声发射信号的时序分析法在磨削烧伤预报中的应用研究

高温合金、表面硬化钢、钛合金等难加工材料，由于具有热稳定性好、热强度高、耐腐蚀、抗磨损性能好等特点，因而被广泛应用于航空航天等工业部门中。但该类材料在磨削加工中极易出现磨削烧伤现象，降低了工件表面完整性，对零件的使用性能产生不利的影响，制约生产率的提高。本文在对高温合金（ＤＺ４）磨削过程中产生的声发射信号特性进行深入分析的基础上，应用时序分析法，建立起关于磨削过程中声发射信号的自回归时序模型，探讨磨削烧伤的在线监测和预报。研究结果表明，声发射信号功率谱结构变化能真正反映磨削烧伤发生与否，自日归时序模型参数及残差方差对工件表面状态变化敏感，均可作为特征参量进行磨削烧伤在线预报。     

基于BP和GRNN神经网络的高速铣削TC4粗糙度预测

表面粗糙度是衡量工件加工表面质量的重要指标,考虑到切削参数是能够人为控制并对零件的表面粗糙度有较大影响的因素之一,通过设计正交试验建立高速铣削TC4表面粗糙度的BP神经网络和GRNN神经网络模型,并对比两个模型的预测值与试验值的预测精度。结果表明:所建立的GRNN神经网络能够更好的预测零件表面粗糙度,预测误差在5%以内,BP神经网络的预测误差在10%以内且收敛速度较慢,GRNN神经网络具有更好的预测精度和效率,为进一步开展高速加工预测提供参考。     

时空域相关自适应小波包声发射信号降噪方法

现有的小波变换方法在对受强噪声干扰的声发射信号降噪时,由于忽略了小波系数之间的相关性,容易造成信号失真。针对该问题,提出了一种基于时空域相关性的自适应小波包声发射信号降噪方法。算法采用自适应冗余小波变换,最大限度保留了信号的时域空域特征,并利用小波系数在时域空域上存在的相关性,提高对声发射信号及噪声的甄别能力,提升降噪效果。同时利用小波系数在空域上的相关性寻找最佳分解层数,进一步提升了算法的适应性。为了验证本文提出算法的有效性,分别在模拟声发射信号和断铅信号上添加不同程度的噪声,并进行降噪实验。实验结果表明,与其他算法相比,经过本文算法处理的信号信噪比大大提高,均方根误差也有一定程度的降低。     

页轮干式磨削Ti6Al4V合金

进行了Ti6A14V合金锆刚玉页轮和碳化硅页轮的磨削性能试验研究，分析了磨削用量对磨削力、磨削温度和磨削表面完整性的影响。磨削力通过KISTLER9265B测力仪测定，磨削表面温度由NIUSB-621X信号采集系统测得，磨削表面形貌和金相组织由HiroxKH-7700型体视显微仪和Quanta200型扫描电镜（SEM）观察，表面粗糙度由Mahr Perthometer M1粗糙度仪测得，表层显微硬度通过HVS—1000硬度计测定。研究结果表明：页轮磨削钛合金工件表面没有发生烧伤现象，磨削热影响区厚度小于50μm，锆刚玉页轮比碳化硅页轮更适合干式磨削钛合金。     

远近场声发射信号相关性研究

通过研究材料或结构中产生的声发射信号,获得损伤源的位置、损伤的类型及损伤严重度等信息,因而声发射信号成为分析材料或结构损伤状态的基础。在不同位置处所采集的声发射信号由于传感器特性、结构不连续、频散效应等产生明显的特征变化,这将影响到对材料或结构损伤状态一致性的研究。通过数值仿真的手段获得理想的高速撞击声发射信号,利用概率统计中的相关性分析方法,对获得的损伤源远近场声发射信号进行相关分析,计算相关系数,得到了远近场声发射信号相关性的变化规律,分析了相关系数与声发射波形、频率之间的关系,所得研究结果对评定损伤源位置精度及损伤模式识别的信号选取具有一定的参考价值。     

陶瓷基复合材料双剪切性能的声发射特征研究

针对陶瓷基复合材料结构损伤声发射监测模式识别及强度评估问题,利用圆柱形试样双剪切试验获取破坏过程典型的声发射波形信号,采用傅立叶和时频分析等手段,获得声发射信号特征,发现同批次试样在不同加载条件下的损伤演化规律不同.分析声发射信号历程变化特征,在典型高幅值信号下,小幅值声发射信号代表了不同的损伤模式;纤维铺层与加载方向...     

基于声发射砂轮磨损监测系统的研究

磨削加工过程中砂轮出现磨损需要反复的修整,砂轮磨损状态的监测可以有效判别砂轮工作状态,减少砂轮修整次数。本文建立了一种基于声发射信号的砂轮磨损监测模型,提出了基于一种小波分解系数均方值统计分析的砂轮磨损状态特征提取方法。同时,采用BP神经网络对砂轮磨损状态进行识别,其输入为3种提取特征,输出为3种不同的砂轮磨损状态。通过磨削试验对监测系统进行评价。结果表明,所提出小波分解系数均方值统计分析的特征提取方法和砂轮磨损监测系统均具有良好的效果。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

梯形螺纹振动辅助冷挤压工艺参数影响分析

为深入研究梯形螺纹振动辅助冷挤压机床的加工过程,延长挤压丝锥寿命以及提高梯形内螺纹质量,本文建立了一套基于虚拟仪器的专用在线监测系统。研究了不同挤压工艺参数下加工过程中的振动、声发射、扭矩以及温度信号,并通过对信号的分析处理,揭示了不同工艺参数与加工过程信号之间的内在联系。研究结果表明,随着主轴转速和润滑油黏度系数的提高,振动、声发射信号的均方根值不断提高,振动、声发射信号频率由低频向高频移动,扭矩和温度也不断提高。激振频率的最优值在18 Hz左右。     

卧矩台精密平面磨削纳米结构WC/12Co涂层材料去除机理

纳米结构陶瓷涂层具有优异的性能,但在工业应用中不但其涂层制备技术而且其精密磨削技术对涂层的使用性能均具有重要影响,因此对其磨削时的材料去除机理的研究成为必要。本文就磨削参数对纳米结构W C/12Co(n-W C/12Co)涂层卧矩台精密平面磨削的磨削力分力比、比磨削能和磨削表面粗糙度的影响规律进行了试验研究,结合n-W C/12Co涂层精密平面磨削后的表面/亚表面形貌的SEM观察分析,揭示了n-W C/12Co涂层精密磨削的材料去除机理。研究结果表明,n-W C/12Co磨削的材料去除机理主要是非弹性变形方式,材料脆性去除方式较少。