在磨削加工中，砂轮的磨损状态是砂轮磨削性能的重要指标之一，它影响着磨削加工的生产效率和加工质量。砂轮在磨削过程中，磨粒逐渐磨钝而失去切削能力，若继续磨削，就会增加砂轮与工件之间的摩擦而发热，磨削质量将显著下降。这主要是由于磨粒的钝化、砂轮表面被堵，以及砂轮外形失真所致。为了使加工工件达到要求的表面粗糙度，就必须对砂轮工作表面进行修整，使砂轮的工作表面露出新的磨粒，恢复其切削能力。如果不及时修整砂轮，就会影响加工工件的质量，但频繁修整砂轮，又会降低加工效率，加快砂轮的损耗12.有时因偶发事故造成砂轮局部破裂，如不及时停车，将造成严重后果。因此，对砂轮状态进行在线监测，根据砂轮钝化程度，确定合理的修整周期，对提高磨削加工生产率和磨削质量有着非常重要的意义。

　　本文利用BP神经网络建立了声发射（AE）信号和功率信号与砂轮状态之间的非线性关系，通过在线实时检测到的AE信号和功率信号就可判断砂轮的工作状况，并可根据砂轮的状况，确定合理的修整间隔时间。

　　2砂轮状态监测信号的拾取与分析2.AE传感器信号的拾取与分析在近几年开发研究中，声发射（AE）信号作为磨削控制的信息源被广泛采用。许多研究结果表明：通过监测AE信号的幅值变化，即可评价砂轮的锋利程度和确定砂轮的工作寿命。J.Webster，I.Marinescu和R.Bennett实验证明，机械耦合式AE传感器安装位置距磨削区的距离超过150mm就不能检测到AE信号3，4.为了克服用机械耦合式传感器距离磨削区远而造成信号污染和失真的不足，我们采用了利用冷却液作为介质传递砂轮磨削状态信息的新型声发射传感器，将这种传感器安装在机床原有的润滑冷却管的喷嘴上，砂轮磨损的AE信号通过润滑冷却液，以与润滑冷却液流动相反的方向传递到传感器，然后通过采集卡进入计算机进行分析处理。

　　2.2AE信号归原处理方法实验证明，在磨削过程中，当加工对象和加工参数不变时，声发射信号的幅值和砂轮表面的状态有很好的对应关系，因此，可设定合适的阈值，通过监测声发射信号幅值变化来监测砂轮钝化程度。但是，在小批量、多品种磨削加工过程中，加工对象、加工参数经常变化，即便在砂轮状态一致的情况下，当加工对象改变时，声发射信号幅值也会发生剧烈变化，通过监测声发射信号幅值大小判断砂轮钝化程度的方法不再有效。为此提出采用声发射信号的归原处理法监测小批量、多品种磨削过程中砂轮的磨损情况。其基本思想是：采用不同磨削条件（即不同的磨削对象和磨削参数）产生的声发射信号幅值增量之和作为监测砂轮钝化程度的信号源。AE信号幅值增量之和+++！！。其中，A，"！，…

　　分别为不同磨削条件产生的AE信号幅值增量。把与设定阈值相比较，如果超过阈值，则表示砂轮已经钝化，需要修整。实验证明该方法可有效监测小批量、多品种磨削加工过程砂轮钝化程度，为及时修整砂轮提供可靠研究探讨2.功率信号的拾取与分析砂轮碰撞破碎时，磨削力会发生突变，砂轮电机的工作电流也会随之发生陡变。因此可以通过在线监测磨床实际功率，来监测砂轮的碰撞破碎。在对电机功率进行监测的同时，为了排除电网的波动对电机功率的影响，必须对电网电压进行检测。因此，传感器可按安装。

　　元的输入为：第个神经元的输出为/=/（neti）第1层的输入为：在输入人工神经网结之前，要得到电流峰-峰值！PP，电压峰-峰值PP及电流有效值/、电压有效值。求取峰-峰值，可连续取个*大值/%（（）及个*小值在训练网络的学习阶段，给定模式（作为网络输入，逐级向前计算，网络的输出/Pk与理想输出不芫全一致，对于每一个模式，其均方差为等人提出的学习权系数和阈值的广义规则中，学习过程按照4P减小*快的方式改变连接权系数，直到获得正确的权系数集，该修正权系数的方法是顺序操作的，权值的修正是误差反方向传递的过程，修正量为：工作电压一般也会轻微波动。假设砂轮电机发生瞬时停顿，此时，电机转子绕组会因感应出高电动势而产生瞬时大电流，由磁势平衡关系，定子绕组也将产生瞬时大电流。在电机逐渐恢复转速时，电流逐渐下降。由于负荷消失，电流会降到低于先前的水平。相应地，电机绕组电流峰值也发生同样的变化。根据）=3/c，电机功率也会发生类似的突变。当砂轮开始切入时，电机功率随绕组的电流幅值变大而逐渐变大。要判断砂轮破碎，只要区分砂轮破碎与切入情况即可。为了使二者距离更大，采用功率变化率，即：这样就能检测输入信号的突变，因而它能判别砂轮破碎与正常加工，由此可监测砂轮破碎。

　　3砂轮状态监测模型的建立砂轮的磨钝，样本易取得，且要检测的功率信号为缓变信号，因而采用三层BP神经网结。为了排除电网的影响，BP神经网结的输入有：电机功率、电网电压和AE信号的幅值增量（见）。输入的各信号构成了第（层神经元的输入，它的输出对输入进行归一化，隐层第j个神经令y则*后，权值修正量为：在网结学习开始，所有权值随机地置以初值，选择一批样本，逐个对网结进行训练，使其收敛。训练中选择过大，虽然可以提高学习速度，但会引起网结震荡。

　　Williams提出对Aw/i的修正表达式，以改善网结收敛特性，它包含一个惯性量项：差阈值门限0.001，样本取60个对神经网结进行训练；其中，正常样本10个，轻微磨损样本10个，中等磨损样本10个，严重钝化样本10个，需要修整样本10个，砂轮破碎样本10个（由于该样本不易取得，在此进行了人为化设定）。

　　4神经网结模型应用分析为了验证该方法的可行性，在D2112型万能外圆电基于UG平台模具CAD系统开发技术朱德泉周杰敏俞建卫2，焦明华2（1.安徽农业大学工学院，安徽合肥230036；2.合肥工业大学机械与汽车学院，安徽合肥230009）发，快速高效地实现用户特殊要求。文中结合实例，探讨了利用三维软件Unigraphics的MenuScript、UIStyler和UserTools等二次开发工具开发系统用户界面的基本方法和关键技术，洋细介绍了用户环境的设置、用户菜单和对话框的开发方法以及应用程序的设计过程，并阐述了利用ODBC技术实现CAD系统数据管理的方法。

　　解磨床上使用GB46ZR1A规格砂轮，磨削加工了45淬火钢，工件尺寸为p 40x200mm.磨削方式为连续纵向磨削，一个行程记为一次加工，以观测该系统的工作效果。

　　当磨削至第17次时，发出修整报警。但根据某经验工人提供的数据，磨削第15次后，就要修整砂轮。导致这一差别的原因在于学习样本的采集面较广，而磨削到第15个工件后，砂轮未必就一定需要修整。实际证明磨削出的第16个工件的粗糙度仍在加工要求的范围内，如果对更多的情况取样来对神经网绪进行训练，可使网绪更加逼近所需函数，使预报更准确。由试验可知，用人工神经网绪监测砂轮钝化效果较好，同时摆脱了修整时间的确定对熟练技术工人的依赖，为磨削加工智能化提供了前提条件。

　　5结论）AE信号归原处理法，为小批量、多品种产品磨削加工过程中砂轮状态的在线监测提供了方便、准确而且有效的途径；（2）利用神经元网绪建立输入信号与砂轮状态之间的非线性关系，解决了传统方法难以建立磨削加工数学模型的困难；UG/OPENUlStylei与UserTools及其良好的高级语言接口，使UG的造型功能和计算功能有机地结合起来，便于（3）该系统的利用可以为砂轮修整确定*佳的周期，同时摆脱了传统方法对熟练工人的依赖程度。