Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/22755
ORCID: | ![]() |
Document type: | Dissertação |
Access type: | Acesso Aberto |
Title: | Determinação da condição de desgaste da ferramenta de corte via monitoramento de vibração e inteligência artificial |
Alternate title (s): | Determination of the wear condition of the cutting tool through vibration monitoring and artificial intelligence |
Author: | Brito, Lucas Costa |
First Advisor: | Duarte, Marcus Antônio Viana |
First coorientator: | Silva, Márcio Bacci da |
First member of the Committee: | Lépore Neto, Francisco |
Second member of the Committee: | Landre Júnior, Janes |
Third member of the Committee: | Fiocchi, Arthur Alves |
Summary: | Uma das consequências mais importantes no processo de usinagem é o desgaste da ferramenta. Assim, monitorar o desgaste das ferramentas de corte torna-se essencial para garantir o sucesso do produto, aumentar a produtividade e evitar danos catastróficos ao equipamento. Como o desgaste está relacionado às vibrações do processo, o sinal de vibração pode ser usado para monitorá-lo. Este trabalho apresenta uma nova abordagem para a identificação do estado de desgaste de uma ferramenta durante o torneamento do aço VC 131 AISI D6, utilizando técnicas conhecidas com baixo custo computacional, que podem fornecer uma futura aplicação industrial para identificação do momento ideal de troca da ferramenta. Para atingir este objetivo, os sinais de vibração foram medidos durante cada etapa de torneamento. Em seguida, utilizou-se um método de inteligência artificial de classificação (W-kNN) com parâmetros de entrada extraídas dos sinais de vibração para identificar o estágio de desgaste da ferramenta de corte. Os testes foram realizados com ferramentas sob diferentes condições de desgaste, medidas antes e depois de cada etapa de torneamento. Os resultados mostram que a combinação da técnica de inteligência artificial utilizada com os parâmetros vibratórios extraídos através de técnicas estatísticas clássicas, pode prever com sucesso a condição de desgaste das ferramentas de corte, e certamente pode ser usada como um sistema de monitoramento no meio industrial. |
Abstract: | One of the most important consequence in machining process is the tool wear. Thus, monitoring the wear of cutting tools becomes essential to ensure product success, increase productivity and avoid catastrophic damages to the equipment. Since wear is related to the vibrations of the process the vibration signal can be used to monitor it. This work presents a new approach for identification of wear condition of a tool during turning operation of VC 131 steel (AISI D6) using well known techniques with low computational cost which can provide a future industrial application to identify the ideal moment of tool change. To achieve this purpose, the vibration signals were measured during each turning step. Then, an artificial classification intelligence method (W-kNN) with features extracted from the vibration signals was used to identify the wear stage. Tests were performed with tools under different wear conditions, which were measured before and after each turning step. The results show that the combination of artificial classification intelligence method with vibratory features can successfully predict the lifespan of cutting tools which can certainly be used as an industrial tool wear-monitoring system. |
Keywords: | Monitoramento do desgaste de ferramenta Tool wear monitoring Torneamento Aço AISI D6 VC 131 AISI D6 Steel Turning Parâmetros Vibratórios Vibratory Features Peso k-Vizinhos Próximos (W-kNN) Weighted k-Nearest Neighbor Engenharia mecânica Ferramentas Desgaste mecânico Usinagem |
Area (s) of CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA MECANICA::PROJETOS DE MAQUINAS |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Engenharia Mecânica |
Quote: | BRITO, Lucas Costa. Determinação da condição de desgaste da ferramenta de corte via monitoramento de vibração e inteligência artificial. 2018. 109 f. Dissertação de Mestrado - Universidade Federal de Uberlândia, Uberlândia, 2018. DOI http://dx.doi.org/10.14393/ufu.di.2018.1213 |
Document identifier: | http://dx.doi.org/10.14393/ufu.di.2018.1213 |
URI: | https://repositorio.ufu.br/handle/123456789/22755 |
Date of defense: | 27-Aug-2018 |
Appears in Collections: | DISSERTAÇÃO - Engenharia Mecânica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DeterminaçãoCondiçãoDesgaste .pdf | Dissertação | 44.07 MB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.