陈 芸，杨嘉睿，金容鑫，赵 淳，毛汉领

（广西大学机械工程学院，南宁 530004）

许多学者利用声发射技术来监测砂轮磨削过程，并对采集到的声发射信号进行分析，从而实现了对砂轮磨损状态的表征。Lopes 等[1]提出了用声发射间接监测砂轮表面完整性的方法，提出一种基于Kaiser窗口的算法来调整短时傅里叶变换参数以确保时频分辨率间的平衡，并利用该算法研究了氧化铝砂轮修整过程中的特征频率，在识别砂轮切削表面的地形条件方面取得了令人满意的结果。Dias等[2]通过对表面粗糙度Rz、圆柱度和圆度相关的声发射进行频谱监测。采用傅里叶变换和小波变换对磨削过程中的数据进行分析，提供了对信号的最佳理解，且在磨削过程中自动化生成智能信息。研究结果表明，声发射信号的谐波含量分析可以有效监测无心磨削过程。郭力等[3]通过实验研究了磨削声发射信号与磨削力和磨削温度间的内在联系，建立了工程陶瓷氧化锆与氧化铝磨削声发射信号与磨削力和磨削温度、磨削表面粗糙度关系式。结果证明，磨削声发射是实时工程陶瓷磨削过程检测的有效方法。丁宁等[4]建立了一种基于声发射信号的砂轮磨损检测模型，提出基于小波分解系数均方值统计分析的砂轮磨损状态特征提取方法，并且采用BP神经网络来识别砂轮磨损状态。龚子维[5]提出一种基于变分模态分解和概率神经网络的砂轮钝化声发射检测方法，搭建了声发射检测实验系统并对方法进行验证，成功实现了砂轮钝化状态的实时识别以及严重钝化的预警。……