（机械制造及其自动化专业论文）谐小波样本熵、混沌振子的研究与刀具磨损状态检测.pdf

东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交 的学位论文，是本人在导师的指导下，独立进行研究工作所取 得的成果。除文中已明确注明和引用的内容外，本论文不包含 任何其他个人或集体已经发表或撰写过的作品及成果的内容。 论文为本人亲自撰写，我对所写的内容负责，并完全意识到本 声明的法律结果由本人承担。 东华大学学位论文版权使用授权书 愀 学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印 或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密彤 学位论文作者繇和隍 日期：2 0 1 0 年易月弓p 日 指导教师躲每，岁心】 日期：2 0 1 0 年7 月6 日 摘要 在机械加工中，如何实现刀具磨损在线监测是国内外学者研究的热点之一。 在切削过程中，刀具磨损直接导致切削力增大，从而造成工件刀具系统的振动增 大，降低了刀具的使用寿命，对机床精度也将产生损害。刀具磨损将导致工件尺 寸精度及表面质量变差。刀具工况监控和磨损量在线识别是实现高效低耗和加工 过程自动化的一项关键技术。本文主要工作如下： ( 1 )系统的证明了连续谐波小波的构造、正交性证明，特别是证明了谐波小波 在频域具有良好的盒特性；对离散二进谐波小波的正交性和其他性质给 出了数学上的详细证明。推导出了二进离散谐波小波表达式，证明了离 散二进小波的水平正交关系和垂直正交关系。 ( 2 )详细分析了谐波小波在时问序列分解算法和重构算法的三维时频网格图 对微弱奇异信号的敏感性，提出了应用谐波小波的时频剖面图，实现对振 动信号中奇异信号的提取。 ( 3 ) 根据样本熵模型在生物医学信号中的应用，理论上证明样本熵能够更精确 对短时间序列的复杂度描述。将这一数学模型首次应用到对刀具磨损度的 判别上，不需要采集大量的数据就能准确分析刀具磨损程度，有利于实时 监测的实现。 ( 4 ) 针对磨损刀具和锋利刀，通过实验采集了5 4 组不同工作状态下的数据， 首先进行谐波小波分解，找出磨损刀具和锋利刀有明显差异的分解层， 对该层计算样本熵值的大小。这种工程应用能够更加精确的确定一个阈 值来描述刀具磨损程度。 ( 5 ) 证明并分析了d u f f j n g 混沌振子在检测奇异信号的优良特性，应用到刀具 磨损的奇异性分析。通过对d u f f i n g 变形处理，将黄金分割寻优算法与 l y a p u n o v 指数算法相结合，能够快速得从混沌到周期的系统临界阈值。 ( 6 )对2 7 种切削状态下锋利和磨损刀具实验所采集的5 4 组信号作为外部摄 动力嵌入到d u f f i n g 系统中，精确的确定系统临界阈值：当刀具磨损到 一定程度，d u f f i n g 系统相空间呈混沌态，阈值的对应了刀具的磨损程度。 关键字：谐波小波，样本熵，d u f f t n g 方程，刀具磨损 r e s e a r c hb a s e do nh a r m o n i cw a v e l e ta n dc h a o so s lli c a t i o n f o rt o o lw e a rc o n d ic ti o nd e t e c ti o n a b s t r a c t i nc n cm a c h i n i n g ，h o wt oa c h i e v eo n l i n et o o lw e a rm o n i t o t i n gf o c u so n eo f h o tp o i n tf o rn a t l v ea n da b r o a dr e s e a r c h e r s i nt h ec u t t i n gp r o c e s s ，t 0 0 1 w e a rd l r e c t l yl e dt oi n c r e a s e dc u r t i n gf o r c e sa n dv i b r a t i n ge x t e n to ft h e w o r k p i e c eo rt o o ls y s t e m t h u s ，r e s u l t i n gi nr e d u c i n gt h eli f eo fc u t t i n g t o o l s ，p r e c i s i o no ft h el a t h ew i l lb e e nt h ed a m a g e 1 7 0 0 1w e a rw i l ll e a d t ow o r k p i e c ed i m e n s i o n a la c c u r a c ya n ds u r f a c er o u g h n e s sisd e t e r i o r a t e d t o o lc o n d i t i o nm o n i t o r i n ga n dw e a rs c o p eo fo n 1 i n ei d e n t i f i c a t i o ni sk e v t e c h n o l o g yt oa c h i e v eh i g he f f i c i e n c ya n dl o wm a t e r i a lc o n s u m p t i o na n d a u t o m a t i o nf o rm a c h i n i n gp r o c e s s t h em a i nw o r ki nt h i sp a p e ri sf 0 1 1 0 w s ： ( 1 ) t h ec o n s t r u c t i o na n do r t h o g o n a lf o rc e n t i n u o u sh a r m o n i cw a v e l e th a s b e e np r o v e df i r s tc o m p l e t e l y i np a r t i c u l a r ，ag o o db o xc h a r a c t e r i s t i c s w a sd e m o n s t r a t e dd e t a il e d l yi nt h ef r e q u e n c yd o m a i n ：o c t a v ee x p r e s s i o n s o fd is c r e t eh a r m o n i cw a v e l e tisi n d u c e d b o t hh o r iz o n t a lo r t h o g o n a la n d v e r t i c a lo r t h o g o n a lf o rt h eo c t a v ee x p r e s s i o n si sp r o v e dd e t a i l e d l y i t i sm e a nt h a tt h eh a r m o n i cw a v e l e ti so fb e t t e rc h a r a c t e r i s t i c st h a nt h e o t h e rw a v e e tf o rt i m es e r i e sd e c o m p o s i t i o n s ( 2 ) t h r e ed i m e n s i o n s t i m e f r e q u e n c yg r i dm a pa n d it sr e c o n s t r u c t i o n a l g o r i t h mo fh a r m o n i cw a v e l e ta r ei n d u c e d ，t h a ti sv e r ys e n s i t i v i t yf o r w e a ks i n g u l a rs i g n a l s r e c o g n i z e d i nt i m es e r i e s d e c o m p o s e d t h e n ， t i m e f r e q u e n c yp r o f i1 em a pi sg i v e n ，t h ew e a ks i n g u l a rs i g n a l sc a nb e e x t r a c t e de a s il y ( 3 ) b a s e do nt h es a m p l ee n t r o p yh a sb e e na p p l i e di nb i o m e d i c a ，i ti s s h o wt h a t s a m p l ee n t r o p yi so ft h em o r ea c c u r a t e yf o rs h o r tt i m es e r i e s t oa n a l y s i si t sc o m p l e x i t y t h e n ，t h es a m p l ee n t r o p yi si n t r o d u c e di n t o t h et o o w e a rd e g r e eo fd i s c r i m i n a t i o nt h a tn e e dl e s s d a t ac o l l e c t e d ，i ti sp o s s i b l ef o rt h er e a l i z a t i o no fo n t i m em o n i t o r i n g ( 4 ) t h ee x p e r i m e n ti sw o r k e da t2 7k i n d so fc u t t i n gc o n d i t i o n sw i t hs h a r p c u t e ra n dw e a rc u t e r ，w eh a v ec o l l e c t e d5 4s e t so fd a t aa st i m es e r i m s f i r s t ，e a c hg r o u pd a t as e ti sd e c o m p o s e db yh a r m o n i cw a v e l e t ，s i g n i f i c a n t d i f f e r e n c e sl e v e ld e c o m p o s e di ss e a r c h e db e t w e e ns h a r pc u t t e ra n dw e a r c u t t e r ，t h es a m p l ee n t r o p yf o rt h eie v e lina l l5 4g r o u pd a t as e tisc o m p u t e d t h u s ，o n et h r e s h o l dv a l u eo ns a m p ee n t r o p yisd e t e r m i n i n gb e t w e e ns h a r p c t 】t t e ra n dw e a rc t 】t t e r ( 5 ) i ti sp r o v e da n da n a l y s e dt h a td u f f i n gc h a o t i co s c i l l a t o ri so f i m p o r t a n ta d v a n t a g ei nt h ed e t e c t i o no fs i n g u l a rs i g n a l t h i sg o o d c h a r a c t e r i s t i c sc a nb ea p p tl e dt ot h et o o lw e a rr e c o g n i z e d d u f f i n g e q u a t i o ni st r a n s f o r m e d ，b a s e do nl y a p u n o ve x p o n e n tt h e o r y ，t h eg o l d e n s e c t i o na n do p t i m i z a t i o nc a nc o m p u t ec r i t i c a lt h r e s h o l df a s tf r o mc h a o s s t a t et op e r i o ds t a t eo nd u f f i n ge q u a t i o n ( 6 )2 7k i n d so fc u t t i n gc o n d i t i o nw i t hw e a rc u t t e ra n ds h a r pc u t t e r c o l l e c t e d5 4e x p e r i m e n t a lg r o u pa s a ne x t e r n a lp e r t u r h a t i o ns i g n a l e m b e d d e di n t ot h ed u f f in gs v s t e m t h ep r e cis ec r iti c a t h r e s h o l dc a r lb e d e t e r m i n e d w h e nt h et o o lisw o r et oac e r t a i ne x t e n t t h ep h a s es p a c eo f d u f f i n gs y s t e mt a k e0 n c h a o tics t a t e ，t h et h r e s h o l dc o r r e s p o n d st ot h e d e g r e eo f t o o lw e a r k e yw o r d ：h a r m o n i cw a v e l e t ，s a m p l ee n t r o p y ，d u f f i n ge q u a t i o n ，t o o lw e a r 目录 目录 第一章绪论，1 1 1 选题背景1 1 2 刀具磨损研究的现状1 1 3 刀具磨损研究发展趋势3 1 3 1 直接法3 1 3 2 间接法3 1 3 2 1 基于切削力的监测方法4 1 3 2 2 声发射( a e ) 法及小波分析4 1 3 3 分形维数6 1 4 声发射刀具磨损数据采集方案6 1 4 1 刀具的磨损形态6 1 4 2 刀具的磨损过程及标准8 1 4 3 实验方案9 1 4 4 实验数据分析。“ 1 5 本文研究的主要内容1 4 参考文献1 5 第二章谐小波理论与时频剖面图方法1 9 2 1 从泰勒公式到小波思想1 9 2 2 谐波小波的构造2 2 2 3 谐波小波二进离散化2 5 2 4 离散二进谐波小波频谱。2 7 2 5 谐波小波的正交性2 9 2 5 1 水平正交性证明3 1 2 5 2 垂直正交性3 2 2 5 3k 值对f 交性的影响3 4 2 6 谐波小波的零频段3 5 日录 2 7 谐波小波谐波小波三维时频网格图与时频剖面图3 9 2 7 1谐波小波时快速算法3 9 2 。7 2 谐波小波三维时频网格图4 0 2 7 3 谐波小波时频剖面图与微弱奇异信号提取4 3 2 8 谐波小波包在振动信号选频特性中的应用4 6 2 8 1谐波小波的选频特性4 6 2 8 2 谐波小波包滤波器谐波4 7 2 8 3 应用实例4 9 2 9 本章小结5 2 参考文献。5 3 第三章基于样本熵模型在震动信号复杂度分析中的应用5 4 3 1 熵的起源5 4 3 2 从近似熵到样本熵5 6 3 3 样本熵与近似熵算法比较5 7 3 4 样本熵与近似熵度量信号复杂度的仿真5 9 3 5 本章小结。6 2 参考文献6 3 第四章黄金分割法快速求解d u f f i n g h o l m 混沌临界值6 4 4 1 引言6 4 4 2d u f f i n g 混沌系统6 6 4 2 1d u f f i n g 混沌系统的改进型一d u f f i n a ( l y ) 6 7 4 2 2 改进后d u f f i n g ( l y ) 系统混沌性质6 9 4 3d u f f i n g ( l y ) 系统的混沌判别7 4 4 3 1 直观方法7 4 4 3 2l y a p u n o v 指数定量判别方法7 5 4 4 黄金分割法对d u f f i n g ( l y ) 系统域值计算7 8 4 4 1 基于l y a p u n o v 指数的近似阈值快速收索8 1 目录 4 4 2 黄金分割法与直观法确定系统精确域值。8 3 4 5 本章小结8 5 参考文献8 6 第五章 谐波小波与样本熵在刀具磨损状态检测中的应用8 7 5 1 引言8 7 5 2 对5 4 组采样数据进行谐波小波分解8 8 5 3 谐波小波分解各层均值和方差9 1 5 4 样本熵嵌入维数m 和误差阈值r 参数确定9 2 5 5 对5 4 组数据各层谐波小波分解样本熵9 5 5 6 本章小结9 6 参考文献9 7 第六章d u f f i n g h o l m e s 系统在刀具磨损检测的应用9 8 6 1 引言，9 8 6 2d u f f i n g ( l y ) 系统微弱奇异信号检测原理9 8 6 2 1 改变d u f f i n g ( l y ) 系统参数抑制混沌9 9 6 2 2 引入外部小摄动来抑制d u f f i n g ( l y ) 系统混沌1 0 0 6 3 快速求解d u f f i n g h o l m e s 混沌阈值判别刀具磨损程度1 0 1 6 3 1 基于d u f f i n g h o l m e s 振子检测微弱信号的方法1 0 1 6 3 2 刀具磨损程度的混沌阈值快速搜索1 0 2 6 4 本章小结1 0 7 参考文献1 0 9 第七章结论1 11 7 1 主要结论1 11 7 2 主要特色和创新点1l 1 博士期间发表论文11 2 致谢1 1 3 第一章绪论 第一章绪论 论述r 刀具磨损的嘛控在现代制造业的重要性；叫顾j ，j 具磨损的特点，目前各种监控方法， 提 h r 实现在线i i , f f n 的基本功能。给丫课题中綦于声发射试验的硬件采集系统；应用锋利刀具和 磨损j 具采集1 r2 7 种t 作状态下5 4 纰声发射数据。分析 r j 具磨损信号的基奉特征和声发射传 感器采集的刀具信。 j l l “e , 量特性。 1 1 选题背景 刀具状态智能监测技术作为先进制造技术的重要组成部分，是在现代传感器 技术、信号处理技术、计算机技术和制造技术基础上发展起来的新兴技术。刀具 在工件的切削加工过程中不可避免地存在着磨损和破损等现象，刀具状态的变化 直接导致切削力增加、切削温度升高、工件表面粗糙度上升、工件尺寸超出公差、 切屑颜色变化以及切削颤振的产生 1 。在传统的机械加工过程中，刀具状态的 识别是通过加工人员辨别切屑颜色和加工过程中的噪声等来判断，或根据加工时 间判断，或在加工工序之间拆卸刀具实测其破损程度和磨损量，这样会造成如果 刀具磨损量低于磨钝标准，则会因为没有充分利用刀具的实际寿命而带来浪费， 增加制造成本：另一方面；如果刀具磨损量高于磨钝标准，刀具己经磨钝或破损， 则会影响工件的加工表面质量和尺寸精度，严重时甚至会损坏机床。 解决这些问题的关键在于对刀具实际的磨损状态进行自动和实时检测。正如 美国学者b m k r a m e r 在c i r p 3 5 届年会上所说：在提高计算机集成制造系统生 产率方面，没有任何一项技术比准确地估计刀具寿命更重要 2 。 1 2 刀具磨损研究的现状 刀具的磨损机理十分复杂，是机械、物理、化学、热学等综合作用的结果。 在切削过程中，当刀具磨损到一定程度时，无论是机床、工件，还是刀具本身都 受到很大的影响，主要体现在以下几个方面：首先，刀具的磨损直接导致切削力 增大，从而造成工件刀具系统的振动增强，降低了刀具的使用寿命，对机床精 第一章绪论 度也将产生直接的损害。其次，刀具磨损在工件上反映主要表现在对工件粗糙度 和工件尺寸的影响。刀具磨损的加剧将导致工件尺寸精度变差，严重时会造成加 工方向产生大的变形。最后，由于刀具的磨损是一过程量，凭经验人为的判断很 难确定刀具磨损程度，往往出现刀具还没有报废时就提前换刀，提高了加工成本， 造成不必要的损失。或者换刀不及时，影响工件加工质量，限制了切削效率，而 且增大了机床故障出现的概率。 为了保证产品的质量和加工系统运行的稳定性和可靠性，需要对刀具磨损状 态进行在线监测。利用光学、机械振动、切削力、切削噪声：等方法进行监测都收 到了不同程度的效果 3 、2 5 。 刀具工况监控和磨损量在线识别是实现高效低耗和加工过程自动化的一项关 键技术。国内外研究人员在这一领域作了大量工作，进行了广泛研究，提出了许 多监控方法 6 ，9 ，1 l ，1 8 。 1 9 7 9 年m a t s u s h i m a 等人最早尝试利用图像处理及视觉系统进行刀具状态检 测 1 2 ；l e e 等( 1 9 8 6 ) 研究了使用基于v i c o m 图像分析系统的综合性方法 9 ； f g i u s t i ，m s a n t o c h i 留 1 9 8 7 ) 发展了用于切削刀具磨损循环检测的光导纤维 检测元件 9 ；j e o n 和k i m 1 9 8 8 ) 研究了使用相干光源的另一种方法 2 3 。切削 刀具的尖端由激光束照明，反射帧面由垂直于后刀面的照相机摄取。图像处理步 骤的序列包括二值图像去噪声及生成磨损区域的轮廓。系统的精度在0 1 、之内。 较高的处理速度( ( 1 7 s ) 使检测元件可以用于在线监测。但较小的照明区域却限 制了从每一图像帧获得的信息数量。 j p a r k 和a u i s o y 利用可调节的观测仪，基于后刀面磨损模式的观测技术 和递归最小平方参数估计算法的组合测量后刀面磨损 9 ；t e s h i m a 等( 1 9 9 3 ) 是首 先将视觉检测元件与神经网络结合对刀具寿命进行预测的学者 9 ；张昆等( 1 9 9 4 ) 在数控机床上应用光导纤维传像束和工业摄像机将刀具磨损图像输入监视器，并 利用图像采集卡将图像转换成数字图像存入微机，经二值化处理，从而实现刀具 磨损检测 7 ； 熊四昌( 2 0 0 3 ) 进行了基于计算机视觉的刀具磨损状态监测技术的 研究 9 。袁巧玲( 2 0 0 4 ) 进行了金属表面图像检测系统的开发 11 。建立了由c c d 摄像机、体式显微镜、视频采集卡和计算机构成的金属表面图像检测系统，开发 了相关的检测软件。基于l a b v i e w 平台建立了图像检测系统的框架，开发了图像 第一章绪论 获取、分割、边缘检测及系统的标定等功能模块。在输入刀具图像的灰度分割闽 值后，通过逐步执行增强边缘信息，阐值化、形态处理、自动计算磨损区域面积， 并给出测量结果详细信息表。 总之，对于金属刀具磨损，重点要研究磨损状态的判别和在线监控，在实际 生产中显得越来越重要。 1 3 刀具磨损研究发展趋势 刀具磨损状态监控技术已经成为国内外学者高度重视并进行广泛的研究的重 要课题。对于金属切削刀具其主要发展的趋势为：( 1 ) 采用定性分析和定量估计结 合的监测方式：( 2 ) 软测量技术的运用：( 3 ) 进一步提高实用性和可靠性：( 4 ) 开发 多信息融合、综合技术，实现监控系统的柔性化要求：( 5 ) 开发应用决策系统与学 习系统：( 6 ) 研制高可靠性、高寿命的配套传感器。 刀具磨损程度的测量是刀具状态检测的重要内容之一，刀具磨损程度的测量 可分为直接测量法和i 、白j 接测量法。 1 3 1 直接法 直接法是通过一定的测量手段来确定刀具材料在质量上的减少或形状上的改 变，如检测刀具的切削刃是否己磨损或检测刀具的切削刃位置的变化，并通过一 定的数学模型来确定刀具的磨损或破损状态，具体方法为：触针测量法，g r u n e r t 设计了一台机械触针式刀具刃口测量仪器 2 6 ：光学测量方法 1 0 ：扫描测量方 法 1 0 ：圈像监侧法 6 ，9 ，1l ，1 4 ，1 5 ：其它测量方法 1 3 。 由于直接法需要直接检测刀刃的形状、位置等参量，一般只能离线测量。 1 3 2 间接法 间接法主要是适于在线测量。 间接法则是测量切削过程中与刀具磨损或破损有较强内在联系的某一种或 者几种参量，或测量某种物理现象，根据其变化并通过一定的标定关系来检测刀 具的磨损或破损状态。许多可测量的参数能够用于识别刀具磨损或破损，例如： 切削力的突然增加或消失，表明刀具己破坏：切削温度的突然升高或降低也可表 第一章绪论 征刀具已磨损或破损：工件表面粗糙度的变化等等。在实际使用中较常见的是基 于切削力或力矩、切削功率、切削的声发射和工件表面粗糙度的测量方法。 1 3 2 1 基于切削力的监测方法 切削力变化是切削过程中与刀具磨、破损状念最为密切相关的一种物理现象。 采用切削力作为检测信号，具有拾取容易、反应迅速、灵敏等优点，是在线方法 中研究较多、很有希望突破的一种方法，所以是加工中心中测量刀具破损的常用 方法。 基于切削力的监测方法，采用的监测数据主要有切削分力，切削分力比，动 态切削力的频谱和相关函数等。当刀具破损时，切削力变化敏感。当刀具破损较 小时，刀具切削刃不锋利，使切削力增强：当产生崩刃或断刀时，切削深度减少 或没有，使切削力剧减。在监测切削力时，在x ，y ，z 三个方向上同时对f x )f y ) f z 三个分力进行测量，依靠装在每个电机上的伺服放大器测量出进给电机和主轴 电机的电流变化，并把电流变化传给力阀，在显示器上读出被测量的力，从而判 断刀具是否破损 2 4 ， 文献 2 7 ，2 8 ，2 9 研究了切削力系数、摩擦力系数、切屑平均厚度和切削刃 的平均长度与刀具磨损之间的关系，并建立切削力系数、切削三要素和刀具磨损 之间的数学模型，能够较好预测刀具的磨损：文献 3 0 ，3 1 ，3 2 建立了铣刀磨损面 和铣削力之问的模型，从理论上进一步说明了利用铣削力监测刀具磨损的有效性 文献 3 3 ，3 4 ，3 5 ，3 6 ，3 7 建立了背吃刀量、进给速度、刀具磨损、材料比压及旋转 角与切削力的函数关系，通过监测力的变化监测刀具的磨损：文献 3 8 建立了切 削力的自回归时序模型，并利用递归最小乘方方法实时更改模型系数，通过监测 模型系数确定刀具磨损量。文献 3 9 建立了车刀磨损与切削分力均值、切削速度 和切削分力比值的偏最小二乘回归模型，用来监测刀具后刀面的磨损：文献 4 0 、 5 6 通过抽取切削力信号的不同特征，利用神经网络建立了刀具磨损与切 削力的映射关系，对刀具磨损状念进行识别或计算精确的刀具磨损值。 1 3 2 2 声发射( a e ) 法及小波分析 自1 9 5 5 年德国科学家k a i s e f 发现声发射现象以来，声发射技术在工程应用 笫章绪论 方面得到迅速发展，被公认为是一种最具潜力的新型检测技术。声发射是一种物 理现象，是指固体材料在变形、破裂和相位改变时迅速释放应变能而产生的一种 弹性应力波。 研究表明，在金属切削过程中，工件材料的塑性变形、切屑的塑性变形、切 屑与刀具表面摩擦、刀具后刀面与己加工表面的摩擦、第一剪切区和第二剪切区 的塑性变形、刀具破损和切屑的破裂等现象都会引起声发射现象。声发射作为加 工过程中的基本物理现象，与刀具材料、工件材料、刀具参数、工件参数等密切 相关 5 7 ，5 8 。接收声发射信息的传感器有：谐振式压电传感器、差动式压电传 感器和宽带压电传感器。在应用中，声发射传感器通过磁力吸附在工件表面，具 有安装简便的优点。为了消除噪声的影响，信号一般经过高通滤波、前置放大、 带通滤波和主放进行处理。 由于声发射信号反映的是金属材料内部晶格的变化，因此包含与刀具磨损密 切相关的信息，对刀具磨损和破损有较好的预报特性，声发射监测技术也成为目 前应用最广泛的方法之一。 和其它检测方法相比，声发射信号的频率很高，一般在5 0 k h z 以上，能够避 开加工过程中振动和噪声污染严重的低频段，并能抵御一定范围内由于切削用量 变化而引起的信号干扰，因此具有灵敏度高，信息量丰富等优点。文献 5 8 详细 总结了声发射信号产生的机理，信号的特点及处理方法，指出了利用声发射信号 监测刀具磨损的优越性。研究结果表明，在f 常磨) j 状态下，声发射主要来自第 一、二、三变形区，是典型的连续信号。而刀月发生破损时，声发射信号是非连 续型突发信号；文献 5 9 、 6 9 分别将声发射信号用于车刀、钻头及铣刀的磨损 监测从不同应用角度阐述了声发射信号能够满足刀具磨损监测的要求。 声发射技术用于监测刀具的磨、破损是近年来声发射在无损检测领域方面新 开辟的一个应用领域。其原理是当固体材料在发生变形、断裂和相变时会引起应 变能的迅速释放，声反射就是随之产生的弹性应力波。当刀具破损时可检测到幅 值较高的a e 信号。声发射检测技术最初是应用在材料力学试验时机械性能的评 估和压力容器、管道裂缝泄漏的探测方面。 在切削加工过程中，当刀具磨损时，切削材料表面质量恶化，声发射信号振 幅会随之增大。如果声发射信号突然上升或下降，则可能预示着刀具的折断。也 第一章绪论 就是说，当刀具磨损时，相应的声发射信号存在着奇异性，并且奇异性指数的大 小和刀具的磨损有一种对应关系，即刀具的磨损状态决定着声发射信号变化的剧 烈程度，而奇异性指数正是用来描述这种剧烈程度的一个指标。刀具磨损越严重， 相应的声发射信号变化越剧烈，l i p 指数就越小，当刀具折断时，声发射信号会 发生突变，此时对应l i p 指数为。如果l i p 指数越接近于l ，则说明切削越平稳， 表明刀具的磨损程度越轻。可见能够通过l i p 指数对声发射信号变化剧烈程度的 描述来反映刀具磨损状态。 可通过上述原理，建立有关实验模型，获耿刀具磨损时声发射信号，利用小 波变换方法对刀具磨损时声发射信号的奇异性进行分析，建立其l i p 指数与刀具 磨损状况的对应关系，通过实测声发射信号l i p 指数的大小来判断刀具的磨损状 况，实现对刀具的磨损检测 7 0 。 1 3 3 分形维数 文献 7 l ，7 2 将分形理论引入刀具磨损研究，论证了刀具磨损存在分形结构， 具有分形特征。文献 7 3 ，7 4 通过计算不同加工条件下声发射信号关联维数，认 为利用分形维数作为判断刀具磨损状态的敏感特征，可以克服加工条件变化对信 号特征的影响，能够提高监测系统的适应能力。 1 4 声发射刀具磨损数据采集方案 1 4 1 刀具的磨损形态 在切削过程中，不论刀具材料和工件材料的力学性能如何，刀具的前刀面、 后刀面与工件材料接触部分总会不断磨损。由于在接触区内有很高的温度和压 力，因此在前刀面和后刀面上都将随着切削时l s j 的增长而逐渐产生磨损。对于不 同的切削条件，主要的磨损可能发生在前刀面、后刀面或自仃、后面同时发生磨损， 图1 1 是典型的车刀磨损形态的示意图。 在会属切削过程中，工件上的加工表面不断地与刀具后刀面产生接触和摩擦 ( 摩擦速度等于切削速度) ，由于接触面积很小，而且接触压力很大，因而在很 短时间内后刀面上就会磨出一个后角为零的小棱面，称为后刀面磨损带。在切削 第一章绪论 刃参加工作的各点上，后刀面的磨损带宽度通常是不均匀的。在刀尖部分( 图1 1 中的c 区) ，由于刀尖强度低、散热条件差，磨损比较剧烈，其最大值用v c 表示。 在切削刃靠近工件外表面处( 图1 1 中的n 区) ，由于上道工序的加工硬化层或 其他原因，会产生较大的缺口( 称为边界磨损) ，其最大宽度以v n 表示。在后刀 面磨损带的中f f , j 部分( 图1 1 中的b 区) ，磨损比较均匀，以v b 表示其平均磨损 值，以v 艮。表示其最大磨损值。后面磨损的特点，是在刀具后面上出现大致与加 工表面平行的磨损带v b 。一般以磨损带的平均宽度v b 衡量磨损程度。 箭 侧刀雨 刀蕊 a a 捌碾 。取a 臣 l 川区 边界 e 沙嶝摊期 斟 协 训戋_ 。 口， 一 ， 5 图1 1t - 刀的磨损形态 摄 切削塑性金属时，如果切削速度较高、切削厚度较大，这时刀一屑接触区的 压力和温度都很高，切屑就将自，j 刀面磨出一个月牙洼，从而形成前刀面磨损。月 牙洼刚形成时，其前缘和切削刃i 、自j 有一小棱边，在磨损过程中，月牙洼宽度逐渐 扩展，棱边逐渐变窄，使刀刃强度削弱而导致崩刃。 切i 翔j d n 工中，常在主切削刃靠近工件外皮处的后刀面上以及副切削刃靠近刀 尖处的侧刀面上，磨出较深的沟纹，称为边界磨损。图1 1 表示了边界磨损的情 况，它的特点是在作用切削刃外边缘处的前、后面发生沟槽形磨损。副刃上还往 损 磨损淼嚣等黧黧咖且嗽蝴一嬲碉腼 麓篙鬻黧黧! 度。釜蒜嚣姜豪勰篙 ? 麓篙禁黑黧苎：b 嘉嚣磊罴票差絮喜荔妊等 三萎黧，胨槽勰枷瓣嚣i 冀黧裟损三个阶段。”汨蜡熙r f 卜蔼磨损和急剧磨 它直鬻黧筹罴徽咖魁一般v b = o 0 5 - - - , 0 1 m m ) 淼嚣詈雾篇篓竺韧滋荔蒜陆雌增长 鬻篙- - 铷v b = 削。嘲嗽性关予，荔蒜罴鬻筹 蒜，一黼一5 - - 0 7 剐m m 拍) , ，加黧磊嚣凳。翥嚣篓篇 言淼翥主黧挈黧随端淼纛鬻嚣鬻 朋、竺2 燮削劬，这阶段黼。毒嚣_ 剐嵋猷很钯并 荐值麓。v 篡篙黧挲础磊豢翘懒蝴推 荐值进行选取。表1 1 为般情况下车刀磨募：兰二震型，按有关资料的推 旦 舡 翌 贼 柳 雠 樽 趿 溯 娌 麟 过 给 磨 粉 蟾 抛 鞠 袱 琪 郦 刀 第一辛绪论 表1 。1 午刀的磨钝标准 磨钝标匿v b ( f i l m ) 车刀类型工件材料加工性质 高速钢硬质合金 碳钢、合金钢 粗车 1 5 2 o1 0 一1 4 外圆车刀 精车 1o 4 0 6 狄铸铁、可锻铸铁 粗车 2 0 - 3 。00 8 1 0 端面车刀 半精车 1 5 - 2 00 6 0 8 耐热钢、不锈钢粗、精车 1 0 1 11 0 一1 1 钛合金粗、半精车 0 4 0 5 镗刀 淬硬钢精车 0 8 1 0 陶瓷车刀：v b = 0 5 1 4 3 实验方案 刀具状态的a e 信号分析实验在卧式数控车床( h l 一3 2 ) 上进行，工件材料为 4 5 # 钢，直径4 0 m m ，这种加工材料容易切削，容许产生不用切削液体能够加工 高质量表面变化。刀具材料为w 1 8 c r 4 v 钨碳合金刀具。采用压电式声发射高阻抗 传感器( c a e - 1 5 0 ) 安装在夹具表面，传感器与夹具接触面油脂以确保良好耦合剂 安装在刀柄上，信号经过前置放大器( a e 一9 8 r 1 5 ) ，高通、低通滤波器后进入主 放大器，最后由高速数据采集卡( d a 0 2 0 1 0 ) 进行采集后输送到电脑中进行相关 处理与保存。 对于刀具磨损数据的采集，本文利用声发射传感器( a e ) ，将其安装在刀柄 上，如图1 3 所示，采集刀具在工作状态时发出的声音信号。由于刀具在工作状 态产生的声音信号微弱且频率高，为了采集到完整的信号数据，在声发射传感器 采集数据之后，利用缓冲放大器将数据记录下来并进行放大。刀具磨损数据信号 的是在所有信号中一定频率范围之内的有效的，故在缓冲放大器对采集信号进行 处理之后，使用高通、低通滤波器，去处无用的低频、高频信号，留下有用信号 ( 刀具磨损数据信号) 。在通过滤波之后，为了使采集的有用信号在传输过程中 减小损耗且更加明显，采用放大器对信号进行进一步的放大，便得到本文中所用 刀具磨损状态数据。其采集系统如图1 4 所示。 第一章绪论 图1 3声发射传感器安装何置 实验中所用刀具的具体参数如下：主偏角为6 0 0 ，副偏角为3 0 0 ，前角1 5 0 ， 后角6 0 ，刃倾角一5 0 。 件 图1 4 a e 信号采集系统结构 表1 2 切削方案 实验中，依照表1 2 中的2 7 组切削用量方案分别用材料与几何参数均相同 的锋利车刀( v b = 0 1 5 m m ) 和磨损车刀( v b = 0 8 m m ) 进行切削并在此过程中通 过上述a e 信号采集系统进行数据采集与保存。 第一章绪论 为了避免采样信号发生混叠，采样频率的设定必须满足采样定理。在本实验 中，采样频率设定为2 m h z 。 1 4 4 实验数据分析 在高速采样的条件下，理论上每秒钟将会有2 兆( 1 0 6 ) 个数据点被采集并转 换，因此在几毫秒内便有上万个数据被传送并保存于计算机当中。如何从海量的 数据中挑选出合适的数据进行分析成为了能否高效合理分析a e 信号的关键。 在本实验的数据分析中，为了便于数据的运算与分析，都将原始采集的数据 依照原始数据排列的顺序依次划分为若干组，每组包含4 0 9 6 个数据点。针对不 同的分析目的，本实验共设置了四种数据挑选方式，分别为： 方案1 对采集的数据进行全分析； 方案2 对采集的数据每间隔1 组(