论文部分内容阅读
镍基高温合金具有良好的机械和耐腐蚀性能,特别在高温且受载极端的工作环境中可保持很高的强度和抗疲劳性。机器人砂带磨削加工具有材料去除能力强,成形质量稳定且易实现柔性加工等优点,常用于镍基高温合金材料加工。利用砂带对镍基高温合金工件进行磨削加工时,良好的材料性能会使砂带磨损更快,进而导致加工效率和成形质量的下降,所以砂带磨损状态监测是实现磨削加工智能化的重要一环。本文针对镍基高温合金的砂带磨削,建立了一套基于磨削声音信号特征的机器人磨削砂带状态监测系统。试验过程采用恒力磨削的方式,在恒定的磨削力和砂带线速度等工艺参数下,进行连续多道次磨削,采集磨削过程中的声音信号,研究磨削声音信号与砂带磨损状态之间的相关性,通过对原始信号进行时域和频域分析,获取声音信号的时域特征和频谱,结果表明声音信号强度和能量随磨损增加而减小,且在1200~20000Hz频率段的能量与砂带状态相关性明显。为了进一步获取磨削声音在不同频段与砂带磨损状态之间的关系,本文利用小波变换将声音信号在七个不同频率段的信号分量提取出来并对能量进行计算。通过对比不同状态下的声音信号在上述不同频段的能量变化后,发现磨削声音在D6(312.5~625Hz)、D5(625~1250Hz)、D2(5000~10000Hz)、D1(10000~20000Hz)四个频段的信号分量与砂带状态之间的相关性最明显。砂带磨损可以分成初期快速磨损、中期稳定磨损阶段和后期加速磨损阶段三个阶段。以磨削声音信号小波分解后得到的D6、D5、D2、D1这四个频率段的能量和标准差为砂带状态识别的输入特征,利用神经网络和随机森林两种算法分别建立了两个识别模型对磨损的三个阶段进行识别,神经网络模型和随机森林模型识别平均准确率为90%和94%。为了进一步提高砂带的有效利用率,在砂带后期加速磨损阶段,建立了一个多元线性回归预测模型进行磨削能力预测,预测结果的平均误差为5.3%。围绕镍基高温合金工件砂带磨削加工中砂带磨损状态监测,基于磨削声音信号的采集和特征分析,建立随机森林分类模型和多元线性回归模型,初步实现砂带磨损三个阶段的识别和加速磨损阶段砂带磨削能力的评估。