从振动到纹理：融合机器视觉纹理、振动特征与微观形貌的CFRP磨削多尺度分析

《Composites Communications》：From vibration to texture: Multi-scale analysis of CFRP grinding integrating machine-vision textures, vibration signatures, and micro-morphology

　　

• •
  多尺度框架将振动信号分割、纹理重构与扫描电子显微镜（SEM）形貌观测相结合。
• •
  60°和120°磨削角度产生的纹理比90°磨削更为均匀。
• •
  角二阶矩可作为面域表面粗糙度的有效描述符。
• •
  该框架支持碳纤维增强聚合物（CFRP）磨削过程的监测与优化。

引言

碳纤维增强聚合物（CFRP）固有的各向异性结构和相对较低的层间强度，在传统铣削和钻削加工过程中往往会导致各种缺陷。这些缺陷直接影响加工表面质量[1]。为应对这些问题，激光切割和水射流切割已被探索应用[2]、[3]。然而，新的挑战，如树脂基体的烧蚀，也可能随之产生[4]。在某些微加工场景中，如去毛刺、倒角和孔加工，超声振动辅助表面加工可有效减轻缺陷的产生[5]、[6]、[7]、[8]。因此，研究超声辅助加工的机理并开发缺陷检测方法，对于提高CFRP复合材料的加工表面质量和疲劳寿命具有重要意义。

已有若干学者从不同角度研究了CFRP在超声辅助磨削下的失效行为，包括切削深度[9]、刀具变量与磨削策略[10]、[11]、环境因素[1]以及加工方向[12]、[13]。切削深度的增加会导致CFRP纤维和基体断裂机理的转变，从具有有限表面损伤的韧性断裂过渡到伴随界面分层的脆性断裂[9]。在磨削过程中，随着磨头与纤维取向之间的角度从0°增大到90°，CFRP的断裂模式从微弯曲断裂转变为剪切与压缩断裂，磨削力也呈递增趋势[13]、[14]。Priarone等人研究了金刚石磨粒尺寸对CFRP磨削过程中纤维切削的影响。其结果表明，较大的金刚石磨粒显著增加了切削力和扭矩，且在磨粒磨损或损坏后纤维切削模式会发生改变[15]。Cong等人建立了一个基于磨削力的预测模型，表明磨削过程中的切削力大小会影响纤维断裂模式[16]。Wang等人进一步建立了单磨粒切削的数学模型，研究了CFRP在超声椭圆旋转振动辅助加工下的磨削机理[17]。Qu等人开发了基于磨削力和纤维分层深度的演化模型。其结果表明，磨粒引起的表面损伤随切削深度增加而增大，裂纹萌生与扩展是磨削过程中主要的材料去除机理[18]。近期研究进一步探讨了润滑或纳米润滑条件下的超声振动辅助磨削中CFRP的损伤形成、界面接触行为与力建模[19]、[20]、[21]。这些发现表明，CFRP磨削中的加工参数和界面接触条件可能导致不同的失效机理。

某些研究聚焦于CFRP加工过程中振动信号的变化规律及其在预测加工质量和刀具磨损中的应用。CFRP磨削过程中产生的振动信号与最终表面质量高度相关[22]、[23]。加速度幅值越大，通常对应着越差的表面粗糙度[14]。与无缺陷试样相比，存在纤维拔出缺陷的试样在垂直方向表现出显著更高的低频振动峰值[10]。Kong等人研究了磨削参数对加工过程中工件温度和振动信号的影响[24]。Guo等人利用声发射和振动信号提取信号特征并通过机器学习进行处理，建立了信号与表面质量之间的关系，证明了预测磨削表面质量的可行性[25]。

近年来，机器视觉技术在复合材料加工与制造中被广泛运用于表面形貌检测、缺陷识别、表面粗糙度预测以及工件损伤评估，从而提升产品质量[26]、[27]、[28]、[29]。机器视觉中的降噪和细节增强技术可增强图像轮廓信息、减小图像采集时阴影的影响、提高检测精度，并实现加工过程中缺陷和纹理特征的高效测量[30]。Geier等人开发了一种数字图像处理方法，用于识别和预测短切CFRP层压板钻孔过程中产生的毛刺。该方法提取了图像中每个可见短切纤维组的纤维取向，并根据叠加原理对结果进行关联分析，预测准确率达到64%–97%[31]。此外，低角度照明可利用缺陷引起的高度差生成具有显著对比度的图像。通过结合双模阈值分割与K-均值聚类，可对表面缺陷、粘附切屑、未加工位置的材质反射以及CFRP原始纹理进行分类[32]。总体而言，机器视觉能够高效满足加工过程中缺陷检测、质量评估和实时分类的需求。然而，CFRP磨削过程中振动信号的演化与其相关磨削机理之间的联系尚未得到充分阐明[33]、[34]。

本文建立了一个多尺度分析框架，通过将振动响应、宏观纹理演化和微观断裂形貌相互耦合来研究CFRP的磨削行为。首先利用机器视觉技术通过K-均值聚类和颜色映射重构表面纹理，从而识别不同磨削角度下的纹理变化。然后将重构的宏观纹理与振动信号和扫描电子显微镜（SEM）观测结果结合解读，以阐明材料去除行为与表面形成之间的相互作用。利用颜色共生矩阵（CCM）提取定量纹理描述符，并分析其变化规律。最后，通过灰色关联分析（GRA）评估这些描述符与面域表面粗糙度（$S_a$）之间的关系，以评估其与表面完整性的相关性。

章节摘要

材料与磨削装置

实验所用的CFRP层压板由日本东丽工业公司的USN15000单向预浸料制备而成。将预浸料按0°取向层压为14层层叠结构，随后在2 MPa压力下、175 °C温度下固化1.5小时。所得试样被加工为尺寸为$200\mathrm{mm}\times 20\mathrm{mm}\times 2.1(\pm 0.05)\mathrm{mm}$的试样。

磨削实验采用了FANUC（日本）M20id工业机器人、三维工作台、TYPT SM3542B-24主轴电机，

CFRP磨削表面的多尺度表征

基于加速度振动信号的变化规律和表面纹理的形貌演化，结合SEM观测，建立了一个从宏观到微观的多尺度分析框架，如图1b所示。将振动信号特征、宏观表面形貌与微观断裂行为相互关联的多尺度对应关系详见图4和图5。

CFRP表面纹理形貌的形成

结论

本研究建立了一个多尺度分析框架，将CFRP磨削过程中的振动响应、宏观纹理演化和微观断裂形貌相互关联。利用机器视觉方法重构了不同磨削角度下的表面纹理，同时振动信号和SEM观测提供了关于材料去除行为的补充信息。使用颜色共生矩阵（CCM）对纹理特征进行量化，并与面域

CRediT作者贡献声明

刘翔宇：初稿撰写、可视化、方法论、调查研究、形式化分析、数据整理、概念构思。李lichen：验证、方法论、调查研究、数据整理、概念构思。单逸明：可视化、验证、调查研究。高旭建：验证、调查研究、数据整理。金凯：审稿与编辑、监督、项目管理、方法论、经费获取、概念构思。姜炳农：审稿与编辑，

利益冲突声明

作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

致谢

本研究获得国家自然科学基金委员会（项目编号52571393）和山东省重点研发计划（项目编号2025JMRH0203）的资助。

刘翔宇|李lichen|单逸明|高旭建|金凯|石浩恩|姜炳农|常文凯