陳 萍 王細(xì)洋 鮑平平

（南昌航空大學(xué)航空制造工程學(xué)院，江西南昌330063）

在金屬切削加工過(guò)程中，一旦出現(xiàn)刀具故障將直 接影響工件表面質(zhì)量和尺寸精度，嚴(yán)重時(shí)甚至導(dǎo)致刀具失效、工件報(bào)廢、機(jī)床受損等。因此，在自動(dòng)化加工過(guò)程中為保證產(chǎn)品質(zhì)量和加工設(shè)備安全而對(duì)刀具進(jìn)行實(shí)時(shí)監(jiān)測(cè)是很有必要的。

刀具監(jiān)測(cè)的方法很多，如光學(xué)圖象法、放射線法、切削力法、功率法、切削溫度、振動(dòng)分析法、聲發(fā)射法等。在金屬切削過(guò)程中伴隨著豐富的聲發(fā)射（Acoustic Emission，簡(jiǎn)稱AE）現(xiàn)象，而AE信號(hào)能直接反映金屬材料內(nèi)部晶格的變化，因此包含了與刀具狀態(tài)密切相關(guān)的信息，對(duì)于刀具出現(xiàn)異?，F(xiàn)象有較好的預(yù)報(bào)特性，AE監(jiān)測(cè)技術(shù)被認(rèn)為是一種很有前途的監(jiān)測(cè)方法。

AE監(jiān)測(cè)技術(shù)在機(jī)械工程領(lǐng)域的應(yīng)用是由刀具的磨損和破損而引入的。上世紀(jì)70年代后期，日本首先將AE技術(shù)用于監(jiān)測(cè)刀具狀態(tài)，開(kāi)辟了AE技術(shù)應(yīng)用的新領(lǐng)域。Xiaoli Li［1］等詳細(xì)總結(jié)了聲發(fā)射信號(hào)產(chǎn)生的機(jī)理，信號(hào)的特點(diǎn)及處理方法，指出了利用聲發(fā)射信號(hào)監(jiān)測(cè)刀具磨損的優(yōu)越性。研究結(jié)果表明，在正常磨損狀態(tài)下，聲發(fā)射主要來(lái)自第一、二、三變形區(qū)，是典型的連續(xù)信號(hào)，而刀具發(fā)生破損時(shí)，聲發(fā)射信號(hào)是非連續(xù)型突發(fā)信號(hào)。Iwata［2］等人基于AE信號(hào)成功地應(yīng)用于單刃的車削過(guò)程監(jiān)控中。我國(guó)一些單位已研制成功了車刀破損監(jiān)測(cè)系統(tǒng)（準(zhǔn)確率高達(dá)99%）和鉆頭折斷報(bào)警系統(tǒng)。而應(yīng)用于銑削方面的則研究不多，主要困難在于刀具切入和切離工件時(shí)產(chǎn)生負(fù)載脈沖，這些負(fù)載脈沖幅值有可能與刀具磨損引起的幅值相等［3］。1987年Diei［4］等人首先研究了面銑削聲發(fā)射信號(hào)對(duì)刀具磨損和切削參數(shù)的敏感度。馬建峰［5］等人研究了一種模式可分性測(cè)度的特征優(yōu)選應(yīng)用于銑刀磨損狀態(tài)的識(shí)別中。

1 基于AE信號(hào)的參數(shù)分析

AE信號(hào)處理方法主要包括簡(jiǎn)化波形特征參數(shù)分析和對(duì)波形進(jìn)行頻譜分析，其中聲發(fā)射參數(shù)分析是上世紀(jì)50年代以來(lái)廣泛使用的經(jīng)典方法，在解決工程實(shí)踐問(wèn)題中有其它方法不可比擬的優(yōu)勢(shì)。

常用的聲發(fā)射信號(hào)特征參數(shù)有事件計(jì)數(shù)、振鈴計(jì)數(shù)、幅度、能量、持續(xù)時(shí)間、上升時(shí)間、有效值電壓。聲發(fā)射信號(hào)的特征參量分為非統(tǒng)計(jì)特征參量和統(tǒng)計(jì)特征參量?jī)煞N。對(duì)于單個(gè)聲發(fā)射信號(hào)的處理與表征用非統(tǒng)計(jì)特征參量，例如，聲發(fā)射信號(hào)的事件、幅度、能量、事件計(jì)數(shù)、振鈴計(jì)數(shù)、峰前計(jì)數(shù)、上升時(shí)間、持續(xù)時(shí)間、下降時(shí)間、門檻值等。而多個(gè)信號(hào)及它們之間的關(guān)系用統(tǒng)計(jì)特征參量表征，如總事件計(jì)數(shù)、總振鈴計(jì)數(shù)、總能量、聲發(fā)射率、有效值電壓等。

AE特征參量的確定，對(duì)檢測(cè)精度和可靠性影響較大。研究表明，最有效的方法是檢測(cè)AE信號(hào)包含的能量，電信號(hào)轉(zhuǎn)化的能量可直接反映原始AE源產(chǎn)生的能量率?，F(xiàn)初步選定聲發(fā)射事件計(jì)數(shù)、振鈴計(jì)數(shù)、有效值電壓RMS和能量作為聲發(fā)射故障診斷的特征參量。因?yàn)檫@些參量均能從不同方面反映AE信號(hào)的能量變化情況，它們之間具有較敏感的對(duì)應(yīng)關(guān)系。

2 診斷實(shí)例

2.1 試驗(yàn)數(shù)據(jù)

試驗(yàn)在MIKRON UCP 600高速加工中心上進(jìn)行，工件材料為航空鋁（7050一T7451鋁合金），刀具型號(hào)為高速鋼三齒立銑刀HSS（φ10 mm）。選用 SR150A聲發(fā)射傳感器，聲發(fā)射傳感器安裝在加工件的側(cè)邊并盡可能靠近切削點(diǎn)處（如圖1所示）。基于LABVIEW建立的聲發(fā)射數(shù)據(jù)采集系統(tǒng)（AE信號(hào)采集框圖如圖2所示），采用PCI-1714UL數(shù)據(jù)采集卡采集不同銑刀狀態(tài)（新刀、微磨、嚴(yán)重磨損）的AE信號(hào)。實(shí)驗(yàn)中采樣頻率為2 MHz/s，為便于數(shù)據(jù)處理只取試驗(yàn)樣本的部分?jǐn)?shù)據(jù)（102 400點(diǎn)）進(jìn)行分析。試驗(yàn)中切削的參數(shù)設(shè)置見(jiàn)表1。

表1 切削參數(shù)

2．2 驗(yàn)證聲發(fā)射特征參量法監(jiān)測(cè)的有效性

試驗(yàn)采集了多個(gè)聲發(fā)射信號(hào)，它們之間的關(guān)系可用統(tǒng)計(jì)特征參量表征?；诠δ軓?qiáng)大的LABVIEW圖形編程語(yǔ)言，調(diào)用LABVIEW軟件里的threshold peak detector、rms等函數(shù)來(lái)編程實(shí)現(xiàn)AE特征參數(shù)的提?。▓D3）。

表2 銑刀各狀態(tài)聲發(fā)射信號(hào)特征參量值

如表2所示，對(duì)比不同刀具狀態(tài)的聲發(fā)射信號(hào)特征參數(shù)，刀具從新刀到微磨損再到嚴(yán)重磨損，其總事件計(jì)數(shù)和總振鈴計(jì)數(shù)呈下降趨勢(shì)，而總能量和有效值電壓隨磨損程度的增加而增大。這是因?yàn)樵阢娤鬟^(guò)程中新刀以連續(xù)信號(hào)為主，具有信號(hào)頻度高、能量小的特點(diǎn)。而磨損刀具在銑削過(guò)程中則以突變性信號(hào)為主，其信號(hào)衰減很快，從而導(dǎo)致信號(hào)的事件數(shù)、振鈴數(shù)下降。由于電信號(hào)轉(zhuǎn)化的能量可直接反映原始聲發(fā)射源產(chǎn)生的能量率，所以檢測(cè)聲發(fā)射信號(hào)包含的能量是很有效的方法，銑削過(guò)程中磨損的故障刀具較新刀而言其聲發(fā)射產(chǎn)生頻繁，并且能量變化顯著。事件數(shù)、振鈴數(shù)、能量和有效值電壓這些特征參量都從不同的側(cè)面反映了聲發(fā)射信號(hào)的能量變化情況，可作為聲發(fā)射故障診斷的特征參量來(lái)監(jiān)測(cè)刀具狀態(tài)。

4 結(jié)語(yǔ)

（1）基于AE信號(hào)的過(guò)程監(jiān)測(cè)目前主要用于車削，而銑削過(guò)程復(fù)雜，尤其是刀具切入切離工件時(shí)產(chǎn)生高幅值負(fù)載脈沖的影響，給銑削監(jiān)控帶來(lái)很大的難度。

（2）實(shí)驗(yàn)表明采取聲發(fā)射參數(shù)分析法，提取總事件記數(shù)、總振鈴記數(shù)、總能量、RMS作為特征參量能有效的監(jiān)測(cè)高速銑削過(guò)程監(jiān)控，其分析方法簡(jiǎn)單、直觀并且經(jīng)濟(jì)實(shí)用。

［1］Xiaoli Li.A brief review：acoustic emission method for tool wear monitoring during turning［J］.International Journal of Machine Tools&Manufacture，2002，42（2）：157-165.

［2］K.Iwata，T.Moriwaki，Application of acoustic emission measurement to in-process sensing of tool wear［J］.Ann.CIRP，1997，26（1/2）：19-23.

［3］P.W.Prickett，C.Johns，An overview of approaches to end milling tool monitoring［J］.International Journal of Machine Tools&Manufacture，1999，39（1）：105-122.

［4］E.N.Diei.D.A.Dornfeld，Acoustic Emission from the Face Milling Process—the Effects of Process Variables.J.Eng.for Industry，1987，109（2）：92-99.

［5］馬建峰，王信義.銑刀磨損監(jiān)測(cè)中的聲發(fā)射信號(hào)的特征優(yōu)選［J］.北京理工大學(xué)學(xué)報(bào)，2001，21（2）：185-184.

［6］沈功田，耿榮生，劉時(shí)風(fēng).聲發(fā)射信號(hào)的參數(shù)分析方法［J］.無(wú)損檢測(cè)，2002，24（2）：72-77.

［7］龔?fù)P，王細(xì)洋.基于聲發(fā)射信號(hào)的高速銑削過(guò)程監(jiān)測(cè)技術(shù)［J］.航空制造技術(shù)，2009，（7）：80-83.