Investigation of the relationship between the cutting ability of the tool and the acoustic signal parameters during profile grinding

Cover Page

Cite item

Full Text

Abstract

Introduction. Modern mechanical engineering is closely connected with digital production management technologies, for which an important aspect is the collection of reliable information about the current state of the systems. Acoustic methods of current control of the tool cutting ability possess significant potential due to the possibility of continuously obtaining up-to-date data on the parameters of machining process. Profile grinding is one of the widespread methods of machining surfaces of complex configuration. The high importance of this method lies in the high degree of responsibility of shaped parts obtained with it. The wear parameter of profiled grinding wheels needs current control to the same extent as other types of cutting tools. At the same time, acoustic methods of research have not found wide application in relation to profile grinding. In view of this, the present work is aimed at studying the influence of the tool wear rate on the acoustic characteristics of grinding when using grinding wheels of different profiles. Purpose of work is to determine the acoustic parameters of profile grinding with application of planar grinding scheme as it wears out in comparison with analogical process with application of straight profile grinding wheel. As the basic methods of research an experiment is used to study the acoustic phenomena accompanying grinding with application of wheels of different profile. An analysis of the acoustic signal of grinding is carried out, as well as an analysis of the spectrum of its frequency composition. The frequencies of natural vibrations of grinding wheels of different profiles are investigated, its sound index is determined as a criterion for evaluating its characteristics. Acoustic characteristics of the grinding process with the use of grinding wheels of different profiles are compared. Regression analysis of acoustic data obtained as a result of the experiment is also used. Results and discussion. Spectrograms of frequencies of natural vibrations of the wheels under research, as well as a number of spectrograms of the acoustic signal accompanying the processing process for various technological conditions are received. As a result of comparing the obtained spectrograms, the informative frequencies of the grinding processes are determined. Mathematical models of sound level dependence on the value of periodic vertical feed St at depth t and processing time T are developed. It is established that the value of periodic vertical feed St at depth t has a greater influence on the acoustic index in comparison with the machining duration T. Practical significance and prospects of the results of the work lies in the possibility of increasing the efficiency of profile grinding processes due to the rational use of the tool availability.

About the authors

D. V. Ardashev

Email: ardashevdv@susu.ru
D.Sc. (Engineering), Associate Professor, South Ural State University, 76 Prospekt Lenina, Chelyabinsk, 454080, Russian Federation, ardashevdv@susu.ru

A. S. Zhukov

Email: zhukovas@susu.ru
South Ural State University, 76 Prospekt Lenina, Chelyabinsk, 454080, Russian Federation, zhukovas@susu.ru

References

  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 and Mechanics. –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.
  11. Tool wear monitoring in micromilling using support vector machine with vibration and sound sensors / M.C. Gomes, L.C. Brito, M.B. da Silva, M.A.V. Duarte // Precision Engineering. – 2021. – Vol. 67. – P. 137–151. – doi: 10.1016/j.precisioneng.2020.09.025.
  12. Acoustic emission signal source separation for a flank wear estimation of drilling tools / F. Klocke, B. Dobbeler, T. Pullen, T. Bergs // Procedia CIRP. – 2019. – Vol. 79. – P. 57–62. – doi: 10.1016/j.procir.2019.02.011.
  13. Liu C.S., Ou Y.J. Grinding wheel loading evaluation by using acoustic emission signals and digital image processing // Sensors. – 2020. – Vol. 20. – P. 1–13. – doi: 10.3390/s20154092.
  14. Deep convolutional neural network-based in-process tool condition monitoring in abrasive belt grinding / C. Cheng, J. Li, Y. Liu, M. Nie, W. Wang // Computers in Industry. – 2019. – Vol. 106. – P. 1–13. – doi: 10.1016/j.compind.2018.12.002.
  15. Correlation between surface roughness and AE signals in ceramic grinding based on spectral analysis / M.A.A. Viera, F.A. Alexandre, P.R. Aguiar, R.B. Silva, E.C. Bianchi // MATEC Web of Conferences. – 2018. – Vol. 249. – P. 1–5. – doi: 10.1051/matecconf/2018249030.
  16. Diamond wheel grinding characteristics of 3D-orthogonal quartz fiber reinforced silica ceramic matrix composite / B. Lin, H. Wang, J. Wei, T. Sui // Chinese Journal of Aeronautics. – 2020. – Vol. 34, iss. 5. – P. 404–414. – doi: 10.1016/j.cja.2020.12.026.
  17. Tool wear monitoring by ensemble learning and sensor fusion using power, sound, vibration, and AE signals / V. Nasir, S. Dibaji, K. Alaswad, J. Cool // Manufacturing Letters. – 2021. – Vol. 30. – P. 32–38. – doi: 10.1016/j.mfglet.2021.10.002.
  18. Tool wear behavior of vitrified microcrystalline alu-mina wheels in creep feed profile grinding of turbine blade root of single crystal nickel-based superalloy / Q. Miao, W. Ding, W. Kuang, J. Xu // Tribology International. – 2020. – Vol. 145. – P. 1–10. – doi: 10.1016/j.triboint.2019.106144.
  19. Methodology for the immediate detection and treatment of wheel wear in contour grinding / L. Xu, M. Niu, D. Zhao, N. Xing, F. Fan // Precision Engineering. – 2019. – Vol. 60. – P. 405–412. – doi: 10.1016/j.precisioneng.2019.09.006.
  20. Agnard S., Liu Z., Hazel B. Material removal and wheel wear models for robotic grinding wheel profiling // Procedia Manufacturing. – 2015. – Vol. 2. – P. 35–40. – doi: 10.1016/j.promfg.2015.07.007.
  21. Гурьянихин В.Ф. Разработка средств текущего контроля и управления процессами шлифования и правки по интенсивности звукового излучения // Вопросы технологии машиностроения: материалы выездного заседания Головного совета «Машиностроение» МО РФ. – Ульяновск, 2003. – С. 67–72.
  22. Глаговский Б.А. Низкочастотные акустические методы контроля в машиностроении. – Л.: Машиностроение, 1977. – 203 с.
  23. Юганов В.С. Использование низкочастотных акустических колебаний для текущего контроля процесса шлифования: дис. … канд. техн. наук: 05.02.08. – Ульяновск, 1999. – 198 с.
  24. Агафонов В.В. Повышение эффективности круглого наружного врезного шлифования путем управления скоростью подачи по интенсивности звукового сигнала: дис. … канд. техн. наук: 05.02.08. – Ульяновск, 2010. – 181 с.
  25. Глаговский Б.А., Московенко И.Б. Звуковой индекс – критерий оценки характеристик абразивных инструментов // Труды конференции “Intergrind 88”. – Будапешт, 1988. – Т. 1. – С. 45–52.
  26. Коварская Е.З., Московенко И.Б., Павлов И.В. Контроль качества и физико-механических свойств твердых и сверхтвердых материалов по звуковому индексу // Современные методы и приборы контроля качества и диагностики состояния объектов: сборник статей 7-й Международной научно-технической конференции. – Могилев, 2020. – С. 82–92.
  27. Носенко В.А., Носенко С.В. Технология шлифования металлов: монография. – Старый Оскол: ТНТ, 2013. – 616 с.
  28. Ардашев Д.В., Жуков А.С. Экспериментальное исследование взаимосвязи виброакустических параметров процесса шлифования с показателями макронеровности обработанной поверхности // Обработка металлов (технология, оборудование, инструменты). – 2021. – Т. 23, № 3. – С. 6–19. – doi: 10.17212/1994-6309-2021-23.3-6-19.
  29. Ермолаев В.К. Развитие профильного шлифования // Ритм машиностроения. – 2019. – № 4. – С. 40–48.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».