پیش‌بینی سایش ابزار در فرزکاری با شبکه عصبی مصنوعی با استفاده از سیگنالهای جریان موتور پیشروی

چکيده
موضوع تشخیص سایش و شکست ابزار در حین عملیات ما‌‌شین‌کاری، یکی از مسائل مهم در کنترل و بهینه‌سازی فرایند ما‌‌شین‌کاری اتوماتیک است. با پایش سایش ابزار، این سیستم قادر خواهد بود که از ابزار، ماشین و قطعه‌کار در برابر خطرات ناگهانی و احتمالی شکست ابزار محافظت کند. بدین منظور یک سری تست‌ها بر روی ماشین‌فرز انجام شد. مشاهده شد که با افزایش سایش ابزار، جریان مصرفی افزایش پیدا می‌کند. جذر میانگین مربعات جریان مصرفی، دور اسپیندل، مقدار پیشروی و عمق بار به عنوان ورودی‌ شبکه عصبی و حالت سایش ابزار به عنوان خروجی شبکه انتخاب شدند. همچنین در این مطالعه تاثیر سایش ابزار، مقدار پیشروی، عمق بار و دور اسپیندل بر روی جریان مصرفی موتور پیشروی بررسی ‌شد. نتايج نشان داد که براي 86 مورد اندازه‌گيري شده، شبکه عصبی چند لایه پرسپترون بطور ميانگين دارای 84 درصد موفقيت در تشخيص درست حالت سایش ابزار است. اهمیت روش پیشنهادی در این تحقیق، سادگی و کم هزینه بودن در مقایسه با سایر روشهای ارائه شده می‌باشد.
کلمات کليدي: سایش ابزار، جریان موتور، فرزکاری، شبکه¬هاي عصبي چند لايه.