Monitoramento do torneamento do aço abnt d6 com ferramentas de pcbn
| Autor: | VICTOR RUBIN |
|---|---|
| Přispěvatelé: | Machado, Álisson Rocha, Silva, Alexandre Dias da, Duarte, Marcus Antônio Viana |
| Rok vydání: | 2022 |
| Předmět: |
redes neurais
Potência Monitoring Aço - Análise neural network Engenharia Mecânica emissão acústica Aço - Fadiga power Usinagem forças de corte ENGENHARIAS::ENGENHARIA MECANICA::PROCESSOS DE FABRICACAO::MAQUINAS DE USINAGEM E CONFORMACAO [CNPQ] Resistência de materiais Monitoramento da usinagem hard turning aço VC 131 (ABNT D6) acoustic emission Ferramenta de corte de aço machining force |
| Zdroj: | Repositório Institucional da UFU Universidade Federal de Uberlândia (UFU) instacron:UFU |
| DOI: | 10.14393/ufu.di.2018.142 |
| Popis: | O monitoramento dos processos de produção é de grande interesse industrial em todo o mundo. Em usinagem a sua importância reside na possibilidade de otimizar a vida da ferramenta de corte e prevenir sua quebra, além de controlar a rugosidade superficial da peça de trabalho, de modo que a crescente busca por melhoria na qualidade e produtividade, com redução de custos se torna maior a cada dia. Um ponto crítico para o processo de usinagem não assistido é identificar o momento exato de troca da ferramenta de corte, considerando sua máxima utilização e respeitando os limites de qualidade da peça. Com o crescente aumento dos sistemas de manufatura e, portanto, da competitividade surge a necessidade de melhorias no processo, em que a detecção e correção prematura de falhas que podem ocorrer durante a fabricação contribuem neste sentido. Com esse foco, este trabalho monitorou o processo de torneamento do aço VC131 (ABNT D6) endurecido (60 HRC) via emissão acústica, corrente do motor principal e força de usinagem de modo a detectar falhas, quebra e desgaste da ferramenta de corte de PCBN, durante testes de vida da ferramenta. Esta aplicação se justifica também por se tratar de um material caro e de baixa usinabilidade (aço ABNT D6) e de uma ferramenta de alto custo aquisitivo (PCBN). Foram estudados os efeitos das variáveis do processo de usinagem (velocidade de corte e avanço) nos sinais monitorados. Além de monitorar o sinal de emissão acústica, o sinal de corrente do motor e da força durante a usinagem, periodicamente o teste era interrompido para medição do desgaste de flanco (máximo - VBBmax) e o teste foi considerado concluído quando o desgaste de flanco atingia um critério de fim de vida, baseado neste desgaste, pré-estipulado (0,6 mm para VBBmax). Os resultados dos testes foram utilizados para treinamento de uma rede neural artificial em Matlab. Um fator importante é que esse sistema permite o monitoramento on-line, ou seja, durante o funcionamento normal da máquina, sem que a mesma precise ser interrompida durante a usinagem e um acompanhamento instantâneo do corte, permitindo a prevenção da quebra e avarias. Os sinais de força e potência aumentaram com o tempo, ao contrário do que ocorreu com o sinal de emissão acústica. A rede neural se apresentou um excelente recurso para detecção de desgaste. The monitoring of production processes is of great industrial interest worldwide. In machining its importance lies in the possibility of optimizing the life of the cutting tool and preventing its breakadge, in addition to controlling the surface roughness of the workpiece, so that the search for improvements in quality and productivity, with reduced costs are constantly increasing. A critical point for the unattended machining process is to identify the exact moment of change the cutting tool, considering its maximum use and respecting the quality limits of the workpiece. With the constant increase in manufacturing systems and therefore competitiveness, the need for improvements in the process arises, in which the detection of premature failures that may occur during manufacturing contribute in this sense. With this focus, this work has monitored the turning process of hardened (60 HRC) VC131 (ABNT D6) steel via acoustic emission, main motor electrical current and machining force in order to detect failures, breakage and wear of PCBN cutting tools during tool life tests. This application is justified because of the high cost and low machinability of the work material (ABNT D6 steel) and the high acquisition cost of the cutting tool (PCBN). The effects of the machining parameters (cutting speed and feed rate) on the monitored signals were studied. In addition to monitoring the signals of acoustic emission, electrical current and force during machining, periodically the test was interrupted to measure the flank wear (average - VBB and maximum - VBBmax) and the test was considered complete when the flank wear reached the stipulated end-of-life criteria (0.6 mm for VBBmax). The results of the tests were used to training an artificial neural network in Matlab. An important factor is that this system allows online monitoring, i.e. during normal operation of the machine, without having to interrupt the process during the machining and instant follow up of the cut, allowing prevention of breakage and breakdowns. The force and power signals increased over time, unlike the acoustic emission signal. The neural network presented an excellent feature for detection of wear. Dissertação (Mestrado) |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|