三維形貌驗證砂輪修整在線監測方法研究*

李 廈，武水旺

(上海理工大學 機械工程學院，上海 200093)

?

三維形貌驗證砂輪修整在線監測方法研究*

李 廈，武水旺

(上海理工大學 機械工程學院，上海 200093)

為保證建立有效的砂輪修整在線監測系統，以達到高效節約地修整砂輪的效果，文章提出了利用砂輪表面三維形貌評價、驗證砂輪修整在線監測系統適用性的方法。建立了氧化鋁砂輪修整在線監測系統，系統經過學習可用于修整監測，采用激光位移傳感器測量修整前后砂輪表面形貌，選用磨粒密度、鋒利程度和表面孔隙率等參數表征砂輪表面形貌。結果表明：相同的修整參數下，監測與學習修整所得砂輪表面形貌的特征值差異小于5%；不同修整參數下，修整前后各特征值平均變化范圍為8.65%～16.27%，從而表明所建立的砂輪修整在線監測系統的良好適用性。

氧化鋁砂輪；修整；在線監測；砂輪形貌；表面孔隙率

0 引言

磨削在機械加工中占據重要的地位，大多數精密器械零件都需要經過磨削加工以獲得良好的表面性能[1]。砂輪表面形貌對于加工工件的表面粗糙度、殘余應力狀況等方面有著重要影響，為獲得穩定的工件表面質量，要求在磨削過程中保證砂輪具有相對穩定的表面形貌和磨削性能[2]。目前，在砂輪修整中主要采用人工經驗法[3]判斷砂輪的磨鈍、修整狀況，不僅容易產生過多的修整量和較長的修整時間，而且獲得的砂輪表面形貌難以評估，影響加工工件的精度和表面質量[4]。因此，建立有效的砂輪修整在線監測系統和驗證方法對于節約砂輪材料，修整時間和獲得確定的砂輪形貌、磨削性能具有重要意義。

聲發射(Acoustic Emission，AE)可以定義為物體或材料內部迅速釋放能量而產生瞬態彈性波的一種物理現象。磨削和修整過程中，聲發射的產生來源有砂輪與工件彈性接觸、切屑斷裂、砂輪結合劑破裂、切入和塑性變形、工件表面損傷等[5]。劉貴杰等[6]建立聲發射信號特征值與砂輪鈍化狀況之間的非線性模型，可在線監測小批量、多品種磨削過程砂輪鈍化程度；Hwang T[7]采用AE監測單層電鍍金剛石砂輪高速磨削氮化硅的過程，表明在高速磨削中信號能提供有關砂輪磨損和砂輪形貌的信息，用作砂輪磨損預測；柏航州[8]通過振鈴計數和均方根電壓兩個AE信號特征值監控磨削狀態；潘永成[9]對大磨粒電鍍金剛石修整研究表明， AE信號能夠反映砂輪初始修整狀態。

本文采用激光位移傳感器測量修整前后砂輪表面形貌，并選擇合適的特征值以精確地表現砂輪表面形貌，準確地驗證了砂輪修整在線監測系統適用性。克服了以往研究中側重于砂輪修整在線監測系統方法研究，而對砂輪表面形貌關注較少的問題。

1 實驗裝置與實施

首先，采用切入磨削的方式磨削GCr15 工件，工件尺寸8×5×10cm3(長×寬×高)，將砂輪磨鈍，磨削參數為：磨削進給量為 10μm，工件速度300mm/min，砂輪速度30m/s，磨削總量為 0.5mm；其次，采用激光位移傳感器測量磨鈍后的砂輪表面形貌；再次，進行修整實驗，采集修整過程中的AE信號，利用對AE信號的分析結果判斷砂輪修整狀態；最后，測量修整后砂輪表面形貌。過程如圖1所示。

圖1 實驗流程示意圖

1.1 修整監測系統

監測系統平臺布置如圖2所示，以斯來福臨(K-P48T)平面磨床為砂輪修整監測試驗平臺， AE傳感器固定在磨床電磁平臺上，靠近金剛筆底座，采樣率1MHz；對鈍化氧化鋁砂輪WA60KV進行修整，并用工控機對AE信號進行采集、記錄和分析。

圖2 監測系統平臺

砂輪修整參數不同，對應砂輪形貌及AE信號不同。為了深入研究砂輪修整參數對砂輪形貌及AE信號的影響，設計實驗參數(見表2)，圖3為砂輪修整過程。

圖3 砂輪修整

1.2 形貌測量系統

激光位移傳感器在磨床平臺上的布置如圖4所示，配置參數：采樣時間2ms，激光強度AUTO，重復采樣率256次；測量范圍為沿砂輪軸向(Z向)方向8mm。手輪驅動工作臺沿砂輪切向(X向)以25μm為步長逐次移動801次，共計20mm。最終獲得大小約為8×20mm2的砂輪表面形貌原始測量數據。

圖4 砂輪形貌測量

2 實驗結果分析

2.1 數據處理

2.1.1 輪廓平整處理

為便于觀察，需將所獲得的砂輪形貌展開為平面[10]，由于測量的砂輪表面形貌范圍比較大，受砂輪本身形狀的影響顯著，對其進行砂輪徑向(Y向)補償和切向(X向)補償，如圖5所示。

圖5 表面輪廓平整化示意圖

具體補償量如式(1)和式(2)：

dx=Rsin-1LxR-Lx

(1)

(2)

式中，dx—X方向補償量；dy—Y方向補償量；R-砂輪半徑；Lx—測量位置偏移砂輪中心的X方向距離。

2.1.2 奇異點處理

在砂輪形貌陡峭處，照射其上的激光光斑不能返回，激光位移傳感器接收不到反射光，就會形成奇異點，其中下凹的稱為谷值奇異點，上凸的稱為峰值奇異點，如圖6所示。通過設定相鄰點傾角閾值θlin的方法識別、去除奇異點，并利用Matlab中的griddata函數對產生的空白區域進行插值，從而獲得相對準確的砂輪表面形貌。

圖6 奇異點示意圖

2.2 形貌特征

2.2.1 磨粒密度

在三維形貌中，有多種方法定義波峰(波谷)，實驗中激光位移傳感器與砂輪表面的保持一致的相對位置，在砂輪上選取合適的平面，作為界定有效波峰存在基準面，此處選取距離砂輪形貌最大數據點h=0.1mm砂輪側的平面為基準面(下同)，以突出于基準面且大于其相鄰8個點的波峰表征為磨粒。磨粒的密度DP[11]描述如式(3)：

DP=NP(M-1)(N-1)hXhZ

(3)

式中，NP—波峰數；M、N—測量表面數據的行列數(下同)；hX、hZ—X、Z方向的采樣間距(下同)。

2.2.2 磨粒形狀與鋒利程度

氧化鋁砂輪的磨削刃形狀很不規則，具有磨削作用的磨粒可以近似為帶有圓頭的圓錐形狀[11]。設其尖端圓球半徑r，磨粒頂角為2θ。根據伯明翰[12]三維表面特征參數Ssc和S△q的物理定義，它們可以分別用來評價磨粒的平均圓頂半徑r以及頂錐角2θ，其簡化形狀如圖7[11]所示。

圖7 簡化的磨粒形狀

2.2.3 表面孔隙率

研究定義距離砂輪形貌頂面與基準面之間的空隙體積Vp與兩平面組成空間體積Va的體積比為表面孔隙率P，以Vg表示磨粒的體積，則有

(4)

式中,D(x,z)—高于基準平面的磨粒分布。

2.3 在線監測與驗證

2.3.1 修整與AE信號

AE傳感器采集獲得AE實時信號(AEreal)，經過硬件處理，包括濾波去噪、放大，可得到AE信號均方根信號(AErms)。

當修整用量ad、砂輪轉速vs或軸向進給vw增大時，AErms幅值隨之增大。對于特定的修整參數，砂輪與修整筆未接觸時，AErms主要表現為機床電氣部件噪音、磨削液沖擊等，隨著砂輪與修整筆的接近、接觸，AErms幅值會由小變大，持續時間會隨著修整寬度的增大而延長。砂輪修整過程中AErms幅值短時間內即可達到相對穩定狀態，如圖8所示，由于修整筆位姿或者修整筆磨損等原因造成的修整筆尖端不對稱，修整往返行程的AErms在一定范圍跳動，當其在有效修整寬度范圍內保持較高幅值時，表明砂輪修整成形。

圖8 修整過程中AErms變化趨勢

為采用AErms信號定量準確監測砂輪修整狀態，定義徑向飽和度Rrms、縱向飽和度Trms和AErms飽和度Srms如下:

Rrms=At/Am

(5)

Trms=Tt/Tm

(6)

式中,At，Am—修整過程中和充分修整時的AE均方根幅值；Tt，Tm—單個修整行程中AE均方根保持高幅值的累積時長和修整筆劃過砂輪表面所需時長。

Srms=TrmsRrms=AtTtAmTm

(7)

當Srms大于設定閾值Slim1時判定砂輪修整成形。磨鈍的砂輪其表面孔隙中含有大量磨屑、破碎磨粒，而修整的砂輪表面組成單一。磨削過程中，砂輪易于修整成形，卻不能確定是否達到期望修整狀態。為了提取砂輪修整完成時AE信號的特征值 ，對AEreal進行頻譜變換，并對其中顯著頻段信號進行識別提取，如圖9所示。

圖9 AEreal特征頻段識別

以均方根表征AEreal各頻率段的能量值，分析其在修整過程中的變化，砂輪修整前中后期的AEreal各頻率段的均方根對比如圖10所示，其中第1、4、6頻率段即15.6kHz～25.0kHz，113.0kHz～119.8kHz，160.9kHz～163.8kHz的AEreal均方根隨修整進行而顯著增長，故選擇為特征頻率段。

同理定義AEreal飽和度Sreal如下：

(8)

式中,Eti， Emi—修整過程中和充分修整時AEreal特征頻率段的均方根值(如上述)。

當Sreal大于設定閾值Slim2時判定砂輪修整達到充分修整狀態。

圖10 修整前、中、后期AEreal特征頻段對比

依據以上分析，基于LabVIEW編程技術建立砂輪修整在線監測系統，通過比較砂輪修整過程中AE信號的實時特征值和閾值判定砂輪修整狀態。系統流程如圖11所示，其中參數設置包括修整參數設置和閾值設置，后者是在學習(修整量為1mm)修整過程中自動設置或者自定義設置，試驗中砂輪修整監測下閾值設置為Slim1=0.9，Slim2=0.9。

圖11 砂輪修整在線監測流程圖

2.3.2 實驗驗證

當修整參數為vs=18m/s，vw=200mm/min，ad=20μm時所得的砂輪表面形貌如圖12所示，可見磨鈍后砂輪表面相對平整，而修整后砂輪表面的磨粒特征較為明顯。

圖12 修整前后砂輪表面形貌

學習下修整后砂輪表面形貌，與監測下修整所得砂輪表面形貌特征值的對比如表1所示。

表1 監測與學習修整后的表面特征值表

由于砂輪本身組織結構不均勻、修整筆磨耗、砂輪直徑變化及形貌測量誤差等因素，在相同參數下，測量計算所得的充分修整狀態時對應砂輪形貌特征值必然存在一定差異，故學習與監測修整所得砂輪表面形貌特征值平均差異小于5%，即可說明砂輪在監測下已經達到預期充分修整狀態及所設定閾值的有效性。同時，采用以上閾值，試驗了不同的修整參數下監測修整前后的砂輪表面形貌變化，如表2所示，其中修整前各形貌特征值為： DP=5.3/mm2，r=31.26μm，2θ=72.77°，P=0.51。

表2 不同修整參數下形貌特征值

不同的修整參數下砂輪表面形貌特征值不同，相比于砂輪修整前，修整后各特征值平均變化量達到8.65～16.27%。各項特征值相比于修整前的變化幅度如表3所示，其中砂輪表面孔隙率P均增大；砂輪表面磨粒密度DP表現為增大或減小，這是修整參數不同造成的，另外磨鈍后附著在砂輪表面的磨屑、磨粒可能被誤認為磨粒，造成磨鈍后比修整后砂輪表面磨粒密度大的假象；平均磨粒角2θ和磨粒半徑r表現為減小，即砂輪磨粒的鋒利程度提到提高。

表3 形貌特征值相對磨鈍后變化幅度

3 結論

本文提出了氧化鋁砂輪修整在線監測效果的驗證方法：采用激光位移傳感器測量修整前后砂輪表面形貌，選用磨粒密度、鋒利程度及表面的孔隙率等參數精確地表征砂輪表面形貌變化，驗證了監測與學習修整所得砂輪表面形貌基本一致且在監測系統作用下修整參數變化可使砂輪表面形貌發生顯著變化，獲得不同的砂輪表面形貌特征值，不僅直觀地說明了在線監測系統的具有良好的適用性，同時深刻地揭示了氧化鋁砂輪修整的本質變化，對于砂輪修整和磨削工藝的改進具有重要意義。

[1] Zhensheng Yang，Zhonghua Yu．Grinding wheel wear monitoring based on wavelet analysis and support vector machine[J]． International Journal of Advanced Manufacturing Technology， 2012， 62： 107-21．

[2] 楊楊．纖維增強復合材料的磨削及基于聲發射信號砂輪磨損狀態識別研究[M]．天津：天津大學，2011．

[3] Karpusehewski B，Wehmeier M，Inasaki I． Grinding monitoring system based on power and acoustic emission sensors． Annals of the CIRP， 2000，49(1)：235-240．

[4] Wegener K，Hoffmeister H W，Karpuschewski B， et al．Conditioning and monitoring of grinding wheels[J]．CIRP Annals-Manufacturing Technology，2011，60(2)：757-777．

[5] Webster J， Dong W P， Lindsay R． Raw acoustic emission signal analysis of grinding process[J]． CIRP Annals-Manufacturing Technology，1996，45(1)：335-340．

[5] 劉貴杰，鞏亞東，王宛山．基于神經網絡的磨削砂輪狀態的在線監測[J]．東北大學學報(自然科學版)，2002，23(10)：984-987．

[6] Hwang T W， Whitenton E P， Hsu N N， et al． Acoustic Emission Monitoring of High Speed Grinding of Silicon Nitride[J]．Ultrasonics，2000，38：614-619．

[7] 柏航州，王隆太．基于聲發射技術的磨削監控系統開發與試驗研究[J]．現代制造工程，2008(5)：121-125．

[8] 潘永成． 金剛石砂輪精密修整及其聲發射在線監測技術研究[D]．哈爾濱：哈爾濱工業大學，2014．

[9] 李廈，施雪娟．多粒度號氧化鋁砂輪形貌特性參數研究[J]．機械設計與制造，2015(12)：135-138．

[10]言蘭，融亦鳴,姜峰．氧化鋁砂輪的量化評價及數學建模[J]．機械工程學報，2011，47(17)：179-186．

[11] Stout K J， Blunt L． Visualization techniques and parameters for characterizing three-dimensional surface topography[M]． Butterworth： Heinemann Press，2000．

(編輯 李秀敏)

Research on Evaluation of Grinding Wheel Dressing Online Monitoring Method Based on Three Dimensional Topography Testification

LI Sha, WU Shui-wang

(School of Mechanical Engineering, Univ of Shanghai for Science and Technology, Shanghai 200093,China)

To ensure the effectiveness of the on-line monitoring system of wheel dressing and then dressing wheel efficiently and economically, In this paper, the method of evaluating the online monitoring system of the dressing of alumina grinding wheel based on acoustic emission is put forward. Firstly, an online monitoring system of the dressing of grinding wheel was built and after the learn mode it can be applied. The laser displacement sensor was applied to measure thetopography before and after the dressing, then parameters- the density, sharpness of grit and the surface porosity were used to characterize the topography and then evaluate the effect of monitoring system. The feasibility of the online monitoring system of the dressing of grinding wheel was proved by the experiment results- the difference of parameters between after dressing excessively deliberately and that under monitoring was less than 5% and the parameters under different dressing conditions -mainly with different dressing parameters had average difference varied in a scope of 8.65%～16.27%.

alumina grinding wheel; dressing; acoustic emission; topography of grinding wheel; surface porosity

1001-2265(2016)11-0088-04

10.13462/j.cnki.mmtamt.2016.11.024

2016-08-22；

2016-09-02

教育部高等學校博士學科點專項科研基金(20133120120005)；國家自然科學基金項目(51475310)

李廈(1969—)，男，遼寧鐵嶺人，上海理工大學講師，工學博士，研究方向為精密磨削和數控技術，(E-mail)LS51666@163.com。

TH166;TG506

A