基于聲發(fā)射技術(shù)磨削表面粗糙度在線檢測(cè)研究.pdf

1、磨削是一個(gè)動(dòng)態(tài)的、非線性的加工過程，影響因素眾多，傳統(tǒng)方法難以獲得表面粗糙度精確的數(shù)學(xué)模型。表面粗糙度在線檢測(cè)一直難以解決。
　　本文構(gòu)建了一套基于聲發(fā)射信號(hào)的磨削表面粗糙度在線智能檢測(cè)系統(tǒng)。建立了基于聲發(fā)射的砂輪磨損狀態(tài)在線識(shí)別模型和磨削表面粗糙度在線智能檢測(cè)模型。
　　本文對(duì)磨削過程中的砂輪磨損狀態(tài)聲發(fā)射信號(hào)去噪處理進(jìn)行了研究，提出了小波分解系數(shù)平均值的特征統(tǒng)計(jì)分析方法，對(duì)聲發(fā)射信號(hào)特征提取，可以清晰地描述出砂輪磨損狀態(tài)

2、中聲發(fā)射信號(hào)的細(xì)節(jié)特征。
　　根據(jù)磨削表面粗糙度形成的影響因素以及現(xiàn)有磨削表面粗糙度模型，研究了在砂輪不同磨損狀態(tài)下，砂輪線速度、工件進(jìn)給速度、磨削深度和磨削力比對(duì)表面粗糙度的影響以及規(guī)律。
　　本文建立了基于BP神經(jīng)網(wǎng)絡(luò)的砂輪磨損狀態(tài)識(shí)別模型，利用小波分解系數(shù)平均值的特征統(tǒng)計(jì)分析法，提取砂輪磨損狀態(tài)聲發(fā)射信號(hào)的細(xì)節(jié)特征，將此特征作為網(wǎng)絡(luò)輸入。
　　以砂輪磨損狀態(tài)、砂輪線速度、工件進(jìn)給速度、磨削深度和磨削力比作為輸入，