Page 6 - 应用声学2019年第2期

152 2019 年 3 月

hit are extracted. The average value of 8 dimensional features of the acoustic emission hits in the frame is
calculated to form the acoustic emission vector instead of the frame acoustic emission signal. In this way, the
acoustic emission vectors of all frame acoustic emission signals are acquired to constitute the acoustic emission
data set. Finally, the hierarchical Dirichlet processs-implicit semi Markov model (HDP-HSMM) is employed
to build a nonlinear relationship between the acoustic emission data set and different grinding wheel blunt
level. Good agreement is observed between the HDP-HSMM trained by the acoustic emission data set and our
expectations, evidenced by the 93.7% accuracy of the trained model on the test data set. The results strongly
demonstrate that the method can effectively identify the different blunt state of grinding wheel accurately,
which is of great value for industrial applications.
Key words The blunt state of grinding wheel, Hierarchical Dirichlet processes-hidden semi Markov models,
Grinding acoustic emission, Wavelet soft threshold denoising

近年来，在利用磨削声来检测刀具状态方面已做出
0 引言
了很多工作。Kurada 等 [1] 通过对原始 AE 信号进
磨削加工是一种精密的切削加工技术，与其他 行傅里叶分析，由频谱图来判断刀具状态；Mokbel
切削加工相比较，具有加工速度快、加工精度高等 等 [2] 证实刀具的磨损随着AE信号幅值的增大而越
特点。在磨削加工过程中，刀具即磨削砂轮磨粒必 来越严重；Lezanski 等 [4] 通过提取 AE 信号特征并
然会发生磨损现象，使得切削力增大，切削温度增 输入神经网络来监控工件的状况；Hosokawa 等 [5]
高，切削震颤现象产生。这不仅会影响加工效率，还 和 Kwak 等 [6] 利用小波变换得到 AE 信号在时频域
会使得加工精度变差，工件表面粗糙度上升。通常 的变化来判断刀具和工件状态；文献 [7-10] 通过提
情况下，砂轮的钝化由经验丰富的工人凭经验判断， 取AE 信号特征并使用模式识别技术来监测刀具钝
不仅浪费人力而且效率低下。为了实现生产的自动 化状态。以上方法虽然能够检测加工过程中砂轮的

化，工程师们提出了各种智能化的砂轮钝化状态检 状态，但并没有对砂轮钝化程度进行细分。不同钝
测方法。一般可分为直接法和间接法两大类 [1] 。直 化程度的砂轮具有不同的加工精度。在工件的加工
接法利用光学传感器直接观察砂轮的状态 [1] ，但这 精度和质量要求比较高时，轻微钝化的砂轮可能就
种方法仍需先停止加工过程，不能提高生产效率。
会导致工件不合格。因此，在高精度加工时，需要对
间接法利用加工过程中产生的压力、热量、振动、温
砂轮的钝化程度进行量化分级，以便及时更换符合
度、声发射 (Acoustic emission, AE) 信号等物理参
要求的砂轮。
数的变化间接判断砂轮的状态。这将方便快捷地对
本文提出了一种基于分层 Dirichlet 过程 -隐
加工工件的状态实现监控且并不需要停止加工过
半马尔科夫模型 (Hierarchical Dirichlet processes-
程，大大提高了生产效率。
hidden semi Markov models, HDP-HSMM)的砂轮
AE 是指材料在外压或载荷作用下产生塑性变
钝化状态磨削声检测方法。该方法不需要先验的
形，从而产生辐射弹性波的现象，即材料结构变化
砂轮钝化状态知识，而是通过对采集到的 AE 信号
引起的能量释放过程，因此，AE 现象也叫应力波发
自动聚类实现对砂轮钝化程度的有效划分，进而
射。随着传感器技术的发展以及生产实践中自动
得到整个加工过程中砂轮所处的状态。首先，将
化水平的提高，通过材料内部结构变化或材料表面
裂纹扩展所引起的应力波来判断材料损伤以及机 经过小波阈值去噪后的 AE 信号分割成多个有重
械故障的无损检测方法得到了大力发展 [2−3] 。相较 叠的帧。然后，提取每一帧中的 8 维 AE 信号特征，
于其他无损检测方法，AE 检测方法由于具有不受 组成 AE 数据集。最后，使用这些 AE 数据集训练
被检构件几何结构限制且对检测环境要求低等优 HDP-HSMM，得到砂轮状态序列。并用测试数据集
点，更加适用于生产环境恶劣、结构复杂的大型机 对训练好的模型进行测试。其结果表明，上述方法
械的整体检测，在航天航空、船舶工业、桥梁土建等 能够准确识别砂轮的不同钝化状态，有极重要的工
大型工程项目的结构检测中得到了广泛应用 [2−3] 。 业应用价值。