基于声发射信号的铣刀故障诊断

发布时间：2019-10-04 05:19

【摘要】：金属切削过程的在线监控对于保证零件加工质量、减少刀具失效和机床故障、提高生产自动化水平具有重要意义。铣削过程会产生声发射信号，声发射信号蕴涵了丰富的与刀具状态密切相关的信息。本文以声发射信号为分析对象，研究铣刀的故障诊断。首先，构建了基于虚拟仪器技术的铣削声发射信号采集分析系统。系统以LabVIEW为软件平台，结合MATLAB数值分析软件，开发了基于声发射信号的采集系统、去噪系统、参数分析系统以及频域分析等软件系统。通过设计试验采集到了各种工况各种刀具状态下的声发射信号并对采集的声发射信号进行小波阈值去噪处理。然后,分别利用时域参数分析法与频域分析法对声发射信号进行了分析。对不同工况不同刀具状态下声发射信号的总振铃计数、总事件计数、总能量、有效电压（RMS）等统计特征参量进行了计算，结果表明刀具自新刀状态到微磨损状态再到严重磨损状态，其总振铃计数及总事件计数均呈现出下降的趋势，相反，其总能量及有效值电压值（RMS）则随着刀具磨损程度加剧而增大的趋势。对各信号进行频谱分析发现，随着铣刀磨损程度的加剧，能量主峰频率向低频移动并且功率谱幅值也相应的呈增大趋势；同时考察重心频率（FC）、均方根频率（RMSF）以及频率标准方差（RVF）这几个频率特征参数发现，FC、RMSF、RVF有随刀具磨损程度加剧而下降的趋势。之后，将神经网络技术应用于铣刀状态识别。研究了基于铣刀声发射信号的BP神经网络识别原理，分析了BP神经网络模型的工作工程，讨论了BP神经网络结构的确定及样本的确定等一些重要问题，给出了网络层数、各层节点数、网络参数初始化以及样本选取、样本构造、样本处理等相关问题的原则与方法，并建立了BP神经网络以实现铣刀状态识别。论文最后通过铣削试验对所构建的系统和提出的方法进行了验证。验证表明：所构建的基于LabVIEW平台的声发射信号采集分析系统响应速度快、界面友好、操作简便且实用可靠；基于BP神经网络的铣刀声发射信号故障识别方法是可行的，克服了其它识别方法过分依赖于经验与背景知识的缺点。
【图文】：

金属切削过程,变形区域

削过程中声发射现象产生的机理射是一种普遍存在的物理现象，自五十年代以来就有大量研究程中蕴涵着丰富的声发射信息。金属材料或结构在遇到内力塑性变形、形成裂纹或破裂以及金相组织相变等都会伴有应力了声发射现象，，而引发声发射的材料变形与裂纹扩展的物理则称为声发射源。声发射源涉及范围非常广泛，在金属切削过要来自加工的工件、切削过程中产生的切削以及切削刀具的弹如图 2-1 所示，第 I 变形区的材料在切削力作用下引起剪切滑及挤裂、折断；第 II 变形区刀具与切屑内外摩擦导致切屑进形；第 III 变形区因为刀具与工件表面摩擦，致使已加工表面刀面产生磨损[28]。所以在金属切削加工过程中，很显然刀具擦以及刀具后刀面的磨损、切削撞击、折断、剪切区塑性变形

示意图,铣削加工过程,声发射源,金属

由于铣削过程具有不连续性，这就使得铣刀在切入、切离工件时均号，而且这个信号很高，会产生声发射信号均方根（RMS）的两个铣刀在切离工件时存在切屑可能附着在铣刀上进入下一个切削循环拥塞，这造成声发射信号的水平及特征会随机变化。在铣削过程中由于每次铣削周期的铣削厚度不均而引起铣刀倾斜表变化及接触条件的变化。由于铣削过程是多刃切削的过程，所以存在多个声发射信号源。属铣削过程中，其铣削声发射信号源主要来自切削区内铣齿剪切区铣齿前刀面与铣屑间的摩擦、铣齿后刀面与已加工工件表面间的摩离开切削区时引起的铣齿载荷突变等。因为选用直柄立铣刀进行铣的切屑尺寸很小很小，故因切屑碎裂或纠缠而引起的声发射信号并此类铣削加工过程中的声发射信号主要有两个区域组成：铣刀周边以及铣刀后刀面与已加工表面接触区[29]。图 2-2 为金属铣削加工过示意图，图中 AB 表示铣刀周边与工件接触区，CD 表示铣刀后刀面接触区。
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TG54;TH165.3

【引证文献】