PL
 |
EN

PL EN

Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Automatyczne nadzorowanie procesu szlifowania wgłębnego kłowego

Autorzy
Leżański P.
Identyfikatory
Warianty tytułu
EN
Automatic supervision of external cylindrical plunge grinding
Języki publikacji
PL
Abstrakty
PL
W pracy przeprowadzono teoretyczno-doświadczalną analizę procesu szlifowania wgłębnego kłowego jako obiektu nadzorowania celem opracowania ogólnych zasad i wytycznych dla automatycznego inteligentnego nadzorowania tego procesu. Zostały przeprowadzone rozważania w trzech podstawowych grupach zagadnień. Po pierwsze przeanalizowano teoretyczno-doświadczalne podstawy nadzorowania procesu szlifowania wgłębnego kłowego. Następnie doświadczalnie sprawdzono przydatność wybranych miar wielkości procesowych do pełnienia funkcji symptomów określonych stanów i wyników procesu. Trzecia grupa zagadnień związana jest z budową modelu procesu i wykorzystania go do klasyfikacji stanu procesu. Ustalono, że podstawą prowadzenia nadzorowania procesu powinien być tzw. zalecany obszar szlifowania. Określa on parametry procesu i jakości przedmiotu szlifowanego, które powinny być objęte nadzorowaniem. Zaliczono do nich: makro- i mikrozużycie CPS, drgania samowzbudne, uszkodzenia cieplne WW przedmiotu szlifowanego oraz chropowatość powierzchni szlifowanej. Przeprowadzona analiza zjawisk i procesów powiązanych z tymi wielkościami pozwoliła ustalić warunki zrealizowania automatycznego nadzorowania procesu dotyczące układów monitorowania i zastosowania metod identyfikacji stanu i wyników procesu. Badania doświadczalne1 objęły pomiary bezpośrednich miar stanu CPS i jakości przedmiotu szlifowanego oraz miar wielkości procesowych wyznaczonych do nadzorowania. Jako przydatny do nadzorowania makrogeometrii CPS uznano sygnał drgań lub sygnał wartości skutecznej EA. Przy nadzorowaniu mikrogeometrii CPS i chropowatości należy wziąć pod uwagę siłę szlifowania i sygnał EA. Natomiast do nadzorowania uszkodzeń cieplnych WW przedmiotu szlifowanego wystarczająca jest znajomość wartości wskaźnika B W celu uzyskania symptomów stanu procesu konieczne jest zastosowanie metod przetwarzania sygnałów, takich jak transformata Fouriera, transformata falkowa lub wyznaczanie miar statystycznych. Wyniki badań teoretycznych i doświadczalnych wykorzystano do budowy klasyfikatora stanu procesu w oparciu o zastosowanie teorii zbiorów przybliżonych rozszerzonej o relację dominacji2. Otrzymane w wyniku przeprowadzonej klasyfikacji regułowe modele procesu umożliwiają dokonywanie skutecznej oceny jego stanu na podstawie wielu miar uzyskiwanych z różnych sygnałów pomiarowych. Stanowią one gotową regułową bazę wiedzy o procesie szlifowania wgłębnego kłowego, która może być podstawą systemu eksperckiego tego procesu służącego do oceny i diagnostyki jego nowych realizacji, a także do ustalania wartości wybranych wielkości procesowych w celu osiągnięcia założonych wyników procesu.
EN
In the work, theoretical and experimental analysis of the external cylindrical plunge grinding process as a supervision object is made to work out general rules and recommendations for automatic intelligent supervision of this process. The problem is considered in the three main groups of issues. Firstly, theoretical and experimental analysis of the external cylindrical plunge grinding process is made. Next, usefulness of selected features of the measured process variables to be symptoms of process states and results is experimentally verified. The third group of issues is related to development of a process model and its use in process state and result classification. After literature study and theoretical analysis of the process, it is established that to identify the incorrect states of the process, an acceptable working area has to be known. This area is delimited by a dynamic stability limit for small values of the specific material removal rate and by a burn and other thermal damage constraint for higher values of it. Additionally this area is narrowed down by a restriction resulting from the required surface roughness, the allowable normal force and the allowable work speed. This decides on process and workpiece quality parameters to be supervised. The type of wheel wear, the state of wheel macro- and micro-geometry, the state of thermal damages and the workpiece roughness are recognized as such parameters. Carried out analysis of phenomena and processes related to these parameters allows the condition for process monitoring, signal processing and feature extraction to be established. Experimental research consists of grinding tests encompassing on-line and off-line measurements. The cutting forces, vibration, the raw and RMS value of the acoustic emission signals are the on-line measurements of process variables during each grinding test. The profile and waviness of the grinding wheel cutting surface and the workpiece roughness are the off-line measurements of quantities directly characterizing the wheel state and the workpiece surface quality after every second test. The state of workpiece thermal damages is determined on the basis of the index expressing value of heat flux density entering the workpiece. The FFT procedure, the wavelet transform and statistical analysis are used for feature extraction from the measured signals. The utilized signal features are selected on the basis of literature study as well as on theoretical and experimental analysis. As a result, every process case is characterized by 17 process state features representing different types of process phenomena related to the process limitations and 5 quantities belonging to important process results: the type of wheel wear, the state of wheel makro- and micro-geometry, the state of thermal damages and the workpiece roughness. Next, the Dominance-based Rough Set Approach (DRSA) is proposed as a methodology for development of a process model and its use in process state and results classification. The DRSA allows for the extracting of knowledge hidden in the experimental data by the induction of the set of rules which creates a model of the grinding process. After an iterative feature selection procedure the induction of rule sets for each process result are conducted using the VC-DomLEM algorithm. Following this, the induced sets of rules are evaluated using the leave-one-out method. The induced rule model of the process allows all the example grinding cases gathered during the tests to be classified according to the original classes determined for the 5 different criteria of the process evaluation and it can be used for the classification of new process cases. So it can be employed as a knowledge base of an expert system for the external cylindrical plunge grinding process state evaluation and diagnosis.
Słowa kluczowe
PL
EN
Wydawca
Wydawnictwo Politechniki Łódzkiej
Czasopismo
Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka
Rocznik
2012
Tom
Z. 427
Strony
1--163
Opis fizyczny
Bibliogr. 211 poz.
Twórcy
autor
Leżański P.
  • Instytutu Obrabiarek i Technologii Budowy Maszyn Politechniki Łódzkiej
Bibliografia
  • [ABBJ-02] ACHICHEA S., BALAZINSKI M., BARON L., JEMIELNIAK, K.: Tool Wear Monitoring Using Genetically-generated, Fuzzy Knowledge Bases. Engineering Applications of Artificial Intelligence 15 (2002), s. 303-314.
  • [Adam-95] ADAMCZYK Z.: AI in Automatic Supervision and Control of Machining Process. Proceedings of the 4th International Conference on Monitoring and Automatic Supervision in Manufacturing AC’98, Warszawa, 28-29.08.1995, s. 99-106.
  • [AJKS-96] ADAMCZYK Z., JEMIELNIAK K., KOSMOL J., SOKOŁOWSKI A.: Monitorowanie ostrza skrawającego – metody konwencjonalne i sieci neuronowe. WNT, Warszawa 1996.
  • [AlWe-04] ALTINAS Y., WECK M.: Chatter Stability of Metal Cutting and Grinding. Annals of the CIRP, Vol. 53/2/2004.
  • [BAGH-06] BRINKSMEIER E., AURICH J.C., GOVEKAR E.,HEINZEL C., HOFFMEISTER H.-W., KLOCKE F., PETERS J., RENTSCH R., STEPHENSON D.J., UHLMANN E., WEINERT K., WITTMANN M.: Advances in Modelling and Simulation of Grinding Processes. Annals of the CIRP, Vol. 55/2/2006.
  • [BaRW-92] BÄHRE D., ROSENBERGER U., WARNECKE G.: Monitoring of cutting processes by vibration analysis: exemplary applications in grinding and turning processes. Proceedings of 1992 ASME Winter Annual Meeting, Sensors and signal processing for manufacturing. Anaheim, California Nov. 1992, s. 65-80.
  • [BDIK-95] BYRNE G., DORNFELD D., INASAKI I., KETTELER G., TETI R.: Tool Condition Monitoring (TCM) – The Status of Research and Industrial Application. Annals of the CIRP, Vol. 44/2/1995, s. 541-567.
  • [Biał-00] BIAŁASIEWICZ J.T.: Falki i aproksymacje. WNT, Warszawa 2000.
  • [BłGS-07] BŁASZCZYŃSKI J., GRECO S., SŁOWIŃSKI R.: Multi-criteria classification – A new scheme for application of dominance-based decision rules. European Journal of Operational Research, 181 (2007), s. 1030-1044.
  • [BłGS-11] BŁASZCZYŃSKI J., GRECO S., SŁOWIŃSKI R.: Inductive discovery of laws using monotonic rules. Engineering Applications of Artificial Intelligence, (w druku).
  • [BłSS-11] BŁASZCZYŃSKI J., SŁOWIŃSKI R., SZELĄG M.: Sequential covering rule induction algorithm for variable consistency rough set approaches. Information Sciences, 2011/181, s. 987-1002.
  • [Bork-90] BORKOWSKI J.: Zużycie i trwałość ściernic. PWN, Warszawa 1990.
  • [BrHM-05] BRINKSMEIER E., HEINZEL C., MEYER L.: Development and Application of a Wheel Based Process Monitoring System in Grinding. Annals of the CIRP, Vol. 54/1/2005, s. 301-304.
  • [BrWe-92] BRINKSMEIER E., WERNER F.: Monitoring of Grinding Wheel Wear. Annals of the CIRP, Vol. 41/1/1992, s. 373-376.
  • [BTCH-98] BRINKSMEIER E., TÖNSHOFF H.K., CZENKUSCH C., HEINZEL C.: Modelling and optimization of grinding processes. Journal of Intelligent Manufacturing, 1998/9, s. 303-314.
  • [BTIP-93] BRINKSMEIER E., TÖNSHOFF H.K., INASAKI I., PEDDINGHAUS J.: Basic Parameters in Grinding – Report on a Cooperative Work in STC “G”. Annals of the CIRP, Vol. 42/2/1993, s. 795-799.
  • [Cemp-89] CEMPEL C.: Diagnostyka wibroakustyczna maszyn. WNT, Warszawa 1989.
  • [ChDo-89] CHRYSSOLOURIS G., DOMROESE M.: An Experimental Study of Strategies for Integrating Sensor Information in Machining. Annals of the CIRP, Vol. 38/1/1989.
  • [ChDZ-90] CHRYSSOLOURIS G., DOMROESE M., ZSOLDOS L.: A Decision-Making Strategy for Machining Control. Annals of the CIRP, Vol. 39/1/1990.
  • [ChKu-98] CHEN Y.T., KUMARA S.R.: Fuzzy Logic and Neural Networks for Design of Process Parameters: A Grinding Process Example. Int. Journal Production Research, Vol. 36/2/1998, s. 395-415.
  • [CRLM-96] CHEN X., ROWE W.B., LI Y., MILLS B.: Grinding vibration detection using a neural network. Proceedings of the I MECH E, Part B: Journal of Engineering Manufacture, 1996, Vol. 210, s. 349-352.
  • [DBVC-09] DORNFELD D.A., BLOMQUIST B., VIJAYARAGHAVAN A., CONLEY M.,, HUET L., SOBEL W.: Addressing Process Planning and Verification Issues with MTConnect. Transactions of MAMRI/SME, Vol. 37, 2009, s. 557-564.
  • [DęUr-02] DĘBKOWSKI R., URBANIAK M.:Doradczy system do projektowania operacji szlifierskiej. Prace Naukowe Inst. Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej, Seria: Konferencje – XXV Naukowa Szkoła Obróbki Ściernej, Wrocław 2002, s. 119-124.
  • [DoBl-90] DORNFELD D.A., BLUM T.: Grinding Process Feedback using Acoustic Emission. Proc. 4th Int. Grinding Conf., Dear 3born, Michigan, Oct. 1990.
  • [DoCa-84] DORNFELD D.A., CAI H.G.: An Investigation of Grinding and Wheel Loading Using Acoustic Emission. Transactions of the ASME, Journal of Engineering for Industry, Vol. 106/1984, s. 28-33.
  • [DoCh-93] DORNFELD D.A., CHANG Y.P.: Chatter and Surface Pattern Detection for Grinding Process using a Fluid Coupled Acoustic Emission Sensor. Proc. Int. Conf. Machining of Advanced Materials, NIST, July 1993, s. 159-167.
  • [DoKa-80] DORNFELD D.A., KANNATEY-ASIBU E.: Acoustic emission during orthogonal metal cutting. International Journal of Mechanical Sciences Vol. 22 (1980), s. 285-296.
  • [DoPa-85] DORNFELD D.A., PAN CH.: Determination of Chip Forming States Using a Linear Discriminant Function Technique with Acoustic Emission. Proceedings of the 13th North American Manufacturing Research Conference, 1985.
  • [Dorn-90a] DORNFELD D.A.: Neural Network Sensor Fusion for Tool Condition Monitoring. Annals of the CIRP, Vol. 39/1/1990, s. 101-105.
  • [Dorn-90b] DORNFELD D.A.: Unconventional sensors and signal conditioning for automatic supervision. Proceedings of the 3th Int. Conf. on Automatic Supervision, Monitoring and Adaptive Control in Manufacturing AC’90, Rydzyna, 1990.
  • [EmKa-87] EMEL E., KANNATEY-ASIBU E.: Tool failure monitoring in turning by pattern recognition analysis of AE signals. Proceedings of 1987 ASME Winter Annual Meeting, Sensors for manufacturing. Chicago, December 1987, s. 39-57.
  • [Fili-04] FILIPCZYŃSKI S.: Nadzorowanie stanu ściernicy w inteligentnym systemie szlifowania kłowego wałków. Praca dyplomowa pod kier. P. Leżańskiego, Politechnika Łódzka, Wydział Mechaniczny, Łódź 2004.
  • [GBGK-02] GOVEKAR E., BAUS A., GRADISEK J., KLOCKE F., GRABEC I.: A New Method for Chatter Detection in Grinding. Annals of the CIRP, Vol. 51/1/2002, s. 267-270.
  • [GrKu-94] GRABEC I., KULJANIĆ E.: Characterization of Manufacturing Processes Based upon Acoustic Emission Analysis by Neural Networks. Annals of the CIRP Vol. 43/1/1994, s. 77-80.
  • [GrMS-01] GRECO S., MATARAZZO B., SŁOWIŃSKI R.: Rough sets theory for multicriteria decision analysis. European Journal of Operational Research, Nr 129 (2001), s. 1-47.
  • [Grzy-97] GRZYMAŁA-BUSSE J.W.: A new version of the rule induction system LERS. Fundamenta Informaticae, Vol. 31, s. 27-39.
  • [Hahn-84] HAHN R.S.: Application of Force-Adaptive Grinding. SME Technical Paper MR 84-530.
  • [Hamr-90] HAMROL A.: Teoretyczna i doświadczalna analiza możliwości diagnostyki i nadzorowania procesu szlifowania wewnętrznego. Politechnika Poznańska, Rozprawy Nr 245, Poznań 1990.
  • [HFTL–08] HUANG C.C., FAN Y.N., TSENG T.L., LEE C.H., CHUANG H.F.: A Hybrid Mining Approach to Quality Assurance of Manufacturing Process. IEEE Inter. Conf. on Fuzzy Systems (FUZZ 2008), s. 818-825.
  • [HMYU-04] HOSOKAWA A., MASHIMO K., YAMADA K., UEDA T.: Evaluation of grinding wheel surface by means of grinding sound discrimination. JSME International Journal, Series C, 47 (1) (2004), s. 52-58.
  • [HoHu-04] HOU T.H., HUANG C.C.: Application of fuzzy logic and variable precision rough set approach in a remote monitoring manufacturing process for diagnosis rule induction. Journal of Intelligent Manufacturing, 2004/15, s. 395-408.
  • [HoLL–03] HOU T.H., LIU W.L., LIN L.: Intelligent remote monitoring and diagnosis of manufacturing processes Rusing an integrated approach of neural networks and rough sets. Journal of Intelligent Manufacturing, 2003/14, s. 239-253.
  • [HoPr-03] HOHWIELER E., PRUSCHEK P.: Technology “Trend Report” – State-of-the-art: Reliability, Process Monitoring and Control. MANTYS – Thematic Network on Manufacturing Technologies, http://www.mantys.org, 28.05.2003.
  • [HuLP–05] HUANG C.L., LI T.S., PENG T.K.: A hybrid approach of rough set theory and genetic algorithm for fault diagnosis. Int. J. of Advanced Manufacturing Technology, (2005) 27, s. 119-127.
  • [Inas-77] INASAKI I.: Regenerative Chatter in Grinding. Proceedings of the 18-th Int. Machine Tool Design and Research Conference, 1977, s. 423-429.
  • [Inas-85] INASAKI I.: Monitoring of Dressing and Grinding Processes with Acoustic Emission Signals. Annals of the CIRP, Vol. 34/1/1985, s. 277-280.
  • [Inas-91] INASAKI I.: Monitoring and Optimization of Internal Grinding Process. Annals of the CIRP, Vol. 40/1/1991, s. 359-362.
  • [Inas-95] INASAKI I.: Intelligent Monitoring and Supervision in Grinding. Proceedings of the 4th Int. Conf. on Monitoring and Automatic Supervision in Manufacturing AC’95, Warszawa 1995, s. 257-268.
  • [Inas-98a] INASAKI I.: Sensor Fusion for Monitoring and Controlling Grinding Processes. Proc. 5th Int. Conf. on Monitoring and Automatic Supervision in Manufacturing AC’98, Warszawa 1998, s. 23-32.
  • [Inas-98b] INASAKI I.: Application of Acoustic Emission Sensor for Monitoring Machining Processes. Ultrasonics, 1998, s. 273-281.
  • [InKL-01] INASAKI I., KARPUSZEWSKI B., LEE H.-S.: Grinding Chatter – Origin and Suppression. Annals of the CIRP, Vol. 50/2/2001.
  • [IwMo-77] IWATA K., MORIWAKI T.: An Application of Acoustic Emission Measurements to In-Process Sensing of Tool Wear. Annals of the CIRP, Vol. 26/1/1977, s. 21-26.
  • [JBMA-11] JAWAHIR I.S., BRINKSMEIER E., M'SAOUBI R., ASPINWALL D.K., OUTEIRO J.C., MEYER D., UMBRELLO D., JAYAL A.D.: Surface integrity in material removal processes: Recent advances. CIRP Annals – Manufacturing Technology, 60 (2011), s. 603-626.
  • [JeKo-96] JEMIELNIAK K., KOSMOL J.: Diagnostyka narzędzia i procesu skrawania – stan aktualny i kierunki rozwoju. Mechanik, 1996, Nr 10.
  • [Jemi-01] JEMIELNIAK K.: Some Aspects of Acoustic Emission Signal Pre-processing. Journal of Materials Processing Technology, 109 (2001), s. 242-247.
  • [Jemi-02] JEMIELNIAK K.: Automatyczna diagnostyka stanu narzędzia i procesu skrawania. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2002.
  • [Jemi-11] JEMIELNIAK K.: Przetwarzanie sygnałów w diagnostyce stanu narzędzia i procesu skrawania. Archiwum Technologii Maszyn i Automatyzacji, Vol. 31, nr 2 (2011), s. 37-49.
  • [Jemi-92] JEMIELNIAK K.: Detection of Cutting Edge Breakage in Turning. Annals of the CIRP, Vol. 41/1/1992, s. 97-100.
  • [Kaca-88] KACALAK W.: Wprowadzenie do modelowania procesów szlifowania z uwzględnieniem probabilistycznego charakteru topografii powierzchni oraz zużycia ściernicy. Materiały XI Naukowej Szkoły Obróbki Ściernej, Łódź 1988, s. 7-16.
  • [KaDo-81] KANNATEY-ASIBU E., DORNFELD D.A.: Quantitative Relationship for Acoustic Emission from Orthogonal Metal Cutting. Transactions of the ASME, Journal of Engineering for Industry, Vol. 103/Aug. 1981, s. 330-339.
  • [KaDo-82] KANNATEY-ASIBU E., DORNFELD D.A.: A Study of Tool Wear Using Statistical Analysis of Metal-Cutting Acoustic Emission. Wear, 76 (1982), s. 247-261.
  • [KaLK-03] Kacalak W., LIPIŃSKI D., KRZYŻYŃSKI T.: On the Hybrid System of Quality Supervising in the Automated Grinding Process. Materiały Drugiej Międzynarodowej Konferencji CAMT “Modern Trends in Manufacturing”, Wrocław 2003, s. 167-174.
  • [KaWI-00] KARPUSZEWSKI B., WEHMEIER M., INASAKI I.: Grinding Monitoring System Based on Power and Acoustic Emission Sensors. Annals of the CIRP, Vol. 49/1/2000, s. 235-240.
  • [KKKC-02] KORBICZ J., KOŚCIELNY J.M., KOWALCZUK Z., CHOLEWA W. (RED.): Diagnostyka procesów – Modele, Metody sztucznej inteligencji, Zastosowania. WNT, Warszawa 2002.
  • [Kloc-09] KLOCKE F.: Manufacturing Processes 2, Grinding, Honing, Lapping. Springer-Verlag, Berlin Heidelberg, 2009.
  • [KoBS-89] KOVACH J.A., BEN-DAVID A., STERLING L.: An expert grinding advisor for the surface grinding of superalloys. Proceedings of 1989 ASME Winter Annual Meeting: Grinding Fundamentals and Applications, California, Dec. 1989, s. 349-356.
  • [KoĆw-05] KORONACKI J., ĆWIK J.: Statystyczne systemy uczące się. Wydawnictwa Naukowo-Techniczne, Warszawa 2005.
  • [KoJo-97] KOHAVI, R. , JOHN G.H.: Wrappers for feature subset selection. Artificial Intelligence, 97 (1997), s. 273-324.
  • [Koza-05] KOZAK J.: Technika mikrosystemów i wybrane metody mikrotechnologii. W „Obróbka ścierna w technikach wytwarzania” pod red. L. Dąbrowskiego, Oficyna Wyd. Politechniki Warszawskiej, Warszawa 2005, s. 11-23.
  • [Kozi-96] KOZIARSKI A.: Czynna powierzchnia ściernicy. Metody badań makro-i mikrogeometrii. Wydawnictwo Politechniki Łódzkiej, Seria Monografie, Łódź 1996.
  • [KrLa-05] KRUSZYŃSKI B. W., LAJMERT P.: An Intelligent Supervision System for Cylindrical Traverse Grinding. Annals of the CIRP, Vol. 54/1/2005, s. 305-308.
  • [KrSt-04] KRAWIEC K., STEFANOWSKI J.: Uczenie maszynowe i sieci neuronowe. Wydawnictwo Politechniki Poznańskiej, Poznań 2004.
  • [Krus-01] KRUSZYŃSKI: Surface integrity in grinding. Wydawnictwo Politechniki Łódzkiej, Seria Monografie, Łódź 2001.
  • [KrWó-01] KRUSZYŃSKI B.W., WÓJCIK R.: Residual stress in grinding. Journal of Materials Processing Technology Nr 109 (2001), s. 254-257.
  • [Kwaś-93] KWAŚNIEWSKI J.: Wprowadzenie do inteligentnych przetworników pomiarowych. WNT, Warszawa 1993.
  • [KwHa-04] KWAK, J.-S., HA, M.-K.: Detection of Dressing Time Using the Grinding Forcesignal Based on the Discrete Wavelet Decomposition. International Journal of Advanced Manufacturing Technology, 2004, s. 87-92.
  • [KwRa-91] KWAPISZ L., RAFAŁOWICZ J.: Szlifierki: obrabiarki ścierne. WNT, Warszawa 1991.
  • [Lajm-03] LAJMERT P.: Wykorzystanie metod sztucznej inteligencji do sterowania i optymalizacji procesu szlifowania wzdłużnego wałków. Praca doktorska, Politechnika Łódzka, 2003.
  • [LaLe-12] LAJMERT P., LEŻAŃSKI P.: Monitoring of the cylindrical plunge grinding process. Archiwum Technologii Maszyn i Automatyzacji. Vol. 32, nr 3, Poznań 2012 (w druku).
  • [LeBa-08] LEŻAŃSKI P., BARTOSIK D.: Baza wiedzy o procesie szlifowania kłowego wałków. [w:] „Wybrane problemy obróbki ściernej” pod red. C. Niżankowskiego, Wyd. Politechniki Krakowskiej, Bochnia 2008, s. 215-224.
  • [LeLa-00] LEŻAŃSKI P., LAJMERT P.: An Intelligent Cylindrical Grinding Machine. Materiały XI Workshop on Supervising and Diagnostics of Machining Systems „Design and Optimization of Intelligent Machine Tools”, ed. J. Jędrzejewski, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2000, s. 117-125.
  • [LeLa-01] LEŻAŃSKI P., LAJMERT P.: An Intelligent cylindrical grinding system. Computer Integrated Manufacturing – Proceeedings of the International Conference CIM 2001, Zakopane, marzec 2001, WNT, Warszawa 2001, s. 293-302.
  • [LeLa-03] LEŻAŃSKI P., LAJMERT P.: An Intelligent System for Grinding Process Control and Optimization. Materiały Drugiej Międzynarodowej Konferencji CAMT “Modern Trends in Manufacturing”, Wrocław 2003, s. 231-238.
  • [LeLa-04] LEŻAŃSKI P., LAJMERT P.: Zastosowanie parametrów krzywej udziału materiałowego do oceny zużycia ściernicy. Zeszyty Naukowe Wydz. Mechanicznego Politechniki Koszalińskiej Nr 36, XXVII Naukowa Szkoła Obróbki Ściernej, Sarbinowo, wrzesień 2004, s. 275-282.
  • [LeLa-98] LEŻAŃSKI P., LAJMERT P.: Diagnostics of Cylindrical Grinding Process with Acoustic Emission Signals. Materiały IX Workshop on Supervising and Diagnostics of Machining Systems „Manufacturing Simulation for Indastrial Use”, ed. J. Jędrzejewski, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1998, s. 251-258.
  • [LeLa-99] LEŻAŃSKI P., LAJMERT P.: Przydatność sygnału emisji akustycznej w diagnostyce procesu szlifowania wgłębnego. Inżynieria Maszyn Nr 4/98, Wrocław 1999.
  • [LeRa-92] LEŻAŃSKI P., RAFAŁOWICZ J.: Diagnostyka procesu szlifowania kłowego wałków. Postępy technologii maszyn i urządzeń 2/1992.
  • [LeRa-93] LEŻAŃSKI P., RAFAŁOWICZ J.: An Intelligent Monitoring System for Cylindrical Grinding. Annals of the CIRP, Vol. 42/1/1993, s. 393-396.
  • [Lewa-02] LEWANDOWSKI D.: Ciśnieniowy pomiar obciążeń. Mat. Konf. Napędy i Sterowania Hydrauliczne, Wrocław 2002, s. 144-150.
  • [Leża-01a] Leżański P.: An Intelligent System for Grinding Wheel Condition Monitoring. Journal of Materials Processing Technology, 109 (2001), s. 258-263.
  • [Leża-01b] LEŻAŃSKI P.: Grinding Wheel Condition Monitoring in Cylindrical Grinding Process. Annals of DAAAM for 2001 and Proceedings of the 12th International DAAAM Symposium Intelligent Manufacturing and Automation: Focus on Precision Engineering”, Jena, October 2001, ed. B. Katalinic, Published by DAAAM International Vienna, Vienna 2001, s. 271-272.
  • [Leża-01c] LEŻAŃSKI P.: Diagnostyka stanu ściernicy w szlifowaniu wzdłużnym wałków. Aktualne problemy obróbki ściernej – Materiały XXIV Naukowej Szkoły Obróbki Ściernej, Łopuszna, wrzesień 2001, s. 381-388.
  • [Leża-01d] LEŻAŃSKI P.: Model zużycia ściernicy dla potrzeb diagnostyki jej stanu przy szlifowaniu wzdłużnym wałków. Materiały Konferencji Naukowo-Technicznej „Manufacturing M’01 – Współczesne Problemy Wytwarzania“, Zakład Graficzny Politechniki Poznańskiej, Poznań, listopad 2001, s. 413-420.
  • [Leża-03] LEŻAŃSKI P.: Diagnostyka procesu w inteligentnym systemie szlifowania kłowego. Materiały IV Wrocławskiego Sympozjum „Automatyzacja Produkcji” AP 2003, Wrocław 2003, Tom I, s. 363-370.
  • [Leża-08] LEŻAŃSKI P.: Monitorowanie stanu ściernicy z zastosowaniem analizy falkowej. [w:] Wybrane problemy obróbki ściernej, pod red. C. Niżankowskiego, Wyd. Politechniki Krakowskiej, Bochnia 2008, s. 225-234.
  • [Leża-10a] LEŻAŃSKI P.: Wykorzystanie pomiaru drgań do nadzorowania makrogeometrii CPS. [w:] Podstawy i technika obróbki ściernej, pod red. A. Gołąbczaka i B. Kruszyńskiego (Materiały XXXIII NSOŚ), Łódź 2010, s. 107-116.
  • [Leża-10b] LEŻAŃSKI P.: Ocena przydatności wybranych wielkości procesowych do nadzorowania stanu procesu szlifowania wgłębnego, Inżynieria Maszyn, Zeszyt Nr 15/4/2010 „Zwiększanie dokładności Wytwarzania – Obrabiarki i Procesy Obróbkowe” pod red. B. Kruszyńskiego, s. 95-112.
  • [Leża-93] LEŻAŃSKI P.: Monitoring of Grinding Processes with Acoustic Emission Signal. Materiały III Naukowej Szkoły Nadzorowania i Diagnostyki Systemów Obróbkowych, Prace Naukowe Instytutu Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej, Zeszyt Nr 51/19, Wrocław 1993, s. 22-31.
  • [Leża-96a] LEŻAŃSKI P.: An Expert System for Cylindrical Grinding Diagnostics. Materiały VII Workshop on Supervising and Diagnostics of Machining Systems „Thermal Behaviour, Intelligent Diagnostics and Supervising of Machining Systems”, ed. J. Jędrzejewski, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1996, s. 281-287.
  • [Leża-96b] LEŻAŃSKI P.: Inteligentny nadzór procesu szlifowania. Materiały XIX Naukowej Szkoły Obróbki Ściernej, Łódź, 10-13 września 1996, s. 351-356.
  • [Leża-98] LEŻAŃSKI P.: An Intelligent System for Grinding Wheel Condition Monitoring. Proceedings of the International Conference on Advances in Production Engineering, Warszawa, 01-03.06.1998, s. II/128-135.
  • [LHQB-06] LIAO T.W., HUA G., QU J., BLAU P.J.: Grinding wheel condition monitoring with hidden Markov model-based clustering methods. Machining Science and Technology, 10 (2006), s. 511-538.
  • [Liao-10] LIAO T.W.: Feature extraction and selection from acoustic signals with an application in grinding wheel condition monitoring. Engineering Application of Artificial Intelligence, 23 (2010), s. 74-84.
  • [LiCG-05] LIU Q., CHEN X., GINDY N.: Fuzzy pattern recognition of AE signals for grinding burn. International Journal of Machine Tools & Manufacture, 45 (2005), s. 811-818.
  • [LiCh-94] LIAO T.W., CHEN L.J.: A neural network approach for grinding processes: modeling and optimization. Int. Journal of Machine Tools and Manufacture, Vol. 34/7/1994, s. 919-937.
  • [LiCh-98] LIAO T.W., CHEN L.J.: Manufacturing Process Modeling and Optimization Based on Multi-Layer Perceptron Network. Transaction of the ASME, Journal of Manufacturing Science and Engineering Vol. 120/Feb. 1998, s. 109-119.
  • [LiCQ-97] LIU H.X., CHEN T., Qu L.S.: Predicting Grinding Burn Using Artificial Neural Networks. Journal of Intelligent Manufacturing, Vol. 8/3/1997, s. 235-237.
  • [LiDo-89] LIANG S.Y., DORNFELD D.A.: Tool Wear Detection Using Time Series Analysis of Acoustic Emission. Transactions of the ASME, Journal of Engineering for Industry, Vol. 111/Aug. 1989, s. 199-205.
  • [LiJi-80] LICHUN L., JIZAI F.: A Study of Grinding Force Mathematical Model. Annals of the CIRP, Vol. 29/1/1980, s. 245-249.
  • [LiKa-06] LIPIŃSKI D., KACALAK W.: Ocena wpływu wybranych zmiennych procesu szlifowania na dokładność obróbki z wykorzystaniem wnioskowania rozmytego. Materiały XXIX Naukowej Szkoły Obróbki Ściernej, Gdańsk-Jurata, wrzesień 2006, s. 152-156.
  • [LiKY-10] LI-MING X., KAI-ZHOU X., YUN-DONG C.: Identification of grinding wheel wear signature by a wavelet packet decomposition method, J. Shanghai Jiaotong Univ. (Sci.), 2010, 15(3), s. 323-328.
  • [LiLe-91] LIN C.T., LEE C.S.: Neural-Network-Based Fuzzy Logic Control and Decision System. IEEE Transactions on Computers, Vol. 40, No. 12, December 1991, s. 1320-1336.
  • [LiMR-97] LI Y., MILLS B., ROWE W.B.: An intelligent system for selection of grinding wheels. In: Proc. of Instn. Mech. Engrs, Journal of Engineering Manufacture, 1997, Vol. 211, s. 635-641.
  • [LiRM-99] LI Y., ROWE W.B., MILLS B., Study and selection of grinding conditions, Part1: Grinding conditions and selection strategy. In: Proc. of Instn. Mech. Engrs, Journal of Engineering Manufacture, 1999, Vol. 213, s. 119-129.
  • [LiYu-98] LI X., YUAN Z.: Tool wear monitoring with wavelet packet transform – fuzzy clustering method. Wear 219 (1998), s. 145-154.
  • [LRCM-99] LI Y., ROWE W.B., CHEN X., MILLS B., Study and selection of grinding conditions, Part 2: A hybrid intelligent system for selection of grinding conditions. In: Proc. of Instn. Mech. Engrs, Journal of Engineering Manufacture, 1999, Vol. 213, s. 131-142.
  • [LTQB-07] LIAO T.W., TING C.-F, QU J., BLAU P.J., A wavelet-based methodology for grinding wheel condition monitoring, International Journal of Machine Tools & Manufacture, 47 (2007), s. 580-592.
  • [LTQB-07] LIAO, W.T., TING, C.-F., QU, J., BLAU, P.J.: A Wavelet-based Methodology for Grinding Wheel Condition Monitoring. International Journal of Machine Tools & Manufacture, 47 (2007), s. 580-592.
  • [LTQB-08] LIAO W.T., TANG F., QU J., BLAU P.J.: Grinding wheel condition monitoring with boosted minimum distance classifiers. Mechanical Systems and Signal Processing, 22 (2008), s. 217-232.
  • [MaAK-03] MAKSOUD T.M.A., ATIA M.R., KOURAM.M.: Applications of artificial intelligence to grinding operations via neural networks. Machining Science and Technology, Vol. 7/3/2003, s. 361-387.
  • [MaCe–04] MANNAR K., CEGLAREK D.: Continuous Failure Diagnosis for Assembly Systems using Rough Set Approach. Annals of the CIRP Vol. 53/1/2004, s. 39-42.
  • [MaCo-71] MALKIN S., COOK N.H.: The wear of grinding wheels. Transaction of the ASME, Journal of Manufacturing Science and Engineering, Vol. 93, No. 4/1971.
  • [MaGu-08] MALKIN, S.; GUO, C.: Grinding Technology – Theory and Applications of machining with Abrasives. Industrial Press, New York, 2008.
  • [Malk-81] MALKIN S.: Grinding cycle optimization. Annals of the CIRP, Vol. 30/1/1981, s. 223-226.
  • [MaSa-80] MATSUSHIMA K., SATA T.: Development of Intelligent Machine Tools. Journal of the Faculty of Engineering. The University of Tokyo. Vol. XXXV, No. 3 (1980), s. 126-136.
  • [MaSP-75] MARIS M., SNOEYS R., PETERS J.: Analysis of plunge grinding operations, Annals of the CIRP, Vol. 24/2/1975, s. 225-230.
  • [MCNA-06] MANNAR K., CEGLAREK D., NIU F., ABIFARAJ B.: Fault Region Localization (FRL): Product and Process Improvement Based on Field Performance and Distributed Manufacturing Measurements. IEEE Trans. Aut. Sci. Eng., 2006/3, s. 423-439.
  • [MGFG-01] MAMALIS A.G., GRABCZENKO 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. Int. Journal of Advanced Manufacturing Technology, Vol. 21/12/2001, s. 929-934.
  • [MMBW-96] MONOSTORI L., MARKUS A., VAN BRUSSEL H., WESTKAMPER E.: Machine Learning Approaches to Manufacturing, Annals of the CIRP, Vol. 45/2/1996, s. 675-712.
  • [MoBa-92] MONOSTORI L., BARSCHDORFF D.: Artificial neural networks in intelligent manufacturing. Robotics and Computer-Integrated Manufacturing, Vol. 9/1992, No. 6, s. 421-437.
  • [Mono-86] MONOSTORI L.: Learning procedures in machine tool monitoring. Computers in Industry, Vol. 7/1986, s. 53-64.
  • [Mono-93] MONOSTORI L.: A step towards intelligent manufacturing: Modeling and monitoring of manufacturing processes through artificial neural networks. Annals of the CIRP, Vol. 42/1/1993, s. 485-488.
  • [Mono-95] MONOSTORI L.: Hybrid AI Approaches to Supervison and Control of Manufacturing Processes. Proceedings of the 4th International Conference on Monitoring and Automatic Supervision in Manufacturing AC’95, Warszawa, 28-29.08.1995, s. 37-47.
  • [Nowi-91] NOWICKI B.: Struktura geometryczna – chropowatość i falistość powierzchni, WNT, Warszawa 1991.
  • [OcBu-00] OCZOŚ K., BUREK J.: Sterowanie chropowatością i falistością powierzchni w procesie szlifowania. Międzynarodowa Konferencja naukowa – Obróbka Materiałów, Kraków 2000, s. 223-230.
  • [OcPo-86] OCZOŚ K., PORZYCKI J.: Szlifowanie – Podstawy i Technika, WNT, Warszawa, 1986.
  • [OlDo-01] OLIVEIRA J.F., DORNFELD D.A.: Application of AE Contact Sensing in Reliable Grinding Monitoring. Annals of the CIRP, Vol. 50/1/2001, pp. 217-220.
  • [OlDW-94] OLIVEIRA J.F., DORNFELD D.A., WINTER B.: Dimensional Characterization of Grinding Wheel Surface through Acoustic Emission. Annals of the CIRP, Vol. 43/1/1994, s. 291-294.
  • [OlFW-08] OLIVEIRA J.F.G., FRANCA T.V., WANG J.P.: Experimental analysis of wheel/workpiece dynamic interactions in grinding.
  • [Orna-95] ORNAF A.: Adaptacyjne sterowanie wieloparametrowe optymalizujące proces szlifowania kłowego wałków. Praca doktorska, Politechnika Łódzka, 1995.
  • [Pase-06] PASEK Z.J.: Exploration of rough sets theory use for manufacturing process monitoring, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2006, Vol. 220, 3, s. 365-374.
  • [PaSł-07] PAWLAK Z., SŁOWIŃSKI R., „Zbiory przybliżone we wspomaganiu decyzji”, [w:] Kulczycki P., Hryniewicz O., Kacprzyk J. (eds.), Techniki informacyjne w badaniach systemowych, WNT, Warszawa 2007, s. 181-208.
  • [Pawl-82] PAWLAK Z., Rough sets, International Journal of Information & Computer Sciences, 1982, Vol. 11, s. 341-356.
  • [PeSo-08] PERZYK M., SOROCZYŃSKI A.: Porównanie wybranych narzędzi do tworzenia wiedzy inżynierskiej dla produkcji odlewniczej. Mat. Konf. 48 Międzynarodowej Konferencji Naukowej Krzepnięcie i Krystalizacja Metali – 2008.
  • [PhOz-95] PHAM D.T., OZTEMEL E.: An integrated neural network and expert system tool for statistical process control. Proceedings of the I MECH E, Part B: Journal of Engineering Manufacture, 1995, Vol. 209, s. 91-97.
  • [PiKR-09] PIŁACIŃSKA M., KUJAWIŃSKA A., ROGALEWICZ M.: Manufacturing process state evaluation with the use of rough set approach – method assumptions and description. [w:] Fertsch M., Grzybowska K., Stachowiak A. (eds.), Efficiency of production processes. Monograph, Publishing House of Poznan University of Technology, Poznań 2009, s. 75-92.
  • [PiKR-11] PIŁACIŃSKA M., KUJAWIŃSKA A., ROGALEWICZ M.: An expert system for the manufacturing process state evaluation – assumptions, [w:]: Jałowiecki P., Łukasiewicz P., Orłowski A. (eds.), Information Systems in Management. Business Intelligence and Knowledge Management, WULS Press, Warsaw 2011, s. 66-77.
  • [PlDP-00] PLICHTA S., DRZYCIMSKI M., PLICHTA J.: Koncepcja układu sterowania szlifierki z wykorzystaniem sieci neuronowej. Obróbka ścierna – podstawy i technika. Red. K.E. Oczoś. Materiały XXIII Naukowej Szkoły Obróbki Ściernej, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 2000, s. 342-347.
  • [Plic-02] PLICHTA S.: Ocena procesu szlifowania z wykorzystaniem metod pomiaru emisji akustycznej. Prace Naukowe Inst. Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej, Seria: Konferencje – XXV Naukowa Szkoła Obróbki Ściernej, Wrocław 2002, s. 279-286.
  • [PrKr-05] PRITSCHOW G., KRAMER C.: Open System Architecture for Drives. Annals of the CIRP, Vol. 54/1/2005, s. 375-378.
  • [RaDo-90] RANGWALA S., DORNFELD D.: Sensor integration using neural networks for inteligent tool conditio monitoring. Trans. Of the ASME. Journal of Engineering for Industry, Vol. 112, Aug. 1990, s. 219- 228.
  • [RaLL-00] RAFAŁOWICZ J., LEŻAŃSKI P., LAJMERT P.: Sterowanie i nadzorowanie procesu szlifowania kłowego wałków. Obróbka ścierna – podstawy i technika. Red. K.E. Oczoś. Materiały XXIII Naukowej Szkoły Obróbki Ściernej, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 2000, s. 89-117.
  • [ReWe-95] REUBER M.J., WEBSTER J.A.: Preliminary Study on the Development of a Sensor System for In-Process Measurement of Grinding Wheel Surface Topogrphy. Proceedings of the 4th International Conference on Monitoring and Automatic Supervision in Manufacturing AC’95, Warszawa, 28-29.08.1995, s. 307-314.
  • [RoLM-96] ROWE W.B., LI Y., MILLS B., ALLANSON D.R.: Application of Intelligent CNC in Grinding. Computers in Industry. No 31 (1996), s. 45-60.
  • [RoWe-00] ROJEK-MIKOŁAJCZAK I., WEISS Z: Inteligentna baza danych w planowaniu operacji szlifowania. Obróbka ścierna – podstawy i technika. Red. K.E. Oczoś. Materiały XXIII Naukowej Szkoły Obróbki Ściernej, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 2000, s. 310-315.
  • [Rutk-06] RUTKOWSKI L.: Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych. [w:] Metody i techniki sztucznej inteligencji, PWN, Warszawa 2006, s. 20-51.
  • [RYIM-94] ROWE W.B., YAN L., INASAKI I., MALKIN S.: Applications of artificial intelligence in grinding. Annals of the CIRP, 43(1994)2, s. 521-531.
  • [SaIn-92] SAKAKURA M., INASAKI I.: A Neural Network Approach to the Decision-Making Process for Grinding Operations. Ann. of the CIRP Vol. 41/1/1992.
  • [SaIn-93] SAKAKURA M., INASAKI I.: Intelligent Data Base for Grinding Operations. Annals of the CIRP, Vol. 42/1/1993, s. 379-382.
  • [Shaw-72] SHAW M.C.: Fundamentals of Grinding. Proceedings of the Inter. Grinding Conf. “New Developments in Grinding”, Cornegie Mellon Univ., Cornegie Press, 1972.
  • [Słow-00] SŁOWIŃSKI R.: Rozszerzenie teorii zbiorów przybliżonych na atrybuty ze skalą preferencji, [in]: Informatyka Teoretyczna – Metody Analizy Informacji Niekompletnej i Rozproszonej – Materiały Konferencyjne, Politechnika Białostocka, Białystok, 2000, s. 114-127.
  • [Smyt-94] SMYTH P.: Hidden Markov models for fault detection in dynamic systems. Pattern Recognition, Vol. 27, No. 1, 1994, s. 149-164.
  • [SnBr-69] SNOEYS R., BROWN D.: Dominating parameters in grinding wheel and workpiece regenerative chatter. Proceedings of the 10-th Machine Tool Design and Research Conference, 1969, s. 325-348.
  • [SoDo-94] SOKOŁOWSKI A., DORNFELD D.A.: Intelligent System for Cutting Parameter Optimization and Design of Cutting Process Monitoring Systems. Proc.1st S.M. Wu Symposium on Manufacturing Science, Northwestern University Evanston, Illinois, 1994, s. 19-26.
  • [SoKo-95] SOKOŁOWSKI A., KOSMOL J.: Cutting Process Supervision: Review of Artificial Intelligence Application. Proc. 6th Workshop on Supervising and Diagnostics of Machining Systems: Diagnostics and Supervising in Flexible Manufacturing, Oficyna Wyd. Politechniki Wrocławskiej, Wrocław, 1995, s. 113-130.
  • [Śpie-91] ŚPIEWAK S.: A predictive monitoring and diagnosis system for manufacturing. Annals of the CIRP, Vol. 40/1/1991, s. 401-404.
  • [Śpie-95] ŚPIEWAK S.: Emerging Trends in Automatic Supervision of Machine Tools. Proceedings of the 4th International Conference on Monitoring and Automatic Supervision in Manufacturing AC’98, Warszawa, 28-29.08.1995, s. 49-60.
  • [SSGM-01] SŁOWIŃSKI R., STEFANOWSKI J., GRECO S., MATARAZZO B.: Rough set based processing of inconsistent information in decision analysis. Control and Cybernetics, Vol. 29, s. 379-404.
  • [Stef-01] STEFANOWSKI J.: Algorytmy indukcji reguł decyzyjnych w odkrywaniu wiedzy. Wydawnictwo Politechniki Poznańskiej, Seria Rozprawy, nr 361, Poznań 2001.
  • [STQS-00] SHEN L., TAY F.E. H., QU L., SHEN Y.: Fault diagnosis using Rough Sets Theory. Computers in Industry, 43 (2000), s. 61-72.
  • [SuGr-00] SUSIĆ E., GRABEC I.: Characterization of the grinding process by acoustic emission. International Journal of Machine Tools and Manufacture Nr 40 (2000), s. 225-238.
  • [SuPl-03] SUTOWSKI P., PLICHTA S.: Wykorzystanie sygnału emisji akustycznej do monitorowania chropowatości powierzchni przedmiotu szlifowanego. Obróbka ścierna – tendencje rozwoju. Red. A. Koziarski, A. Gołąbczak. Materiały XXVI Naukowej Szkoły Obróbki Ściernej, Łódź 2003, s. 177-182.
  • [SuPl-04] SUTOWSKI P., PLICHTA S.: Wykorzystanie wartości skutecznej sygnału emisji akustycznej do oceny zużycia ściernicy. Zeszyty Naukowe Wydz. Mechanicznego Politechniki Koszalińskiej Nr 36, XXVII Naukowa Szkoła Obróbki Ściernej, Sarbinowo, wrzesień 2004, s. 367-375.
  • [Szaf-88] SZAFARCZYK M.: Automatyczny nadzór i diagnostyka w systemach obróbkowych. Mat. I Nauk. Szkoły Nadzorowania i Diagnostyki Procesów Obróbkowych, Wrocław 1988, s. 37-48. 156
  • [Szaf-94] SZAFARCZYK M.: Kierunki rozwoju sterowań obrabiarek i systemów obróbkowych. Mechanik, 1994, Nr 1.
  • [Szaf-96] SZAFARCZYK M.: Sterowanie i napęd obrabiarek. Mat. Ogólnokrajowej Konferencji Obrabiarkowej KO’96, Warszawa 1996.
  • [SzCh-90] SZAFARCZYK M., CHISHOLM A.W.J.: Automatic supervision in manufacturing systems. Principles, classification and terminology. Proceedings of the 4th International Conference on Automatic Supervision, Monitoring and adaptive Control in Manufacturing AC’90, Rydzyna, 1990.
  • [TJJS-06] TETI R., JAWAHIR I.S., JEMIELNIAK K., SEGRETO T., CHEN S., KOSSAKOWSKA J.: Chip Form Monitoring through Advanced Processing of Cutting Force Sensor Signals. Annals of the CIRP, Vol. 55/1/2006.
  • [TJOD-10] TETI R., JEMIELNIAK K., O’DONNELL G., DORNFELD D.: Advanced monitoring of machining operations. Annals of the CIRP, Vol. 59/2/2010, s. 717-739.
  • [TlAn-83] TLUSTYJ., ANDREWS G.C.: A Critical Review of Sensors for Unmanned Machining. Annals of the CIRP, Vol. 32/2/1983, s. 563-572.
  • [TöFB-02] TÖNSHOFF H.K., FRIEMUTH T., BECKER J.C.: Process Monitoring in Grinding. Annals of the CIRP, Vol. 51/2/2002, s. 551-571.
  • [TöNi-95] TÖNSHOFF H.K., NITIDEM-NDENGUE E.: Intelligent Sensor Modules for Decentralized Signal Processing in Monitoring and Diagnostic Systems. Proceedings of the 4th International Conference on Monitoring and Automatic Supervision in Manufacturing AC’95, Warszawa, 28-29.08.1995, s. 61-71.
  • [TöPC-94] TÖNSHOFF H.K., PAUL T., CZENKUSCH C.: Informationssystem zur Gestaltung und optimierung von Schleifprozessen. VDI-Zeitschrift, 136/10/1994, s. 82-86.
  • [TPIP-92] TÖNSHOFF H.K., PETERS J., INASAKI I., PAUL T.: Modelling and Simulation of Grinding Processes. Annals of the CIRP, Vol. 41/2/1992, s. 677-688.
  • [TrZM-92] TRMAL G.J., ZHU C.B., MIDHA P.S.: An expert system for grinding process optimization. Journal of Materials Processing Technology, Nr 33/4 (1992), s. 507-517.
  • [TsKE-05] TSENG T., KWON Y., ERTEKIN Y.: Feature-based rule induction in machining operation using rough set theory for quality assurance, Robotics and Computer-Integrated Manufacturing, 2005, 21, s. 559-567.
  • [TWKK-88] TÖNSHOFF H.K., WULFSBERG J.P., KALS H.J.J., KÖNIG W., LUTTERVELT C.A.: Developments and trends in monitoring and control of machining processes. Annals of the CIRP, Vol. 37/2/1988, s. 611-622.
  • [UMMK-01] UEDA K., MARKUS A., MONOSTORI L., KALSH.J.J., ARAI T.: Emergent Synthesis Methodologies for Manufacturing. Annals of the CIRP, Vol. 50/2/2001.
  • [Urba-02] Urbaniak M.: System oceny użytkowych właściwości ściernic. Wydawnictwo Politechniki Łódzkiej, Seria Rozprawy Naukowe, Z. 315, Łódź 2002.
  • [Verk-81] VERKERK J.: Plunge grinding data for the control of traverse grinding operation. Proceedings of the 8th North American Manufacturing Research Conference, May 1981, s. 80-87.
  • [ViSh-98] VISHNUPAD P., SHIN Y.C.: Intelligent optimization of grinding processes using fuzzy logic. Proceedings of I. MECH. E, Journal of Engineering Manufacture, 1998, Vol. 212, s. 647-660.
  • [VPGG-00] VARGHESE B., PATHARE S., GAO R., GUO C., Malkin S.: Development of a Sensor-Integrated “Intelligent” Grinding Wheel for In-Process Monitoring. Annals of the CIRP, Vol. 49/1/2000, s. 231-234.
  • [WaBa-03] WARKENTIN A., BAUER R.: Analysis of Wheel Wear Using Force Data in Surface Grinding. Transaction of the CSME/de la SCGM, 2003, s. 193-204.
  • [WaGa-06] WANG L., GAO R.X. (eds.): Condition Monitoring and Control for Intelligent Manufacturing, Springer Verlag London, Springer Series in Advanced Manufacturing, 2006.
  • [WaMK-01] WANG L., MEHRABI M.G., KANNATEY-ASIBU E.: “Hidden Markov Model-based Tool Wear Monitoring in Machining Processes by Wavelet Analysis”, ASME J. Manufacturing Science and Engineering, Vol. 12, No. 3, 2001, s. 651-658.
  • [WeDL-96] WEBSTER J., DONG W.P., LINDSAY R.: Raw Acoustic Emission Signal Analysis of Grinding Process. Annals of the CIRP, Vol. 45/1/1996, s. 335-340.
  • [WeMB-94] WEBSTER J., MARINESCU I., BENNET R.: Acoustic Emission for Process Control and Monitoring of Surface Integrity during Grinding. Annals of the CIRP, Vol. 43/1/1994, s. 299-304.
  • [Wern-71] WERNER G.: Kinematik und Mechanik des Schliefprozesses. Dissertation T.H. Aachen, 1971.
  • [WeSc-79] WECK M., SCHIEFER K.H.: Interaction of the dynamic behavior between machine tool and cutting process for grinding. Annals of the CIRP, Vol. 28/1/1979.
  • [West-94] WESTKAMPER E.: Zero-Defect Manufacturing by Means of a Learning Supervision of Process Chains. Annals of the CIRP, Vol. 43/1/1994, s. 405-408.
  • [WHKK-11] WEGENER K., HOFFMEISTER H.-W., KARPUSCHEWSKI B., KUSTER F., HAHMANN W.-C., RABIEY M.: Conditioning and monitoring of grinding wheels. CIRP Annals – Manufacturing Technology 60 (2011), s. 757-777.
  • [Wójc-06] WÓJCIK R.: Wpływ strumienia energii szlifowania na wybrane właściwości warstwy wierzchniej. Wydawnictwo Politechniki Łódzkiej, Seria Rozprawy Naukowe, Z. 351, Łódź 2006.
  • [Wrąb-93] WRĄBEL D.: Przydatność pomiarów sił skrawania oraz drgań układu OUPN do diagnozowania i nadzoru stanu ściernicy w procesie wgłębnego kłowego szlifowania wałków. Praca doktorska, Politechnika Łódzka, 1993.
  • [WWAW-01] 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 Nr 41 (2001), s. 283-309.
  • [XiLA-10] XIE N., CHEN L., LI A.: Fault diagnosis of multistage manufacturing systems based on rough set approach. Int. J. of Advanced Manufacturing Technology, (2010) 48, s. 1239-1247.
  • [XiMD-93] XIAO G., MALKIN S., DANAI K.: Autonomous system for multistage cylindrical grinding. Journal of Dynamic Systems, Measurement and Control, December 1993, s. 667-672.
  • [YaFi-95] YAGER R., FILEV D.: Podstawy modelowania i sterowania rozmytego. Wydawnictwo Naukowo-Techniczne, Warszawa 1995.
  • [Zade-65] ZADEH L.A.: Fuzzy sets. Information and control, Vol. 8, s. 338-353.
  • [Żela-76] ŻELAZNY M.: Podstawy automatyki. PWN, Warszawa 1976.
  • [ZhKF-02] ZHAI L.Y., KHOO L.P., FOK S.C.H.: Feature extraction using rough set theory and genetic algorithms – an application for the simplification of product quality evaluation. Computers & Industrial Engineering, 43 (2002), s. 661-676.
  • [ZhWH-09] ZHU K., WONG Y.S., HONG G.S.: Wavelet analysis of sensor signals for tool condition monitoring: A review and some new results. International Journal of Machine Tools & Manufacture, 49 (2009), s. 537-553. 159
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-LODD-0001-0029
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.