Zastosowania metod sztucznej inteligencji w diagnostyce obrabiarki i procesu skrawania

• Autorzy: Sokołowski A.

Warianty tytułu

EN

Applications of artificial intelligence methods in diagnostics of machine tool and cutting process

• Języki publikacji: PL

Abstrakty

PL

W artykule scharakteryzowano badania koncentrujące się na zagadnieniu wspomagania projektowania układów diagnostycznych obrabiarki i procesu skrawania. W pierwszej części artykułu przedstawiono koncepcję Inteligentnego Układu Diagnostycznego oraz implementację tej koncepcji w postaci Inteligentnego Projektanta Układów Diagnostycznych (IPUD). Następnie rozważane są metody i algorytmy, które potencjalnie stosować można w celu realizacji IPUD. Dyskusję skoncentrowano na wybranych metodach sztucznej inteligencji. W kolejnej części artykułu przedstawiono przykłady praktycznych zastosowań proponowanego podejścia i przeprowadzono dyskusję uzyskanych wyników.

EN

The paper presents characteristics of the research aimed at aiding design of machine tool and cutting process diagnostic systems. Namely, the research aimed at development of a tool - Intelligent Diagnostic System Designer (IDSD) - that would provide facilities to minimise time (cost), which a designer would have to spend on analysing, testing and selecting the best configuration of sensors and signal processing methods. The IDSD is based on a concept of Intelligent Monitoring System (IMS) defined in the form of recommendations and requirements. Among others, the intelligent system should automatically (without human interaction) select the data that shows the best correlation to the observed phenomenon and, then, automatically model a relationship between the selected data and the observed phenomenon. In the consecutive parts of the paper the applied data selection and integration methods are characterised and examples of their practical implementation are depicted. The data selection methods are based on artificial intelligence methods, mainly. For data integration, the Feed Forward Back Propagation neural network and Mamdani fuzzy logic system are applied.

Słowa kluczowe

PL

diagnostyka; obrabiarka; proces skrawania; sztuczna inteligencja

EN

artificial intelligence; cutting process

• Wydawca: Wydawnictwo Wrocławskiej Rady FSNT NOT
• Czasopismo: Inżynieria Maszyn
• Rocznik: 2005
• Tom: R. 10, z. 1/2
• Strony: 107--128
• Opis fizyczny: Bibliogr. 23 poz.

Twórcy

autor

Sokołowski A.

• Katedra Budowy Maszyn, Wydział Mechaniczny Technologiczny, Politechnika Śląska, 44-100 Gliwice, ul. Konarskiego 18A, Polska

Bibliografia

• [1] ADAMCZYK Z., JEMIELNIAK K., KOSMOL J., SOKOŁOWSKI A., Automatyzacja wytwarzania. Monitorowanie ostrza skrawającego. Metody konwencjonalne i sieci neuronowe. Pod redakcją J. Kosmola, Wydawnictwo Naukowo-Techniczne, Warszawa 1996.
• [2] CAMPOS BICUDO LAM., SOKOŁOWSKI A., GOMES de Oliveira J.F., DORNFELD DA, Thermal compensation of grinding machines using neural networks. Proceedings of the IV International Conference on Monitoring and Automatic Supervision in Manufacturing, Miedzyszyn/Warszawa 1995.
• [3] Diagnostyka techniczna. Metody odwracania nieliniowych modeli obiektów. Cholewa W., Kiciński J. (red.), Katedra Podstaw Konstrukcji Maszyn, Politechnika Śląska, Zeszyt 120, Gliwice 2001.
• [4] JEMIELNIAK K., Automatyczna diagnostyka stanu narzędzia i procesu skrawania. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2001.
• [5] KARIN E.D., A simple procedure for pruning back propagation trained neural networks. IEEE Transactions on Neural Networks I (2), 1991.
• [6] KOHONEN T., Self-Organisation and Associative Memory. Springer-Verlag, Berlin 1988.
• [7] KOSMOL J., Automatyzacja obrabiarek i obróbki skrawaniem. Wydawnictwa Naukowo - Techniczne, Warszawa 1995.
• [8] KONIG W., DORNFELD D.A., REHSE M., SOKOŁOWSKI A., On designing of a tool wear monitoring system for multispindle drilling machine. Proceedings of the IV International Conference on Monitoring and Automatic Supervision in Manufacturing, Miedzyszyn/Warszawa 1995.
• [9] LI C.J., KIM T., A new feedforward neural network structural and weight learning algorithm. Neural Networks in Manufacturing and Robotics, ASME, PED, Vol. 57, 1992.
• [10] LIN C. T., LEE G. C. S., Neural-network-based fuzzy logic control and decision system, IEEE Transaction on Computers, Vol. 40, No 12, 1991.
• [11] Projekt badawczy KBN nr 7 T07 D 010 08 „Inteligentny system wspomagania projektowania układów nadzorujących stan procesu skrawania”. Projekt zrealizowany pod kierunkiem dra inż. A. Sokołowskiego, Politechnika Śląska w Gliwicach, Gliwice 1995-1997.
• [12] RUMELHART D.E., HINTON G.E., WILLIAMS R.J., Learning internal representation by error propagation. Parallel Distributing Processing, The MIT Press, 1986.
• [13] SIETSMA J., DOW R.J.F., Creating artificial neural networks that generalize. Neural Networks, Vol. 4, No. I, 1991.
• [14] SOKOŁOWSKI A., DORNFELD, D.A., Intelligent system for cutting parameter optimization and design of cutting process monitoring systems. First S.M. Wu Symposium on Manufacturing Science, SME, Chicago 1994.
• [15] SOKOŁOWSKI A., VINCENT P., DORNFELD DA.: Drill state monitoring during multispindle machining. Trans, of NAMRI/SME, Vol. 22, 1994.
• [16] SOKOŁOWSKI A., KOSMOL J., Koncepcja inteligentnego czujnika w zastosowaniu do identyfikacji zużycia ostrza skrawającego. VIII Krajowa Konferencja Metrologii, Warszawa 1995.
• [17] SOKOŁOWSKI A., Nadzorowanie stanu ostrza skrawającego z zastosowaniem sieci neuronowych. Rozprawa doktorska. Katedra Budowy Maszyn, Politechnika Śląska w Gliwicach, Gliwice 1995.
• [18] SOKOŁOWSKI A., KOSMOL J., Intelligent Monitoring System Designer. Proceedings of the 1996 Japan – USA Symposium on Flexible Automation, Vol. 2, Boston 1996.
• [19] SOKOŁOWSKI A., KOSMOL J., Przykłady zastosowań wybranych metod sztucznej inteligencji w diagnostyce procesu obróbki skrawaniem. Materiały Kongresu Diagnostyki Technicznej KDT'96, Gdańsk 1996.
• [20] SOKOŁOWSKI A., Konstruowanie sztucznych sieci neuronowych. Conference Proceedings „Methods of Artificial Intelligence in Mechanics and Mechanical Engineering", AIMECH'2000, Gliwice 2000.
• [21] SOKOŁOWSKI A., Wybrane zagadnienia projektowania układów diagnostycznych obrabiarki i procesu skrawania. Zeszyty Naukowe Politechniki Śląskiej, seria : Mechanika, z. 142/2003.
• [22] STATISTICA - Neural Networks, User Guide and Descriptions, ver. 3.0 B, Trajan Software Ltd., StatSoft, Inc., 1998.
• [23] ŻURADA J.M., MALINOWSKI A., CLOETE L, Sensitivity analysis for minimisation of input data dimension for feedforward neural network. IEEE Symposium CAS, London 1994.