欢迎您访问长沙鹏翔电子科技有限公司官方网站

技术与应用

PCIE高速声发射仪/千兆网络声发射仪

技术与应用

基于声发射信号检测的光学元件表面加工质量监控研究

发布日期:2017-06-30 17:30    浏览次数:

     声发射检测( acoustic emission,AE) 技术是近年来新兴的一种测量手段,具有灵敏有效、环保安全、不侵入流场和实时在线的特点,目前已经被用于测量流化床颗粒粒径分布、卧式搅拌床故障诊断等多个方面[1]。Dr. Amin A. Mokbel 等人通过研究声发射信号与光学元件表面粗糙度的关系,得出声发射信号的强度与光学元件表面粗糙度值存在一定的联系[2]; 日本宇都宫大学的江田弘等人用声发射法进行了磨削裂纹在线监测技术的研究[3],其研究结果发现,磨削裂纹形成而产生的声发射信号在600 ~ 800 kHz 频率之间,而正常磨削条件下声发射信号的频率一般在400 kHz以下,这样就可通过滤波的方法把由于磨削裂纹形成而产生的声发射信号提取出来,从而实现对磨削裂纹的产生进行在线监测; 日本学者Eda. H 等人在文献[4 - 5]中运用声发射技术对磨削烧伤在线监测进行了可行性的研究,研究结果发现声发射信号的幅值和均值均随磨削烧伤的恶化而增大; 南京航空航天大学对磨削加工中的声发射信号也进行了分析研究[6],并且建立了自回归时序模型,实现了对磨削烧伤的在线监测与预报; 上海理工大学利用声发射进行了恒力磨削研究,研究表明,声发射对于切削力的测量精度可以达到0. 1 N[7],通过相关的试验研究,上海理工大学验证了声发射信号特征参量与磨削力之间存在的映射关系,并最终实现了基于声发射技术的恒力磨削。本文利用声发射检测技术,将声发射传感器置于安放有光学元件的夹具上,采集光学元件在磨削加工过程中产生的声发射信号,结合FFT 分析,考察不同的工作参数下声发射信号的变化规律及与原件表面质量之间的关系,从而获得一种在线检测光学元件表面加工质量的新方法,可为光学元件的超精密加工提供指导。

1 试验装置及方法
1. 1 试验装置

    本试验在美格勒MFP125. 65. 65 超精密磨床上进行,试验装置如图1 所示。传感器安装在专用的加工夹具上,以便采集砂轮在磨削过程中的声发射信号。采用北京声华有限公司研制的声发射检测系统,包括声发射传感器、信号放大装置、信号采集装置和信号处理装置。采样点位于夹具边缘。试验采样频率为156kHz,砂轮在磨削过程中刚接触到工件是开始采样,在工件上行走一个行程后停止采样的时间约为0. 4 s。传感器安放位置如图2 所示。加工参数如表1 所示。

1. 2 磨削模型和磨削声发射信号
    根据磨削模型得出磨削过程存在3 个阶段: 滑擦阶段、耕犁阶段、切屑形成阶段[8]。磨削过程如图3 所示。滑擦阶段磨粒与工件表面开始接触,工件系统仅仅发生弹性变形,基本不发出声发射信号,在耕犁阶段和切屑形成阶段摩擦逐渐加剧,越来越多的能量转变为热,磨粒推动工件材料的流动,大量切屑从工件基体被带出,产生大量的声发射信号。不同的加工参数,如切深、进给速度、砂轮转速等决定了声发射信号能量幅值的大小。试验中采用控制变量法逐一控制加工参数,从而得到不同加工状态的声发射信号。

    本次试验的磨削过程中,工件( 光学元件) 的脆性断裂、内部变形均会有声发射信号的产生。其中工件材料的脆性断裂又可以分为玻璃纤维的断裂和二氧化硅基体的剥离。这几种变化有着本质的不同,它们可以看作是不同的声发射源。研究表明,石英材料的塑性变形和脆性断裂所产生的声发射信号的频率分布范围不同。因此,声发射信号频谱的各个频段的信号应该与工件的脆性断裂、内部变形这几种变化相对应[9]。
2 结果与讨论
2. 1 声发射信号的功率谱分析
    声发射传感器采集到的原始信号( 图4) 是时域信号,无法直接反映声发射信号的频率结构特征[10]。为确定磨削过程中声发射信号的特征频段,结合FFT 进行分析,得到参数变化时的声发射信号幅值变化情况如图5 所示。

    

    从图5 中可以看出: 在不同的加工参数状态下,功率谱存在20 ~ 60 kHz 和60 ~ 90 kHz 两个频带,功率谱均在60 ~ 90 kHz 频带内的频谱能量较低,在20 ~ 60kHz 频带内的频谱能量较高。声发射信号是以能量波的形式进行,因此,在20 ~ 60 kHz 频段下的声发射信号能量较大,也可以认为这种磨削参数下大部分能量是以某几个频率的声发射弹性波释放的[11]。
    如图5a 所示,随着砂轮线速度的提高,20 ~ 60kHz 频段信号的当量能量逐渐变小; 60 ~ 90 kHz 频段声发射信号能量较小且无明显变化。由于每一次实验中大部分的声发射弹性波都可能是由工件材料的脆性断裂产生的,所以此光学元件纤维断裂以及二氧化硅基体剥离所产生的声发射信号的当量能量是随着砂轮线速度的提高而不断变小的。仅仅提高砂轮线速度并不会对材料去除率产生太大的影响,因此,光学元件的内部变形所产生的声发射信号强度也不会有明显的变化; 另外,这种变化所产生的声发射信号相比于材料的脆性断裂而言是较弱的。因此可以估计20 ~ 60 kHz频段中的声发射信号是由光学元件纤维断裂以及二氧化硅基体剥离产生的,60 ~ 90 kHz 频段中的声发射信号是由光学元件的内部变形所产生的[12]。
    进给速度增加时,材料去除率也会变大。不仅如此,砂轮与工件材料的挤压和摩擦作用也愈发强烈。因此,光学元件的内部变形作用会随着进给速度的提高而增强,从而释放出更多的声发射弹性波[13]。因此在图5b 中所出现的声发射信号的能量增加可以和上文中所得到的结果相对应。
    切削深度增加时,各频段的信号能量均随着磨削深度的增加而变大。即材料切除率变大时,磨削过程中材料的脆性去除、内部塑性变形所释放的声发射能量均变大,如图5c 所示的实验现象能与估计有着很好的对应。由此可以得出20 ~ 60 kHz 频段中的声发射信号是由光学元件纤维断裂以及二氧化硅基体剥离产生的; 60 ~ 90 kHz 频段中的声发射信号是由光学元件的内部变形所产生的。
2. 2 声发射信号特征与光学元件表面粗糙度值相互关系分析
    在磨削过程中,光学元件表面粗糙度值主要与光学元件纤维断裂以及二氧化硅基体剥离有关[14]。由上文可得,20 ~ 60 kHz 频段中的声发射信号是由光学元件纤维断裂以及二氧化硅基体剥离产生的,所以可以取20 ~ 60 kHz 的幅值信号与光学元件的表面粗糙度值做相关性分析,结果如图6 所示。
    由图6 可得光学元件的表面Ra值随着声发射信号幅值的增大而增大,随着声发射信号幅值的减小而减小。其中,砂轮线速增大时,砂轮每转的磨削深度减小,因此材料的磨削挤压也会变小,从而导致Ra值减小,声发射信号幅值也相应减小; 进给速度增大时,砂轮对光学元件表面的切削力和挤压力增大,单位时间内去除的材料增多,材料脆性断裂的趋势增强,因此会导致Ra值增大,声发射信号幅值亦增大; 切深增大时,单位时间内材料去除率增大,材料脆性断裂急剧增大,有大量的断裂层从光学元件基体脱离,从而导致Ra值增大,并且发出大量的弹性波,因此声发射幅值也增大。
    综上可得,使用声发射特征信号预测光学元件加工表面质量是可行的。

3 结语
( 1) 研究不同加工参数下磨削过程的声发射信号,结果表明: 信号频谱有明显的两部分特征频段。根据磨削机理判断: 在磨削过程中,20 ~ 60 kHz 频段中的声发射信号是由光学元件纤维断裂以及二氧化硅基体剥离产生的; 60 ~ 90 kHz 频段中的声发射信号是由光学元件的内部变形所产生的。
    声发射信号随着进给速度、切深的增大而增大,随着砂轮线速的增大而呈减小趋势。
( 2) 光学元件表面质量与20 ~ 60 kHz 频段中的声发射信号呈一定的数量关系,此频段声发射信号强度越大,表面质量越差。
( 3) 在实际的磨削加工过程中,由于加工环境的限制,基本不能做到在线监测工件的加工表面质量情况。本文提出的结合声发射信号预测光学元件加工质量的监控方法,经实例验证是方便有效的。
参考文献
[1]侯琳熙,王靖岱,阳永荣,等. 气固流化床中声发生机理及在工业装置中的应用[J]. 化工学报,2005,56( 8) : 1474 - 1478.
[2]Amin A Mokbel,TMA Maksoud. Maksoud. Monitoring of the condition of diamond grinding wheels using acoustic emission technique[J]. Journal of Materials Processing Technology,2000,101( 1 - 3) : 292 - 297.
[3]陈新全,孔凡志,廖家欣. 声发射技术及其在机械加工特性研究中的应用[J]. 长沙电力学院学报: 自然科学版,2000,15( 4) : 70 - 71.
[4]Eda. H K. et al. In process detection of grinding burn by means of utilizing acoustic emission[J]. Annals of the CIRP,1994,43( 1) .
[5]Koening W,Klumpen T. Monitoring and sensor concepts for higher process reliability[J]. AME 5th Int. Grinding Conf. ,Ohil,1993,10.
[6]陈明,浦学锋,张幼桢. 声发射技术在磨削烧伤预报中的应用研究[J]. 机械科学与技术,1994( 1) : 15 - 17.
[7]李郝林. 恒力磨削关键技术的研究与应用[C]. 先进制造技术学术交流会,2006.
[8]李伯明. 现代磨削技术[M]. 北京: 机械工业出版社,2003.
[9]吴天宇. 面向高效精密磨削的声发射机制及其在线监测系统的研究[D]. 天津: 天津大学,2010.
[10]楼佳明,孙婧元,黄正梁,等. 液体雾化状态的声发射检测[J]. 机械工程学报,2012,46( 24) : 123 - 130.
[11]袁振明. 声发射技术及其应用[M]. 北京: 机械工业出版社,1985.
[12]姚力. 几种典型声发射信号的特征参数分布分析[J]. 无损探伤,2004,28( 2) : 19 - 22.
[13]Adriano Almeida,Eric V K Hill. Neural network detection of fatigue crack growthin riveted joints using acoustic emission[DB]. Material Evolution,1995,53( 1) : 76 - 82.
[14]朱洪涛,林滨,吴辉,等. 陶瓷磨削机理及其对表面和亚表面损伤的影响[J]. 精密制造与自动化,2004,158( 2) : 15 - 17.


胡陈林 毕果 林桂丹 孙郅佶 叶卉 吴沿鹏
( 厦门大学物理与机电工程学院,福建厦门361005)