基于声发射的高速铣削刀具故障诊断*

陈 萍 王细洋 鲍平平

（南昌航空大学航空制造工程学院，江西南昌330063）

在金属切削加工过程中，一旦出现刀具故障将直 接影响工件表面质量和尺寸精度，严重时甚至导致刀具失效、工件报废、机床受损等。因此，在自动化加工过程中为保证产品质量和加工设备安全而对刀具进行实时监测是很有必要的。

刀具监测的方法很多，如光学图象法、放射线法、切削力法、功率法、切削温度、振动分析法、声发射法等。在金属切削过程中伴随着丰富的声发射（Acoustic Emission，简称AE）现象，而AE信号能直接反映金属材料内部晶格的变化，因此包含了与刀具状态密切相关的信息，对于刀具出现异常现象有较好的预报特性，AE监测技术被认为是一种很有前途的监测方法。

AE监测技术在机械工程领域的应用是由刀具的磨损和破损而引入的。上世纪70年代后期，日本首先将AE技术用于监测刀具状态，开辟了AE技术应用的新领域。Xiaoli Li［1］等详细总结了声发射信号产生的机理，信号的特点及处理方法，指出了利用声发射信号监测刀具磨损的优越性。研究结果表明，在正常磨损状态下，声发射主要来自第一、二、三变形区，是典型的连续信号，而刀具发生破损时，声发射信号是非连续型突发信号。Iwata［2］等人基于AE信号成功地应用于单刃的车削过程监控中。我国一些单位已研制成功了车刀破损监测系统（准确率高达99%）和钻头折断报警系统。而应用于铣削方面的则研究不多，主要困难在于刀具切入和切离工件时产生负载脉冲，这些负载脉冲幅值有可能与刀具磨损引起的幅值相等［3］。1987年Diei［4］等人首先研究了面铣削声发射信号对刀具磨损和切削参数的敏感度。马建峰［5］等人研究了一种模式可分性测度的特征优选应用于铣刀磨损状态的识别中。

1 基于AE信号的参数分析

AE信号处理方法主要包括简化波形特征参数分析和对波形进行频谱分析，其中声发射参数分析是上世纪50年代以来广泛使用的经典方法，在解决工程实践问题中有其它方法不可比拟的优势。

常用的声发射信号特征参数有事件计数、振铃计数、幅度、能量、持续时间、上升时间、有效值电压。声发射信号的特征参量分为非统计特征参量和统计特征参量两种。对于单个声发射信号的处理与表征用非统计特征参量，例如，声发射信号的事件、幅度、能量、事件计数、振铃计数、峰前计数、上升时间、持续时间、下降时间、门槛值等。而多个信号及它们之间的关系用统计特征参量表征，如总事件计数、总振铃计数、总能量、声发射率、有效值电压等。

AE特征参量的确定，对检测精度和可靠性影响较大。研究表明，最有效的方法是检测AE信号包含的能量，电信号转化的能量可直接反映原始AE源产生的能量率。现初步选定声发射事件计数、振铃计数、有效值电压RMS和能量作为声发射故障诊断的特征参量。因为这些参量均能从不同方面反映AE信号的能量变化情况，它们之间具有较敏感的对应关系。

2 诊断实例

2.1 试验数据

试验在MIKRON UCP 600高速加工中心上进行，工件材料为航空铝（7050一T7451铝合金），刀具型号为高速钢三齿立铣刀HSS（φ10 mm）。选用 SR150A声发射传感器，声发射传感器安装在加工件的侧边并尽可能靠近切削点处（如图1所示）。基于LABVIEW建立的声发射数据采集系统（AE信号采集框图如图2所示），采用PCI-1714UL数据采集卡采集不同铣刀状态（新刀、微磨、严重磨损）的AE信号。实验中采样频率为2 MHz/s，为便于数据处理只取试验样本的部分数据（102 400点）进行分析。试验中切削的参数设置见表1。

表1 切削参数

2．2 验证声发射特征参量法监测的有效性

试验采集了多个声发射信号，它们之间的关系可用统计特征参量表征。基于功能强大的LABVIEW图形编程语言，调用LABVIEW软件里的threshold peak detector、rms等函数来编程实现AE特征参数的提取（图3）。

表2 铣刀各状态声发射信号特征参量值

如表2所示，对比不同刀具状态的声发射信号特征参数，刀具从新刀到微磨损再到严重磨损，其总事件计数和总振铃计数呈下降趋势，而总能量和有效值电压随磨损程度的增加而增大。这是因为在铣削过程中新刀以连续信号为主，具有信号频度高、能量小的特点。而磨损刀具在铣削过程中则以突变性信号为主，其信号衰减很快，从而导致信号的事件数、振铃数下降。由于电信号转化的能量可直接反映原始声发射源产生的能量率，所以检测声发射信号包含的能量是很有效的方法，铣削过程中磨损的故障刀具较新刀而言其声发射产生频繁，并且能量变化显著。事件数、振铃数、能量和有效值电压这些特征参量都从不同的侧面反映了声发射信号的能量变化情况，可作为声发射故障诊断的特征参量来监测刀具状态。

4 结语

（1）基于AE信号的过程监测目前主要用于车削，而铣削过程复杂，尤其是刀具切入切离工件时产生高幅值负载脉冲的影响，给铣削监控带来很大的难度。

（2）实验表明采取声发射参数分析法，提取总事件记数、总振铃记数、总能量、RMS作为特征参量能有效的监测高速铣削过程监控，其分析方法简单、直观并且经济实用。

［1］Xiaoli Li.A brief review：acoustic emission method for tool wear monitoring during turning［J］.International Journal of Machine Tools&Manufacture，2002，42（2）：157-165.

［2］K.Iwata，T.Moriwaki，Application of acoustic emission measurement to in-process sensing of tool wear［J］.Ann.CIRP，1997，26（1/2）：19-23.

［3］P.W.Prickett，C.Johns，An overview of approaches to end milling tool monitoring［J］.International Journal of Machine Tools&Manufacture，1999，39（1）：105-122.

［4］E.N.Diei.D.A.Dornfeld，Acoustic Emission from the Face Milling Process—the Effects of Process Variables.J.Eng.for Industry，1987，109（2）：92-99.

［5］马建峰，王信义.铣刀磨损监测中的声发射信号的特征优选［J］.北京理工大学学报，2001，21（2）：185-184.

［6］沈功田，耿荣生，刘时风.声发射信号的参数分析方法［J］.无损检测，2002，24（2）：72-77.

［7］龚廷凯，王细洋.基于声发射信号的高速铣削过程监测技术［J］.航空制造技术，2009，（7）：80-83.