Xác định dấu hiệu mòn của bánh mài bằng phương pháp phân tích gói sóng

Journal of Shanghai Jiaotong University (Science) - Tập 15 - Trang 323-328 - 2010
Li-ming Xu1,2, Kai-zhou Xu1, Yun-dong Chai1
1School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai, China
2State Key Laboratory of Mechanical Transmission, Chongqing University, Chongqing, China

Tóm tắt

Quá trình mài được biết đến là phương pháp loại bỏ vật liệu phức tạp nhất và phương pháp giám sát sự mòn của bánh mài có những đặc điểm riêng so với các phương pháp phát hiện sự mòn trên các công cụ cắt thông thường. Nghiên cứu đã được thực hiện để phát triển hệ thống giám sát sự mòn của bánh mài do tầm quan trọng của nó trong quá trình mài. Bài báo này trình bày một phương pháp mới để xác định dấu hiệu mòn của bánh mài bằng cách kết hợp các năng lượng dựa trên phân tích gói sóng (WPD). Đặc điểm nổi bật của phương pháp này là nó tận dụng thông tin kết hợp từ các thành phần tần số đã phân rã dựa trên WPD, nhờ đó các đặc trưng được trích xuất có thể được tùy chỉnh theo đối tượng giám sát cụ thể để có hiệu quả chẩn đoán tốt hơn. Các thí nghiệm được nghiên cứu trên việc giám sát trạng thái mòn của bánh mài dưới các điều kiện gia công khác nhau. Kết quả cho thấy tỷ lệ năng lượng trích xuất từ tín hiệu rung đo được nhất quán với điều kiện mòn của bánh mài được đánh giá bằng thí nghiệm, và tỷ lệ đặc trưng được trích xuất thêm có thể được sử dụng trong việc dự đoán điều kiện mòn của bánh mài.

Từ khóa


Tài liệu tham khảo

Kurada S, Bradley C. A review of machine vision sensors for tool condition monitoring [J]. Computers and Industry, 1997, 34(1): 55–72.

Luo Y M, Hu D J. Real-time measurement and compensation for wheel wear in curve grinding based on image processing method [J]. Key Engineering Materials, 2008, 359–360: 479–483.

Kassim A A, Mannan M A, Zhu M. Texture analysis methods for tool condition monitoring [J]. Image and Vision Computing, 2007, 25(7): 1080–1090.

Zahouani H, Mezghani S, Vargiolu R, et al. Identification of manufacturing signature by 2D wavelet decomposition [J]. Wear, 2008, 264(5–6): 480–485.

Liao T W, Ting C F, Qu J, et al. A wavelet-based methodology for grinding wheel condition monitoring [J]. International Journal of Machine Tools and Manufacture, 2007, 47(3–4): 580–592.

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

Hassui A, Diniz A E, Oliveira J F G, et al. Experimental evaluation on grinding wheel wear through vibration and acoustic emission [J]. Wear, 1998, 217(1): 7–14.

Liao T W, Tang F M, Qu J, et al. Grinding wheel condition monitoring with boosted minimum distance classifiers [J]. Mechanical Systems and Signal Processing, 2008, 22(1): 217–232.

Lezanski P. An intelligent system for grinding wheel condition monitoring [J]. Journal of Materials Processing Technology, 2001, 109(3): 258–263.

Cai R, Rowe W B. Assessment of vitrified CBN wheels for precision grinding [J]. International Journal of Machine Tools and Manufacture, 2004, 44(12–13): 1391–1402.

Couey J A, Marsh E R, Knapp B R, et al. Monitoring force in precision cylindrical grinding [J]. Presicion Engineering, 2005, 29(3): 307–314.

Aliustaoglu C, Ertunc H M, Ocak H. Tool wear condition monitoring using a sensor fusion model based on fuzzy inference system [J]. Mechanical Systems and Signal Processing, 2009, 23(2): 539–546.

Thông tin
Thông tin xuất bản

Journal of Shanghai Jiaotong University (Science)

Tập 15

323-328

Thông tin tác giả