摘要
在机器人磨料带磨削过程中，磨料颗粒与工件材料之间会发生高度耦合的热机械相互作用。在此过程中产生的声发射（AE）信号本质上是非线性的和非平稳的，这给精确的过程监控和机制理解带来了挑战。为了解决这个问题，本研究提出了一种创新的AE信号处理框架，用于阐明Ti-6Al-4V（TC4）钛合金的机器人磨削机制。该框架基于经验模态分解（EMD）技术，开发了一种改进的完全互补集合经验模态分解（CCEEMD）算法，能够从原始AE数据中精确提取固有模态函数（IMFs）。随后，一种利用噪声统计特性的新型去噪算法有效地去除了机器人加工系统中的无效噪声。通过对TC4工件进行机器人磨削实验的验证，成功建立了提取的AE特征与磨削机制之间的可量化关系。值得注意的是，采用这种方法将结构化磨料带的有效使用寿命延长了约20%，同时将加工效率提高了约12%。这项工作提出了一种结合改进的CCEEMD和统计去噪的新方法，用于机器人磨削中的AE分析，为AE特征与材料去除机制之间提供了可靠的联系，最终实现了过程优化的量化控制。
