W artykule zaprezentowano analityczno-doświadczalną metodę określania głębokości wpływu ciepła w materiale ostrza narzędzia skrawającego. Analizy prowadzono na przykładzie procesu toczenia dla narzędzia wykonanego ze stali szybkotnącej SW18. Przyjęto model geometryczny oraz szereg założeń formalnych przy których prowadzono rozważania. Wyznaczono zależność określającą głębokość wpływu ciepła, w funkcji czasu działania temperatury na powierzchni natarcia y=f(t).
EN
The analytic-experimental method of assignment of heat influence depth in material of machining tool edge is presented herein. The analysis was made on example of turning operation for tool made from SW18 high-speed steel. Geometric model and a number of formal assumptions were made, at which considerations are performed. Relation defining heat influence depth was assigned in function of temperature action time on attack surface y=f(t).
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W pracy przedstawiono układ do bieżącej oceny zużycia narzędzia w operacjach toczenia. Układ zaprojektowano tak, by mógł on oceniać jednocześnie wszystkie istotne składowe zużycia, występujące w toczeniu. Dla każdej monitorowanej składowej zużycia przyjęto wyspecjalizowany podukład o strukturze hierarchicznej, z wielowarstwowymi statycznymi i dynamicznymi sieciami neuronowymi, z propagacją w przód. Te podukłady wymieniają informację na temat nadzorowanych składowych zużycia narzędzia, a ich błąd oceny składowych sił skrawania służy do uaktualnienia dynamicznych sieci neuronowych. Cechy przystosowawcze sieci neuronowych sprawiają że możliwe jest uwzględnianie zmian parametrów obróbki. Prowadzone są analizy symulacyjne na danych eksperymentalnych, zaczerpniętych z literatury technologicznej. Trwają też doświadczalne badania weryfikacyjne, które mają potwierdzić zdolność omawianego układu do pracy w rzeczywistych warunkach przemysłowych. Wyniki, do tej pory osiągnięte i w tej pracy przedstawione, są bardzo obiecujące i wskazują na to, że układ cechuje się zdolnością sprawnej oceny stanu narzędzia.
EN
This paper reports the latest progress in developing an "on-line" wear estimation system for turning operations. The system was expected to simultaneously estimate the important components of the wear encountered in turning. A hierarchical structure using multilayered feedforward static and dynamic neural networks is used as a specialized subsystem, for each wear component to be monitored. These subsystems share information about the tool wear components they are monitoring and their error in estimating the cutting force components is used to update the dynamic neural networks. The adaptability property of neural networks ensures that changes in machining parameters can be accommodated. Simulation studies are undertaken using experimental data available from manufacturing literature. Experimental verifications are also performed to ensure that the system could be implemented in real working conditions. The results are promising and show good estimation ability.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.