号的冲击性振动强弱，若砂轮与工件之间的不平稳的冲击作用越大，各项指标元素值均会越大。若N为集合的元素数量，xi代表集合的元素序列，上述时域信号的4个特征指标的提取公式依次为
峭度
波形指标
峰值指标
脉冲指标
提取切向磨削力信号的数据样本集X的平均幅值AVE。平均幅值AVE的提取公式分别为
平均幅值
第三步：根据第二步获得的离散磨削力的时域信号特征识别砂轮磨损程度与监控磨削烧伤状态。
(1)砂轮磨损程度的识别
未接触状态、变切深磨削状态这2种砂轮—工件接触状态无需再识别，因为在步骤一时，图2的直观分析已经可以将其分别的很明显了。仅当在稳态磨削状态时，分析砂轮磨损与磨削烧伤即可。
在稳态磨削状态中，可以任意选择磨削力时域信号的峭度Xq、波形指标K、峰值指标C、脉冲指标I共4个特征指标的一个，进行识别砂轮的磨损程度。在稳态磨削状态中，经合理修整的砂轮，磨削力信号波形的规则程度较好，磨削力信号存在的冲击性振动能量较弱，所以上述4项无量纲特征指标值较小。据统计分析，经合理修整的砂轮，峭度Xq介于1～2.8，波形指标K介于1～1.25，峰值指标C介于1～3，脉冲指标I介于1～3.5。
在稳态磨削状态中，随着砂轮磨损程度的增大，磨削力信号中的冲击特征逐渐显著，磨削力信号波形越不规则，上述4项无量纲特征指标值也增大。据统计分析，峭度Xq介于2.8～6，波形指标K介于1.25～1.45，峰值指标C介于3～4，脉冲指标I介于3.5～5.5。则砂轮存在较轻度的磨损，砂轮通常以均匀磨损为代表，或者局部少量的磨粒脱落，磨削力信号呈周期性且有规律的冲击振动。砂轮磨损越严重，各项指标值越大。可以依据实际的工件加工精度要求，进行决定是否修整砂轮。
若在稳态磨削过程中，峭度Xq>6,波形指标K>1.45，峰值指标C>4，脉冲指标I>5时，砂轮磨损程度已经达到磨钝标准，砂轮表面的磨粒与结合剂出了大面积剥落，砂轮—工件之间因不平稳接触导致无规律的冲击振动信号强烈，需要及时修整。
(2)磨削烧伤状态的监控
实现磨削加工过程的磨削烧伤控制。经试验研究表明，为了避免齿面磨削烧伤的发生，切向磨削力信号的平均幅值AVE应该近似满足其中：fr为径向进给量(或磨削深度)，单位为mm；vw为轴向进给速度(或进给速度)，单位为mm/min；vs为磨削速度(或砂轮转速)，单位为m/s；T为常数，与材料、加工系统与条件等存在关系。可保持轴向进给速度vw与磨削速度vs不变，通过不断增加磨削深度fr，测定不同磨削条件下发生磨削烧伤时，切向磨削力的临界平均幅值P，则常数经试验研究表明，20CrMnTi钢齿轮的成形磨削加工的常数T约为123.5。因此，当磨削加工过程中切向磨削力的平均幅值时，将容易导致磨削烧伤状况，及时中止磨削加工过程，重新选择磨削用量参数。
实施例2
以采用磨削力频域信号特征监控微晶刚玉砂轮成形磨削20CrMnTi钢齿轮过程为例，执行过程如附图3所示，它包括以下步骤：
第一步：与实施例1中的第一步相同，在此不再赘述。
第二步：从第一步获得的磨削力信号样本集X中提取磨削力信号的频域特征值，频域特征包括：幅频谱波形的峭度Xq、脉冲指标I、累计概率分布函数PF(k)、以及功率谱的频谱矩心Fmid。
(1)对磨削力离散时间序列X进行离散傅里叶变换分析，获得幅频谱与功率谱。其中，幅频谱代表磨削力时域信号各谐波的幅值随频率的分布，功率谱是谐波频率时域信号幅值的自乘,更加突出主要频率成分。
(2)提取幅频谱的峭度FXq与脉冲指标FI，这2项无量纲特征指标均是描述幅频谱的脉冲特征与波峰形态。PF(k)为幅频谱中幅值z超过最大幅值MAXF比例k(0<k<0.6)的频率成份的累计概率。提取幅频谱与对数谱的均值u与方差σ，且经检验其服从正态分布。则其累计概率分布函数PF(k)为
(3)提取功率谱的频谱矩心Fmid。若N为序列的元素数量，y(n)代表功率谱的纵坐标幅值序列，f(n)代表横坐标频率序列，则频谱矩心为
第三步：根据第二步获得的离散磨削力的频域特征值识别砂轮磨损程度与监控磨削烧伤状态。
(1)砂轮磨损程度
当砂轮磨损严重时，使得砂轮—工件之间存在不平稳接触，使磨削力信号存在周期性的脉冲振动，在频谱上出现调制边频带。图4、图5依次分别是砂轮磨损程度较轻时稳态磨削状态、磨钝砂轮的稳态磨削状态时的幅频谱图例。可以任意选择幅频谱的峭度FXq、脉冲指标FI和累计概率分布函数PF(k)共3类特征指标中的一个，进行识别砂轮的磨损程度。
在稳态磨削状态中，合理修整的砂轮或磨损程度较轻的砂轮时，峭度FXq>35；脉冲指标FI>18。当砂轮磨损程度较明显时，随着磨损程度越大，脉冲振动越明显，频谱图中的干扰谐波成份越多，峭度值FXq和脉冲指标FI越小，稳态磨削阶段的峭度值FXq介于35～10；脉冲指标FI介于18～8。若在稳态磨削过程中，幅频谱的峭度FXq<10,幅频谱的脉冲指标FI<8时，砂轮磨损程度已经达到磨钝标准，需要及时修整。
若以幅频谱超过最大值10％高度处的累计概率PF(0.1)值为准进行评估砂轮磨损程度。在稳态磨削阶段，经合理修整的砂轮或磨损程度较轻的砂轮时，稳定磨削阶段的PF(0.1)值最小，介于0～0.25。当砂轮磨损程度较明显时，随着磨损程度越大，PF(0.1)值越大，稳态磨削阶段的PF(0.1)介于0.25～0.8。若在稳态磨削过程中，幅频谱的累计概率PF(0.1)值>0.2时，砂轮磨损程度已经达到磨钝标准，需要及时修整。
(2)实现磨削加工过程的磨削烧伤控制。
图6、图7依次分别是磨削烧伤、未烧伤的功率谱图例。当磨削用量参数选择不合理，或者砂轮磨损严重时，容易导致磨削烧伤的产生，使得功率谱的频谱矩心向高频区段偏移。经研究发现，在稳态磨削阶段时，当功率谱的频谱矩心Fmid超过250Hz时，齿面将发生烧伤，及时中止磨削加工过程，重新选择磨削用量参数(磨削烧伤可能是由砂轮磨损严重造成，也可能是由磨削用量参数选择不合理造成的。可通过上述方法进行识别砂轮磨损程度，若砂轮磨损严重，要及时修整砂轮。否则，应该适当减小砂轮转速或磨削深度)。当功率谱的频谱矩心Fmid介于150～250时，齿面有可能会磨削烧伤，也有可能未烧伤，处于磨削烧伤阈值区段，可修整砂轮或者减小砂轮转速或磨削深度，应该尽量避免频谱矩心在该区段的出现。当功率谱的频谱矩心Fmid少于150时，齿面不会磨削烧伤。
Claims (7)
1.一种利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，包括以下步骤：
步骤1，实时采集磨削加工过程磨削力信号的离散时间序列，获得磨削力信号样本集X；并规定未接触状态、变切深磨削状态和稳态磨削状态以描述砂轮与工件之间的磨削状态；
其中，未接触状态表征砂轮与工件之间存在间隙；
变切深磨削状态表征砂轮与工件之间存在磨削深度变化，即砂轮切入工件的接触过程，或者砂轮切出工件的离开过程；
稳态磨削状态表征砂轮与工件之间的磨削深度不再变化，即磨削力信号处于最大值的状态；
步骤2，从所述磨削力信号样本集X中提取磨削力时域信号特征或频域信号特征，以此识别砂轮磨损程度、监控磨削烧伤状态。
2.如权利要求1所述的利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤1中采用测力仪传感器，每间隔0.2s逐步连续选取200个磨削力的离散时间序列数据，组成磨削力信号样本集X；
并在使用前将测力仪传感器进行清零与标定，使零位漂移量M少于2，且将测力仪传感器的采集频率设置为1000Hz。
3.如权利要求1所述的利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤2中从所述磨削力信号样本集X中提取磨削力时域信号特征，识别砂轮磨损程度的具体内容包括：
步骤21，提取磨削力时域信号的4个无量纲统计特征Xq、K、C、I，其中，Xq为磨削力时间序列集合X的峭度，K为磨削力时间序列集合X的波形指标、C为磨削力时间序列集合X的峰值指标，I为磨削力时间序列集合X的脉冲指标；
步骤22，未接触状态、变切深磨削状态无需识别砂轮磨损程度，仅在稳态磨削状态下进行砂轮磨损程度的识别：
选取步骤21所述的4个无量纲统计特征的任意一个为指标依据，开展砂轮磨损程度的分析：
(1)若峭度Xq介于1～2.8，或波形指标K介于1～1.25，或峰值指标C介于1～3，或脉冲指标I介于1～3.5，则砂轮工作正常，磨削力信号呈平稳状态，无需修整；
(2)若峭度Xq介于2.8～6，或波形指标K介于1.25～1.45，或峰值指标C介于3～4，或脉冲指标I介于3.5～5.5，则砂轮存在磨损，且无量纲统计特征值越大，则砂轮磨损越严重，依据工件加工精度要求决定是否修整砂轮；
(3)若峭度Xq>6,或波形指标K>1.45，或峰值指标C>4，或脉冲指标I>5，则砂轮磨损程度已经达到磨钝标准，需要及时修整或更换。
4.如权利要求1所述的利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤2中从所述磨削力信号样本集X中提取磨削力时域信号特征，监控砂轮磨削烧伤状态的具体内容包括：
步骤21，提取切向磨削力时域信号特征AVE，且AVE为切向磨削力时间序列集合的平均幅值；
步骤22，未接触状态、变切深磨削状态无需监控砂轮磨削烧伤状态，仅在稳态磨削状态下，以切向磨削力的平均幅值AVE为依据，监控磨削烧伤的发生；
稳态磨削状态中，若则砂轮与工件之间工作正常；
稳态磨削状态中，若则即将出现磨削烧伤状况，需中止磨削加工过程，重新选择磨削用量参数；
其中磨削用量参数为：fr为径向进给量或磨削深度，单位为mm；vw为轴向进给速度或进给速度，单位为mm/min；vs为磨削速度或砂轮转速,单位为m/s；T为常数，与材料、加工系统与条件有关。
5.如权利要求1所述的利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤2中从所述磨削力信号样本集X中提取磨削力频域信号特征的具体内容包括：
步骤21，对所述磨削力信号样本集X进行离散傅里叶变换分析，获得幅频谱与功率谱；
步骤22，提取磨削力频域信号特征FXq、FI、PF(k)、Fmid，其中FXq为幅频谱中随频率变化的幅值元素构成集合的峭度，FI为幅频谱中随频率变化的幅值元素构成集合的脉冲指标，PF(k)为幅频谱中幅值大小分布的累计概率函数，以及Fmid为功率谱的频谱矩心。
6.如权利要求5所述的利用磨削力频域信号特征监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤2中未接触状态、变切深磨削状态无需识别砂轮磨损程度，仅在稳态磨削状态中识别砂轮磨损程度，具体内容如下：
选取幅频谱的峭度FXq、脉冲指标FI、累计概率PF(k)这3个统计特征的任意一个为指标依据，开展砂轮磨损程度的分析：
若峭度FXq>35；或脉冲指标FI>18，则砂轮工作正常，无需修整；
若峭度FXq介于35～10；或脉冲指标FI介于18～8，则存在砂轮磨损，依据实际的工件加工精度要求，决定是否修整砂轮；
若峭度FXq<10，或脉冲指标FI<8，则砂轮磨损程度已经达到磨钝标准，需要及时修整或更换；
以累计概率PF(k)为PF(0.1)计，若PF(0.1)值介于0～0.25，则砂轮工作正常，午休修正；若PF(0.1)值介于0.25～0.8，则存在砂轮磨损，依据实际的工件加工精度要求，决定是否修整砂轮；若PF(0.1)值>0.2，则砂轮磨损程度已经达到磨钝标准，需要及时修整；其中PF(0.1)是以幅频谱超过最大值10％高度处的累计概率。
7.如权利要求5所述的利用磨削力监控砂轮磨损与磨削烧伤的方法，其特征在于，步骤2中监控砂轮磨削烧伤状态的具体内容包括：
若Fmid超过250Hz，则磨削表面将发生烧伤，及时中止磨削加工过程；
若Fmid介于150～250，则齿面处于磨削烧伤阈值区段，通过修整砂轮或者减小砂轮转速或磨削深度使得Fmid不介于150～250；
若Fmid少于150，则齿面不会磨削烧伤，继续保持砂轮工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710155540.0A CN106826565B (zh) | 2017-03-16 | 2017-03-16 | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710155540.0A CN106826565B (zh) | 2017-03-16 | 2017-03-16 | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106826565A true CN106826565A (zh) | 2017-06-13 |
| CN106826565B CN106826565B (zh) | 2018-11-02 |
Family
ID=59144740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710155540.0A Expired - Fee Related CN106826565B (zh) | 2017-03-16 | 2017-03-16 | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106826565B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109531421A (zh) * | 2019-01-10 | 2019-03-29 | 力德精密工业(深圳)有限公司 | 一种基于精密内外圆磨床的实时尺寸检测系统及检测方法 |
| CN110039448A (zh) * | 2019-04-26 | 2019-07-23 | 中国工程物理研究院激光聚变研究中心 | 气囊磨损监测方法及设备 |
| CN111069979A (zh) * | 2018-10-19 | 2020-04-28 | 褔裕事业股份有限公司 | 自动侦测智能修砂的方法 |
| CN111251187A (zh) * | 2020-01-16 | 2020-06-09 | 华中科技大学 | 一种叶片磨削烧伤信息融合与特征提取方法及装置 |
| CN115383514A (zh) * | 2022-09-06 | 2022-11-25 | 陕西法士特齿轮有限责任公司 | 一种基于振动信号时域分析的磨削烧伤监测方法 |
| CN115586262A (zh) * | 2022-03-29 | 2023-01-10 | 哈尔滨工业大学 | 一种基于声发射技术的微细磨削在线无损监测方法 |
| CN116765520A (zh) * | 2023-06-05 | 2023-09-19 | 南京工大数控科技有限公司 | 一种大规格成型磨齿多走刀单齿面磨削工艺方法 |
| CN118528084A (zh) * | 2024-07-25 | 2024-08-23 | 万得福实业集团有限公司 | 一种金属板打磨工艺优化方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5072550A (en) * | 1989-11-27 | 1991-12-17 | Nippon Seiko Co., Ltd. | Grinding method and grinding machine with controlled grinding force |
| JPH06182667A (ja) * | 1992-12-21 | 1994-07-05 | Sony Corp | 研削加工方法 |
| CN202240898U (zh) * | 2011-10-07 | 2012-05-30 | 青岛理工大学 | 利用砂轮气流场在线检测砂轮磨损装置 |
| CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
| CN104044069A (zh) * | 2014-07-03 | 2014-09-17 | 上海理工大学 | 基于声发射信号光学工件亚表面损伤深度预测方法 |
| CN105345663A (zh) * | 2015-11-25 | 2016-02-24 | 厦门理工学院 | 一种可实时监控磨削工况的砂轮装置 |
| CN106078508A (zh) * | 2016-06-28 | 2016-11-09 | 长春工业大学 | 一种砂轮磨损在线监测方法 |
-
2017
- 2017-03-16 CN CN201710155540.0A patent/CN106826565B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5072550A (en) * | 1989-11-27 | 1991-12-17 | Nippon Seiko Co., Ltd. | Grinding method and grinding machine with controlled grinding force |
| JPH06182667A (ja) * | 1992-12-21 | 1994-07-05 | Sony Corp | 研削加工方法 |
| CN202240898U (zh) * | 2011-10-07 | 2012-05-30 | 青岛理工大学 | 利用砂轮气流场在线检测砂轮磨损装置 |
| CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
| CN104044069A (zh) * | 2014-07-03 | 2014-09-17 | 上海理工大学 | 基于声发射信号光学工件亚表面损伤深度预测方法 |
| CN105345663A (zh) * | 2015-11-25 | 2016-02-24 | 厦门理工学院 | 一种可实时监控磨削工况的砂轮装置 |
| CN106078508A (zh) * | 2016-06-28 | 2016-11-09 | 长春工业大学 | 一种砂轮磨损在线监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张甲英等: "声发射技术在磨削接触状态检测中的应用研究", 《仪器仪表学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111069979A (zh) * | 2018-10-19 | 2020-04-28 | 褔裕事业股份有限公司 | 自动侦测智能修砂的方法 |
| CN109531421A (zh) * | 2019-01-10 | 2019-03-29 | 力德精密工业(深圳)有限公司 | 一种基于精密内外圆磨床的实时尺寸检测系统及检测方法 |
| CN109531421B (zh) * | 2019-01-10 | 2020-11-10 | 力德精密工业(深圳)有限公司 | 一种基于精密内外圆磨床的实时尺寸检测系统及检测方法 |
| CN110039448A (zh) * | 2019-04-26 | 2019-07-23 | 中国工程物理研究院激光聚变研究中心 | 气囊磨损监测方法及设备 |
| CN111251187A (zh) * | 2020-01-16 | 2020-06-09 | 华中科技大学 | 一种叶片磨削烧伤信息融合与特征提取方法及装置 |
| CN115586262A (zh) * | 2022-03-29 | 2023-01-10 | 哈尔滨工业大学 | 一种基于声发射技术的微细磨削在线无损监测方法 |
| CN115383514A (zh) * | 2022-09-06 | 2022-11-25 | 陕西法士特齿轮有限责任公司 | 一种基于振动信号时域分析的磨削烧伤监测方法 |
| CN116765520A (zh) * | 2023-06-05 | 2023-09-19 | 南京工大数控科技有限公司 | 一种大规格成型磨齿多走刀单齿面磨削工艺方法 |
| CN118528084A (zh) * | 2024-07-25 | 2024-08-23 | 万得福实业集团有限公司 | 一种金属板打磨工艺优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106826565B (zh) | 2018-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106826565B (zh) | 一种利用磨削力监控砂轮磨损与磨削烧伤的方法 | |
| Marinescu et al. | A critical analysis of effectiveness of acoustic emission signals to detect tool and workpiece malfunctions in milling operations | |
| US3694637A (en) | Method and apparatus for detecting tool wear | |
| Alexandre et al. | Tool condition monitoring of aluminum oxide grinding wheel using AE and fuzzy model | |
| Bhuiyan et al. | 13.22—Review of sensor applications in tool condition monitoring in machining | |
| Miranda et al. | Monitoring single-point dressers using fuzzy models | |
| US20190160619A1 (en) | Tool State Detection Method of Machine Tool and System Thereof | |
| Jemielniak et al. | Tool condition monitoring in micromilling based on hierarchical integration of signal measures | |
| Adibi et al. | Grinding wheel loading evaluation using digital image processing | |
| JP2005125480A (ja) | 工具寿命の診断機能を有する切削加工方法 | |
| Aguiar et al. | In-process grinding monitoring through acoustic emission | |
| D’Addona et al. | Prediction of dressing in grinding operation via neural networks | |
| de Aguiar et al. | Monitoring of grinding burn by acoustic emission | |
| Zhong et al. | Correlation analysis of cutting force and acoustic emission signals for tool condition monitoring | |
| Aguiar et al. | In-process grinding monitoring by acoustic emission | |
| Li et al. | Adaptive network fuzzy inference system and support vector machine learning for tool wear estimation in high speed milling processes | |
| Junior et al. | Wear monitoring of single-point dresser in dry dressing operation based on neural models | |
| Prasad et al. | Surface textural analysis using acousto optic emission-and vision-based 3D surface topography—a base for online tool condition monitoring in face turning | |
| Zeng et al. | Surface characterisation-based tool wear monitoring in peripheral milling | |
| Aguiar et al. | Monitoring the dressing operation in the grinding process | |
| Ferreira et al. | Inferential measurement of the dresser width for the grinding process automation | |
| Zeng et al. | Multi-modal sensing for machine health monitoring in high speed machining | |
| Martins et al. | Neural networks models for wear patterns recognition of single-point dresser | |
| Klocke et al. | Online tool wear measurement for hobbing of highly loaded gears in geared turbo fans | |
| CN208621219U (zh) | 基于磨削阻力矩实时测量的砂轮磨损在线监测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181102 Termination date: 20190316 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |