CN103048383A - 三元叶轮粗加工过程中牛鼻铣刀破损检测系统 - Google Patents

Abstract

本发明包括三元叶轮粗加工过程中声发射信号采集装置和牛鼻铣刀破损定量分析模块。声发射信号采集装置是由声发射传感器、传感器夹具、前置放大器、声发射采集卡、便携工控机、AEwin数据采集软件组成。声发射传感器通过传感器夹具固定在待加工的叶轮上，然后通过前置放大器、声发射采集卡将模拟信号放大并转换成数字信号传送给便携工控机，然后由AEwin软件进行信号显示与数据存储。牛鼻铣刀破损定量分析模块对采集得到的声发射信号进行处理并对牛鼻铣刀破损状态进行定量分析。

Description

三元叶轮粗加工过程中牛鼻铣刀破损检测系统

技术领域

本发明所述的三元叶轮粗加工过程中牛鼻铣刀破损检测系统属于设备故障检测领域，涉及三元叶轮铣削粗加工过程中的牛鼻铣刀刀片破损检测系统。

背景技术

随着工业的发展，鼓压风机在化工、医药等很多领域发挥着越来越重要的作用，国产鼓压风机性能的好坏将直接影响国民经济的发展，而叶轮是压缩机中的重要部件，叶轮的加工精度直接影响鼓压风机性能。

叶轮的加工是鼓压风机生产中的重要环节，当前采用铣削方法进行三元叶轮的加工。叶轮粗加工过程中采用牛鼻铣刀进行高速铣削，在高转速、大进给的铣削参数下，刀片磨损速度很快，如不及时更换过度磨损的刀片，轻则影响叶轮加工精度；重则发生糊刀现象，造成工件表面硬化；甚至于刀片破碎镶入工件，严重影响叶轮的加工精度，并需要钳工修磨方可继续加工。这些情况增加了加工辅助时间，降低生产效率。

目前，一般采用五轴数控机床进行三元叶轮的加工，机床操作者凭自己的加工经验来判别牛鼻铣刀的磨损状态。如加工一段时间就停下来检查刀片；结合切削噪声判别刀片状态；观察切屑状态；根据机床功率变化来判别刀具的磨损情况。其中，停机检查是最直观，也是判别最准确的方法。但是停机检查后再启动，接刀误差势必会影响加工精度；而观察切屑状态，功率判别法，噪声判别法直观性都不是很好，很难在最佳时间更换刀片。

针对上述三元叶轮粗加工过程中牛鼻铣刀破损检测的重要性和困难性，发明一种三元叶轮粗加工过程中牛鼻铣刀破损检测系统，提高叶轮加工精度和效率是十分必要的。

发明内容

本发明所要解决的技术问题是：对三元叶轮粗加工过程中牛鼻铣刀的磨损状态进行检测，及时、准确、定量地判定牛鼻铣刀的磨损状态。

本发明的三元叶轮粗加工过程中牛鼻铣刀破损检测系统包括三元叶轮粗加工过程中声发射信号采集装置和牛鼻铣刀破损定量分析模块。

声发射信号采集装置包括声发射传感器、放大器、声发射采集卡、工控机。声发射传感器通过传感器夹具固定在待加工的叶轮上，然后通过放大器、声发射采集卡将模拟信号放大并转换成数字信号传送给便携工控机，然后进行信号显示与数据存储。

牛鼻铣刀破损定量分析模块是通过对采集得到的声发射信号进行处理并对牛鼻铣刀破损进行定量分析。

首先对采集得到的声发射信号进行预处理，判断是否为牛鼻铣刀铣削三元叶轮的信号并剔除干扰信号。按照式（1）对采用小波基对信号进行三层小波包分解。

$\left\{\begin{array}{c}{W}_0\left(t\right)=\mathrm{\φ}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}\mathrm{\φ}(2t-k)\\ W_1\left(t\right)=\mathrm{\ψ}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{g}_k\mathrm{\φ}(2t-k)\\ W_{2n}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{h}_k{W}_n(2t-k)\\ W_{2n+1}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{g}_k{W}_n(2t-k)\end{array}\right.---\left(1\right)$

式中{h_k}_k∈Z和{g_k}_k∈Z是正交镜像滤波器，φ(t)和ψ(t)分别是尺度函数和小波基函数，通过φ(t)、ψ(t)、{h_k}_k∈Z、{g_k}_k∈Z在固定尺度下可定义一组正交小波包的函数W_2n(t)和W_2n+1(t)，即递推函数{W_n(t)}_n∈Z。

根据正常牛鼻铣刀和破损牛鼻铣刀加工三元叶轮时声发射信号的频谱差异，选择差异较大的频带，根据此频带选择小波包分解后的子信号进行包络处理，即对分解后的子信号x(t)进行希尔伯特变换，式（2）为希尔伯特变换公式：

$\hat{x}\left(t\right)=H\left[x\left(t\right)\right]=h\left(t\right)*x\left(t\right)={\∫}_{-\∞}^{\∞}x\left(\mathrm{\τ}\right)h(t-\mathrm{\τ})\mathrm{d\τ}=\frac{1}{\mathrm{\π}}{\∫}_{-\∞}^{\∞}\frac{x\left(\mathrm{\τ}\right)}{t-\mathrm{\τ}}\mathrm{d\τ}---\left(2\right)$

式中x(t)为实信号，

为x(t)的希尔伯特变换结果，H(t)=1/πt为系统的脉冲响应，τ为延迟时间。

对式（2）得到包络信号进行傅里叶变换得到傅里叶频谱，在此定义在傅里叶频谱中牛鼻铣刀转频处的幅值A₀与铣刀刀片的通过频率处的幅值A₁的比值为牛鼻铣刀破损量T_wear，如式（3）所示：

$T_{\mathrm{wear}}=\frac{A_0}{A_1}---\left(3\right)$

式中A₀为主轴转频频率处傅里叶谱对应的幅值，A₁为刀片通过频率处傅里叶谱对应的幅值，通过频率为牛鼻铣刀上的刀片通过叶轮某点的频率，即主轴转频与刀片数的乘积。

通过大量实验发现，随着牛鼻铣刀破损的增加，计算得到的T_wear逐渐增大，因此可以将T_wear作为定量描述牛鼻铣刀破损状态参数。实验得到：当T_wear接近1时，说明牛鼻铣刀发生轻微磨损，应该加以关注给予预警；当T_wear大于3时，需要及时更换铣刀刀片。某次模拟实验的测试结果如表1所示。

表1不同破损状态下铣刀破损量对比

本发明可以在三元叶轮粗加工过程中实时的监测牛鼻铣刀的磨损状态，通过牛鼻铣刀的破损状态参数T_wear的大小的监测可以对铣刀的磨损程度给予及时、准确、定量的判断，并采取适当的措施，与传统的仅凭经验来判断牛鼻铣刀的的磨损状态相比，可以极大地提高叶轮的加工精度和效率。

附图说明

图1为三元叶轮粗加工过程中声发射信号采集系统示意图。

图2为牛鼻铣刀破损定量分析模块分析流程图。

具体实施方式

以下结合技术方案和附图详细叙述本发明的实施例。

如图1所示，为三元叶轮加工过程中声发射信号采集系统示意图。其中，声发射信号采集装置由UT1000型声发射传感器、传感器夹具、AST型前置放大器、PCI-2型声发射采集卡、APO550便携工控机、AEwin数据采集软件组成。所述的声发射传感器通过传感器夹具固定在待加工的叶轮上，然后通过前置放大器、PCI-2声发射采集卡将模拟信号放大并转换成数字信号传送给便携工控机，然后由AEwin软件进行信号显示与数据存储。

附图2为牛鼻铣刀破损定量分析模块分析流程图。按照此流程图依次对采集得到的声发射信号进行预处理、小波包分解、信号包络处理、傅里叶变换、提取特征值T_wear，通过牛鼻铣刀破损量T_wear的大小判定牛鼻铣刀的破损状态。从而实现三元叶轮粗加工过程中牛鼻铣刀的破损检测。

Claims (1)

1.一种三元叶轮粗加工过程中牛鼻铣刀破损检测系统，其特征在于：该三元叶轮粗加工过程中牛鼻铣刀破损检测系统包括三元叶轮粗加工过程中声发射信号采集装置和牛鼻铣刀破损定量分析模块两部分；

声发射信号采集装置包括声发射传感器、前置放大器、声发射采集卡、工控机；声发射传感器通过传感器夹具固定在待加工的叶轮上，然后通过前置放大器、声发射采集卡将模拟信号放大并转换成数字信号传送给工控机，然后进行信号显示与数据存储；

牛鼻铣刀破损定量分析模块是通过对采集得到的声发射信号进行处理并对牛鼻铣刀破损进行定量分析，具体过程如下：

首先对采集得到的声发射信号进行预处理，判断是否为牛鼻铣刀铣削三元叶轮的信号并剔除干扰信号；按照式（1）对采用小波基对信号进行三层小波包分解:

$\left\{\begin{array}{c}{W}_0\left(t\right)=\mathrm{\φ}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}\mathrm{\φ}(2t-k)\\ W_1\left(t\right)=\mathrm{\ψ}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{g}_k\mathrm{\φ}(2t-k)\\ W_{2n}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{h}_k{W}_n(2t-k)\\ W_{2n+1}\left(t\right)=\sqrt{2}\underset{k\∈Z}{\mathrm{\Σ}}{g}_k{W}_n(2t-k)\end{array}\right.---\left(1\right)$

式中{h_k}_k∈Z和{g_k}_k∈Z是正交镜像滤波器，φ(t)和ψ(t)分别是尺度函数和小波基函数，通过φ(t)、ψ(t)、{h_k}_k∈Z、{g_k}_k∈Z在固定尺度下定义一组正交小波包的函数W_2n(t)和W_2n+1(t)，即递推函数{W_n(t)}_n∈Z；

根据正常牛鼻铣刀和破损牛鼻铣刀加工三元叶轮时声发射信号的频谱差异，选择差异较大的频带，根据此频带选择小波包分解后的子信号进行包络处理，即对分解后的子信号x(t)进行希尔伯特变换，式（2）为希尔伯特变换公式：

$\hat{x}\left(t\right)=H\left[x\left(t\right)\right]=h\left(t\right)*x\left(t\right)={\∫}_{-\∞}^{\∞}x\left(\mathrm{\τ}\right)h(t-\mathrm{\τ})\mathrm{d\τ}=\frac{1}{\mathrm{\π}}{\∫}_{-\∞}^{\∞}\frac{x\left(\mathrm{\τ}\right)}{t-\mathrm{\τ}}\mathrm{d\τ}---\left(2\right)$

式中x(t)为实信号,

为x(t)的希尔伯特变换结果，H(t)=1/πt为系统的脉冲响应，τ为延迟时间；

对式（2）得到包络信号进行傅里叶变换得到傅里叶频谱，在此定义在傅里叶频谱中牛鼻铣刀转频处的幅值A₀与铣刀刀片的通过频率处的幅值A₁的比值为牛鼻铣刀破损量T_wear，如式（3）所示： $T_{\mathrm{wear}}=\frac{A_0}{A_1}---\left(3\right)$

式中A₀为主轴转频频率处傅里叶谱对应的幅值，A₁为刀片通过频率处傅里叶谱对应的幅值，通过频率为牛鼻铣刀上的刀片通过叶轮某点的频率，即主轴转频与刀片数的乘积。

Images