基于聲發射信號檢測的光學元件表面加工質量監控研究

胡陳林 畢 果 林桂丹 孫郅佶 葉 卉 吳沿鵬

(廈門大學物理與機電工程學院，福建 廈門361005)

聲發射檢測(acoustic emission，AE)技術是近年來新興的一種測量手段，具有靈敏有效、環保安全、不侵入流場和實時在線的特點，目前已經被用于測量流化床顆粒粒徑分布、臥式攪拌床故障診斷等多個方面［1］。Dr. Amin A. Mokbel 等人通過研究聲發射信號與光學元件表面粗糙度的關系，得出聲發射信號的強度與光學元件表面粗糙度值存在一定的聯系［2］;日本宇都宮大學的江田弘等人用聲發射法進行了磨削裂紋在線監測技術的研究［3］，其研究結果發現，磨削裂紋形成而產生的聲發射信號在600～800 kHz 頻率之間，而正常磨削條件下聲發射信號的頻率一般在400 kHz以下，這樣就可通過濾波的方法把由于磨削裂紋形成而產生的聲發射信號提取出來，從而實現對磨削裂紋的產生進行在線監測;日本學者Eda. H 等人在文獻［4 -5］中運用聲發射技術對磨削燒傷在線監測進行了可行性的研究，研究結果發現聲發射信號的幅值和均值均隨磨削燒傷的惡化而增大;南京航空航天大學對磨削加工中的聲發射信號也進行了分析研究［6］，并且建立了自回歸時序模型，實現了對磨削燒傷的在線監測與預報;上海理工大學利用聲發射進行了恒力磨削研究，研究表明，聲發射對于切削力的測量精度可以達到0.1 N［7］，通過相關的試驗研究，上海理工大學驗證了聲發射信號特征參量與磨削力之間存在的映射關系，并最終實現了基于聲發射技術的恒力磨削。本文利用聲發射檢測技術，將聲發射傳感器置于安放有光學元件的夾具上，采集光學元件在磨削加工過程中產生的聲發射信號，結合FFT 分析，考察不同的工作參數下聲發射信號的變化規律及與原件表面質量之間的關系，從而獲得一種在線檢測光學元件表面加工質量的新方法，可為光學元件的超精密加工提供指導。

1 試驗裝置及方法

1.1 試驗裝置

本試驗在美格勒MFP125.65.65 超精密磨床上進行，試驗裝置如圖1 所示。傳感器安裝在專用的加工夾具上，以便采集砂輪在磨削過程中的聲發射信號。采用北京聲華有限公司研制的聲發射檢測系統，包括聲發射傳感器、信號放大裝置、信號采集裝置和信號處理裝置。采樣點位于夾具邊緣。試驗采樣頻率為156 kHz，砂輪在磨削過程中剛接觸到工件是開始采樣，在工件上行走一個行程后停止采樣的時間約為0.4 s。傳感器安放位置如圖2 所示。加工參數如表1 所示。

表1 加工參數表

1.2 磨削模型和磨削聲發射信號

根據磨削模型得出磨削過程存在3 個階段:滑擦階段、耕犁階段、切屑形成階段［8］。磨削過程如圖3 所示。滑擦階段磨粒與工件表面開始接觸，工件系統僅僅發生彈性變形，基本不發出聲發射信號，在耕犁階段和切屑形成階段摩擦逐漸加劇，越來越多的能量轉變為熱，磨粒推動工件材料的流動，大量切屑從工件基體被帶出，產生大量的聲發射信號。不同的加工參數，如切深、進給速度、砂輪轉速等決定了聲發射信號能量幅值的大小。試驗中采用控制變量法逐一控制加工參數，從而得到不同加工狀態的聲發射信號。

本次試驗的磨削過程中，工件(光學元件)的脆性斷裂、內部變形均會有聲發射信號的產生。其中工件材料的脆性斷裂又可以分為玻璃纖維的斷裂和二氧化硅基體的剝離。這幾種變化有著本質的不同，它們可以看作是不同的聲發射源。研究表明，石英材料的塑性變形和脆性斷裂所產生的聲發射信號的頻率分布范圍不同。因此，聲發射信號頻譜的各個頻段的信號應該與工件的脆性斷裂、內部變形這幾種變化相對應［9］。

2 結果與討論

2.1 聲發射信號的功率譜分析

聲發射傳感器采集到的原始信號(圖4)是時域信號，無法直接反映聲發射信號的頻率結構特征［10］。為確定磨削過程中聲發射信號的特征頻段，結合FFT 進行分析，得到參數變化時的聲發射信號幅值變化情況如圖5 所示。

從圖5 中可以看出:在不同的加工參數狀態下，功率譜存在20～60 kHz 和60～90 kHz 兩個頻帶，功率譜均在60～90 kHz 頻帶內的頻譜能量較低，在20～60 kHz 頻帶內的頻譜能量較高。聲發射信號是以能量波的形式進行，因此，在20～60 kHz 頻段下的聲發射信號能量較大，也可以認為這種磨削參數下大部分能量是以某幾個頻率的聲發射彈性波釋放的［11］。

如圖5a 所示，隨著砂輪線速度的提高，20～60 kHz 頻段信號的當量能量逐漸變小;60～90 kHz 頻段聲發射信號能量較小且無明顯變化。由于每一次實驗中大部分的聲發射彈性波都可能是由工件材料的脆性斷裂產生的，所以此光學元件纖維斷裂以及二氧化硅基體剝離所產生的聲發射信號的當量能量是隨著砂輪線速度的提高而不斷變小的。僅僅提高砂輪線速度并不會對材料去除率產生太大的影響，因此，光學元件的內部變形所產生的聲發射信號強度也不會有明顯的變化;另外，這種變化所產生的聲發射信號相比于材料的脆性斷裂而言是較弱的。因此可以估計20～60 kHz頻段中的聲發射信號是由光學元件纖維斷裂以及二氧化硅基體剝離產生的，60～90 kHz 頻段中的聲發射信號是由光學元件的內部變形所產生的［12］。

進給速度增加時，材料去除率也會變大。不僅如此，砂輪與工件材料的擠壓和摩擦作用也愈發強烈。因此，光學元件的內部變形作用會隨著進給速度的提高而增強，從而釋放出更多的聲發射彈性波［13］。因此在圖5b 中所出現的聲發射信號的能量增加可以和上文中所得到的結果相對應。

切削深度增加時，各頻段的信號能量均隨著磨削深度的增加而變大。即材料切除率變大時，磨削過程中材料的脆性去除、內部塑性變形所釋放的聲發射能量均變大，如圖5c 所示的實驗現象能與估計有著很好的對應。由此可以得出20～60 kHz 頻段中的聲發射信號是由光學元件纖維斷裂以及二氧化硅基體剝離產生的;60～90 kHz 頻段中的聲發射信號是由光學元件的內部變形所產生的。

2.2 聲發射信號特征與光學元件表面粗糙度值相互關系分析

在磨削過程中，光學元件表面粗糙度值主要與光學元件纖維斷裂以及二氧化硅基體剝離有關［14］。由上文可得，20～60 kHz 頻段中的聲發射信號是由光學元件纖維斷裂以及二氧化硅基體剝離產生的，所以可以取20～60 kHz 的幅值信號與光學元件的表面粗糙度值做相關性分析，結果如圖6 所示。

由圖6 可得光學元件的表面Ra值隨著聲發射信號幅值的增大而增大，隨著聲發射信號幅值的減小而減小。其中，砂輪線速增大時，砂輪每轉的磨削深度減小，因此材料的磨削擠壓也會變小，從而導致Ra值減小，聲發射信號幅值也相應減小;進給速度增大時，砂輪對光學元件表面的切削力和擠壓力增大，單位時間內去除的材料增多，材料脆性斷裂的趨勢增強，因此會導致Ra值增大，聲發射信號幅值亦增大;切深增大時，單位時間內材料去除率增大，材料脆性斷裂急劇增大，有大量的斷裂層從光學元件基體脫離，從而導致Ra值增大，并且發出大量的彈性波，因此聲發射幅值也增大。

綜上可得，使用聲發射特征信號預測光學元件加工表面質量是可行的。

3 結語

(1)研究不同加工參數下磨削過程的聲發射信號，結果表明:信號頻譜有明顯的兩部分特征頻段。根據磨削機理判斷:在磨削過程中，20～60 kHz 頻段中的聲發射信號是由光學元件纖維斷裂以及二氧化硅基體剝離產生的;60～90 kHz 頻段中的聲發射信號是由光學元件的內部變形所產生的。聲發射信號隨著進給速度、切深的增大而增大，隨著砂輪線速的增大而呈減小趨勢。

(2)光學元件表面質量與20～60 kHz 頻段中的聲發射信號呈一定的數量關系，此頻段聲發射信號強度越大，表面質量越差。

(3)在實際的磨削加工過程中，由于加工環境的限制，基本不能做到在線監測工件的加工表面質量情況。本文提出的結合聲發射信號預測光學元件加工質量的監控方法，經實例驗證是方便有效的。

［1］侯琳熙，王靖岱，陽永榮，等. 氣固流化床中聲發生機理及在工業裝置中的應用［J］.化工學報，2005，56(8):1474 -1478.

［2］Amin A Mokbel，TMA Maksoud. Maksoud. Monitoring of the condition of diamond grinding wheels using acoustic emission technique［J］. Journal of Materials Processing Technology，2000，101(1 -3):292 -297.

［3］陳新全，孔凡志，廖家欣. 聲發射技術及其在機械加工特性研究中的應用［J］. 長沙電力學院學報:自然科學版，2000，15(4):70 -71.

［4］Eda. H K. et al. In process detection of grinding burn by means of utilizing acoustic emission［J］. Annals of the CIRP，1994，43(1).

［5］Koening W，Klumpen T. Monitoring and sensor concepts for higher process reliability［J］. AME 5th Int. Grinding Conf.，Ohil，1993，10.

［6］陳明，浦學鋒，張幼楨. 聲發射技術在磨削燒傷預報中的應用研究［J］. 機械科學與技術，1994(1):15 -17.

［7］李郝林. 恒力磨削關鍵技術的研究與應用［C］. 先進制造技術學術交流會，2006.

［8］李伯明. 現代磨削技術［M］. 北京:機械工業出版社，2003.

［9］吳天宇. 面向高效精密磨削的聲發射機制及其在線監測系統的研究［D］.天津:天津大學，2010.

［10］樓佳明，孫婧元，黃正梁，等. 液體霧化狀態的聲發射檢測［J］. 機械工程學報，2012，46(24):123 -130.

［11］袁振明. 聲發射技術及其應用［M］. 北京:機械工業出版社，1985.

［12］姚力.幾種典型聲發射信號的特征參數分布分析［J］. 無損探傷，2004，28(2):19 -22.

［13］Adriano Almeida，Eric V K Hill. Neural network detection of fatigue crack growthin riveted joints using acoustic emission［DB］. Material Evolution，1995，53(1):76 -82.

［14］朱洪濤，林濱，吳輝，等. 陶瓷磨削機理及其對表面和亞表面損傷的影響［J］. 精密制造與自動化，2004，158(2):15 -17.