未来骨科医工融合—文献集萃（十二）骨微钻切屑形成、穿透深度及切削故障的声发射监测

发布日期： 2024-11-23 08:54:36 阅读量： 2

尚华清（中国科学院深圳先进技术研究院）

摘要

本文研究了在骨组织微钻削过程中的切屑形成、钻削深度和故障监测方法，利用声发射（AE）传感技术捕获加工条件的变化。研究分析了不同的切屑类型，并提出基于小波能量比的方法来检测钻头的穿透位置和识别故障。实验在牛骨样本上进行，显示AE信号能够有效监测钻削过程的细节，包括不同骨层的识别和异常切削事件的检测。

方法

研究设计了使用两种直径（0.6 mm 和 1 mm）微钻头的实验，配备高频和低频AE传感器记录钻削过程中产生的声发射信号。采用小波包分解法将AE信号分解为不同频率成分，计算各频率成分的能量比，以检测钻头穿透不同骨层的深度。同时，应用小波分形分析技术识别切削异常，如钻头破损和表面裂纹。

总结

实验结果表明，AE信号在0-112.5 kHz频段内的特征尤其显著，可用于监测骨组织微钻削中的切屑形成和钻削深度。小波能量比分析能够有效分辨钻头穿透骨皮质和松质骨的过程，而小波分形方法可以识别切削中的异常事件，如裂纹和工具损坏。这为骨科手术中更安全的机器人辅助提供了可能。

创新点

1. **小波包分解与能量比检测**：应用小波分析来分解AE信号，识别切削过程中钻头穿透不同骨层的深度。

2. **切屑类型监测**：通过AE信号的时间域和频域特征，实时识别不同切屑形成类型，如连续、粉状和弧形切屑。

3. **切削故障识别**：使用小波分形分析来检测钻削异常，如钻头损坏和裂纹形成，提高切削过程的监控精度。

4. **无创监测优势**：相比传统力传感器，AE传感技术提供了更高灵敏度的检测，适用于实时手术过程中的条件监测。

不同形态的碎屑会伴生不同特征的声信号

视频链接：微信视频号—思考特赋能科技

利益冲突说明：

1.本文献研究无资助。

2.本内容不存在研究者、伦理委员会与公开研究成果有关的利益冲突

3.本公众号及相关机构、委员会将定期对利益冲突进行审查和监督，确保活动的独立性和公正性。

授权说明：本内容授权给北京石景山思考特赋能科技公益发展中心登载播放，其他人未经授权不能转载下载。

未来骨科 医工融合—文献集萃（十二）骨微钻切屑形成、穿透深度及切削故障的声发射监测