Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Product quality monitoring using artificial neural networks

Wood C. H., Harrison D. K., Szpytko J.

Biuletyn Wojskowej Akademii Technicznej

2004

Vol. 53, nr 7

173-183

Rozwój automatyzacji maszyn i urządzeń wymaga nowego spojrzenia na współdziałanie w układzie człowiek/operator - urządzenie. Automatyka przyczynia się do poprawy bezpieczeństwa i niezawodności układów antropocentrycznych, jednakże wiedza i umiejętności operatora są nadal istotne w procesie eksploatacji maszyn i urządzeń. Rozwijane są działania zorientowane na ciągłe monitorowanie stanu technicznego procesu typu CM (ang. Condition Monitoring). Przedmiotem artykułu są wyniki badań noża tokarki podczas operacji skrawania. Rejestrowane podczas skrawania wibracje są analizowane w odniesieniu do uzyskanej jakości obrabianej powierzchni. Jakość obrabianej powierzchni była przedmiotem klasyfikacji dla potrzeb sieci neuronowych. Na podstawie przeprowadzonych badań sformułowano korelacje pomiędzy poziomem wibracji noża skrawającego tokarki a jakością obrabianego przedmiotu. Otrzymane z badań wyniki umożliwiły opracowanie narzędzia uniemożliwiającego realizację operacji w rezultacie, której jakość obrabianej powierzchni nie będzie zadawalająca. Opracowane narzędzie wykorzystuje w procesie decyzyjnym sieci neuronowe.

With the trend towards the use of automated systems apparent and the removal of direct human contact in the manufacturing of components, the expertise associated with human operators is also being eroded. While automation can reduce human errors, improve safety and economy of operation, it is felt that the loss of benefits felt due to the human expertise might be recovered. The process of condition monitoring (CM) involves monitoring the condition of a particular machine to attempt to detect the adverse changes that would indicate that the performance of the machine is failing. This paper reports the results of acquiring vibration readings during the cutting operation of a centre lathe and analysing the data off-line with a view to determining the state of the Surface Finish produced during the cutting procedure. The process of using the Artificial Neural Networks to classify the measured signature analysis data into distinguished classes of Surface Finish quality will be discussed. This is part of a body of on-going work which aims to show how automated techniques employing Artificial Intelligence are preferred if CM is to make a real impact in the manufacturing industry.

The identification of on-line surface finish via an ANN application

Wood C. H., Harrison D. K., Sihra T. S., Szpytko J.

Mechanics and Mechanical Engineering

2002

Vol. 6, nr 2

87-93

In this paper, a brief description is provided of a comprehensive experiment conducted to investigate the effect of the vibration characteristics of a lathe as the tool tip is worn through repeated machining operations. The characteristics are measured as vibration spectra and visual pattern techniques are employed to detect trends in these spectra, which indicate the variance in surface finish quality. Artificial Neural Networks (ANNs) are then employed to provide a more powerful tool for feature extraction and combined with surface finish measurement taken during the cutting operation, a correlation between these two parameters is undertaken. The results show that ANNs are capable at complementing existing tool wear monitoring techniques and potentially they could be applied to a wider spectrum of condition monitoring strategies developed to date.

Przedmiotem artykułu są badania relacji pomiędzy jakością powierzchni (gładkość) przedmiotu obrabianego z użyciem tokarki, a wzbudzanymi drganiami obserwowanymi na jej nożu skrawającym (dla powtarzalnych cyklicznie operacji). W rezultacie przeprowadzonych badań sformułowano relacje pomiędzy gładkością powierzchni i drganiami na nożu, które umożliwiły zastosowanie sieci neuronowych ANN do prognozowania tendencji zmian w stanie technicznym tokarki. Opracowane narzędzie ANN umożliwia prowadzenie w układzie on-line oceny jakości wykończenia powierzchni obrabianego przedmiotu.