[发明专利]基于声发射信号光学工件亚表面损伤深度预测方法

摘要

本发明涉及一种基于声发射信号光学工件亚表面损伤深度预测方法，该方法的步骤为：建立光学工件亚表面损伤深度与声发射信号关系模型；表面损伤深度与声发射信号关系模型常数标定；用声发射信号进行亚表面损伤深度在线预测。本发明成本低廉，并且能够快速、准确、无损地预测亚表层裂纹的扩展深度，通过优化加工工艺参数达到降低加工成本及缩短后续抛光加工时间的目的。 

主权项

一种基于声发射信号光学工件亚表面损伤深度预测方法，其特征在于，该方法的步骤为：(1)建立光学工件亚表面损伤深度与声发射信号关系模型a.磨削深度与声发射信号的关系表达式声发射RMS信号与法向磨削力成近似比例关系：AE_RMS＝k_aeF_n   (1)磨削力公式为：F_n＝K[c₁]^γ[v_w/v_s]^2ε‑1[a_p]^ε[d_e]^1‑ε   (2)式中K—比切削力，其大小取决于工件材料；c₁—与磨刃密度有关的系数；v_w—工件速度；v_s—砂轮速度；a_p—磨削深度；d_e—砂轮当量直径；γ、ε—无量纲常数；将公式(1)代入到公式(2)中，得到磨削深度与声发射信号值的关系表达式，即$a_p={\log }_{\∈}\frac{{\mathrm{AE}}_{\mathrm{RMS}}}{k_{\mathrm{ae}}K\left[c_1{]}^{\mathrm{\γ}}\right[v_w/v_s{]}^{2\mathrm{\ϵ}-1}[d_e{]}^{1-\∈}}---\left(3\right);$b.磨削表面粗糙度与声发射信号关系式磨削表面粗糙度的经验式可用以下指数形式表示，即$\mathrm{SR}=\frac{C_{\mathrm{Ra}}{v}_w^x{a}_p^y{f}_a^v{K}_1{K}_2{K}_3}{v_s^z{d}_s^q{b}_s^n}---\left(4\right)$式中C_Ra—与被磨材料物理—力学性能有关的系数；d_s—砂轮直径；b_s—砂轮宽度；f_a—轴向进给量；K₁—与砂轮粒度有关的系数；K₂—与无火花磨削次数有关的系数；K₃—与磨削液有关的系数；SR—磨削表面粗糙度；x、y、v、z、q、n—无量纲常数将式子(3)代入式子(4)可推导出磨削表面粗糙度与声发射信号之间的关系表达式：$\mathrm{SR}=\frac{C_{\mathrm{Ra}}{v}_w^x{\left({\log }_{\∈}\frac{{\mathrm{AE}}_{\mathrm{RMS}}}{k_{\mathrm{de}}K\left[c_1{]}^{\mathrm{\γ}}\right[v_w/v_s{]}^{2\mathrm{\ϵ}-1}[d_e{]}^{1-\∈}}\right)}^y{f}_a^v{K}_1{K}_2{K}_3}{v_s^z{d}_s^q{b}_s^n}---\left(5\right);$c.推导工件表面损伤深度与声发射信号之间的关系模型磨削亚表面损伤深度与表面粗糙度之间的关系理论模型为：式中，a_k＝0.027+0.090·(m‑1/3)，其中，SSD为亚表面损伤深度，k₀为弹性变形对中位裂纹深度的修正系数，为压头锐度角，E为材料弹性模量，H为材料硬度，K_c为材料断裂韧性，m为一无量纲常数，取值介于1/3和1/2之间；将式子(5)代入式子(6)后，则可得亚表面损伤深度与声发射信号之间的关系模型，即(2)亚表面损伤深度与声发射信号关系模型常数标定a.稳定状态声发射信号RMS值测定首先将传感器安装在砂轮上，传感器的另一端连接采集卡，用采集卡测磨削光学工件过程中发射信号RMS，稳定状态声发射信号RMS值测定开始前，将磨削检测的声发射原始信号转换为均方根RMS信号AE_RMS，其表达式为：${\mathrm{AE}}_{\mathrm{RMS}}\left(t\right)=\sqrt{\frac{1}{\mathrm{\ΔT}}{\∫}_0^{\mathrm{\ΔT}}{V}^2\left(t\right)\mathrm{dt}}---\left(8\right)$上式中V——声发射原始信号；△T——时间窗口周期；首先进行一次试加工，当砂轮接触工件一段时间后进入稳定磨削状态，测量稳定磨削状态时声发射RMS信号，对所有采样点求平均值，该值作为稳定状态声发射RMS值AE_RMS；b.检测工件亚表面损伤深度用化学蚀刻法检测工件亚表面损伤深度，配制好化学溶液后与工件反应，通过逐层蚀刻及相应蚀刻速率的变化获得蚀刻台阶，然后利用原子力显微镜、表面轮廓仪等观察不同深度下亚表面损伤层的形貌,进而得到亚表面损伤的深度SSD：c.亚表面损伤深度与声发射信号关系模型常数标定将式(7)中的设为常数m，则式(7)变换为$\mathrm{SSD}=m\·{\left({\log }_{\∈}\frac{{\mathrm{AE}}_{\mathrm{RMS}}}{k_{\mathrm{ae}}K{\left[c_1\right]}^{\mathrm{\γ}}[v_w/v_s{]}^{2\mathrm{\ϵ}-1}[d_e{]}^{1-\mathrm{\ϵ}}}\right)}^{4y/3}---\left(9\right)$式(9)右边有两个未知数m和AE_RMS，则需要将式(9)参数m的值标定后才能利用该式进行亚表面损伤深度SSD在线预测。参数m标定方法为：根据步骤(1)和(2)中得到的AE_RMS和SSD值及式(9)其他参数取值，计算得到m的值，并将m的值代回到式(9)得到常数标定后的亚表面损伤深度与声发射信号关系模型；(3)利用声发射信号进行亚表面损伤深度在线预测在光学工件进行正式磨削加工中，首先用采集卡采集声发射信号，利用公式(8)将磨削检测的声发射原始信号转换为均方根RMS信号，并测量得到磨削稳定状态下的声发射信号RMS值AE_RMS；根据AE_RMS的值及公式(9)其他参数的取值，利用公式(9)计算得到工件亚表面损伤深度SSD，从而实现利用声发射信号进行工件亚表面损伤深度在线预测。