دوره 15، شماره 2 - ( 2-1394 )                   جلد 15 شماره 2 صفحات 269-261 | برگشت به فهرست نسخه ها

‎ 20.1001.1.10275940.1394.15.2.11.9

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khajavi M, Nasernia E. Applications of intelligent methods in online diagnosis of tool wear in milling operation using vibration analysis. Modares Mechanical Engineering 2015; 15 (2) :261-269
URL: http://mme.modares.ac.ir/article-15-2658-fa.html
نوری خاجوی مهرداد، ناصرنیا ابراهیم. استفاده از روش‌های هوشمند در تشخیص آنلاین مقدار سایش ابزار در هنگام فرزکاری با استفاده از تحلیل ارتعاشات. مهندسی مکانیک مدرس. 1394; 15 (2) :261-269

URL: http://mme.modares.ac.ir/article-15-2658-fa.html

استفاده از روش‌های هوشمند در تشخیص آنلاین مقدار سایش ابزار در هنگام فرزکاری با استفاده از تحلیل ارتعاشات
مهرداد نوری خاجوی* 1، ابراهیم ناصرنیا2
1- دانشکده مکانیک دانشگاه تربیت دبیر شهید رجایی
2- دانشکده مکانیک ، دانشگاه تربیت دبیر شهید رجایی
چکیده:   (5293 مشاهده)
موضوع تشخیص مقدار سایش و شکست ابزار در حین عملیات ماشین‌کاری، یکی از مسائل مهم در کنترل و بهینه‌سازی فرایند ماشین‌کاری اتوماتیک است. در این مطالعه، ارتباط بین سایش ابزار با ارتعاش در دو جهت ماشین‌کاری و عمود بر جهت ماشین‌کاری در هنگام ‌فرز‌کاری بررسی می‌شود. بدین منظور یک سری آزمایش‌ها با ماشین‌فرز عمودی انجام شد. ابزار ساخت شرکت سندویک و قطعه‌کار از جنس 45 CKانتخاب شد. برای اندازه‌گیری مقدار سایش از یک میکروسکوب استفاده گردید. هدف از این تحقیق، استفاده از ساختار هوشمند شبکه عصبی (MLP) و سیستم استنتاج تطبیقی فازی- عصبی (ANFIS) در طبقه‌بندی و تشخیص مقدار سایش و شکست ابزار است. در این تحقیق برای اولین بار برای طبقه‌بندی و پیش‌بینی دقیق حالت سایش و شکست ابزار از پنج مرحله سایش ابزار استفاده شده است. در این تحقیق، با استفاده از تکنیک آنالیز اجزای اصلی (PCA) ابعاد ماتریس ورودی در حد مطلوب کاهش یافت. جهت دست‌یابی به هدف فوق، شبکه‌های مذکور با استفاده از بردارهای ویژگی و مشخصات استخراج شده از طیف‌های فرکانسی و سیگنالهای زمانی، آموزش دیدند. نتایج نشان داد که برای 86 مورد اندازه‌گیری نهایی، شبکه‌های ANFIS و MLP به ترتیب دارای میانگین 91 و 82 درصد موفقیت در تشخیص درست مقدار سایش و شکست ابزار بودند.از آنجایی که شبکه فازی- عصبی در مقایسه با شبکه عصبی در طبقه‌بندی عیوب، نتایج بهتر و قابل قبول‌تری ارائه می‌دهد، می‌تواند به عنوان روشی مناسب در جهت تشخیص هوشمند سایش ابزار بکار برده شود.
واژه‌های کلیدی: سایش ابزار، پردازش سیگنال، تحلیل اجزای اصلی، شبکه‌های عصبی پرسپترون چند لایه، سیستم استنتاج تطبیقی فازی- عصبی
متن کامل [PDF 870 kb]   (6403 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: ارتعاشات
دریافت: 1393/7/4 | پذیرش: 1393/9/21 | انتشار: 1393/10/20
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.