Klasyfikacja stanu i rodzaju noży głowicy wielonarzędziowej z wykorzystaniem sieci neuronowych

• Autorzy: Jonak J. , Gajewski J.

Warianty tytułu

EN

Identifying the cutting tool status and type used in excavations using neural networks

• Konferencja: Konferencja Naukowa Problemy Rozwoju Maszyn Roboczych (22 ; 19-22.01.2009 ; Zakopane, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje próbę klasyfikacji stanu ostrzy i rodzaju noży pracujących zespołowo na głowicy urabiającej. Jako narzędzie służące do takiej oceny wykorzystano sztuczne sieci neuronowe. Zarejestrowano sygnały mocy oraz momentu urabiania głowicą wielonarzędziową z zamontowanymi nożami stycznymi oraz promieniowymi. Badania realizowano poprzez urabianie nożami ostrymi oraz częściowo zużytymi. W celu wyeliminowania zmiennych mających wpływ na przebieg procesu urabiania, w eksperymencie posłużono się modelową bryłą skalną. Zamieszczone wyniki stanowią część badań nad wykorzystaniem metod sztucznej inteligencji w badaniach noży i głowic urabiających. Jako zmienne wejściowe do sztucznych sieci neuronowych wykorzystano charakterystyczne parametry statystyczne przebiegów czasowych, tj. wariancję, skośność oraz kurtozę. Zmienną wyjściową SSN był stan ostrzy noży urabiających (ostre lub stępione) oraz rodzaj zamontowanych narzędzi (promieniowe lub styczne).

EN

The publication presents an attempt to identify the status and type of cutters working as an assembly on a multi-tool head with the use of a new method. The paper presents results of research on utilising artificial neural networks to identify type and point's status cutting tools used in multi-tool excavating heads of mechanical coal miners. The time courses of mining torque and power for a multi-tool head with installed radial and tangent- rotational tools were recorded. The tests covered mining with sharp and partially blunt cutters. In order to limit the variables influencing the excavating process, a model rock was used for the experiment. The received time courses were used as input variables for the Artificial Neural Network. For this purpose, mining power and torque signals statistical parameters were established: variance, skewness, and kurtosis. The Radial Basis Function (RBF) networks, Mul- tilayer Perceptron (MLP) structure networks and Fuzzy Neural Networks (FNN), verified in the previous identification tests, were used for analysis.

Słowa kluczowe

PL

głowice wielonarzędziowe; sztuczne sieci neuronowe

EN

multi-tool heads; fuzzy neural networks

• Wydawca: Wydawnictwo Politechniki Świętokrzyskiej
• Czasopismo: Zeszyty Naukowe Politechniki Świętokrzyskiej. Nauki Techniczne
• Rocznik: 2009
• Tom: Z. 12
• Strony: CD--CD
• Opis fizyczny: -pełny tekst, Bibliogr. 7 poz., rys., tab., wykr

Twórcy

autor

Jonak J.

autor

Gajewski J.

• Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Konstrukcji Maszyn, ul. Nadbystrzycka 36, 20-618 Lublin

Bibliografia

• 1. J. Jonak, J. Gajewski: Identifying the cutting tool type used in excavations using neural networks, Tunnelling and Underground Space Technology incorporating Trenchless Technology Research, Volume 21, Issue 2, March 2006, Pages 185-189
• 2. J. Jonak, J. Gajewski: Ocena stanu ostrzy noży głowicy wielonarzędziowej z wykorzystaniem cech sygnałów mocy i momentu urabiania, XXI Konferencja Naukowa PRMR, Zakopane 2008, str. 203-210
• 3. G. Litak, J. Gajewski, A. Syta, J. Jonak: Quantitative estimation of the tool wear effects in a ripping head by recurrence plots, Journal of Theoretical and Applied Mechanics, Volume 46, Issue 3, Warsaw 2008, Pages 521-530
• 4. J. Jonak, J. Gajewski: Metody sztucznej inteligencji w badaniach noży i głowic urabiających. Monografia, Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne, Warszawa 2008
• 5. Chungchoo C, Saini D.: On-line tool wear estimation in CNC turning operations using fuzzy neural network model. International Journal of Machine Tools & Manufacture 42 (2002) 29-10.
• 6. Issam Abu-Mahfouz: : Drill flank wear estimation using supervised vector quantization neural network. Neural Comput & Applic (2005) 14: 167-175. Springer-Verlag London Limited 2005.
• 7. Dimla E. Dimla, Snr: Application of perceptron neural networks to tool-state classification in a metal-turning operation, Engineering Applications of Artificial Intelligence, Volume 12, Issue 4, August 1999, Pages 471-477