Razvoj hibridnog estimatora trošenja alata i metoda vođenja alatnog stroja

Brezak, Danko (2007) Razvoj hibridnog estimatora trošenja alata i metoda vođenja alatnog stroja. = Doctoral thesis , Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, UNSPECIFIED. Mentor: Majetić, Dubravko.

[img]
Preview
Text
08_11_2007_Doktorski_rad.pdf - Published Version Jezik dokumenta:Croatian

Download (1MB) | Preview

Abstract (Croatian)

U radu je razmatrana problematika razvoja sustava za nadzor trošenja reznih alata i metoda adaptivnog vođenja alatnih strojeva prema postojanosti rezne oštrice, imajući uvidu njihov značaj u projektiranju suvremenih inteligentnih obradnih sustava. U tom je smislu, u prvom dijelu rada, detaljno opisan i analiziran predloženi model hibridnog estimatora parametra trošenja zasnovan na dva serijski povezana modula. Najprije je formiran klasifikacijski modul zasnovan na analitičkom konceptu neizrazite logike bez pravila ponašanja. Time je omogućena primjena neizrazitog odlučivanja bez ograničenja u broju značajki trošenja, čime se podiže stupanj pouzdanosti i robusnosti navedenog modula kao nužnih uvjeta preciznije procjene stupnja istrošenosti. Do konačne se vrijednosti parametra trošenja iz klasificiranog područja trošenja dolazi primjenom modula za estimaciju. On je izveden primjenom regresijskog algoritma metode vektorski podržanog učenja, čime se nastojalo osigurati konačno rješenje u optimalnoj formi s obzirom na odabranu strukturu modula.U drugome je dijelu rada analiziran koncept adaptivnog vođenja alatnog stroja, pri čemu je željeni stupanj istrošenosti u prethodno definiranom vremenu obrade realiziran vođenjem preko parametra brzine rezanja. Osim navedenog kriterija, dodatnu je funkciju cilja predstavljala i maksimalna produktivnost procesa ograničena njegovim tehnološkim karakteristikama. Algoritam vođenja realiziran je umjetnom neuronskom mrežom zasnovanom na radijalnim baznim funkcijama, a šum generiran pogreškom u estimaciji iznosa parametra trošenja filtriran je korištenjem modificirane dinamičke neuronske mreže. Algoritmi umjetnih neuronskih mreža posebno su pogodni u vođenju onih procesa čija je dinamika modelirana nekom od metoda učenja s podacima dobivenim iz snimljenih signala procesa. U ovu se skupinu ubraja i trošenje reznih alata,pri čemu se podaci za strukturiranje sustava za nadzor trošenja mogu iskoristiti i za određivanje strukture ostalih elemenata regulacijskog kruga realiziranih primjenom umjetnih neuronskih mreža.

Abstract

In this dissertation two main issues have been taken under consideration having in mind their significant role in designing of modern intelligent machine tools – development of a tool wear monitoring system and adaptive machine control algorithm for maintaining tool wear rate in the predefined cutting time. In the first part of the work a flank wear hybrid estimator based on two serially connected modules is presented and analyzed. Firstly, a classification module is designed using analytical fuzzy logic concept without rule base. Thereby, it is possible to utilize fuzzy logic decision-making without any constraints in the number of tool wear features in order to raise the module reliability and robustness as a necessary conditions in precise tool wear parameter estimation. The estimated wear parameter value is then obtained from the second estimation module. It is structured using Support Vector Machines regression algorithm which assures an optimal estimation regarding the structure of the module. In the second part of the work an adaptive machine tool control algorithms are analyzed whereat the desired wear level in the predefined machining time is achieved by adapting the cutting speed. Besides the mentioned criterion, the maximization of the process productivity, which is constrained by its technological characteristics, is also taken as an additional cost function. The controller is structured using the algorithm based on artificial neural network with radial basis activation functions and the noise generated by the wear parameter estimation error is filtered using modified recurrent type of neural network. Artificial neural networks are very suitable for controlling the processes which dynamics is modeled by one of the learning methods using the data obtained from the measured process signals. Tool wearing is one of those processes where the data used for the structuring of the monitoring system can also be used for the modeling of other elements of the control loop realized by artificial neural networks.

Item Type: Thesis (Doctoral thesis)
Uncontrolled Keywords: nadzor trošenja reznih alata; hibridni estimator parametra trošenja; neizrazita logika bez pravila ponašanja; metoda vektorski podržanog učenja; adaptivno vođenje alatnih strojeva; vođenje prema postojanosti reznih alata
Keywords (Croatian): cutting tool wear monitoring; flank wear hybrid estimator; fuzzy logic without rule base; support vector machines; adaptive machine control; tool durability control; artificial neural networks
Date Deposited: 22 Sep 2014 18:00
Last Modified: 01 Dec 2020 12:03
URI: http://repozitorij.fsb.hr/id/eprint/214

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year