Data fusion neural network for tool condition monitoring in CNC milling machining

Chen, Shang Liang; Jen, Yi-Hsuan

doi:10.1016/s0890-6955(99)00066-8

Cited by 83 publications

(35 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Some studies used one dynamometer and accelerometer [14]. A multi-sensor model integrating accelerometer and acoustic emission sensor using fuzzy logic is described in [15].…”

Section: Multi-sensorsmentioning

confidence: 99%

Review of Tool Condition Monitoring Methods

Visariya¹,

Ruparel²,

Yadav³

2018

IJCA

View full text Add to dashboard Cite

With the increase of modern industries use of metal cutting procedure, it is evident that the tools used for this processes required proper care and monitoring. Tool wear one of the most important factors in machining processes as it greatly affects the tool life, which is important in metal cutting because of its direct impact on the quality of the finished job and also affect the efficiency of industries. Hence, ways to observe cutting tool and monitor its wear are needed for optimal use. An effective system can reduce machine downtime and economic losses. The paper presents a overview of many Tool Condition Monitoring Systems.

show abstract

“…Some studies used one dynamometer and accelerometer [14]. A multi-sensor model integrating accelerometer and acoustic emission sensor using fuzzy logic is described in [15].…”

Section: Multi-sensorsmentioning

confidence: 99%

Review of Tool Condition Monitoring Methods

Visariya¹,

Ruparel²,

Yadav³

2018

IJCA

View full text Add to dashboard Cite

show abstract

“…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].…”

Section: Abstract: Tool Condition Monitoring Rbf Neural Networkunclassified

Possibility of applying the RBF neural network to the on-line tool condition monitoring systems

Bombiński¹,

Błażejak²,

Nejman³

2016

Mechanik

View full text Add to dashboard Cite

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...

show abstract

“…The neural networks can be used to estimate an output from one or more input and a target output [8]- [10]. The generation stage of the NN gives the following results (Figs.…”

Section: Change Of Machining Direction Change Of Machining Directionmentioning

confidence: 99%

Neural Network Monitoring Strategy of Cutting Tool Wear of Horizontal High Speed Milling

Kious

Aissa

Ameur

et al. 2014

AMM

View full text Add to dashboard Cite

Abstract-The wear of cutting tool degrades the quality of the product in the manufacturing processes. The on line monitoring of the cutting tool wear level is very necessary to prevent the deterioration of the quality of machining. Unfortunately there is not a direct manner to measure the cutting tool wear on line. Consequently we must adopt an indirect method where wear will be estimated from the measurement of one or more physical parameters appearing during the machining process such as the cutting force, the vibrations, or the acoustic emission etc…. In this work, a neural network system is elaborated in order to estimate the flank wear from the cutting force measurement and the cutting conditions.

show abstract

Data fusion neural network for tool condition monitoring in CNC milling machining

Cited by 83 publications

References 6 publications

Review of Tool Condition Monitoring Methods

Review of Tool Condition Monitoring Methods

Possibility of applying the RBF neural network to the on-line tool condition monitoring systems

Neural Network Monitoring Strategy of Cutting Tool Wear of Horizontal High Speed Milling

Contact Info

Product

Resources

About