声发射技术是一种无损检测技术,在磨削加工中获得了普遍的关注及应用,随着智能制造的发展趋势,声发射技术将在磨削领域占据更加重要的位置,或将成为智能磨削系统的重要一环。由于磨削加工过程的高度复杂性,磨削过程中产生的声发射信号也十分复杂,包含了众多的磨削状态信息,探究磨削声发射信号与磨削状态的对应关系,对实现声发射技术的在线应用意义重大。为实现声发射技术在磨削中的实时在线监测,研究声发射与磨削过程的关系十分必要。本文以常见的声发射磨削实验为研究对象,主要研究内容有:本文首先介绍声发射技术在磨削领域的研究现状,阐述声发射技术的机理和声发射信号的处理方法,介绍声发射信号采集系统组成部分及各部分的功能。以此为基础研究了工程陶瓷磨削声发射中的若干个问题。以断铅声发射实验为基础,分析断铅笔芯声发射信号在小波分解、经验模态分解与短时傅里叶变换分析下时频域特征,分析表明三者可以将信号中的摩擦噪声信号分离出来。以不同砂轮磨损下的部分稳定氧化锆(PSZ)磨削声发射实验为基础,利用经验模态法分析了不同砂轮磨损状态下的PSZ磨削声发射信号,发现经验模态分解得到的本征模函数imf1～imf6与原始信号具有很强的相关性,其主要的频率与原始信号的主要频率接近,并且能量占比85%以上,可以代表原始声发射信号;从imf1～imf6中提取的有效值(IMFrms)、方差(IMFvar)、能量系数(IMFpe)发现这些特征参数与砂轮的磨损程度有相关的联系并对其中的机理进行了理论分析;最后利用最小二乘支持向量机对砂轮磨损状态进行了识别,得到了良好的识别效果。结合声发射技术在磨削粗糙度中的研究情况,尝试从声发射信号中选取六组声发射信号参数作为PSZ磨削表面粗糙度预测的特征,利用遗传算法优化的BP神经网络对磨削工程陶瓷PSZ的表面粗糙度进行了预测,取得较好的预测结果。