Automatic detection of thermal damage in grinding process by artificial neural network

Abstract

This work aims to develop an intelligent system for detecting the workpiece burn in the surface grinding process by utilizing a multi-perceptron neural network trained to generalize the process and, in turn, obtnaing the burning threshold. In general, the burning occurrence in grinding process can be detected by the DPO and FKS parameters. However, these ones were not efficient at the grinding conditions used in this work. Acoustic emission and electric power of the grinding wheel drive motor are the input variable and the output variable is the burning occurrence to the neural network. In the experimental work was employed one type of steel (ABNT-1045 annealed) and one type of grinding wheel referred to as TARGA model ART 3TG80.3 NVHB.<br>Esse trabalho tem por objetivo o desenvolvimento de um sistema inteligente para detecção da queima no processo de retificação tangencial plana através da utilização de uma rede neural perceptron multi camadas, treinada para generalizar o processo e, conseqüentemente, obter o limiar de queima. Em geral, a ocorrência da queima no processo de retificação pode ser detectada pelos parâmetros DPO e FKS. Porém esses parâmetros não são eficientes nas condições de usinagem usadas nesse trabalho. Os sinais de emissão acústica e potência elétrica do motor de acionamento do rebolo são variáveis de entrada e a variável de saída é a ocorrência da queima. No trabalho experimental, foram empregados um tipo de aço (ABNT 1045 temperado) e um tipo de rebolo denominado TARGA, modelo ART 3TG80.3 NVHB