Inteligentni sustav za nadzor istrošenosti reznog alata

Brezak, Danko (2003) Inteligentni sustav za nadzor istrošenosti reznog alata. = Scientific master's thesis , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Novaković, Branko.

[img] Text
19_09_2012_Magistarski_rad.pdf
Restricted to Repository staff only Jezik dokumenta:Croatian

Download (1MB)

Abstract (Croatian)

U radu je prikazan razvoj inteligentnog i industrijski primjenljivog sustava za nadzor istrošenosti oštrice reznog alata. Pritom je za obradni proces odabran postupak glodanja koji, zbog izrazitih dinamičkih opterećenja na alat i stroj, predstavlja jedan od najzahtjevnijih procesa za nadzor. Značajke vezane uz proces trošenja dobivene su korištenjem industrijskih eksternih mjernih sustava (senzori sila i akustike), ali i iz raspoloživih pogonskih signala snimljenih pomoću upravljačkog sustava stroja (struje servomotora posmičnih osi). Izvršena je analiza osjetljivosti pojedine značajke i različitih kombinacija značajki na proces trošenja. Cilj provedenih analiza bio je pokazati može li se smanjiti broj eksternih mjernih sustava koji u pravilu znatno utječu na smanjenje funkcionalnosti i/ili na povećanje troškova izrade obradnih sustava. Predloženi sustav za nadzor procesa trošenja reznog alata temelji se na postupku klasifikacije stupnja istrošenosti alata u tri skupine područja trošenja. Prva je klasifikacijska skupina vezana uz područje početnog trošenja, druga uz područje normalnog trošenja, a treća uz područje naglog trošenja alata. Za taj je postupak korišten algoritam umjetne neuronske mreže s radijalnim baznim funkcijama prilagođen rješavanju klasifikacijskih problema. Ovaj je tip mreže slabo iskorišten u rješavanju problema nadzora procesa trošenja, za razliku od najčešće korištenih višeslojnih perceptronskih mreža učenih iterativnom metodom povratnog prostiranja pogreške. Sustav je razvijen i testiran na temelju uzoraka snimljenih u proizvodnom okružju korištenjem vertikalnog obradnog centra MIKRO\N VCP 600 s Heidenhain T\NC 426 upravljačkom jedinicom. Obavljena su mjerenja sa ukupno 243 kombinacije različitih uvjeta obrade (3 vrijednosti brzine i dubine rezanja, 3 vrijednosti posmaka alata i 9 vrijednosti širina trošenja oštrice alata). \Na temelju provedenih ispitivanja dade se zaključiti da su postignute zadovoljavajuće procjene stupnja istrošenosti oštrice alata koje predstavljaju dobre smjernice daljnjeg razvoja sustava.

Abstract

In this paper a development of intelligent cutting tool condition monitoring system (TCM system) for industrial implementation is presented. The system was built up using milling process which is one of the most demanding processes for tool condition monitoring because of significant dynamical strains of a tool and machine. The tool wear features were obtained using external industrial sensory systems (force and acoustic emission sensors) and also by analyzing all available machine axes drive signals from control unit (servomotor currents). Sensitiveness to tool wear process was established for every feature and for the combinations of features. The goal of these analyses was to examine the possibility of minimizing the utilization of external measurement systems which often have got high influence on reducing the functionality and/or increasing the production costs of machining systems. The proposed TCM system is based on the method of classification of a tool wear level into the three wear level classes. First wear level class is related to the beginning stage of wearing, the second one describes the stage of normal wear process and the last class is connected with rapid wearing. For the purpose of classification, Radial Basis Function Neural Network (RBF NN) algorithm, adjusted to solve classification types of problems, was used. This type of a network was rarely used in TCM problems solving unlike the most commonly used Multi-layer Perceptron Neural Networks (MLP NN) learned with Error-Back Propagation method (EBP). The system was developed and tested on the basis of the samples that were taken in industrial environment using vertical machining centre MIKRON VCP 600 with Heidenhain TNC 426 control unit. Measurements of 243 combinations of different cutting conditions (3 cutting speed values, 3 depth of cut values, 3 feed values and 9 flank wear zone widths values) were carried out. From the presented results of all investigations and analyzes it can be concluded that the satisfactory estimations of tool wear level were achieved which represent good directions for further developments of the proposed TCM system model.

Item Type: Thesis (Scientific master's thesis)
Uncontrolled Keywords: nadzor trošenja reznog alata; trošenje stražnje površine alata; mjerenje sila; mjerenje akustične emisije; mjerenje struja servomotora posmičnih osi; RBF neuronska mreža za klasifikaciju; klasifikacija područja trošenja; glodanje
Keywords (Croatian): cutting tool condition monitoring; flank wear; force measurement; acoustic emission measurement; feed axes servomotor current measurement; RBF Neural Network for classification; wear level classification; milling
Date Deposited: 22 Sep 2014 18:00
Last Modified: 16 Oct 2015 13:19
URI: http://repozitorij.fsb.hr/id/eprint/1977

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year

Nema podataka za dohvacanje citata