Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2014

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: miary sygnałów

Sortuj według:

Ogranicz wyniki do:

Zaawansowane metody analizy sygnałów w diagnostyce stanu narzędzia

Kossakowska J., Bombiński S., Jemielniak K.

Inżynieria Maszyn

2014

R. 19, z. 1

89--101

Niniejszy artykuł przedstawia wyniki oceny przydatności poszczególnych metod analizy oraz miar sygnałów do diagnostyki stanu narzędzia. Do badań wytypowano szereg miar (różne miary statystyczne, miary przekroczeń progu etc.) oraz metod analizy sygnałów (FFT, PSD, transformata falkowa), których przydatność do diagnostyki stanu narzędzia przy określonym algorytmie szacowania zużycia ostrza przetestowano na wielu różnych eksperymentach (różne odmiany toczenia, frezowanie, wiercenie). Analiza przydatności danej miary polegała na określeniu błędu RMSE szacowanego zużycia ostrza w stosunku do rzeczywistego zużycia, uzyskanego w wyniku uczenia układu nadzoru na danej mierze. Ponadto wykonano analizę korelacji wzajemnej poszczególnych miar i na tej podstawie wytypowano miary, które statystycznie często są skorelowane wzajemnie ze sobą. W ramach badań przeprowadzono również analizę przydatności różnych czujników do diagnostyki stanu ostrza. W wyniku tej analizy stwierdzono, że najbardziej przydatne do stosowanej diagnostyki stanu ostrza są czujniki siły i emisji akustycznej.

This paper presents studies results of usefulness of different signal processing methods and signal features to the tool state diagnosis. There were various different features chosen (various statistical measures, measures of threshold crossings etc.) and the signal processing methods (FFT, PSD, wavelet transform). Their usefulness in the diagnosis of the tool state where a predetermined algorithm for estimating tool wear has been tested on a variety of experiments (different types of turning, milling, drilling). Analysis of the usefulness of the signal feature consisted of determine the error RMSE of the estimated tool wear in relation to actual wear, obtained as a result of learning the diagnostic system for a given signal feature. Furthermore, the cross-correlation analysis was performed, and particular signal features were chosen, which often are statistically correlated with each other. This paper also presents the usability of various sensors to tool state diagnosis. It was found that the most useful for tool state diagnosis are sensors of the forces and acoustic emission.