تخمين سايش ابزار درتراشكاري با روش سري زماني غير ايستا

Tool wear estimation in turning by the use of non-stationary time series method

در اين مقاله، سيگنالهاي ارتعاش ابزار به دست آمده از يك فرايند تراشكاري براي تخمين سايش ابزار به كار ميرود. در حين فرايند برش، سيگنالهاي شتاب ابزار به كمك يك شتابسنج كه بر روي نگهدارنده نصب شده، در مقادير مختلف سايش اندازه گيري ميشود. به دليل اين كه سيگنالهاي شتاب اندازهگيري شده، داراي واريانس متغير با زمان و غير ايستا هستند، براي مدلسازي آنها از سري زماني با ضرايب وابسته به زمان استفاده شد و ويژگيهاي حساس به سايش به كمك مدلها، استخراج گرديد. ويژگيهاي حساس به سايش استخراج شده، واريانس باقيمانده سيگنالهاي مختلف است و به عنوان فاصلهي سيگنالهاي ساييده شده از مدل مبنا به كار ميرود. بر اساس تحليل فاصلهي سيگنالهاي مربوط به ابزارهاي ساييده شده از ابزار سالم در جهتهاي برشي مختلف، هم بستگي بين سايش ابزار و فاصلهي سيگنالها به دست آمد. با بهره-گيري از اين رابطه، معياري براي تخمين زمان تعويض ابزار حاصل گرديد، به اين صورت كه منحنيهاي فاصله در جهتهاي برش اصلي و پيشروي بر حسب سايش، در محدودهي سايش بحراني ابزار به مقدار كمينه ميرسند. بررسي نتايج نشان ميدهد كه منحنيهاي به دست آمده براي تخمين سايش در اين روش دقت بيشتري نسبت به روش مدلسازي ايستا دارند و ميتوانند در الگوريتمهاي تخمين سايش برخط زمان واقعي ابزار به كار بروند.

In the present paper, vibration signals recorded during a turning process are used for tool wear estimation. During the cutting process, tool acceleration signals are recorded by use of an accelerometer installed on tool holder, for different wear values. Since the measured acceleration signals have time dependent variance and are non-stationary, time series with time dependent coefficients were used for modelling them and extraction of wear sensitive features. The extracted wear sensitive features are residual variance of different signals and are used as distance between the signals associated with worn tools and the baseline model. A correlation was found based on analysis of distance between worn tools’ acceleration signals in different cutting directions and the baseline signal.Using this correlation, a criterion was obtained for detection of critical wear stage. Such that the distance curves for feed and main cutting directions possess a minimum in the vicinity of critical wear level. Investigation of results revealed that the curves obtained through this method are more accurate than those obtained from stationary modelling method. The results obtained here can be used in online real-time algorithms of tool wear estimation.