在磨削加工中，砂轮的磨损状态是砂轮磨削性能好坏的重要指标之一，它影响着磨削加工的生产效率和加工质量。在以往的工作中，为了避免工作磨削烧伤，大多采用定时修整，在砂轮尚未达到工作寿命极限时，就提前对其进行修整，这样便有盲目性。频繁修整砂轮不仅会降低加工效率，而且会加快砂轮的损耗；延误了修整周期，则又会影响工件的尺寸精度和表面质量，造成废品w.因此，在线监测砂轮的钝化状况，根据实际情况确定砂轮修整时间，对提高磨削效率和保证磨削质量的连续稳定性意义重大。

　　本文利用BP神经网络建立磨削声发射信号特征参量与砂轮钝化程度之间的非线性关系模型。实现砂轮工作状况的在线检测。

　　2声发射信号特征参数提取方法2.1声发射倍号检测装置声发射信号检测装置示意图如所示。声发射传感器安装在砂轮罩侧面，尽可能靠近砂轮轴端面。采集的声发射信号经前置放大、滤波后，由数据采集卡读人计算机。

　　2.2倌号处理小批量、多品种磨削加工过程中，磨削环境经常变山东省优秀中青年科学家奖励基金（2004BS05012），教育部科学技术研究重点项目（200032）资助项目。

　　化，即便砂轮状态一致的情况下，声发射信号幅值也会发生剧烈变化，声发射信号幅值大小与断砂轮钝化没有对应关系。研究表明，在这种环境下，声发射信号幅值增童与砂轮钝化程度存在对应关系，可用来检测砂轮钝化。为此，采用声发射信号幅值增量累积和AT作为检测砂轮钝化柠度的丨，'巧特征砍实验裴说AT=AT，+AT2+…+厶丁其中，AT，AT2，…6丁分别为不同阶段产生的AE信号幅值增量。

　　3基于BP神经网络的砂轮钝化检测模型3.1模型建立砂轮钝化程度在线检测神经网络模型如所示。只要隐含层节点数选取得当，单隐含层网络可以逼近任何非线性关系，因此，这里选取单隐含层神经网络建立检测模型，隐含层节点数采用提及的自构造型方法确定。网络的输人为砂轮型号信息（包括磨粒型号、磨粒粒度、砂轮硬度）和声发射信号的幅值累积增量值。输出为砂轮的钝化程度。

　　1412砂轮钝化检测神经网络模型3.2网络输入/输出量编码及归一化处理砂轮磨料型号、磨粒粒度、砂轮硬度编码分别如表1、表2、表3，声发射信号幅值累积增量AT在输入之前，先归一化处理为1之间的数值。网络的输出量为砂轮钝化程度，其编码方式如表4.表1磨料型号编码磨料型号编码表2磨粒粒度度编码粒度编码表3砂轮硬度编码粒度很软软中等硬很硬编码表4砂轮钝化缩码钝化程度严重中等较轻微轻微无磨损编码4模型测试结果及结论为了对建立模型进行训练和测试，在MMB140型精密半自动万能外圆磨床上，对45号淬火钢、2013合金钢、HT200灰铸铁圆柱试件进行了切人磨削实验，所用砂轮规格为GZ60ZR1A6P，冷却液为普通乳化液。每种试件各磨削30件，共获得90组实验数据，从中挑选具有代表性的实验数据45组，将其中的30组用于模型训练，15组用于测试。

　　结果表明：该方法用于磨削砂轮钝化程度的在线检测具有较高的检测准确度，可实现磨削砂轮修整间隔的精确判断。