Több érzékelőre épített, intelligens szerszám állapot felügyelet mechanikus mikro megmunkálásokhoz

súgó

nyomtatás

vissza »

Projekt adatai

azonosító

101703

típus

Vezető kutató

Szalay Tibor

magyar cím

Több érzékelőre épített, intelligens szerszám állapot felügyelet mechanikus mikro megmunkálásokhoz

Angol cím

Multi-sensors based intelligent tool condition monitoring in mechanical micro-machining

magyar kulcsszavak

mikro megmunkálás, multiszenzor technika, mesterséges intelligencia, állapot felügyelet

angol kulcsszavak

micro-machining, wear, multisensor technique, artificial intelligence, condition monitoring

megadott besorolás

Anyagtudomány és Technológia (gépészet-kohászat) (Műszaki és Természettudományok Kollégiuma)	100 %
Ortelius tudományág: Nanotechnológia (Anyagtechnológiák)

zsűri

Gépész-, Építő-, Építész- és Közlekedésmérnöki

Kutatóhely

Gyártástudomány és -technológia Tanszék (Budapesti Műszaki és Gazdaságtudományi Egyetem)

résztvevők

Alpek Ferenc
Éles Imre
Farkas Balázs Zsolt
Horváth Mátyás
Jacsó Ádám
Markos Sándor
Mátyási Gyula
Nagy Sándor
Póka György Lajos
Takács Márton

projekt kezdete

2012-01-01

projekt vége

2015-06-30

aktuális összeg (MFt)

17.996

FTE (kutatóév egyenérték)

5.92

állapot

lezárult projekt

magyar összefoglaló

A forgácsoló szerszámok felügyelete a makro mérettartományban a nagyarányban vizsgált területek közé tartozik, ugyanakkor ezek az eredmények nem vagy csak kevéssé alkalmazhatók a mikro méretű megmunkálásokra vonatkoztatva. A mechanikai mikro megmunkálási eljárások esetén a szerszámfelügyelet kiemelt fontosságát erősíti, hogy a szerszám méretek (pl. szerszám átmérő) igen kicsik, ugyanakkor a megmunkálási sebesség (fordulatszám) igen magas, tehát extrém igénybevétel mellett történik a megmunkálás. A megnövekedett sebesség ugyanakkor a beavatkozási időtartomány lecsökkenését is eredményezi, így nem kerülhető ki a felügyelet automatizálása. A kutatás fő célkitűzése különböző felügyeleti stratégiák vizsgálata több érzékelő jelének figyelembevételével, a feldolgozási és döntési módszerekben a mesterséges intelligencia algoritmusok alkalmazásával. A vizsgálatban a mikro marási és mikro fúrási megmunkálások szerszámainak állapotfelügyelete kerül előtérbe. A kutatás kísérleti megmunkálásokra alapozva vizsgálja a mikro forgácsolási technológiákat különböző paraméter tartományokban. A mért jellemzők a szerszámot terhelő erő és rezgés jelek illetve a szerszám elhasználódás korrelációját elemezve új, a mikro megmunkálások esetén érvényes felügyeleti stratégiák kialakítása a cél. A tervezett kutatás a hatékony érzékelők kiválasztására, a jelfeldolgozási módszerek kialakítására, illetve optimális megmunkálási technológiák meghatározására egyaránt javaslatokat dolgoz ki. A felügyeleti stratégiák automatizált, on-line felügyeletként vezérlések mellé telepítve képesek lesznek a kopásból, törésből származó károsodások (szerszámelhasználódás, selejtképződés) megelőzésére, csökkentésére.

angol összefoglaló

Majority of the machine tool condition monitoring research work has been directed at the macro-domain. Despite years of research, reliable, versatile and practical methods are not yet available for the monitoring and controlling of high speed machining processes like mechanical micro-machining. Monitoring of mechanical micro-cutting process is critical, because of the very fragile nature of micro-drills or micro-mills and uncertainties involved in the process. Monitoring of micro-tools is very important for optimum utilization of the tools without breakage and even more important for realizing automation of micro-machining process. The objective of this research proposal is to investigate different strategies considering various sensor signals of different bandwidths and artificial intelligent techniques to provide effective means for monitoring tool wear of micro-drills, micro milling cutters and other tools for mechanical micro-machining.
Experiments on micro-drilling will be carried out at different ranges of cutting speed, feed and drill diameter. Number of experiment will be decided through Design of experiments (DOE). Signals will be acquired from several sensors, including miniature force sensor, accelerometer, acoustic emission (AE) sensor, current/power sensors, etc, An optical vision system will be used to measure the wear each time an experiment is performed. Wear sensitive features will be extracted from these sensor signals through suitable signal processing algorithms. Extracted features and cutting parameters together will be the inputs for artificial intelligent (AI) models where measured tool wear will be the output for training these models. Several strategies will be formed by combining these extracted features and cutting parameters in many ways before feeding these combinations to different AI models. Through the comparative performance evaluation of strategies and AI techniques, best combination of strategy and AI technique will be selected as the micro-drill wear monitoring system for real time implementation. Additional goal of the research to extend this methodology to determine monitoring tools for other mechanical micro-machining.
The proposed research will identify the effective sensor (s) and effective signal processing tool for wear sensitive feature extraction. It will also identify the effective AI model for sensor fusion for accurate monitoring of micro-drill wear. The results from the trained AI models can be used for online wear monitoring and control in order to avoid tool breakage in micro-machining process in industrial scenario.

Zárójelentés

kutatási eredmények (magyarul)

A kutatás célja egy olyan valós-idejű felügyeleti rendszer kifejlesztése mikro-fúrásra és általánosan mikro-forgácsolási eljárásokra, mellyel következtetni lehet a szerszám állapotára, várható tönkremenetelére. Koncentráltan a mikró-fúrásra kidolgoztuk a szerszám kopás közvetlen mérésére szolgáló automatikus algoritmust, amelyet a CNC berendezéseken a munkatérben elhelyezett mikroszkópi felvételek feldolgozására alkalmaztunk. Közvetett jellemzők (erőkomponensek és rezgésjelek) feldolgozásán alapuló felügyeleti módszerként a mesterséges neurális hálózatok (ANN) segítségével felépített modellek bizonyultak sikeresnek a sok zavaró jelenséget tartalmazó, kedvezőtlen zaj/jel aránnyal rendelkező mért adataink miatt. A szerszám elhasználódását jellemzően leíró, előrejelezhető furatszám jellemzőt választottuk kimenetnek az ANN modellünkben, míg az erőkomponensekre és a rezgésjelekre külön hálózatot (eltérő bemenetekkel és struktúrával) hoztunk létre. A létrehozott felügyeleti stratégiákat és modelleket változó kísérleti körülmények között is (különböző megmunkálandó és szerszám anyagok, eltérő fúró geometriák és változó forgácsolási beállítások mellett) sikerrel alkalmaztuk.

kutatási eredmények (angolul)

The goal of this research was to provide effective tool condition monitoring for micro-drills and for other tools of mechanical micro-machining. Focusing to micro drilling the automated direct measurement method of tool wear was developed based on the microscope image acquiring from the microscope installed into the workspace of the machine tool. Indirect monitoring methods were also developed using the cutting force components and vibration signals. The monitoring tool applied artificial neural network models where the input parameters and the structure of the ANN were different depending on the signal type. The output of the ANN monitoring models were the expectable number of the drill holes. The ANN techniques were chosen because the high noise rate of the signals. During the experimental evaluation we investigate the efficiency of these methods using different workpiece and tool materials, different drill geometry and we varied the cutting parameters, too. We successfully applied the results of the research in two further international cooperation (TÉT_ 10-1-2011-0233 and TÉT_12_MX-1-2013-0015) and in an industrial innovation and development project (VKSZ_12-1-2013-0038) as subcontractor.

a zárójelentés teljes szövege

https://www.otka-palyazat.hu/download.php?type=zarobeszamolo&projektid=101703

döntés eredménye

igen

Közleményjegyzék

Patra K, Jha AK, Szalay T, Ranjan J, Monostori L: Artificial neural network based tool condition monitoring in micro mechanical peck drilling using thrust force signals, PRECIS ENG On-line First: 1-16, 2017

Czampa Miklós, Farkas Balázs, Szalay Tibor: Machinability improvement of powder metallurgy steel, TEH VJESN 23: (3) 809-817, 2016

Vilmos Csala, Tibor Szalay, Balázs Farkas, Sándor Markos: Application Benchmark of Three Micro Hole Machining Processes for Manufacturing the Nozzle of a Medical Water Jet Machine, ACTA POLYTECH HUNG 12: (2) 53-69, 2015

Jitesh Ranjan, Karali Patra, Tibor Szalay: Application of Artificial neural network and wavelet packet transform for vibration signal based monitoring in mechanical micro drilling, In: anon (szerk.) (szerk.) International Conference on Futuristic Trends on Computational Analysis and Knowledge Management (ABLAZE), 2015. New York: Institute of Electrical and Electronics Engineers (IEEE), 2015. pp. ., 2015

Szalay Tibor: Machinability and Supervision Problems in Micro Machining, In: Zlatan Car, Jan Kudlacek (szerk.) (szerk.) International Conferene on Innovative Technologies (IN-TECH 2015) . Dubrovnik, Horvátország, 2015.09.09-2015.09.11. Kiadvány: Rijeka: Faculty of Engineering University of Rijeka, 2015. Paper I-1. , 2015

Tibor Szalay, Karali Patra, Balázs Zsolt Farkas: Experimental Investigation of Tool Breakage in Micro Drilling of EN AW- 5083 aluminium, KEY ENGINEERING MATERIALS 581: pp. 119-124., 2014

István Bíró, Balázs Zsolt Farkas, Tibor Szalay: COMPARATIVE EVALUATION OF MACHINABILITY OF IRON-BASED MATERIALS AND TOOL WEAR IN MICRODRILLING, In: Z Car, J Kudlacek, J R C S Galvao (szerk.) (szerk.) IN-TECH 2014: Proceedings of International Conference on Innovative Technologies. Rijeka: Faculty of Engineering University of Rijeka, 2014. pp. 139-142., 2014

Tibor Szalay, Karali Patra: INVESTIGATION OF MICRO DRILLING FOR DEVELOPMENT OF TOOL CONDITION MONITORING SYSTEM, In: Z Car, J Kudlacek, J R C S Galvao (szerk.) (szerk.) IN-TECH 2014: Proceedings of International Conference on Innovative Technologies. Rijeka: Faculty of Engineering University of Rijeka, 2014. pp. 247-250., 2014

Szalay Tibor, Bíró István, Amit Kumar Jha, Karali Patra: Szerszámkopás becslése mikrofúrás esetén mesterséges neurális háló alkalmazásával, In: Csibi Vencel-József (szerk.) (szerk.) OGÉT 2014: XXII. Nemzetközi Gépészeti Találkozó . Nagyszeben, Románia, 2014.04.24-2014.04.27. Kiadvány: Kolozsvár: Erdélyi Magyar Műszaki Tudományos Társaság (EMT), 2014. pp. 355-359., 2014

Szalay Tibor, Czampa Miklós, Csala Vilmos, Farkas Balázs: Mikrofúró kopásának vizsgálatára és kiértékelésére kifejlesztett módszer, In: Csibi Vencel-József (szerk.) (szerk.) OGÉT 2014: XXII. Nemzetközi Gépészeti Találkozó . Nagyszeben, Románia, 2014.04.24-2014.04.27. Kiadvány: Kolozsvár: Erdélyi Magyar Műszaki Tudományos Társaság (EMT), 2014. pp. 360-363., 2014

Dömötör Ferenc, Farkas Balázs Zsolt, Szalay Tibor, Újvári Zoltán: A mikrofúró szerszámok állapotfelügyelete, In: Kékesi Tamás (szerk.) (szerk.) XXVIII. microCAD International Multidisciplinary Scientific Conference. Miskolc: Miskolci Egyetem, 2014. pp. ., 2014

Tibor Szalay, Karali Patra, Balázs Zsolt Farkas: Experimental Investigation of Tool Breakage in Micro Drilling of EN AW- 5083 aluminium, KEY ENGINEERING MATERIALS 581: pp. 119-124., 2014

T Szalay, B Zs Farkas, V Csala, K Patra: INVESTIGATION ON MICRO DRILLING OF THE STAINLESS STEEL MATERIAL IN THE ASPECTS OF ENERGETICS AND TOOL WEAR, International Conference on Innovative Technologies, IN-TECH 2013. Budapest, Magyarország, 2013.09.10-2013.09.12. pp., 2013

Miklós Czampa, Sándor Markos, Tibor Szalay: Improvement of Drilling Possibilities for Machining Powder Metallurgy Materials, PROCEDIA CIRP 7: pp. 288-293., 2013

Szalay Tibor, Karali Patra: Experimental investigation of micro drilling for developing tool condition monitoring (TCM), Manufacturing 2012 Nemzetközi Konferencia, 2012. nov. 14-15, 2012

Vilmos Csala, Sándor Markos, Tibor Szalay: COMPARATIVE ANALYSIS OF THREE MICRO-HOLE MACHINING TECHNOLOGY, Proceedings of International Conference on Innovative Technologies. Rijeka, Horvátország, 2012.09.26-2012.09.28. Rijeka: Faculty of Engineering University of Rijeka, pp., 2012

Amit Kumar Jha, Karali Patra, Tibor Szalay: Monitoring of prefailure phase and detection of tool breakage in mechanical micro-drilling using thrust force and torque signals, In: Proceedings of the Second International Conference on Intelligent Robotics, Automation and Manufacturing: IRAM 2013. Indore, India, 2013.12.16-2013.12.18. Kiadvány: Emerald Group Publishing Ltd., 2013. pp. 339-347. (Proceedings of the Second International Conference on Intelligent Robotics, Automation and Manufacturing) IRAM 2013, 2013

Projekt eseményei

2014-07-04 13:04:42

Résztvevők változása

vissza »