基于声发射技术的砂轮磨损状况在线检测

石 建，丁 宁

(1.长春理工大学 机电工程学院，长春 130022;2.长春大学 机械与车辆工程学院，长春 130022)

0 引言

在磨削加工中，砂轮的磨损状态是砂轮磨削性能好坏的重要指标之一，它影响着磨削加工的生产效率和加工质量。在实际加工中，为了避免工件磨削烧伤，一般采用定时修锐，在砂轮还没有达到工作寿命极限时，就提前对其进行修整，这样便有盲目性［1］。近几年诸多学者用声发射(AE)信号的小波分析法对砂轮磨损在线监测，并通过实验证明了该方法的有效性［2-3］。但是在实践中，我们发现在超精密磨削加工实验研究中不同的砂轮磨损状态下的声发射(AE)信号小波能量系数分布情况十分相似，不易识别出砂轮磨损状态。因此，我们在此基础上，通过小波系数统计分析法和法向磨削力相结合的方法，基于人工神经网络对砂轮磨损状态进行识别。实验证明，此方法可以简单直观的识别出砂轮的磨损状态，并且准确性有很大的提高。

1 砂轮磨损状态的神经网络模式识别模型的建立

1.1 砂轮磨损状态神经网络识别模型结构

人工神经网络(ANN-Artificial Neural Networks，简称神经网络—Neural Networks)是由大量的信息处理单元(神经元)通过不同方式连接而成的网络，是从微观结构和功能上对人脑的抽象、简化和模拟，它是一种自适应非线性的动态网络系统，具有很强的知识获取能力、联想记忆能力、并行计算能力、良好的容错能力、自适应能力。

BP(Back Propagation)网络是在感知器模型的基础上发展起来的，是目前应用得最广泛的一种人工神经网络。……