一种基于声发射的切削状态识别方法及系统与流程

1.本发明涉及声发射检测技术领域，更具体的说是涉及一种基于声发射的切削状态识别方法及系统。


背景技术：

2.声发射技术是一种动态的无损检测技术，广泛应用于各个工程领域，声发射技术对于材料微观结构的改变具有很高的灵敏度，因此可以用于车削加工过程中切削状态的识别。
3.在金属材料中，声发射现象是指材料变形时材料内部局部快速释放能量形成弹性波。金属材料的声发射源很多，如裂纹扩展、位移、滑移、栾晶、晶界滑移和断裂脱附。许多研究表明，大多数金属材料在材料加工、处理和使用过程中会引起材料内应力的变化，从而产生声发射信号，从发射源发射的弹性波最终传播到材料的表面，特别是在金属切削过程中，刀具与工件会产生丰富的声发射信号。通过声发射技术对车削加工过程中的信号进行采集并分析，可以识别车削加工过程中的切削状态，获得声发射信号频率分量与切削状态的映射关系。
4.目前可采用的声发射信号分析方法有很多种，在现有技术中常用的是振铃记数法、事件记数法和rms值法。但是上述方法均存在分析误差大、灵敏度不高的问题。为了有效地找出声发射信号的频域特征，以便把它们分离，利用最大熵谱法提取声发射频率分量进行切削状态识别在现有技术中还未涉及，这对于本领域技术人员来说是亟待解决的问题。


技术实现要素：

5.有鉴于此，本发明提供了一种基于声发射的切削状态识别方法及系统，进行切削状态识别时，估计误差小、灵敏度高、状态识别更加精确。
6.为了实现上述目的，本发明采用如下技术方案：一方面提供一种基于声发射的切削状态识别方法，具体步骤包括如下：
7.采集车削加工过程中的声发射信号；
8.对所述声发射信号基于最大熵谱法提取声发射频率分量；
9.基于所述声发射频率分量，识别车削加工过程中的切削状态。
10.优选的，在所述最大熵谱法中，切削剪切过程、刀具与切屑摩擦过程、刀具与工件摩擦过程分别对应不同的波峰，即不同的所述声发射频率分量，利用所述声发射频率分量，反推不同的切削过程，进行切削状态识别。
11.通过采用上述技术方案，具有以下有益的技术效果：最大熵谱法的最大的优势在于具有比经典傅里叶谱法更高的分辨率，它特别适用于短时间序列的功率谱计算。最大熵谱法不需要对原始的时间序列做任何特定的假设，在时窗之外的部分，保证了原始信号最大的不确定性，因此所求出来的功率谱也更加反映出信号真实的功率谱。
12.优选的，采集所述声发射信号前对所述声发射信号进行信号源分离处理。
13.通过采用上述技术方案，具有以下有益的技术效果：进行声发射信号源分离试验避免了加工过程中的振动和背景噪声的干扰。
14.另一方面提供一种基于声发射的切削状态识别系统，包括声发射传感器、信号放大器、声发射信号采集与处理系统、显示与记录系统；所述声发射传感器与所述信号放大器连接，信号放大器与所述声发射信号采集与处理系统连接，所述声发射信号采集与处理系统与所述显示与记录系统连接；其中，所述声发射传感器用于接收声发射信号并转化为声发射电信号；所述信号放大器用于放大所述声发射电信号得到第一信号；所述声发射信号采集与处理系统用于对所述第一信号进行最大熵谱分析，得到声发射频率分量，通过所述声发射频率分量识别切削状态；所述显示与记录系统用于将所述声发射频率分量进行显示。
15.优选的，所述声发射传感器的型号为sr150m，频率为6khz～400khz，所述声发射传感器通过中温硅脂耦合剂固定在刀柄上。
16.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于声发射的切削状态识别方法及系统，通过声发射技术对车削加工过程中的信号进行采集并分析，可以识别车削加工过程中的切削状态，获得声发射信号频率分量与切削状态的映射关系，利用最大熵谱法进行声发射信号分析，估计误差小、分辨力高，可以实现弱信号识别与提取。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
18.图1为本发明的方法流程示意图；
19.图2a
‑
图2c为本发明的声发射信号源分离实验示意图；
20.图3为本发明的最大熵谱法原理示意图；
21.图4为本发明的系统结构示意图；
22.其中，1为工件、2为切屑、3为刀具、4为刀具前角、5为刀具后角、6为声发射传感器、7为信号放大器、8为声发射信号采集与处理系统、9为显示与记录系统。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.本发明实施例一方面公开了一种基于声发射的切削状态识别方法，如图1所示，具体步骤包括如下：
25.s1、采集车削加工过程中的声发射信号；
26.需要说明的是，在采集声发射信号之前需要进行声发射信号源分离实验，保证车
削加工过程中存在剪切过程发射源、刀具与切屑摩擦发射源、刀具与工件摩擦发射源不受加工过程中的振动和背景噪声的干扰。
27.具体的，研究表明：金属切削声发射信号的频率范围为100khz
‑
1mhz，主要来自工件材料的塑性变形和剪切变形，频率范围主要集中在100khz左右；摩擦产生的声发射信号频率在200khz左右；积屑瘤和切屑脱落产生的声发射信号频率在500khz左右。所以声发射信号的频率范围不在低频区域范围(一般低频区域是由一些加工过程中的振动和背景噪声引起的)，不受加工工艺参数和刀具参数变化的影响，抗外界影响能力强，信号频率高、灵敏度高。
28.根据切削原理可知，在形成带状切屑的情况下，如果不出现积屑瘤和鳞刺，则主要的声发射源为工件材料塑性变形和加工过程中的摩擦。加工塑性金属材料，当切削厚度较小，切削速度较高，刀具前角较大时，一般常常得到带状切屑。所以，在本实施例中，如表1所示，选择切削速度为200m/min，进给量为0.1mm/r，切削深度为0.50mm，分别改变刀具的前角和后角进行实验。如图2a
‑
2c所示为声发射信号源分离实验示意图：
29.表1
[0030][0031]
当刀具后角为15
°
时，分别选择前角为15
°
、5
°
和0
°
的刀具进行实验。刀具后角和前角均为15
°
时，刀具与切屑、刀具与工件之间的摩擦都比较小，可以认为切削过程只产生剪切声发射源。然后分别进行刀具后角为15
°
，刀具前角为5
°
和0
°
的切削实验，由于刀具前角的减小，刀具与切屑之间的摩擦加剧，可以认为切削过程产生剪切和刀具
‑
切屑摩擦声发射源。
[0032]
同理，当刀具前角为15
°
时，分别选择后角为15
°
和5
°
的刀具进行实验。由上可知，当刀具前角和后角均为15
°
时，可以认为切削过程只产生剪切声发射源。然后进行刀具前角为15
°
，刀具后角为5
°
的切削实验，由于刀具后角的减小，刀具与工件之间的摩擦加剧，可以认为切削过程产生剪切和刀具
‑
工件摩擦声发射源。
[0033]
s2、对声发射信号基于最大熵谱法提取声发射频率分量；
[0034]
如图2c，当刀具后角和前角均为15
°
时，刀具与切屑、刀具与工件之间的摩擦较小，切削过程只产生剪切声发射源。对声发射信号进行采集，并基于最大熵谱法对声发射信号进行分析，可以得到切削剪切过程对应的声发射频率分量。
[0035]
如图2b，当刀具后角为15
°
，刀具前角为0
°
时，由于刀具前角的减小，刀具与切屑之间的摩擦加剧，对声发射信号进行采集并分析，可以得到切削刀具与切屑摩擦过程对应的声发射频率分量。
[0036]
如图2a，当刀具前角为15
°
，刀具后角为5
°
时，由于刀具后角的减小，刀具与工件之间的摩擦加剧，对声发射信号进行采集并分析，可以得到切削刀具与工件摩擦过程对应的声发射频率分量。
[0037]
s3、基于声发射频率分量，识别车削加工过程中的切削状态。
[0038]
基于上述实验和最大熵谱法，可以提取出切削剪切过程和刀具与切屑、刀具与工件摩擦过程对应的声发射频率分量，利用声发射频率分量，可以进行车削加工过程中的切削状态识别。如图3所示，虚线表示剪切过程，实线表示剪切与摩擦过程，在最大熵谱法中，切削剪切过程和刀具与切屑、刀具与工件摩擦过程分别对应不同的波峰，也就是不同的声发射频率分量，利用这些不同的声发射频率分量，可以反推出不同的切削过程，进行切削状态识别。
[0039]
目前可采用的声发射信号分析方法有很多种，最常用的是振铃记数法、事件记数法和rms值法。为了有效地找出声发射信号的频域特征，以便把它们分离，在本发明实施例中采用的声发射信号分析方法为最大熵谱法。
[0040]
最大熵谱法是一种现代谱分析方法，其基本思想是：对所观测的有限数据以外的数据不作任何确定性的假设，而仅仅假设它是随机的，在信息熵为最大的前提下，将未知的那一部分相关函数用迭代方法递推出来，从而求得功率谱。与经典的傅里叶分析方法相比，最大熵谱法具有估计误差小、分辨力高的特点。因此，用最大熵谱法来研究声发射信号的分离是十分合适的。
[0041]
最大熵谱的方法是在最大熵的条件下把自相关函数外推到最大延迟之外，每一次的外推自相关函数都要将其所对应的熵极大化。通过最大熵原理的方法，不断向外推理，这相当于不断增加了信号的长度，信号增长后可以有效提高功率谱的计算精度，因此使用最大熵谱的方法比应用其他方法得到更加精确的功率谱，进而达到弱信号识别与提取的目的，这种利用最大熵的原理进行功率谱的计算方法就是最大熵谱法。
[0042]
本发明实施例另一方面提供一种基于声发射的切削状态识别系统，如图4所示，包括声发射传感器6、信号放大器7、声发射信号采集与处理系统8、显示与记录系统9；声发射传感器6与信号放大器7连接，信号放大器7与声发射信号采集与处理系统8连接，声发射信号采集与处理系统8与显示与记录系统9连接；其中，声发射传感器6用于接收声发射信号并转化为声发射电信号；信号放大器7用于放大声发射电信号得到第一信号；声发射信号采集与处理系统8用于对第一信号进行最大熵谱分析，得到声发射频率分量，通过声发射频率分量识别切削状态；显示与记录系统9用于将声发射频率分量进行显示。
[0043]
进一步的，声发射传感器6的型号为sr150m，频率为6khz～400khz，声发射传感器通过中温硅脂耦合剂固定在刀柄上。
[0044]
信号放大器7的作用是放大微弱的声发射电信号，提高信号的信噪比，防止信号衰减。信号放大器7通过信号线连接信号采集与处理系统8，采集系统选用声华科技公司的4通道采集卡，采样频率为10mhz，采样精度为16位。
[0045]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他
实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0046]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。