The adaptation two-dimensional wavelet transform to assessment the surface roughness produced by face milling

Abstract

Przedstawiono wyniki analizy chropowatości powierzchni z wykorzystaniem dwuwymiarowej transformaty falkowej. Badaniom poddano powierzchnie powstałe w procesie frezowania czołowego elementów ze stali 40HM. Wykazano, że poszczególne postaci falki bazowej mają zdolność do wykrywania charakterystycznych obszarów w sygnałach niestacjonarnych, jednak uwidaczniają powstałe wady powierzchni z różną intensywnością. SŁOWA KLUCZOWE: frezowanie czołowe, dwuwymiarowa analiza falkowa, chropowatość powierzchniIn this paper, authors present the research results of surface roughness analysis using the two-dimensional wavelet transform. The tests have been carried out on surface of 40HM steel produced in face milling process. The research results show the particular mother wavelet has ability to detect specific areas in non-stationary signals, however, they highlight the surface defects with different intensity. KEYWORDS: face milling, two-dimensional wavelet analysis, surface roughness Dynamiczny rozwój nauki i techniki implikuje miniaturyzację wytwarzanych elementów. To oznacza konieczność znacznie dokładniejszej obróbki oraz ciągłego monitorowania zmian wymiarowo-kształtowych elementów i ich warstwy wierzchniej. Klasyczna metoda analizy SGP z wykorzystaniem transformaty Fouriera jest coraz czę-ściej zastępowana przez rozwiniętą w XX w. transformatę falkową [1,2]. W 1910 r. węgierski naukowiec Alfred Haar po raz pierwszy użył pojęcia falka [3], jednak dopiero lata osiemdziesiąte XX w. przyniosły rozwój tego sposobu analizy danych. Wiązało się to m.in. z wynalezieniem przez Mallata piramidy dekompozycji [4] czy stworzeniem przez Daubechies pierwszych ortogonalnych falek niesymetrycznych [5]. Niewątpliwą zaletą funkcji falkowych jest możli-wość analizy sygnałów zawierających niestacjonarności, czyli m.in. gwałtowne zmiany wysokości nierówności powierzchni (np. sygnał chropowatości powierzchni) [6].Analiza falkowa jest szeroko stosowana do diagnozowania pracy urządzeń. Możliwość wykrywania w sygnale zaburzeń oraz wskazania miejsca ich powstania daje jej przewagę nad klasycznymi metodami w kontekście analizy diagnostycznej. W literaturze można znaleźć wiele przykładów jej zastosowania do analizy sygnałów jednowymiarowych, m.in. wibroakustycznych na potrzeby diagnozowania łożysk tocznych [7], analizy sił skrawania procesu frezowania [8] czy analizy sygnałów emisji akustycznej w kontekście diagnostyki procesu skrawania [9].