Porównano wyniki dwóch metod szacowania zużycia ostrza: uzyskane dla sieci neuronowej RBF oraz metodą hierarchiczną. Analizę sygnałów z procesu skrawania przeprowadzono dla trzech różnych eksperymentów, jednoznacznie wykazując skuteczność obu metod. SŁOWA KLUCZOWE: diagnostyka stanu narzędzia, sieci neuronowe RBF Presented are the results of a comparison of two different methods of estimating tool wear: obtained for RBF neural network and hierarchical methods. The analysis of the signals from the machining process carried out for three different experiments, clearly demonstrating the effect of both presented methods. KEYWORDS: tool condition monitoring, RBF neural networkWraz ze wzrostem wymagań dotyczących wydajności i jakości produkcji zwiększa się stopień automatyzacji obróbki skrawaniem. Jednym z elementów tej automatyzacji są systemy nadzoru procesu skrawania. Podstawowym zadaniem tych systemów jest diagnostyka stanu ostrza. W pracy przedstawiono porównanie dwóch metod szacowania zużycia ostrza na podstawie wielu miar sygnałów diagnostycznych.Typowym rozwiązaniem problemu aproksymacji zuży-cia ostrza na podstawie wielu miar jest zastosowanie sieci neuronowej. Szeroki przegląd takich rozwiązań można znaleźć w [1]. Najpopularniejszą siecią jest perceptron wielowarstwowy [2,3]. Wykazano jednak, że dobre rezultaty można osiągnąć, stosując sieć o radialnych funkcjach bazowych [4]. Ma ona tę przewagę nad perceptronem, że czas jej uczenia jest nieporównywalnie krótszy. Cały proces optymalizacji struktury i parametrów sieci można przeprowadzić w kilka sekund. Dzięki temu nie wprowadza się dodatkowych opóźnień (wynikających z czasu wykonywania obliczeń) w produkcji związanych ze stosowaniem układu nadzoru procesu skrawania. Dlatego w ramach pracy postanowiono przetestować właśnie tę sieć.Pierwsze porównanie algorytmu hierarchicznego i sieci neuronowej przedstawiono w [5]. Tam też znajduje się dokładny opis algorytmu hierarchicznego, do którego porównywano sieć RBF w niniejszej pracy. Uzyskany wtedy wynik wykazywał wyższość algorytmu hierarchicznego, jednakże był on oparty na pojedynczych badaniach doświadczalnych, co mogło sugerować, że jest to wynik przypadkowy. W niniejszym artykule przedstawiono porównanie oparte na trzech badaniach doświadczalnych przeprowadzonych na różnych obrabiarkach, co podnosi wiarygodność uzyskanych wyników.W tablicy zamieszczono skrótowy opis badań, do któ-rych zastosowano porównywane algorytmy przetwarzania danych. Metoda aproksymacji z wykorzystaniem sieci neuronowej RBFMetoda aproksymacji RBF jest oparta na sieci neuronowej typu RBF. Zastosowano sieć jednokierunkową, dwuwarstwową. Składa się ona z warstwy ukrytej neuronów radialnych oraz warstwy wyjściowej obejmującej neuron liniowy. W pracy wykorzystano neuron radialny z funkcją bazową opartą na funkcji wykładniczej. Uczenie sieci neuronowej RBF obejmuje trzy etapy: dobór centrów funkcji radialnych, dobór szerokości funkcji radialnych i dobór wag neuronu liniowego warstwy wyjściowej.Położenie centrów funkcji radialnych jest określ...
StreszczeniePrzemysł związany z obróbką skrawaniem w coraz większym stopniu podlega automatyzacji. Elementem wpływającym na jakość i wydajność produkcji jest stan krawędzi skrawającej. Dlatego trwają prace nad budową systemów diagnostyki stanu ostrza. Koszt budowy takiego systemu to również koszt zastosowanych czujników. W artykule przedstawiono wykorzystanie tanich mikrofonów do budowy toru pomiarowego systemu diagnostycznego. Słowa kluczowe: stan ostrza skrawającego, toczenie EVALUATION OF MICROPHONES ARRAY USABILITY FOR TOOL WEAR MONITORING IN TURNING AbstractThe machining industry is more and more automated. The element affecting the quality and productivity is the condition of the cutting edge. Therefore, the continuous quest for reliable tool condition monitoring system can be observed in many laboratories. The cost of such a system is highly dependent on cost of sensors used. The article presents the use of cheap microphones to create a measuring chain of the diagnostic system.
W trakcie budowy systemu opartego na metodach wizyjnych najważniejszy jest dobór oświetlenia. Prawidłowo ustawione upraszcza analizę zdjęć. Opracowano prototyp systemu wykrywania obszaru starcia powierzchni przyłożenia noży tokarskich, ukazującego różnice pomiędzy kolejnymi zdjęciami tego samego ostrza oświetlonego z różnych kierunków. SŁOWA KLUCZOWE: diagnostyka stanu narzędzia, skrawanie, metody wizyjneIn developing a vision-based system, the most important thing is choosing the lighting. Properly set up simplifies image analysis. The prototype of the system for detecting wear of flank face, which detects the differences between successive images of the same tool illuminated from different directions, has been developed. KEYWORDS: tool condition monitoring, cutting, machine visionDiagnostyka stanu narzędzia skrawającego jest warunkiem koniecznym automatyzacji wytwarzania, która ma na celu zapewnienie odpowiedniej jakości wytwarzania przedmiotów. Jest ona szczególnie istotna w przemyśle lotniczym, w którym często wykonuje się kosztowne przedmioty. Ostrze o wysokim stopniu zużycia może być przyczyną uszkodzenia obrabianej części, co najczęściej prowadzi do przedwczesnej wymiany narzędzia. Powoduje to wzrost kosztów związanych z przestojem maszyny na czas przezbrojenia oraz zakupem większej liczby narzędzi. W wielu ośrodkach na świecie zainspirowało to prace nad budową systemu diagnostyki ostrza. Najbardziej rozpowszechnione są rozwiązania badające stopień zużycia ostrza w sposób pośredni [1, 2], np. w oparciu o przebieg sygnałów z czujników sił, drgań, emisji akustycznej oraz mocy. Przykładem może być system automatycznej diagnostyki stanu ostrza opracowywany w Zakładzie Automatyzacji i Obróbki Skrawaniem Politechniki Warszawskiej [3,4]. Innym podejściem do pośredniej oceny stanu ostrza jest wizyjna ocena wiórów [5].Wymienione sposoby oceny stanu ostrza wykorzystują diagnostykę pośrednią, a więc wymagają powiązania pewnej mierzonej wielkości ze stopniem zużycia ostrza. Alternatywnym podejściem byłoby stosowanie wskaźników bezpośrednich. Do takich należy zaliczyć wielkości geometryczne opisujące zużycie narzędzia. Jedna z metod wykorzystuje sondy narzędziowe, które prowadzą pomiar zużycia w sposób mechaniczny [6], poprzez bezpośredni kontakt z narzędziem, mierząc przesunięcie wierzchołka narzędzia. Najdokładniejsze pomiary zużycia można prowadzić za pomocą mikroskopów warsztatowych, to jednak wymaga zdjęcia narzędzia z obrabiarki, co pochłania dużo czasu i jest niedopuszczalne w praktyce przemysło-wej. Odrębną, rozwijającą się grupą technik diagnostycznych jest zastosowanie automatycznych metod wizyjnych [7]. Bezpośrednia obserwacja narzędzia w przerwach obróbki wydaje się obiecującym sposobem na uzyskanie parametrów geometrycznych, które mogą być wykorzystane jako dokładne wskaźniki zużycia ostrza. Podstawowym kryterium rozwiązywania problemów w metodach wizyjnych jest właściwe dobranie sprzętu do projektowanego rozwiązania. Istotne jest dobranie kamery oraz obiektywu, jednak kluczową rolę odgrywa oświetlacz. Do...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.