Advisory system for grinding operation planning

• Autorzy: Dębkowski R. , Urbaniak M.

Warianty tytułu

PL

Doradczy system do projektowania operacji szlifierskiej

• Języki publikacji: EN

Abstrakty

EN

A system, which improves a decision-making process during grinding operation planning, is described. It should favour the selection of grinding wheel, dressing conditions and grinding conditions. The system was designed as an artificial intelligence hybrid system. Wheel selection is realised by an expert system, while forecasting of grinding results is performed by means of a grinding process model based on artificial neural network.

PL

Opisano system wspomagający podejmowanie decyzji przez technologa podczas projektowania operacji szlifierskiej w zakresie doboru ściernic, warunków obciągania i szlifowania. Zaprojektowano go jako hybrydowy system sztucznej inteligencji. Dobór ściernic do zadania obróbkowego powierzono systemowi ekspertowemu natomiast prognozowanie wyniku szlifowania modelowi procesu szlifowania zbudowanemu w oparciu o sztuczne sieci neuronowe.

Słowa kluczowe

EN

grinding conditions; artificial intelligence; selection

PL

szlifowanie; sztuczna inteligencja; ściernica

• Wydawca: Springer ; Wrocław University of Science and Technology
• Czasopismo: Archives of Civil and Mechanical Engineering
• Rocznik: 2002
• Tom: Vol. 2, no 1
• Strony: 61--72
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Dębkowski R.

• Department of Production Engineering, Technical University of Łódź, ul. Stefanowskiego 1/15, 90-537 Łódź

autor

Urbaniak M.

• Department of Production Engineering, Technical University of Łódź, ul. Stefanowskiego 1/15, 90-537 Łódź

Bibliografia

• [1] Sakakura M., Inasaki I.: A Neural Network Approach to the Decision-Making Process for Grinding Operations, Annals of the CIRP, 41(1992)1, 353–356.
• [2] Sakakura M., Inasaki I.: Intelligent Data Base for Grinding Operations, Annals of the CIRP, 42(1993), 1, 379–382.
• [3] Liao T.W., Chen L.J.: A Neural Network Approach for Grinding Processes: Modeling and Optimization, Int. J. Mach. Tools Manufact, 34(1994)7, 919–937.
• [4] Li Y., Mills B., Rowe W.: An Intelligent System for selection of Grinding Wheels, Journal of Engineering Manufacture, 211(1997), B8, 635–641.
• [5] Rowe W., Li Y., Chen X., Mills B.: An Intelligent Multiagent Approach for Selection of Grinding Conditions, Annals of the CIRP, 46(1997), 1, 233–238.
• [6] Rojek-Mikołajczyk I., Weiss Z.: Inteligentna baza danych w planowaniu operacji szlifowania, XXIII Naukowa Szkoła Obróbki Ściernej, Rzeszów, 2000, 310–315.
• [7] Rafałowicz J., Leżański P., Lajmert P.: Sterowanie i nadzorowanie procesu szlifowania kłowego wałków, XXIII Naukowa Szkoła Obróbki Ściernej, Rzeszów, 2000, s. 89–117.
• [8] Wójcik R.: Wpływ gęstości strumienia energii szlifowania na stan naprężeń własnych w warstwie wierzchniej, praca doktorska, Politechnika Łódzka, Łódź, 1996.
• [9] Wójcik R., Kruszyński B.: Wpływ gęstości strumienia energii na właściwości warstwy wierzchniej przy różnych odmianach kinematycznych szlifowania, Projekt Badawczy KBN Nr 7T07D00815, 2000.
• [10] Adamko K., Musiał W., Plichta J.: Możliwości wykorzystania metod sztucznej inteligencji w procesie mikroszlifowania plastycznego, XXII Naukowa Szkoła Obróbki Ściernej, Gdańsk, 1999, s. 9–14.
• [11] Vishnupad P., Shin Y.C.: Intelligent optimization of grinding processes using fuzzy logic, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, Vol. 212, No. B8, 1998, pp. 647–660.
• [12] Brinksmeier E., Toenshoff H.K., Czenkusch C., Heinzel C.: Modelling and optimization of grinding processes, Journal of Intelligent Manufacturing, Vol. 9, No. 4, 1998, pp. 303–314.
• [13] Lee Cheol W., Shin Yung C.: Improved generalized intelligent grinding advisory system, American Society of Mechanical Engineers, Manufacturing Engineering Division, MED, Vol. 10, 1999, pp. 473–480.
• [14] Inasaki I.: Sensor fusion for monitoring and controlling grinding processes, International Journal of Advanced Manufacturing Technology, Vol. 15, No. 10, 1999, pp. 730–736.
• [15] Susic E., Grabec I.: Characterization of the grinding process by acoustic emission, International Journal of Machine Tools and Manufacture, Vol. 40, No. 2, Jan. 2000, pp. 225–238.
• [16] Nathan R.D., Vijayaraghavan L., Krishnamurthy R.: Intelligent estimation of burning limits to aid in cylindrical grinding cycle planning, Heavy Vehicle Systems, Vol. 8, No. 1, 2001, pp. 48–59.
• [17] Shi J.F., Hong Z.C., Cao J.: On-line intelligent identification in grinding process based on rough sets theory, Key Engineering Materials, Vol. 202–203, 2001, pp. 189–192.
• [18] Gong Y.D., Liu G.J., Wang W.S.: Research on grinding wheel intelligent dressing system, Key Engineering Materials, Vol. 202–203, 2001, pp. 181–184.
• [19] Dong T., Li Y., Hou L.: Modeling of real-time monitoring and forecasting system about grinding temperature, Nanjing Li Gong Daxue Xuebao/Journal of Nanjing University of Science and Technology, Vol. 24, No. 5, Oct. 2000, pp. 398–401.
• [20] Mamalis A.G., Grabchenko A.I., Fedorovich V.A., Grinko S.A., Paulmier D., Horvath M.: Development of an expert system of diamond grinding of superhard polycrystalline materials considering grinding wheel, International Journal of Advanced Manufacturing Technology, Vol. 17, No. 7, 2001, pp. 498–507.
• [21] Kobayashi Futoshi, Arai Fumihito, Fukuda Toshio, Onoda Makoto, Hotta Yuzo: Sensor selection based on possibility measure for grinding system, IEEE International Conference on Fuzzy Systems, Vol. 1, 1999, IEEE, Piscataway, NJ, USA, pp. I.492– I.497.
• [22] Kwak J.S., Song J.: Trouble diagnosis of the grinding process by using acoustic emission signals, International Journal of Machine Tools and Manufacture, Vol. 41, No. 6, May 2001, pp. 899–913.
• [23] Wang Z., Willett P., DeAguiar P.R., Webster J.: Neural network detection of grinding burn from acoustic emission, International Journal of Machine Tools and Manufacture, Vol. 41, No. 2, Jan. 2001, pp. 283–309.
• [24] Park M.W., Park B.T., Rho H.M., Kim S.K: Incremental supervised learning of cutting conditions using the fuzzy ARTMAP neural network, Annals of the CIRP, 49/1/2000, p. 375.
• [25] Chen Y.T., Kumara S.R.T.: Fuzzy logic and neural networks for design of process parameters: a grinding process application, International Journal of Production Reasearch, Vol. 36, No. 2, February 1998, pp. 395–415.