OBRABOTKAMETALLOV Vol. 24 No. 4 2022 79 EQUIPMENT. INSTRUMENTS ектов разной формы. В свою очередь, звуковой индекс, определенный эмпирическим способом, показал отсутствие зависимости от формы объектов, так как является показателем физико-механических свойств. 2. Исследование акустического сигнала, сопровождающего работу экспериментальной установки на холостом ходу, показал, что наиболее значительный вклад в акустическую картину вносит вращение шпинделя с шлифовальным кругом. Кроме того, установлено влияние гидравлической системы на акустический сигнал в низкочастотном акустическом диапазоне (˂ 1000 Гц). Вследствие этого установлена целесообразность исследования спектрограмм акустического сигнала шлифования в диапазоне от 1 до 8 кГц. 3. Выявлены частотные диапазоны, в рамках которых происходит рост амплитуды уровня звука при шлифовании с применением ШК 1 и ШК 2. Такими диапазонами являются: – для ШК 1 – 2000…2300 Гц; 3200…3800 Гц; 4900…5500 Гц; 6550…6950Гц; – для ШК 2 – 1870…2270 Гц; 2500…3000 Гц; 5500…6150 Гц. Выявлены информативные частотные диапазоны: fШК1 = 2050…2250 Гц; (2150 ± 100 Гц); fШК2 = 1970…2170 Гц (2070 ± 100 Гц). Показана зависимость ЧСК и акустических сигналов при шлифовании. Предварительная оценка ЧСК позволяет определять информативные частоты акустического сигнала шлифования с применением кругов разного профиля. 4. С помощью регрессионного анализа акустических данных разработаны математические модели зависимости уровня звука (β, дБ) от значения периодической вертикальной подачи на глубину t (St, мм/дв.ход) и продолжительности обработки (T, мин) для рассмотренных инструментов: ØÊ1 38, 6 128, 7 0, 096 ; t S T ØÊ2 36, 05 75, 9 0, 29 . t S T Установлено, что уровень звука может выступать косвенным критерием для определения текущего состояния шлифовального круга в процессе обработки, позволяющим поддерживать заданные требования качества обрабатываемых деталей. Список литературы 1. Zhou C., Guo K., Sun J. Sound singularity analysis for milling tool condition monitoring towards sustainable manufacturing // Mechanical Systems and Signal Processing. – 2021. – Vol. 157. – P. 1–17. – DOI: 10.1016/j.ymssp.2021.107738. 2. Boaron A., Weingaertner W.L. Dynamic in-process characterization method based on acoustic emission for topographic assessment of conventional grinding wheels // Wear. – 2018. – Vol. 406–407. – P. 218–229. – DOI: 10.1016/j.wear.2018.04.009. 3. Gholizadeh S., Leman Z., Baharudin B.T.H.T. A review of the application of acoustic emission technique in engineering // Structural Engineering andMechanics. – 2015. – Vol. 54, iss. 6. – P. 1075–1095. – DOI: 10.12989/ sem.2015.54.6.1075. 4. Lu Z.-J., Xiang Q., Xu L. An application case study on multi-sensor data fusion system for intelligent process monitoring // Procedia CIRP. – 2014. – Vol. 17. – P. 721–725. – DOI: 10.1016/j.procir.2014.01.122. 5. Grinding burn detection based on cross wavelet and wavelet coherence analysis by acoustic emission signal / Z. Gao, J. Lin, X. Wang, Y. Liao // Chinese Journal of Mechanical Engineering. – 2019. – Vol. 32, iss. 68. – P. 1–10. – DOI: 10.1186/s10033-019-0384-0. 6. An intelligent system for grinding wheel condition monitoring based on machining sound and deep learning / C.H. Lee, J.S. Jwo, H.Y. Hsieh, C.S. Lin // IEEE Access. – 2020. – Vol. 8. – P. 58279–58289. – DOI: 10.1109/ACCESS.2020.2982800. 7. Evaluation of grinding wheel surface by means of grinding sound discrimination / A. Hosokawa, K. Mashimo, K. Yamada, T. Ueda // JSME International Journal. Series C, Mechanical Systems, Machine Elements and Manufacturing. – 2004. – Vol. 47, iss. 1. – P. 52–58. 8. Comprehensive investigation on sound generation mechanisms during machining for monitoring purpose / R. Nourizadeh, S.M. Rezaei, M. Zareinejad, H. Adibi // The International Journal of Advanced Manufacturing Technology. – 2022. – Vol. 121, iss. 1. – P. 1598–1610. – DOI: 10.1007/s00170-022-09333-7. 9. Li X. A brief review: acoustic emission method for tool wear monitoring during turning // International Journal of Machine Tools and Manufacture. – 2002. – Vol. 42. – P. 157–165. 10. The use of wavelet transform to evaluate the sensitivity of AE attributes to variation of cutting parameters in milling aluminium alloys / R. Asadi, M.J. Anahid, H. Heydarnia, H. Mehmanparast, S.A. Niknam // The International Journal of Advanced Manufacturing Technology. – 2021. – Vol. 1. – P. 1–14. – DOI: 10.21203/rs.3.rs-1054589/v1.
RkJQdWJsaXNoZXIy MTk0ODM1