數據融合技術檢測外圓磨削表面粗糙度的方法及其裝置制造方法
【專利摘要】本發明涉及數據融合領域。提供了一種通過數據融合技術對縱向外圓磨削表面粗糙度進行測量的方法及裝置。該技術方案為：1、正交磨削試驗設計。控制參數是磨削深度、工件轉速以及工作臺移動速度。需測的量分別是工件振動信號和工件表面粗糙度。2、磨削試驗。按照步驟1的方案進行試驗，記錄控制參數和測量參數結果，其中工件振動信號通過電渦流傳感器傳入工控機。3、神經網絡訓練及驗證。建立表面粗糙度的神經網絡模型，輸入參數為磨削深度、工件轉速、工作臺移動速度及工件振動信號，輸出參數為工件表面粗糙度。然后，運用試驗數據對網絡進行訓練及驗證。4、表面粗糙度測量。神經網絡通過驗證后，可在線測量同樣工藝系統下的磨削表面粗糙度。
【專利說明】數據融合技術檢測外圓磨削表面粗糙度的方法及其裝置
【技術領域】
[0001]本發明涉及數據融合領域。具體涉及通過數據融合技術對縱向外圓磨削表面粗糙度進行測量的方法及為實現該方法所發明的一種裝置。
【背景技術】
[0002]磨削作為最主要的精加工方法，其主要功能在于降低工件表面粗糙度，若能在磨削過程中對表面粗糙度進行在線測量，則可根據測量結果實時調整磨削過程參數，降低工件廢品率。然而，由于磨削機理非常復雜，加之砂輪切削刃分布的隨機性、磨削參數間的非線性關系以及磨削過程的不穩定性等因素，都增加了磨削表面粗糙度在線測量的難度，至今仍未找到一種在線測量磨削表面粗糙度的可靠方法。
[0003]目前，國內外應用最廣的表面粗糙度檢測方法是比較法和測量法，后者又分接觸法和非接觸法兩種，其中接觸法應用最為廣泛。
[0004]比較法是將工件表面與標準樣塊比較，從而對工件表面粗糙度進行判定。該方法簡單易行，但精度較差，且僅能定性判斷，無法給出具體數值。
[0005]采用接觸法時，粗糙度儀測頭上的金剛石觸針與工件表面相接觸，當觸針在工件表面按照評定長度移動時，會隨工件表面輪廓上下運動。然后觸針通過杠桿原理以及電感式傳感器將微小運動信號轉換、放大并調理，最終得到表面粗糙度值。該方法局限性在于只能進行靜態檢測，即必須在機床停止工作的狀態下進行測量，無法實現在線檢測；而且測量時觸針必須與工件表面直接接觸，對于一些表面很光滑的精密零件來說，測量過程中可能破壞其表面質量。
[0006]非接觸法是指在檢測的過程中，檢測儀器不接觸工件表面，而是利用光學、聲學等原理對表面粗糙度值進行間接測量。隨著圖像處理技術、激光全息、數據處理等相關技術日臻成熟，非接觸測量法取得了長足發展。目前，非接觸法主要包括光學法和聲發射法，但尚存在不小局限性，光學法對光源和測量環境要求很高，聲發射法則對機床噪聲和環境噪聲要求很高。實際生產過程中，環境復雜加之切削液、切削熱及切削力等各種干擾的存在，難以滿足光源、環境和噪聲等指標要求。此外，這兩種方法的數據處理速度較慢，測量結果嚴重滯后。
[0007]采用數據融合技術可從與工件表面粗糙度有緊密聯系的過程參數角度間接測量粗糙度，本發明所要解決的問題就是應用該技術實現縱向外圓磨削表面的在線測量。

【發明內容】

[0008]本發明所解決的第一個技術問題是提供一種可靠、方便實用、可用于縱向外圓磨削表面粗糙度在線測量的方法。
[0009]本發明所解決的第二個技術問題是提供一種可靠、方便實用、可用于縱向外圓磨削表面粗糙度在線測量的裝置。
[0010]本發明的技術方案、工作原理和過程如下所述:[0011]1、試驗設計。針對具體的磨床、砂輪、夾具及工件情況，采用正交試驗設計的方法設計磨削試驗。控制參數是磨削深度、工件圓周進給速度以及工作臺縱向進給速度。需測的量分別是工件振動信號和磨削后工件表面粗糙度。2、磨削試驗。按照步驟I的試驗設計方案進行磨削試驗，記錄每次試驗的控制參數和測量參數結果，其中工件振動信號通過電渦流傳感器傳入工控機。3、神經網絡訓練及驗證。建立表面粗糙度的神經網絡模型，輸入參數為磨削深度、工件圓周進給速度、工作臺縱向進給速度以及工件振動信號，輸出參數為磨削后工件的表面粗糙度。然后，運用磨削試驗數據對網絡進行訓練并加以驗證。4、磨削表面粗糙度測量。神經網絡通過驗證后，可采用該神經網絡模型對同樣機床、工件及工裝條件下的磨削表面粗糙度進行在線測量。
[0012]與現有離線檢測方法相比，本發明的優點在于:將數據融合技術靈活地運用到縱向外圓磨削加工，提高了加工過程的智能化程度和效率，降低了廢品率。該裝置結構簡單，系統易于維護，設備投入低，實用性高。
【專利附圖】

【附圖說明】
[0013]附圖為本發明檢測系統結構示意圖。
【具體實施方式】
[0014]以下結合附圖對本發明作進一步詳細描述。
[0015]采用數據融合技術檢測外圓磨削表面粗糙度的裝置主要由外圓磨床、電渦流傳感器、傳感器支架以及工控機組成。
[0016]工作原理和過程:
[0017]1、試驗設計。針對具體的磨床、砂輪、夾具及工件情況，結合機械加工工藝手冊推薦數據采用正交試驗設計的方法設計磨削試驗。控制參數分別是磨削深度、工件圓周進給速度以及工作臺縱向進給速度。需測的量分別是工件振動信號和磨削后工件表面粗糙度，其中工件振動信號通過電渦流傳感器進行非接觸式測量，傳感器探頭通過螺紋固定在支架上，探頭與工件表面之間的距離可通過螺紋進行調節，以滿足加工不同尺寸工件的需要。
[0018]2、磨削試驗。按照步驟I的試驗設計方案進行磨削試驗，記錄每次試驗的控制參數和測量參數結果，其中工件振動信號通過電渦流傳感器傳入工控機。
[0019]3、神經網絡訓練及驗證。建立表面粗糙度的神經網絡模型，輸入參數為磨削深度、工件圓周進給速度、工作臺縱向進給速度以及工件振動信號，輸出參數為磨削后工件的表面粗糙度。這樣，通過神經網絡將4個輸入參數的數據融合在一起對工件表面粗糙度進行間接測量。然后，運用磨削試驗數據對網絡進行訓練并加以驗證。
[0020]4、磨削表面粗糙度測量。神經網絡通過驗證后，可采用該神經網絡模型對同樣機床、工件及工裝條件下的磨削表面粗糙度進行在線測量。
【權利要求】
1.一種將數據融合技術用于縱向外圓磨削表面粗糙度檢測的方法與裝置，其特征在于所述的方法采用神經網絡數據融合技術間接測量工件表面粗糙度，步驟如下:(I)試驗設計，針對具體的磨床、砂輪、夾具及工件情況，結合機械加工工藝手冊推薦數據采用正交試驗設計的方法設計磨削試驗，控制參數分別是磨削深度、工件圓周進給速度以及工作臺縱向進給速度，需測的量分別是工件振動信號和磨削后工件表面粗糙度，其中工件振動信號通過電渦流傳感器進行非接觸式測量，傳感器探頭通過螺紋固定在支架上，探頭與工件表面之間的距離可通過螺紋進行調節，以滿足加工不同尺寸工件的需要；(2)磨削試驗，按照步驟I的試驗設計方案進行磨削試驗，記錄每次試驗的控制參數和測量參數結果，其中工件振動信號通過電渦流傳感器傳入工控機；(3)神經網絡訓練及驗證。建立表面粗糙度的神經網絡模型，輸入參數為磨削深度、工件圓周進給速度、工作臺縱向進給速度以及工件振動信號，輸出參數為磨削后工件的表面粗糙度。這樣，通過神經網絡將4個輸入參數的數據融合在一起對工件表面粗糙度進行間接測量。然后，運用磨削試驗數據對網絡進行訓練并加以驗證；(4)磨削表面粗糙度測量。神經網絡通過驗證后，可采用該神經網絡模型對同樣機床、工件及工裝條件下的磨削表面粗糙度進行在線測量。
2.根據權利要求1所述方法，其特征在于采用電渦流傳感器測量磨削過程中位于磨削點的工件振動信號，作為工件表面粗糙度的特征之一。
3.根據權利要求1所述方法，其特征在于將可控的磨削用量(磨削深度、工件圓周進給速度及工作臺縱向進給速度)，與不可控制但可測量的工件振動信號進行數據融合，實現對工件表面粗糙度的測量。
4.根據權利要求1所述方法，其特征在于實現了外圓磨削表面粗糙度的實時在線測量。
【文檔編號】B24B49/08GK103659602SQ201210374368
【公開日】2014年3月26日 申請日期:2012年9月25日 優先權日:2012年9月25日
【發明者】陳廉清, 郭建亮, 遲軍 申請人:寧波工程學院