面向高速磨削過程工藝優化的多傳感器融合檢測

馬胤琛，楊建國，陸　駿MA Yin-chen，　YANG Jian-guo，　LU Jun（東華大學 機械學院，上海 201620）

加工與制造

面向高速磨削過程工藝優化的多傳感器融合檢測

馬胤琛，楊建國，陸駿
MA Yin-chen，YANG Jian-guo，LU Jun
（東華大學 機械學院，上海 201620）

針對脆硬性材料高速磨削過程中加工特性復雜及信號難以捕捉的特點，研制了一種基于多傳感器融合的智能檢測系統。針對脆硬性材料磨損過程非線性強時變特點，結合多種信號特征提取及融合技術對磨削過程的多傳感器在線檢測結果進行分析，重點解決高速磨削過程中工藝系統穩定性檢測、動態特性識別和分析問題。該系統通過在高速磨床上進行實驗，證明了上述系統的有效性。

高速磨削；多傳感器融合；動態特性

0　引言

陶瓷等難加工材料由于其優異性能，在國內外航空及國防領域有廣泛應用。但陶瓷材料由于其高硬度，易脆性等特性成為磨削加工領域重點攻克的技術難點。高速磨削技術是陶瓷等難加工材料高效磨削的關鍵技術之一，但如何基于加工工藝系統的特點優化工藝參數，解決加工質量是加工中急需解決的問題。特別是確保加工表面質量前提下，提高加工精度和加工效率，需要結合加工工藝系統的特點（如動剛度等）對加工過程進行精確控制，以選擇適合的工藝參數［1］。

本文針對陶瓷材料在高速磨削中引起的多種高頻不平穩的突變磨削信號對加工過程進行采樣，研制一種基于多傳感器的智能檢測及評價系統。工程實驗應用驗證了該檢測系統的有效性。

1　國內外相關研究回顧

多傳感器的精密監測技術是提高加工過程質量的關鍵因素。基于陶瓷等脆硬性材料特性，傳統高速磨削加工技術很難對加工穩定性進行控制，并保證加工質量。國內外最近主要通過穩定性區域圖，動態特性建模，熱力學耦合表征，磨削過程演變機理等方法對磨削過程中顫振、燒傷、振動等影響加工表面質量的關鍵性因素開展研究。文獻［2］針對磨削過程特別是砂輪碰撞工件的瞬間對加工過程的動態力學特性進行分析，采用動態仿真理論和系統動態實驗相結合的方式，通過研究加工工藝參數不同變化下顫振的大小，來判定穩定邊界，優化工藝參數。

針對高速磨削惡劣加工環境及磨削機理，國內外專家對各種高精度抗干擾能力強的測量裝置、傳感器、采集分析設備和控制系統開展了大量的研究。例如，P. Lezanski［3］分別使用加速度傳感器和力傳感器對砂輪的磨損狀態和磨削力開展研究。其次，加速度傳感器還常被用于主軸振動，分析高速磨床加工過程中的整體動態性能，Julie Z. Zhang［4］使用三項加速度傳感器采集切削過程中的振動信息。Alex W.Moerlein［5］成功的使用磨削力在線控制方法來控制外圓磨削過程中工件的尺寸。Changfei Lv［6］發現功率傳感器也可用于檢測磨削力。綜上所述，單傳感器的檢測方法在加工過程中已被廣泛應用，該方法檢測方便，成本較低，但由于檢測信息與被測對象之間難以準確建立一對一的對應關系，所以測試準確性通常不高。

高速磨削過程智能檢測的目的是為了得到能夠保證加工質量和效率并使之成為加工工藝經驗的數據。而多傳感器監測將分布在不同位置和不同類型的傳感器按照智能監控系統決策、規劃的要求，通過信號處理、系統識別、參數評價和機器學習等方法的組合將信號綜合分析，得出更準確的檢測結果。

N. Subrahmanya［7］使用傳感器自動特征選擇方法對磨削過程中的故障進行檢測，通過實驗證明了該方法能更準確的檢測出磨削故障。根據國內外加工領域智能檢測相關文獻的調研，我們發現多傳感器數據融合研究重點主要集中在兩個方面，即如何開展特征提取選擇研究和冗余數據融合研究。特征提取選擇技術包括特征提取和選擇兩部分。使用信號處理技術包括時域分析，傅里葉分析和小波分析對特征進行提取，通常能完備的反應加工過程信息并提取相關的特征，但并不是所有的特征都和檢測目標相關或者有很大的關聯性，所以有必要通過降低特征的維度的方法對特征進行選擇，提煉出最能反應出故障信息的特征。常用的特征提取技術包括主成分分析，獨立主成分分析，核主成分分析和多維標度測量等方法。這些方法的缺點是沒有對原始信號輸入矩陣中特征的重要性權重進行排序。所以，引入濾波，包裝和嵌入方法對特征進行排序。例如文獻［8］通過支持向量機這種包裝方法使用評價標準預測誤差對各傳感器的權重。但是在模型精確預測中并不完善，精確的不確定度評價方法還在研究中。

2　多傳感器性能檢測試驗平臺

基于多傳感器信號融合的高速磨削難加工材料監控系統應盡可能排除惡劣環境的影響，采用能夠反應高速主軸旋轉系統高頻特性的傳感器。其系統主要有三部分模塊組成，高速磨削加工模塊，高精密傳感器檢測模塊以及數據采集及分析模塊（如圖1所示）。

圖1　高速磨削綜合檢測實驗平臺

高速磨削加工模塊使用高速磨床MGKS1332/H作為實驗平臺。選用型號為99VG3A1-400-22-5 76 D91 V+2046J1SC C150 E的陶瓷結合劑的金剛石砂輪和陶瓷SiC的加工材料為工件。在磨削加工和砂輪修整過程中采用水冷的方法對砂輪進行冷卻。該實驗在高速磨削過程中加工局部會產生大量熱量并會有高速切削物體飛濺出，檢測環境惡劣。

高精密傳感器檢測模塊如圖2所示，工件通過卡盤和前后兩頂尖固定，同時，將一個力傳感器，兩個加速度傳感器，一個AE傳感器和電渦流傳感器分別安裝在加工信號最敏感區域。Kilster公司的9347C三項力傳感器被安裝在后頂尖上，該傳感器測試范圍為-15到15kN，Fx，Fy的敏感度約為-7.8PC/N，Fz的敏感度約為-3.7PC/N，X，Y向自然頻率為3.6kHz，Z向為10kHz。使用兩個加速度傳感器分別安裝在力傳感器上、前方，對后尾架上的振動進行測試，傳感器為揚州電子科技的D1010LA，使用頻率0.5～10kHz，重量15克，最大可測值為500ms-2（1g=10m/s2），電壓靈敏度為10.298mv/ms-2。德國米依公司的電渦流傳感器eddyNCDT3010安裝在工件旁，其量程和安裝距離都為0.5mm，誤差值為1.25um。

數據采集及分模塊為了保證測試采樣的準確性及信號抗干擾能力，選用信號采集卡LMS對信號過濾和分析，使用高性能工控機對采集信號進行特征分析，通過對數據的知識推理及融合分析，對加工狀態穩定性及規律進行分析。

3　實驗設計與分析

在高速磨削碳化硅加工過程中，信號比普通材料磨削過程更為復雜。因此，針對高速磨削工藝條件下的脆硬性材料加工穩定區域檢測的實驗，分別研究砂輪轉速、工件轉速和進給量變化情況下工件加工質量的穩定性。如表1所示。

表1　試驗工藝參數選擇

表2　磨削過程主要特征數值

使用均值、方差、極值、峭度等時域信號特征對加速度、位移、力傳感器的原始信號（如圖2所示）進行分析，選用最能反映磨削過程加工特性的特征對加工過程的穩定性進行評價（如表2所示）。由于加工過程的穩定性主要受砂輪主軸的高速旋轉及進給運動影響，所以將傳感器所提取的特征信號重點對砂輪速度和進給量對磨削過程穩定性的影響開展研究。圖2表明，隨著砂輪速度的增加，表征工件系統振動情況的切向和法相加速度值迅速增加，工件系統不穩定。同時，工件系統所受的磨削力減小。圖3表明，隨著進給量的增加，切向和法相加速度值迅速增加，工件系統不穩定。同時，工件系統所受的磨削力增加。

磨削過程工件主軸不平衡度引起的工件主軸跳動如表2所示，針對不同工藝條件下（砂輪、工件轉速，切深不同），展開對磨削工藝條件的研究，當切深較大（實驗5、7，ap=12um），砂輪速度較小（實驗11，Vs=40m/ s），工件偏離量較大。反之，切深較小（實驗8、9，ap=3um），砂輪速度較大（實驗10，Vs=100m/s），工件偏離量較小。表2通過對不同工藝條件下，工件主軸徑向位置均方差的變化來觀察主軸的跳動量，判斷工件系統是否穩定，實驗4跳動最大，原因是磨削加工遇到共振現象，實驗11跳動最小，是因為砂輪速度最低。仔細觀察不同工藝參數變化下，工件系統的運動規律，我們可以發現當工件轉速和進給量不變，砂輪速度變化時，工件系統徑向跳動較大，當砂輪速度達到80m/s左右時，跳動值遇到拐點，當砂輪速度到達100m/s時，工件徑向跳動反而降低（如圖4所示）。當砂輪速度和工件速度不變，進給量增大時，工件系統徑向跳動增大，而在8um后，遇到拐點，12um反而降低。上述結果表明，磨削過程中工件系統的穩定并不是隨著工藝系統的變化，而成線性遞增或遞減關系，所以，必須進一步對導致加工過程工件系統不穩定的原因進行分析，研究磨削過程的內部機理。

圖2　磨削過程加速度，力隨砂輪速度變化規律圖

圖3　磨削過程加速度，力隨砂輪進給量變化規律圖

圖4　跳動變化圖

4　多傳感器故障診斷

基于多傳感器的時域特征對磨削過程工件穩定性分析，無法對引起工件不穩定的原因進行分析。使用頻域分析方法分別對引起工件振動的原因進行分析。如圖5所示，工件系統在任何情況下，在47.5Hz左右都存在較大的波峰值，該頻率是由機床工頻干擾信號引起。如圖5（a）所示，工件在加工過程中，高頻段約以47.5Hz為基頻（47.95Hz，95.07Hz，142.5Hz，190.1Hz，237.6Hz等處）有明顯振幅，如表3對比不同工藝下實驗11，2，3，10，高頻段基頻與砂輪轉速成正比，證明高頻部分的工件主軸輪廓變化主要由砂輪周期性作用力引起，波動大小與切深、工件轉速快慢相關。

另外，磨削加工過程和工件空轉中（圖5（b）、圖5（d）中），工件表面輪廓傅里葉圖的低頻段基頻為0.35Hz，由于低頻的幅值占整個頻率段的絕大多數成分，所以中工件主體跳動主要由低頻段信號組成。每組實驗基于基頻的2，4，9，10，20，24個周期有明顯的波峰（表3），表明工件加工過程中的運動特性主要和工件外圓形狀及工件系統的本身固有的靜、動平衡有關。

基于磨削過程各個基頻段的幅值大小的檢測（如表3所示），我們可以找出引起工件運動幅值突變的原因，例如，圖2（c）中，實驗5的切深為最大的12um，但跳動值最小，主要原因是由于基頻第4和第20個周期處幅值明顯變小，說明當進給增大時，導致工件系統在每四分之一個周期處反而達到了局部的平衡。

圖5　位移傳感器頻譜分析圖

5　結論

本文結合使用多傳感器特征檢測及故障診斷分析方法對磨削過程的穩定性進行判別，就陶瓷等難加工材料在加工過程中，不同工藝參數下加工工藝對表面質量的影響開展研究，為高速磨削加工工藝參數的優化選擇提供科學依據。通過對高速磨削過程中振動，主軸偏心，等故障原因進行分析，發現工件加工過程中工件外圓形狀及工件系統的本身固有的靜、動平衡特性影響高速加工穩定性。綜上說述，面向高速磨削過程開展多傳感器檢測技術研究能夠提高加工質量，為制造技術的提高提供更多的理論支持。

表3　不同工藝試驗下表面輪廓FFT圖不同基頻及幅值一覽表

［1］ Sanjay Agarwal，P.Venkateswara Rao. Grinding characteristics，material removal and damage formation mechanisms in high removal rate grinding of silicon carbide［J］.International Journal of Machine Tool& Manufacture，2010，9.

［2］ Hongqi Li，Yun C.Shin.A study on chatter boundaries of cylindrical plunge grinding with process conditiondependent dynamics［J］.International Journal of Machine Tools&Manufacture，2007，47:1563-1572.

［3］ P. Lezanski，An intelligent system for grinding wheel condition monitoring［J］.Journal of Materials Processing Technology，2001:251-263.

［4］ Julie Z. Zhang，Joseph C. Chen. Tool condition monitoring in an end-milling operation based on the vibration signal collected through a microcontroller-based data acquisition system［J］.Int J Adv Manuf Techol，2008，39:118-128.

［5］ Alex W.Moerlein. Eric R.Marsh. Theodore R.S.Deakyne.R.Ryan Vallance. In-process force measurement for diameter control in precision cylindrical grinding［J］.Int J Adv Manuf Technol，2009，42:93-101.

［6］ Changfei Lv .Acoustic Emission Signal Processing of Grinding Monitor［A］.2010 3rd International Congress on Image and Signal Processing （CISP2010）［C］.

［7］ N. Subrahmanya，Yun C. Shin. Automated sensor selection and fusion for monitoring and diagnostics of plunge grinding［J］. Journal of manufacturing science and engineering，2008，6.

［8］ N. Subrahmanya. Data-based Process Monitoring，Fault detection and Diagnostics:［D］.Indiana:Purdue university.2009.

［9］ H.K. Tonshoff，T.Friemuth，J.C.Becker. Process monitoring in grinding［J］.CIRP Annals - ManufacturingTechnology，2002，51（2）:551-571.

［10］ T.jayakumar，C.K Mukhopadhyay，S. Venugopal，S.L Mannan，Baldev Raj.A review of the application of acoustic emission techniques for monitoring forming and grinding processes［J］. Journal of Materials Processing Technology.2005，159:48-61.

［11］ T.W. Hwang，E.P. Whitenton，N.N. Hsu，G.V. Blessing，C.J. Evans.Acoustic emission monitoring of high speed grinding of silicon nitride［J］.Ultrasonics，2006，38:614-619.

［12］ 周秦源.磨削工藝系統的動態特性及應用研究［D］.2012.

［13］ 張曉紅.凸輪軸數控磨削工藝智能專家系統的研究及軟件開發［D］.2010.

Multi-sensor fusion detection of high speed grinding process optimization

TH161

A

1009-0134（2016）06-0064-05

2016-01-15

國家自然科學基金資助項目（51175077）

馬胤琛（1985 -），男，上海人，博士研究生，研究方向為先進制造技術、智能檢測與控制。