تخمين برخط روند سايش ابزار در فرايند ماشين¬کاري با استفاده از سيگنال-هاي ارتعاشي

124 صفحه فايل word

قابل ويرايش

چکيده

در فرایند­های ماشین­کاری، تخمین سایش ابزار به صورت برخط و زمان واقعی، و تعویض به موقع آن قبل از شکست، می­تواند مانع توقف عملیات ماشین­کاری و افزایش هزینه­های تولید گردد. در اين رساله تخمين برخط سايش ابزار به کمک تحلیل سيگنال­هاي شتاب مجموعه­ي ابزار-نگهدارنده مورد پژوهش قرار گرفته است. بدين منظور ابتدا سيگنال­هاي ارتعاش ابزار در شرايط برشي مختلف به کمک شتاب­سنج اندازه گيري مي­شود. با وجود اين که سيگنال­هاي اندازه­گيري شده نامانا مي­باشند، در مرحله­ي اول با فرض تغييرات کم واريانس سيگنال، از مدل ماناي [1]ARMA براي تخمین سيگنال و استخراج ويژگي­هاي حساس به سايش، که شامل پراکندگی مودهای ارتعاشی و نسبت میرایی مودال آن­ها می­باشد، استفاده شد. در ادامه، رابطه­اي بين پراکندگي مودهاي ارتعاشي مجموعه­ي ابزار-نگهدارنده و سايش ابزار به دست آمد. با استفاده از این رابطه نشان داده شد که در فرايند سايش در نزديکي نقطه­ي سايش بحراني، مود ارتعاشي ابزار-نگهدارنده از مود دوم حول محور پیش­روی به مود اول حول محور برش اصلی، تغيير مي­کند. همچنین، مقدار نسبت میرایی مودال مودهای مربوطه در سایش بحرانی به مقدار اکسترمم خود می­رسند. در همان حال، منحني­هاي حاصل از متر ARMA که فاصله­ي مدل­هاي مختلف را از هم­ديگر محاسبه مي­کند، در این محدوده به کمينه­ي محلي خود نزدیک می­شوند. روابط بین نسبت پراکندگی مودهای ارتعاشی ذکر شده و نسبت­های میرایی با سایش، برای اولین بار در این تحقیق به دست آمده است. در مرحله­ي بعد، از مدل ناماناي [2]FS-TARMA براي مدل­سازي سيگنال­هاي شتاب استفاده گردید. در تخمین سیگنال­ها، مشخص شد که تخمین­های حاصل از این مدل برای سیگنال­های نامانای مربوط به سیستم نامتغیر با زمان که تغییرات سریعی دارند، همگرا نیستند. برای رفع این مشکل، در تحقیق حاضر از یک الگوریتم بازگشتی استفاده شده است. روش گفته شده، برای بررسی بیش­تر برای مدل­سازی پاسخ دو مدل ساده، یکی متغیر با زمان و دیگری نامتغیر با زمان و ورودی نامانا، به کار گرفته شد و صحت آن، تایید گردید. اثر توابع پایه­ی مختلف بر نتایج تخمین سیگنال­ها با مدل FS-TARMA بررسی و نشان داده شد که تابع پایه­ی Slepian بالاترین دقت را در تخمین فرکانس­های طبیعی فراهم می­کنند. دقت تخمین مدل FS-TARMA که به صورت نسبت جمع مربعات باقی­مانده به جمع مربعات سیگنال سنجیده می­شود برابر با 6 درصد است که در مقایسه با مدل ARMA که حدود 27 درصد است، بسیار بهتر می­باشد. به منظور یافتن رابطه­ای بین سایش و مدل­های FS-TARMA، از روش مبتني بر واريانس باقي­مانده­ها  برای مقایسه­ی مدل­های مربوط به مقادیر مختلف سایش  استفاده شد. نتایج حاصل، نشان می­دهد که منحني­هاي هم­بستگي بين سايش و واريانس باقي مانده­ها در نزديکي سايش بحراني، نقطه­ي کمينه­ی خود را مي­یابند. الگوي تغييراتي اين منحني­ها مشابه منحني­هاي فاصله­ي ARMA در بخش مانا مي­باشد با اين تفاوت که منحنی­های هموار­تر هستند و نقاط خارج از منحنی برازش شده، کم­تر می­باشند. در ادامه، سیگنال­ها با شبکه­هاي عصبي ديناميکي تخمین زده شدند و دقتی برابر با  به دست آمد که در مقایسه با سایر روش­های به کار رفته، بالاتر است. نهایتاً، با ترکيب شبکه­ی عصبی دینامیکی و استاتيکي، کد کامپیوتری تخمين برخط سايش نوشته شد که مي­تواند در تخمين برخط زمان واقعی سايش ابزار در فرايند تراش­کاري به کار برود.

واژه­هاي کليدي: ارتعاش، سايش ابزار، ARMA، FS-TARMA، مدل سازي

[1] Auto Regressive Moving Average

[2] Functional Series Time dependent AutoRegressive Moving Average