基于声发射信号的振动钻削刀具磨损状态监测试验研究
发布时间：2021-06-08 18:14
针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。
【文章来源】：机床与液压. 2020,48(13)北大核心
【文章页数】：4 页
【部分图文】：
刀具磨损状态监测装置图
为保证刀具磨损程度区别明显,对试验中加工第4,46个孔时,采集的钻中区域AE信号进行时域分析,如图2所示。由图2可以看出,随着磨损程度的增加,AE信号均值有所减小,但波形的整体变化并不明显,AE信号的均值与钻头磨损状态的相关性较低。因此,需要对AE信号中能有效表征刀具磨损状态的特征值进行分析。RMS值表示信号的能量,根据该数值的大小能够判断刀具磨损状态[8]。本文作者对刀具在不同磨损状态下的RMS值进行分析,如图3所示。
由图2可以看出,随着磨损程度的增加,AE信号均值有所减小,但波形的整体变化并不明显,AE信号的均值与钻头磨损状态的相关性较低。因此,需要对AE信号中能有效表征刀具磨损状态的特征值进行分析。RMS值表示信号的能量,根据该数值的大小能够判断刀具磨损状态[8]。本文作者对刀具在不同磨损状态下的RMS值进行分析,如图3所示。由图3可知,AE信号RMS值整体趋势随着刀具磨损程度的增加而增大,同时其增长趋势较为显著。AE信号的RMS值与刀具的磨损程度呈正相关,随着刀具磨损程度的增加,材料应变增大,工件内部释放的能量增强,AE信号RMS值随之增大。AE信号的RMS值与钻头的磨损状态存在较好地对应关系。根据AE信号RMS值的变化,可以实现刀具磨损状态的监测。
【参考文献】：
期刊论文
[1]复合叠层材料制孔过程刀具声发射特征分析[J]. 谢小明,冷晟,徐青,闵陶,管晨丞. 航空制造技术. 2018(05)
[2]基于信息融合的刀具磨损状态智能识别[J]. 徐彦伟,陈立海,袁子皓,颉潭成. 振动与冲击. 2017(21)
[3]超声轴向振动钻削断屑机理分析与试验研究[J]. 史尧臣,李占国,于雪莲,蔡云光. 制造技术与机床. 2017(10)
[4]刀具磨损监测的一种数据处理方法[J]. 库祥臣,曹贝贝,郭跃飞,段明德. 机床与液压. 2017(17)
[5]干气密封启动过程中的声发射信号特征[J]. 高志,林尤滨,黄伟峰,索双富,王玉明. 清华大学学报(自然科学版). 2013(03)
[6]Fatigue damage characterization of carbon fiber reinforced polymer bridge cables:Wavelet transform analysis for clustering acoustic emission data[J]. LI DongSheng 1* ,HU Qian 1 ,OU JinPing 1,2 &LI Hui 2 1 School of Civil Engineering,Dalian University of Technology,Dalian 116024,China; 2 School of Civil Engineering,Harbin Institute of Technology,Harbin 150090,China. Science China Technological Sciences. 2011(02)
[7]具备自动特征提取能力的智能监测系统[J]. 申志刚,何宁,李亮. 哈尔滨工业大学学报. 2010(09)
本文编号：3218947
【文章来源】：机床与液压. 2020,48(13)北大核心
【文章页数】：4 页
【部分图文】：
刀具磨损状态监测装置图
为保证刀具磨损程度区别明显,对试验中加工第4,46个孔时,采集的钻中区域AE信号进行时域分析,如图2所示。由图2可以看出,随着磨损程度的增加,AE信号均值有所减小,但波形的整体变化并不明显,AE信号的均值与钻头磨损状态的相关性较低。因此,需要对AE信号中能有效表征刀具磨损状态的特征值进行分析。RMS值表示信号的能量,根据该数值的大小能够判断刀具磨损状态[8]。本文作者对刀具在不同磨损状态下的RMS值进行分析,如图3所示。
由图2可以看出,随着磨损程度的增加,AE信号均值有所减小,但波形的整体变化并不明显,AE信号的均值与钻头磨损状态的相关性较低。因此,需要对AE信号中能有效表征刀具磨损状态的特征值进行分析。RMS值表示信号的能量,根据该数值的大小能够判断刀具磨损状态[8]。本文作者对刀具在不同磨损状态下的RMS值进行分析,如图3所示。由图3可知,AE信号RMS值整体趋势随着刀具磨损程度的增加而增大,同时其增长趋势较为显著。AE信号的RMS值与刀具的磨损程度呈正相关,随着刀具磨损程度的增加,材料应变增大,工件内部释放的能量增强,AE信号RMS值随之增大。AE信号的RMS值与钻头的磨损状态存在较好地对应关系。根据AE信号RMS值的变化,可以实现刀具磨损状态的监测。
【参考文献】：
期刊论文
[1]复合叠层材料制孔过程刀具声发射特征分析[J]. 谢小明,冷晟,徐青,闵陶,管晨丞. 航空制造技术. 2018(05)
[2]基于信息融合的刀具磨损状态智能识别[J]. 徐彦伟,陈立海,袁子皓,颉潭成. 振动与冲击. 2017(21)
[3]超声轴向振动钻削断屑机理分析与试验研究[J]. 史尧臣,李占国,于雪莲,蔡云光. 制造技术与机床. 2017(10)
[4]刀具磨损监测的一种数据处理方法[J]. 库祥臣,曹贝贝,郭跃飞,段明德. 机床与液压. 2017(17)
[5]干气密封启动过程中的声发射信号特征[J]. 高志,林尤滨,黄伟峰,索双富,王玉明. 清华大学学报(自然科学版). 2013(03)
[6]Fatigue damage characterization of carbon fiber reinforced polymer bridge cables:Wavelet transform analysis for clustering acoustic emission data[J]. LI DongSheng 1* ,HU Qian 1 ,OU JinPing 1,2 &LI Hui 2 1 School of Civil Engineering,Dalian University of Technology,Dalian 116024,China; 2 School of Civil Engineering,Harbin Institute of Technology,Harbin 150090,China. Science China Technological Sciences. 2011(02)
[7]具备自动特征提取能力的智能监测系统[J]. 申志刚,何宁,李亮. 哈尔滨工业大学学报. 2010(09)
本文编号：3218947
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3218947.html
教材专著
