内圆切入磨削不同砂轮磨削性能在线监测模型研究

针对不同砂轮磨削性能对内圆切入磨削加工质量具有重要影响，为了实现在线监测内圆磨削加工过程中不同砂轮在相同实验参数条件下进行磨削时的磨削性能，提出了一种基于粒子群优化BP神经网络的不同砂轮磨削性能监测模型。首先，对采集的声发射信号、功率信号、振动信号、位移信号以及电流信号的特征参数进行特征提取；然后，根据各传感器的特征值数据样本及粒子群优化算法对BP神经网络的全局寻优功能，采用粒子群算法优化BP神经网络初始权值和阈值，建立了POS-BP在线监测模型对不同砂轮磨削性能进行精准监测；最后，结合实验数据将BP神经网络模型与POS-BP模型进行分析对比，表明了POS-BP监测模型比BP神经网络模型监测精度更高，能够有效监测不同砂轮的磨削性能状态。

由于不同砂轮其磨料、结合剂材料和制造工艺等不同，使得不同砂轮的磨削性能也各不相同，在磨削加工过程中会产生不同程度的弹性变形。因此，在内圆磨削加工中，当砂轮选择不合适时也会直接影响加工精度、工件表面粗糙度以及磨削效率[1]。然而，在实际的磨削加工过程中，磨削加工的砂轮型号是根据磨削条件、工件材料以及加工要求等进行选取的，缺少严谨的理论支撑，使得以往根据经验来选取的砂轮其准确性和合理性都不高[2]。因此，需要对不同砂轮的磨削性能在线监测方法进行深入研究， 从而能够选择到适合的磨削砂轮，进而获得理想的磨削效率和磨削效果。

最近几年，许多国内外学者对不同砂轮磨削性能监测方法进行了研究，并取得了一定的成果。朱从容[3]等人采用不同粒度的铸铁结合剂金刚石砂轮ELID 镜面磨削硬质合金，得到了不同加工效率以及不同加工表面质量的硬质合金磨削效果，最后通过对比不同砂轮磨削后工件表面粗糙度的大小来分析不同砂轮的磨削性能。梁桂强[4]等人使用电镀金刚砂轮、钎焊金刚砂轮、陶瓷结合剂烧结金刚砂轮和树脂结合剂烧结金刚砂轮来超声振动辅助磨削铝基碳化硅，通过对砂轮磨损、材料去除、磨削表面形貌进行对比分析，给出了磨削砂轮的选择方法。刘贵杰[5]等人提出用模糊自适应调整BP 算法建立磨削条件与砂轮特征参数之间的关系模型，并依据磨削数据手册中的数据及实验结论对模型进行训练，训练好的神经网络可实现砂轮型号的智能推荐。罗红波[6]等人采用改进的GCAQBP 算法，同时考虑了砂轮材料和粒度对磨削过程的影响，把它们增加为神经网络系统的输入参数，并对输入参数的编码进行了细化，最终建立了磨削参数智能选择系统，用样本进行训练后有效率达到了80%以上。Koo Yang [7]等人通过测量工件表面粗糙度和沟槽处曲率半径来对LM 导向块的沟槽磨削性能进行测试，从而选择合适的CBN 砂轮进行磨削。Leng [8]等人针对砂轮磨料选择问题提出一种模糊灰色关系分析方法， 该方法影响用三角形模糊数表示的因子(评价属性)值，采用变异系数法来确定评估属性的权重，通过算例分析了所提出方法的有效性和可行性。然而，目前