基于時間常數外圓切入磨削砂輪鈍化的監測方法

遲玉倫　李郝林

上海理工大學，上海，200093

?

基于時間常數外圓切入磨削砂輪鈍化的監測方法

遲玉倫李郝林

上海理工大學，上海，200093

摘要：基于外圓切入磨削力模型研究，提出了一種在線監測功率信號的時間常數算法，并利用時間常數對外圓切入磨削砂輪鈍化狀態進行識別。為提高計算準確性，選取了進給階段穩定功率信號和駐留階段功率信號變化率對時間常數進行計算。通過不同磨削工藝參數和不同修整工藝參數實驗，驗證了利用功率信號的時間常數方法對砂輪鈍化監測的有效性。

關鍵詞：砂輪鈍化；功率信號；時間常數；實驗

0引言

在精密磨削加工中，砂輪的鈍化狀態是砂輪磨削性能的重要指標之一，它直接影響著磨削加工的生產效率和加工質量[1]。砂輪鈍化后，磨粒逐漸失去切削能力，若繼續磨削則可能會產生磨削燒傷和磨削顫振等現象。在實際磨削加工過程中，為了避免砂輪鈍化影響加工表面質量，大都采用定時修整策略，即在砂輪尚未達到工作壽命極限時，提前對其進行修整[2-3]。頻繁修整砂輪不僅會降低加工效率，也會加快砂輪的損耗，特別是一些價格昂貴砂輪的損耗，會嚴重增加企業的經濟負擔[4]。因此，如何有效地在線監測砂輪的鈍化狀態，根據實際砂輪鈍化情況確定修整時間，對提高磨削效率和磨削表面質量有著重要意義。

近年來國內外學者對砂輪鈍化監測進行了大量研究。孔亞東等[5]利用多傳感器信息融合技術，通過模糊分類的方法對不同的磨削條件進行模糊化處理，構建了砂輪鈍化監測多傳感器融合系統結構，實驗結果證明它比使用單一傳感器方法識別率高，監測效果更好；王強等[6]提出了基于聲發射信號歸原處理法及能量系數法相結合的砂輪磨損狀態檢測方法，實驗結果表明該檢測方法能夠有效地判斷砂輪磨損的狀態；李德廣等[7]通過對磨削力進行諧波小波包分解，得到無頻譜混疊的磨削力的時頻分布圖，分析了通過時頻分布圖提取砂輪狀態特征的可行性；Sutowski等[8]基于聲發射均方根(RMS)信號提出了一種新的能量系數對砂輪鈍化進行監測，實驗驗證了該方法的有效性；Liao等[9-10]利用小波包對聲發射信號進行提取，根據砂輪鋒利和鈍化時的特征參數，利用自適應遺傳聚類算法對砂輪不同鈍化狀態進行識別，在不同磨削去除率條件下該方法聚類精度達到76.7%以上；Yang等[11]提出了基于聲發射信號的小波包和支持向量機方法對磨削砂輪鈍化進行識別，通過不同磨削實驗驗證該方法的分類精度達到99.39%以上。上述研究雖能對砂輪鈍化狀態給予準確判別，但其模型過于復雜且對實驗條件有較高要求，很難應用于實際加工過程。

本文基于外圓切入磨削力模型研究，提出了一種在線監測功率信號的時間常數算法，并根據時間常數對外圓切入磨削砂輪鈍化狀態進行識別。為提高計算準確性，本文選取了進給階段穩定功率信號和駐留階段功率信號變化率對時間常數進行計算。通過不同磨削工藝參數和不同修整工藝參數實驗，驗證了利用功率信號的時間常數方法對砂輪鈍化監測的有效性，該方法為選取磨削工藝參數和修整工藝參數提供了參考依據，對提高磨削工件表面質量和磨削效率有重要意義。

1外圓切入磨削力模型與時間常數

磨削過程中產生的切削力使機床、砂輪和工件發生了彈性變形和較大的位移。如圖1所示，外圓切入磨削力模型可以簡化成三個彈簧系統，分別為砂輪剛度ks，工件剛度kw，砂輪與工件接觸剛度ka。

圖1所示系統的等效剛度ke可表示為

(1)

外圓切入磨削進給過程中，砂輪工件接觸點的法向磨削力Fn產生的彈性變形δ可表示為

(2)

(3)

(4)

砂輪的徑向磨損可以用磨削比G來表示。磨削比是指被切除的切屑體積與砂輪損耗體積之比。對于外圓切入磨削，有

(5)

(6)

式中，b為砂輪厚度;ds為砂輪直徑；dw為工件直徑。

聯立式(1)、式(3)、式(4)和式(6)可得磨削系統控制公式[14]：

(7)

經變換整理得

(8)

其中，τ為磨削系統時間常數，可表示為

(9)

(10)

(11)

對上述常系數非齊次微分方程進行求解，可獲得外圓切入磨削進給階段和駐留階段的磨削去除率公式[15]：

(12)

式中，t1為進給時間。

時間常數τ與系統等效剛度ke、磨削力系數kc及工件轉速nw有關。由式(1)可知，等效剛度ke由砂輪剛度ks、工件剛度kw、砂輪與工件接觸剛度ka組成。假設磨削加工時砂輪剛度ks與工件剛度kw不變，當磨削砂輪逐漸鈍化時，磨削力系數kc會逐漸增大，時間常數τ隨著磨削砂輪鈍化而增大[16]。因此，本文利用功率信號的時間常數τ的變化對砂輪鈍化進行監測研究。

2基于功率信號的時間常數計算方法

根據外圓切入磨削原理，磨削過程中砂輪和工件都在轉動，傳統的磨削力傳感器無法安裝到有效位置來直接測量切入磨削力。磨削功率信號對砂輪磨削切向力變化非常靈敏，有很好的線性關系，故本文利用功率信號計算時間常數τ。

(13)

式中，vs為砂輪線速度。

則砂輪磨削主軸的功率為

P=kPFtvs

(14)

式中，kP為功率系數，其大小取決于磨削條件；Ft為切向磨削力。

切入磨削過程中，法向磨削力Fn與切向磨削力Ft的關系為

Fn=kntFt

(15)

式中，knt為法向磨削力與切向磨削力的比例系數。

聯立式(3)、式(12)、式(14)和式(15)得外圓切入磨削的功率信號理論模型為

(16)

(17)

(18)

式中，Ks為常數系數。

根據式(17)和式(18)，通過穩定階段的功率信號和功率信號變化率可計算出時間常數τ，即

(19)

3實驗研究

本文基于功率信號對砂輪切入磨削過程進行監測,采用實驗驗證式(19)對砂輪鈍化過程監測的有效性。

3.1實驗設置

如圖2所示，實驗機床為德國斯萊福臨公司STUDERK-C33精密外圓磨床，機床主軸轉速為1～1500r/min，最小進給量為0.1μm；砂輪型號為53A80L15V，厚度b為62mm，直徑ds為440mm；工件材料為45鋼，直徑dw為50mm。磨削時砂輪線速度為35m/s，工件轉速為120r/min。磨削冷卻液為嘉實多HysolR水基磨削液。

本文利用功率傳感器在線監測外圓切入磨削加工過程。功率傳感器安裝在機床電器柜中，在線測量磨削加工砂輪主軸電機功率變化，采用LOADCONTROL公司的PH-3型功率傳感器，響應時間為0.015s，量程為50kW；本文記錄功率信號的數據采集卡型號為SpectrumM1.3120(2通道，12位A/D轉換)，采集軟件使用DEWESoft。

本實驗是利用功率信號在線監測砂輪鈍化過程，為驗證上述理論方法的有效性，本文使用3D顯微鏡在機檢測砂輪表面磨損情況，如圖3所示，砂輪切入磨削結束后，將3D顯微鏡安裝在臺面上對砂輪表面進行分析驗證。

對表1和表2所示的6組參數，分別進行多次重復進給磨削直至砂輪鈍化，同時記錄功率信號，對砂輪鈍化過程進行分析。

3.2結果討論

如圖4所示，一個外圓切入磨削加工循環過程的功率信號分為進給階段和駐留階段。進給階段的功率信號由于磨削彈性變形從開始逐漸增大直到穩定階段，進入駐留階段后功率信號逐漸減小，磨削彈性變形逐漸恢復。

本文利用磨削功率信號P在進給階段的穩定功率信號P′計算常數系數Ks，如圖4所示。

為了驗證上述方法的有效性，利用計算后的常數系數Ks和時間常數τ對磨削功率進行預測，如圖5所示，可看出，預測的功率信號和測量的功率信號非常接近，證明利用最小二乘法計算時間常數τ是比較準確的。

3.2.1修整工藝參數不變，改變磨削工藝參數

對表1所示的第1組工藝參數進行多次重復切入式磨削直至砂輪完全鈍化。基于上述利用功率信號計算時間常數的方法，對每一次切入磨削循環駐留階段的時間常數進行計算，并整理時間常數隨磨削次數的變化曲線，如圖6所示。

由圖6可以看出，砂輪整個鈍化過程可分為三個階段，即自銳階段、逐漸磨損階段和完全鈍化階段。當砂輪開始磨削時，由于新修整后的砂輪并不是鋒利的，所以需要一個自銳過程，該過程磨削力逐漸減小，因此自銳階段功率信號時間常數值變小。當砂輪繼續磨削時，砂輪開始逐漸磨損鈍化，磨削力逐漸增大，時間常數值隨著砂輪逐漸磨損而變大，如圖6中第2至第7次磨削循環曲線所示。當砂輪完全鈍化后，磨削發生顫振，磨削力也非常不穩定，所以時間常數也不再繼續增大而是不規則變化，如圖6中第8次磨削循環后曲線所示。

為了驗證上述時間常數監測方法的有效性，本實驗利用3D顯微鏡分別對自銳階段、逐漸磨損階段和完全鈍化階段的砂輪表面特征進行分析，圖7為砂輪表面3D顯微鏡圖。由圖7a可知，砂輪自銳階段的磨粒較為鋒利，對應圖6中自銳階段時間常數；由圖7b和圖7c可知，砂輪逐漸磨損階段磨粒逐漸磨損且殘留在砂輪表面上的切屑也逐漸增多，對應圖6中逐漸磨損階段時間常數；由圖7d可知，砂輪完全鈍化階段的砂輪磨粒已經嚴重磨損且砂輪堵塞較為嚴重，對應圖6中完全鈍化階段時間常數。

圖6所示的基于時間常數對砂輪鈍化監測分析結果與圖7所示利用3D顯微鏡觀測的砂輪磨損過程一致，證明了本文利用功率信號時間常數監測砂輪鈍化過程的有效性。

利用類似實驗方法，分別對表1中第2組和第3組工藝參數進行實驗，并計算其時間常數隨磨削次數的變化，如圖8和圖9所示。

3.2.2磨削工藝參數不變，改變修整工藝參數

利用表2中一組修整工藝參數對砂輪進行修整，修整后的砂輪進行多次重復切入式磨削直至砂輪完全鈍化。

分別完成表2中3組修整參數的砂輪鈍化磨削實驗，利用上述方法同樣計算其時間常數變化，結果如圖10～圖12所示。可以看出，隨著砂輪修整深度的增大，時間常數逐漸減小，砂輪達到完全鈍化的磨削次數逐漸增加。砂輪修整深度越大，砂輪表面形成的有效磨粒數越多，砂輪越鋒利，即時間常數逐漸減小；修整深度較大的砂輪在磨削加工過程中不容易鈍化，所以，砂輪達到完全鈍化的磨削次數隨著修整深度增大逐漸增加。

通過上述不同磨削工藝參數和不同修整工藝參數的實驗研究，驗證了利用功率信號的時間常數方法對砂輪鈍化監測的有效性。實驗結果也為如何選取磨削工藝參數和修整工藝參數提供了參考依據，對后續提高磨削工件表面質量和磨削效率有重要意義。

4結論

(1)基于外圓切入磨削力模型分析，研究了功率信號的時間常數與砂輪鈍化的關系，提出了利用功率信號的時間常數對磨削砂輪鈍化過程進行監測的方法。

(2)建立了磨削功率信號與磨削力關系模型，通過在線監測外圓切入磨削的功率信號對時間常數進行識別。為了提高計算準確性，本文選取了進給階段穩定功率信號和駐留階段的功率信號變化率對時間常數進行計算。

(3)利用3D顯微鏡分別對自銳階段、逐漸磨損階段和完全鈍化階段的砂輪表面特征進行分析，并與基于時間常數對砂輪鈍化的監測結果進行對比，證明了上述利用功率信號時間常數監測砂輪鈍化過程的有效性。

參考文獻：

[1]WegenerK,HoffmeisterHW,KarpuschewskiB,etal.ConditioningandMonitoringofGrindingWheels[J].CIRPAnnals-ManufacturingTechnology,2011,60:757-777.

[2]劉貴杰,唐婷,劉立靜,等.基于聲發射信號的砂輪鈍化在線檢測方法[J].儀器儀表學報,2005, 26(8):13-14.

LiuGuijie,TangTing,LiuLijing,etal.AcousticEmissionSignalsBasedOn-lineMonitoringMethodforWheelDull[J].ChineseJournalofScientificInstrument, 2005, 26(8):13-14.

[3]KarpuschewskiB,WehmeierM,InasakiI.GrindingMonitoringSystemBasedonPowerandAcousticEmissionSensors[J].AnnalsoftheCIRP, 2000, 49(1):235-240.

[4]KwakJae-Seob,HaMan-Kyung.NeuralNetworkApproachforDiagnosisofGrindingOperationbyAcousticEmissionandPowerSignals[J].JournalofMaterialsProcessingTechnology,2004, 147:65-71.[5]孔亞東,呂洋,王宛山,等.基于多傳感器融合的磨削砂輪鈍化的智能監測[J].東北大學學報(自然科學版),2003,24(3):248-251.

KongYadong,LüYang,WangWanshan,etal.IntelligentMonitoringforGrindingWheelPassivationBasedonMulti-sensorFusion[J].JournalofNortheasternUniversity, 2003, 24(3):248-251.

[6]王強,劉貴杰,王宛山.基于小波包能量系數法的砂輪狀態監測[J].中國機械工程,2009, 20(3): 285-287.

WangQiang,LiuGuijie,WangWanshan.MonitoringMethodforGrindingWheelBasedonCapacityCoefficientoftheWaveletPackets[J].ChinaMechanicalEngineering,2009,20(3): 285-287.

[7]李德廣,劉淑琴.基于諧波小波的磨削砂輪狀態特征提取[J].振動、測試與診斷,2012,32(5): 750-755.LiDeguang,LiuShuqin.WheelStateFeatureExtractionBasedonHarmonicWaveletAnalysis[J].JournalofVibrationMeasurement&Diagnosis, 2012, 32(5): 750-755.[8]SutowskiP,PlichtaS.AnInvestigationoftheGrindingWheelWearwiththeUseofRoot-mean-squareValueofAcousticEmission[J].ArchivesofCivilandMechanicalEngineering,2006, 6(1):87-98.[9]LiaoTW,TingCF,QuJ,etal.AWavelet-basedMethodologyforGrindingWheelConditionMonitoring[J]InternationalJournalofMachineTools&Manufacture， 2007，47:580-592.

[10]LiaoTW.FeatureExtractionandSelectionfromAcousticEmissionSignalswithanApplicationinGrindingWheelConditionMonitoring[J].EngineeringApplicationsofArtificialIntelligence,2010，23:74-84.

[11]YangZhensheng,YuZhonghua.GrindingWheelWearMonitoringBasedonWaveletAnalysisandSupportVectorMachine[J].Int.J.Adv.Manuf.Technol.,2012,62:107-121.

[12]MarshER,MoerleinAW,DeakyneTRS,etal.In-processMeasurementofFormErrorandForceinCylindrical-plungeGrinding[J].Precis.Eng., 2008,32:348-352.

[13]馬爾金S.磨削技術與理論[M].蔡光起，鞏亞東，宋貴亮,譯.沈陽：東北大學出版社，2002.

[14]ChenX,RoweWB,MillsB,etal.AnalysisandSimulationoftheGrindingProcess.PartⅢ.ComparisonwithExperiment[J].InternationalJournalofMachineToolsandManufacture, 1996, 36(8):897-906.

[15]HeckerRL,LiangSY,XiaoJianwu,etal.GrindingForceandPowerModelingBasedonChipThicknessAnlaysis[J].Int.J.Adv.Manuf.Technol.,2007,33:449-459.

[16]AlexWM,ErcRM,TheodoreRS,etal.In-processForceMeasurementforDiameterControlinPrecisionCylindricalGrinding[J].Int.J.Adv.Manuf.Technl.,2009, 42:93-101.

(編輯蘇衛國)

MonitoringMethodofCylindricalPlungeGrindingWheelWearBasedonTimeConstant

ChiYulunLiHaolin

UniversityofShanghaiforScienceandTechnology,Shanghai,200093

Keywords:grindingwheelwear;powersignal;timeconstant;experiment

Abstract:Basedoncylindricalplungegrindingforcemodel,anewalgorithmoftimeconstantwasproposedbyusingpowersignals,andthetimeconstantwasusedtoidentifygrindingwheelwearstatus.Inordertoimprovecalculationaccuracy,grindingpowersignalsintheinfeedstageanddwellstagewereselectedtocalculatethetimeconstant.Atlast,throughexperimentsofdifferentgrindingprocessparametersanddifferentdressingparameters,thevalidityofmonitoringmethodwasproved.

收稿日期：2015-04-28

基金項目：國家科技重大專項(2013ZX04008-011)

作者簡介：遲玉倫，男，1982年生。上海理工大學機械工程學院博士研究生。研究方向為精密測量技術。李郝林，男，1961年生。上海理工大學機械工程學院教授。

中圖分類號：TG581.1

DOI：10.3969/j.issn.1004-132X.2016.02.011