钻削声发射信号高阶谱研究及应用

为解决批量钻削工序质量检测问题,采集各工步加工过程声发射监测信号,提出一种基于声发射信号高阶谱分析的批量钻削质量检测方法。基于统计意义上正常钻削过程声发射信号符合高斯分布的假说,对采集的信号进行小波包消噪后,计算批量钻削工步信号的双谱切片,描述信号偏离高斯分布的程度,并分析其与钻削加工工步质量的映射关系,实现钻削加工工步质量检测。实验及分析结果表明:基于声发射信号双谱切片提取的信号特征可有效辨别批量钻削工步中的质量不合格品。     

声发射技术在修整工艺和磨削工艺参数选择上的应用

磨削过程中磨削力与AE声发射信号有较强的对应关系,对工件表面加工质量有很大影响。首先,以单因素实验法改变修整工艺的某个参数,得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;随后通过正交实验法,修整工艺参数以"三因数三水平"得到了AE声发射信号与工件加工表面粗糙度之间的变化规律;之后探讨了利用AE声发射信号监测砂轮的磨损状态;最后通过正交实验法,磨削工艺参数以"三因素三水平"法得到了AE声发射信号与工件加工表面粗糙度之间的关系,为提高外圆磨床磨削质量和效率、选择最佳的工艺参数给出了指导。     

批量钻削监测信号双谱特征融合研究及应用

基于钻削工步质量波动与监测信号特征变化之间的耦合现象,提出一种基于监测信号双谱特征的高精度批量钻削工步质量一致性控制检测方法。认为正常钻削过程的声发射和三向加速度振动监测信号可视为随机过程,满足或近似高斯分布,信号偏离高斯分布的程度与各钻孔加工质量波动间存在对应关系;以各钻孔声发射和加速度振动监测信号为研究对象,提取各钻孔监测信号的双谱幅值平均值为特征,对不同钻削情况下信号偏离高斯分布的程度进行定量分析;采用基于ReliefF算法的特征加权模糊聚类分析,进行基于监测信号双谱幅值均值特征矩阵的钻孔质量分类,并与人工检测的工步质量一致性结果对比分析。计算和分析结果表明,监测信号双谱特征与各钻削工步质量之间存在有机联系,对信号双谱特征进行融合聚类可分析批量钻削工步质量的一致性。     

利用模态声发射技术监测飞机主结构件的日历损伤

研究了腐蚀特别是点腐蚀过程产生声发射(AE)的源机制及AE信号特点,推导了AE信号幅度与腐蚀深度及频率的关系,并说明该关系对利用AE技术监测腐蚀损伤的意义。论述了利用模态声发射(MAE)技术识别腐蚀AE信号的理论根据,介绍了利用MAE技术对飞机主结构件日历损伤进行评估的方法。基于试验获得的航空用铝合金材料在加速腐蚀过程中的声发射信号与腐蚀损伤的关系对研究材料损伤程度与声发射强度之间的内在联系有重要意义。试验表明,腐蚀能远在被肉眼发现之前即可很方便地用AE仪器检测,利用AE技术探测早期腐蚀、研究腐蚀发展规律、监测和评估腐蚀损伤具有极其良好的应用前景。     

用声发射(AE)实时监控刀具异常的研究

成都工具研究所研制的声发射(AE)刀具监控系统,已于1990年通过部级鉴定和“七五”攻关专题验收.作者研究了一种实现钻削,攻丝加工自动化的刀具异常检测技术,提出了一种多参数时频综合处理的识别方法,据此研制的刀具异常声发射监控仪大大提高了识别成功率,便于在生产中应用。该项研究成果于1991年9月获得国家“七五”科技攻关重大成果奖。     

基于BP神经网络的超声振动钻削钻头磨损状态监测试验研究

搭建了超声轴向振动钻削钻头磨损状态的钻削力和声发射信号采集系统,采集不同磨损状态下钻中区域的钻削力和声发射信号进行小波分解,得到与钻头磨损状态相关的特征量作为识别钻头磨损状态的特征参数,输入到建立的6-13-3的三层BP神经网络模型中进行融合,识别钻头磨损状态。试验结果表明,通过BP神经网络技术将钻削力和声发射信号融合识别钻头磨损的准确率约88.9%,能够有效监测钻头磨损状态。     

声发射(AE)技术及其特征参数在机械工程领域的研究应用

机械加工过程中含有丰富的声发射（AE）信号，利用这种信号对切、磨、钻等机械加工过程实行存线监测并通过选取适当的特征参数进行分析从而达到提高机械加工的自动化程度，提高产品质量，实验表明是完全可行的。     

基于双信号融合的超声振动钻削钻头磨损状态监测研究

为了监测超声振动钻削过程中钻头的磨损状态,构建了超声振动钻削钻头的振动信号和AE信号的采集系统,通过采集不同磨损状态下钻头的振动信号和AE信号,对其进行小波分解,得到与钻头磨损相关的特征值,将二者融合后作为神经网络的输入,输入至构建的12-10-3的BP神经网络中,进行钻头磨损状态的识别。试验结果表明,所建BP神经网络通过振动和AE的融合信号对钻头的有效识别率为91.7%,可以有效对钻头的磨损状态进行识别。     

STFT在AE信号特征提取中的应用

机械故障或损伤引发的声发射信号南高频突发脉冲信号和长周期准平稳噪声信号组成,适宜用短时傅里叶变换(sTFT)描述其时频特征.本文通过分析典型AE信号及其特征提取,首次将STFT引入声发射故障诊断领域,并提出了AE信号的STFT分析法.通过理论分析和仿真,确定了AE信号STFT的理想窗函数及其参数选择,有效地克服了STFT只用一个同定窗分析多尺度信号的缺陷.将STFT用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分准确、清晰和直观.仿真分析和实验研究均表明了STFT能有效提取AE信号的特征,为AE信号的波形分析开辟了一条有效的途径.     

孔光整加工表面粗糙度在线测量实验研究

针对液体磁性磨具光整加工孔时,无法对孔内壁表面质量进行在线检测的现状,提出利用声发射技术检测加工过程中摩擦声发射信号并进而在线预测孔壁粗糙度的方法。通过实验和分析验证了声发射(Acoustic Emission,简称AE)信号与试件表面粗糙度值有良好的对应关系,获取了与孔壁粗糙度值相对应的AE信号特征值,研究了某零件光整加工时AE信号的均方根值与表面粗糙度值变化情况的对应规律,为利用声发射技术进行孔表面光整加工的在线检测和相关设备的自动化控制提供了有益的参考。     

声发射(AE)信号在砂轮钝化程度检测中的应用

本文利用声发射（AE）信号的归原处理法，在线监测小批量、多品种磨削过程砂轮钝化程度，利用该方法可以克服仅靠监测AE信号幅值变化不能监测工件材料、加工要求和磨削参数经常变化环境下砂轮钝化程度的缺陷；实验结果表明，声发射（AE）信号的归原处理法能够有效监测砂轮的钝化。     

钻头破损的声发射检测技术

应用了信号处理和计算机技术,对钴头破损声发射(AE)信号的频域结构进行了分析研究,并对 AE 信号进行分离,引入相关分析法,建立了一个钻头破损 AE 检测系统。     

小波再分配尺度谱在声发射信号特征提取中的应用

在分析典型声发射(Acoustic emission, AE)信号特征的基础上,根据机械故障或损伤引发的AE信号的故障特征提取原理和特点,首次提出AE信号的小波再分配尺度谱分析法.将小波尺度谱和再分配尺度谱同时用于AE信号的特征提取,再分配尺度谱能提高尺度图的聚集性,减少干扰项,更准确地表征AE信号中的特征信息.通过理论研究和仿真,确定了小波再分配尺度谱基函数及其参数的选择,克服了小波再分配尺度谱的时、频分辨率不能同时达到最好的缺陷.将小波再分配尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确.仿真分析和试验研究均表明了小波再分配尺度谱能有效应用于基于声发射技术的状态监测和故障诊断.     

小波阈值去噪在深小孔钻削声发射信号处理中的应用

深小孔钻削声发射信号中往往夹杂着大量噪声信号,能否有效去除这些噪声对后续利用声发射信号实现钻头状态的在线监测具有重要意义。针对深小孔钻削声发射信号中存在噪声的问题,文章采用了小波阈值法进行去噪,并详细讨论了小波阈值去噪过程中各参数的选定方法和最优选取原则。对深小孔钻削声发射信号进行去噪对比实验,结果表明:在选取4层小波分解、Sym6小波基函数、rigrsure阈值以及改进的渐进半软阈值函数去噪时,获得的信号的信噪比最大为23. 616 8,均方根值最小为0. 112 8。说明其有效去除了声发射信号中的噪声,同时又很好地保存了信号的完整度,避免信号失真,显著改善了去噪效果。     

单通道AE信号盲分离的飞机构件监测方法研究

基于声发射(AE)技术的飞机结构件疲劳裂纹检测是飞机健康状态识别的一种有效方法。由于声发射信号的瞬态性、不确定性、微弱性和易受机电干扰性,使声发射检测技术很大程度上已演变成信号处理问题,目前多数研究报道的是单源声发射信号的降噪处理。然而,在实际应用中,不仅结构件出现疲劳裂纹时会产生AE信号,而且紧耦合的结构体之间也会因冲击载荷产生弹性波,以至观测信号一般是多源AE混合信号,波的传播时延的存在使得信号混合方式为卷积混合。针对目前测试方法不能正确识别AE信号,以致难以识别结构体是否存在疲劳裂纹的问题,提出一种具有信号源个数估计的单通道非负矩阵分解解卷积盲源分离算法。首先采用经验模态分解方法将单通道混合信号分解为多个本征模态函数;然后采用主成分分析法估计信号源个数,并重构观测信号;最后通过非负矩阵分解解卷积得到各个源信号。实验结果表明,单通道盲源分离算法能正确分离AE信号,为飞机关键结构件的疲劳裂纹监测提供了一种方法。     

基于声发射技术的滚动轴承故障检测

利用声发射传感器、PCI-2声发射数据采集卡和AEwin软件系统建立滚动轴承故障检测试验台,进行轴承故障诊断。利用能量分析法对采集的声发射(AE)信号进行初步故障诊断,对自相关处理后的声发射信号进行FFT变换得到频域信号,并采用模糊识别法中的"择近原则",通过建立隶属函数和贴近度函数来识别轴承的故障类型。     

基于声发射技术的磨削监控系统开发与试验研究

基于声发射技术(AE)构建了磨削监控系统,利用IabVIEW和VC 开发了系统的软件模块,进行了磨削试验,实时采集磨削过程的AE信号.通过振铃计数和均方根电压(RMS)两个AE信号特征量监控磨削状态;分析了以AE信号作为磨削接触开关的可行性,试验确定了砂轮钝化的AE特征阈值.     

基于声发射信号的航空铝合金干铣削和少量润滑铣削比较研究

为了揭示少量润滑的机理,在建立切削液供应系统和数据采集系统实验平台的基础上采集航空铝合金7050-T7451干铣削和少量润滑铣削过程中的声发射信号,并对信号从时域、能量角度进行了分析研究.研究结果表明:(1)航空铝合金铣削过程中使用切削液可以加速声发射信号的衰减(2)主轴转速的提高使得AE信号的强度随之提高,且AE信号的能量成分向高频区域增加;(3)切削液的加入使得AE信号能量向低频区域移动,随着切削液流量的增大,这种作用将逐渐减弱.     

机械密封端面摩擦机理及其声发射信号特性研究

分析了机械密封端面摩擦机理，根据端面的摩擦机理，选用声发射信号(Acoustic Emission, AE),作为表征密封端面摩擦状态的监测信号，建立了基于AE信号的密封端面摩擦状态的监测模型。根据机械密封的工程应用需求，将密封端面工作状态分为三种类型：边界摩擦状态、混合摩擦状态和流体润滑状态，利用采集的声发射信号和建立的监测模型，能够有效地识别密封端面的工作状态，识别率大于70%。     

基于高斯混合模型的转子碰摩声发射识别方法

基于模态声发射和窄带信号理论,给出描述多模态特征的声发射信号(Acoustic emission,AE)的表达式,提出基于倒谱系数和分形维相结合作为特征参数的高斯混合模型(Gaussian mixture model,GMM)的碰摩声发射识别方法.该识别模型对碰摩声发射信号中不同模态波的特征矢量所具有的概率密度函数进行建模,将这些特征矢量进行聚类,每一类均作为一个多维高斯分布函数,以每一类的均值、协方差矩阵和出现的概率作为每种模态波的训练模板,识别时将待测碰摩声发射信号的特征矢量代入每个模板,采用最大比合并的方法对高斯模型似然概率进行加权得到总似然概率,当该值大于设定的门限,即可判定存在碰摩声发射.在转子试验台上获得碰摩AE信号,根据AE信号在传播过程中的波型并结合其分形曲线进行分类,由此确定GMM的模型输入类型;然后对所有测试数据叠加不同信噪比的高斯白噪声和非平稳噪声,再利用上述模型进行识别.试验结果表明,该模型具有较高的识别率,并具有较好的抗噪声能力.