论文部分内容阅读
磨削加工作为机械加工的终极工序，决定了机械加工的精度和质量。在磨削加工中，对磨削砂轮钝化的准确预报是提高磨削加工效率和质量的重要前提。为了克服传统的基于声发射信号和光学图像法的磨削砂轮故障预报方法的缺陷，本论文给出了一种全新的基于磁悬浮轴承电主轴的磨削力采集和分析的磨削砂轮故障预报方法。
论文首先给出了一种非介入式的无外加传感器的磨削力检测方法。通过采集磁悬浮轴承电主轴系统中的励磁电流信号和气隙宽度信号，求得了宽频带的径向动态磨削力。采用磁悬浮轴承气隙宽度的多点法标定，消除了气隙宽度的加工和装配误差。利用图解法求取磁通密度，解决了磁通密度计算中的非线性误差问题。在求取了径向磁悬浮轴承的差动电磁力后，通过对转子的动力学分析，求得了动态径向磨削力。其次，鉴于普通小波在相邻尺度间的频谱的混叠和泄露性，论文引入具有理想盒形频率特性的谐波小波来对磨削力信号进行分解，把时域一维的磨削力信号分解到二维的频谱相互独立的多尺度小波时频域空间中，得到了无频谱混叠的磨削力的时频分布图。通过对不同磨削阶段磨削力的小波时频图的分析，发现小波时频域能量分布模式与特定的磨削阶段具有鲜明的对应关系。选取了能量方差最大的32个短时峰频带的能量组成了砂轮磨削状态的特征向量。最后，利用BP神经网络设计了磨削状态分类器。把通过磨削力谐波小波分解提取的磨削阶段特征向量通过神经网络分类器映射到磨削砂轮的三种磨削状态：初始磨损阶段、稳定磨损阶段和剧烈磨损阶段。在磨削状态由稳定磨损阶段向剧烈磨损阶段过渡时发出砂轮磨钝信号。利用不同磨削阶段的磨削力信号的大样本集完成了对神经网络的训练。
磨削特征的选择和分类器的设计和训练工作在仿真计算机中进行。实际故障预报工作中的特征提取和分类器由DSP硬件模块化编程设计实现。通过实际磨削故障预报实验分析，证明了这种预报方法的准确性和鲁棒性。
论文首先给出了一种非介入式的无外加传感器的磨削力检测方法。通过采集磁悬浮轴承电主轴系统中的励磁电流信号和气隙宽度信号，求得了宽频带的径向动态磨削力。采用磁悬浮轴承气隙宽度的多点法标定，消除了气隙宽度的加工和装配误差。利用图解法求取磁通密度，解决了磁通密度计算中的非线性误差问题。在求取了径向磁悬浮轴承的差动电磁力后，通过对转子的动力学分析，求得了动态径向磨削力。其次，鉴于普通小波在相邻尺度间的频谱的混叠和泄露性，论文引入具有理想盒形频率特性的谐波小波来对磨削力信号进行分解，把时域一维的磨削力信号分解到二维的频谱相互独立的多尺度小波时频域空间中，得到了无频谱混叠的磨削力的时频分布图。通过对不同磨削阶段磨削力的小波时频图的分析，发现小波时频域能量分布模式与特定的磨削阶段具有鲜明的对应关系。选取了能量方差最大的32个短时峰频带的能量组成了砂轮磨削状态的特征向量。最后，利用BP神经网络设计了磨削状态分类器。把通过磨削力谐波小波分解提取的磨削阶段特征向量通过神经网络分类器映射到磨削砂轮的三种磨削状态：初始磨损阶段、稳定磨损阶段和剧烈磨损阶段。在磨削状态由稳定磨损阶段向剧烈磨损阶段过渡时发出砂轮磨钝信号。利用不同磨削阶段的磨削力信号的大样本集完成了对神经网络的训练。
磨削特征的选择和分类器的设计和训练工作在仿真计算机中进行。实际故障预报工作中的特征提取和分类器由DSP硬件模块化编程设计实现。通过实际磨削故障预报实验分析，证明了这种预报方法的准确性和鲁棒性。