Application of MLP and Kohonen Networks for Recognition of Wear Patterns of Single-Point Dressers

Abstract

Grinding is a parts finishing process for advanced products and surfaces. However, continuous friction between the workpiece and the grinding wheel causes the latter to lose its sharpness, thus impairing the grinding results. This is when the dressing process is required, which consists of sharpening the worn grains of the grinding wheel. The dressing conditions strongly affect the performance of the grinding operation; hence, monitoring them throughout the process can increase its efficiency. The objective of this study was to estimate the wear of a single-point dresser using intelligent systems whose inputs were obtained by the digital processing of acoustic emission signals. Two intelligent systems, the multilayer perceptron and the Kohonen neural network, were compared in terms of their classifying ability. The harmonic content of the acoustic emission signal was found to be influenced by the condition of dresser, and when used to feed the neural networks it is possible to classify the condition of the tool under study.

Estimação espectral do sinal de vibração para o monitoramento do desgaste do dressador de ponta única

“…Se o diamante estiver perpendicular ao rebolo durante a dressagem, ele será gasto rapidamente. Se o ângulo do diamante for igual ao da superfície do rebolo a região de contato irá gerar muito calor, podendo danificar o diamante [19]. O dressador de ponta única carrega um único diamante, que deve formar um ângulo de ataque limpo em relação ao rebolo para que o processo de dressagem seja eficiente.…”

“…Esses aspectos representam a diferenciação do presente estudo quando comparado ao trabalho de Martins at al., [18] e [19], pois além de detectar as condições operativas, é possível identificar onde, provavelmente, ocorreu uma falha, com base no padrão de alteração das componentes em frequência do sinal de vibração.…”

“…Os resultados foram bem sucedidos para classificar a condição do rebolo após a operação de dressagem, como sendo o mesmo afiado (com capacidade de corte) e em função do uso, como empastado (com perda da capacidade de corte). Martins et al, [18] [19] descreveram um estudo para classificar o desgaste de dressadores de ponta única utilizando os valores médios quadráticos (RMS) dos sinais de emissão acústica, e redes neurais artificiais. Seus resultados mostraram uma taxa de classificação satisfatória, porém, a um custo computacional muito alto.…”