言砂轮磨损状态自动实时识别的研究，对提篼磨削系统的智能程度有着重要的意义。一般刀具磨损的监测信号常见的有切削力、机床功率、振动和噪声等，而对砂轮磨损状态识别的研究不多，且大多基于切削力信号进行研究。考虑到获取加速度信号的方便性和经济性，我们尝试从加速度信号着手研究砂轮的磨损状态。如何提取与砂轮磨损状态相对应的特征信号，决定了能否通过特征信号值及其变化规律来反映砂轮的磨损状态。文中主要围绕砂轮磨损状态的特征提取技术展开研究，首先分析了砂轮磨损机理及振动与磨损的内在联系，然后进行磨削试验研究，*终提取出反映砂轮磨损状态的特征信号。

　　2砂轮磨损机理砂轮的磨损形式有磨粒的磨耗磨损，磨粒破碎及结合桥断裂。大量。

　　m1砂轮磨损过程在初期磨损阶段，砂轮磨损主要表现为磨粒的破碎和整体脱落；在稳定磨损阶段，仍会有一些磨粒破碎，但主要表现为磨粒的磨耗磨损：在急剧磨损阶段，磨粒大块碎裂，结合桥断裂，砂轮不能正常工作，需要修整。

　　3砂轮磨损与磨削振动的联系由振动理论可知，系统的振动是由激振源及系统1」海市科委重点科技基金（U21111125）资助项目。

　　的结构特性决定的。磨削过程中，磨粒不断地破碎脱落，由于自锐性而形成新的磨粒，导致与工件接触的磨粒数（有效切削磨粒）不断发生变化；工件和砂轮互相切削，有效切削磨粒和工件的接触面积也在不断变化。

　　在这个过程中，作为振动激励和磨削力、砂轮和工件之间的动态接触刚度和动态阻尼都在变化，因此，砂轮磨损与振动信号之间必然存在着联系。

　　磨削过程可以看成是砂轮对工件进行的带有一定随机性的激振过程，因此可在随机激振下研究系统响应的方法。

　　4试验4.1试验条件及方法试验用机床是MK9025型数控光学曲线磨床，工件材料为T10工具钢，磨削面积50mmX68mm.砂轮材料是白刚玉，四个加速度传感器分别放置在电机外壳X、Y、Z方向以及工件上，如所示。磨削参数为：砂轮转速4550r/min，X向进给速度10mm/min，砂轮往复频率40次/分，往复行程100mm，切深0.砂轮在修整后进行x向来回磨削，振动信号采样频率3kHZ，x向单程采样3次，每次采样时间10s，共采样21次，每个传感器对应21组数据。

　　为找出特征信号的敏感频段，把研究频段（0 1.5kHz）平均分成5部分。分别提取了以下七种特征信号：功率谱频段峰数、功率谱主峰值、功率谱频段重心、功率谱频段能量、功率谱频段能量百分比、时域信号RMS、时域信号方差，用来进行比较分析。

　　4.3试验数据分析经计算分析，我们在磨削力的敏感方向Z向，特别是以下三个特征信号得到了较理想结果：功率谱中频段峰数，频率为812.2HZ处的主峰峰值、功率谱中频段的能量百分比，分别如5左侧所示。用三次多项式分别对以上各特征信号作拟合，如5右侧所示。

　　功率谱中频段600Hz至900Hz的能量百分比从图中可以看出，上述三个特征信号的幅度变化和砂轮从修锐状态到急剧磨损状态的变化规律相一致（砂轮磨损情况用高精度数字显微镜观测，结合现场操作技工经验判断），说明所提取的特征信号对砂轮磨损过程有良好的表征能力，可用来对砂轮磨损情况进行在线监测和预报。

　　5结论经过分析研究，我们认为以下三个倨：功率谱频段峰数，功率谱频段能量和功率谱主峰峰值能作为砂轮磨损状态的特征信号，特别是以上三种参数在中频段上的统计值具有较大的灵敏性，研究结果对其它磨床砂轮磨损状态的实时监测也具有价值。