基于BP網絡的光學玻璃磨削砂輪鈍化識別

凌 楓，劉成穎*

（1.清華大學 機械工程系，北京 100084；2.清華大學 精密/超精密制造裝備及控制北京市重點實驗室，北京 100084）

0 引言

光學玻璃元件在如航天遙感、天文觀測、激光核聚變等高精尖領域中應用廣泛[1],其加工質量的好壞往往決定了一個精密的光學系統能否正常運行[2]。磨削加工作為一道重要的加工工序,能夠影響到最后成品的表面/亞表面質量,如果砂輪發生鈍化,將導致最終成品出現多種表面/亞表面缺陷[3],光學性能下降甚至報廢。因此學界已發展出多種方法,對砂輪實行鈍化監測。其中直接測量法一般需要停機,影響加工效率,故利用加速度、聲發射、力、功率等傳感器進行間接監測的方法更有實際意義。

大多數對磨削過程中砂輪鈍化監測的研究都集中在對加速度、聲發射、力及功率這四種物理信號的利用上。在這之中,力與功率信號都與砂輪磨粒的銳利程度直接相關。而加速度信號與磨削顫振關系緊密；聲發射信號能夠反映磨削過程中的塑性變形和脆性斷裂強度,均可用于間接推斷砂輪鈍化狀態。

較早的研究提取了聲發射信號的頻帶功率、峭度以及自回歸特征,并將其輸入到神經網絡中識別砂輪是否燒灼[4]。同樣也有研究提取均方根、頻譜峰值等特征,識別正常、燒灼和顫振三種狀態,他們都獲得了90%左右的識別準確率[5]。后來隨著算力提升,一些學者在人工神經網絡[6]（Artificial Neural Network,ANN）以及反向傳播神經網絡[7]（Back Propagation Neural Network,BPNN）進行分類識別上使用了更多的神經元。……