Giám sát trực tuyến quá trình gia công

Ngày nay, sản phẩm tạo ra cần phải có chất lượng cao với giá cả cạnh tranh. Để làm được điều này thì cần tăng năng suất, giảm phế phẩm. Trên các hệ thống gia công hiện đại nhờ có bộ phận

Giám sát trực tuyến quá trình gia công TS.Thái Thị Thu Hà KS.Thái Hội Hiền Bộ môn Chế Tạo Máy Khoa Cơ khí - ĐHBK TP.HCM E-mail:ttth@dme.hcmut.edu.vn Tóm tắt Bài báo đa ra khái niệm về giám sát, các thông số cần giám sát trong quá trình gia công. Các phơng pháp xác định lực cắt, cách xử lý kết quả. Khi sử dụng phơng pháp giám sát sẽ nâng cao năng suất và chất lợng sản phẩm. Abstract The paper contains conceptions about monitoring, machining parameters need monitor. Methods are used to define cutting force, process the results. Applications of the methods bring about increasing quality of product. I Đặt vấn đề Ngày nay, sản phẩm tạo ra cần phải có chất lợng cao với giá cả cạnh tranh. Để làm đợc điều này thì cần tăng năng suất, giảm phế phẩm. Trên các hệ thống gia công hiện đại nhờ có bộ phận giám sát mà năng suất đợc tăng lên, giảm phế phẩm và hạ giá thành sản phẩm. Giám sát là quá trình thu nhận, phân tích, xử lý các thông tin liên quan đến đối tợng để xác định trạng thái của đối tợng đó. Giám sát tình trạng đợc định nghĩa là sự xác định trạng thái của máy hay hệ thống thiết bị và những thay đổi theo thời gian để biết đợc tình trạng của máy hay thiết bị ở bất kỳ thời điểm nào. Tình trạng của máy có thể xác định thông qua các thông số nh mòn dao, rung động, tiếng ồn, nhiệt độ, . Các thông số này thay đổi cho ta biết đợc tình trạng của máy. Giám sát mang lại những hiệu quả kinh tế lớn lao nh vậy vì: Độ mòn của dao đợc giám sát và thực hiện việc thay dụng cụ kịp thời khi cần thiết. Hệ thống sẽ phát hiện h hỏng của dao hay phôi. Tuổi thọ dao đợc sử dụng tối u. Giảm thời gian dừng máy làm tăng năng suất gia công. Với những u điểm nh vậy cho nên giám sát ngày càng đợc ứng dụng rộng rãi trong quá trình gia công. Đối với các hệ thống máy công cụ thì các đối tợng đợc quan tâm là mòn dao, gãy dao, rung động, lực cắt, II cấu trúc hệ thống giám sát lực cắt khi tiện Trong quá trình tiện độ chính xác và chất lợng bề mặt phụ thuộc rất nhiều vào các thông số công nghệ nh vận tốc cắt, lợng chạy dao, chiều sâu cắt cũng nh tình trạng của dao (mòn dao, gãy dao). Đặc biệt khi tiện cao tốc hoặc tiện các vật liệu khó gia công nh gốm sứ, thì mòn dao là yếu tố ảnh hởng lớn nhất. Chính vì thế mà ta phải giám sát sự mòn dao. Tuy nhiên việc đo lợng mòn dao trong quá trình tiện khá phức tạp và kém chính xác, cho nên có thể giám sát lực cắt để xác định độ mòn dao. Để nhận đợc các dữ liệu dùng trong việc nghiên cứu các tín hiệu lực cắt khi tiện nhằm giám sát tình trạng dao trực tuyến cần phải tiến hành thí nghiệm quá trình cắt. trên hình 1 là sơ đồ khối của quá trình giám sát lực cắt khi tiện. Hệ thống đo lực cắt gồm có: Một bộ chuyển đổi hoặc cảm biến để đo các tín hiệu lực cắt từ quá trình gia công thời gian thực. Một hệ thống để khuếch đại các tín hiệu đo đợc. Một hệ thống thu thập dữ liệu số. MẠNG NEURALTIẾP T U ÏCSA ICẢM BIẾN THỜI GIAN THỰCĐÚNGDỪNGMÒN DAO TỚI GIỚI HẠNCác thông số gia côngCHUY ỂN ĐỔICHI TIẾTĐÚNGBỀ MẶT XẤUDỪNGMŨI CHỐNG TÂMTính Fx/FyFYFXFXXƯÛ LÝ TÍN HIỆUFY H×nh 1 S¬ ®å khèi gi¸m s¸t lùc c¾t khi tiƯn Trong st qu¸ tr×nh gia c«ng, ®iƯn ¸p ra tõ hƯ thèng c¶m biÕn lùc ®−ỵc ghi l¹i vµ ph©n tÝch ®Ĩ nhËn ®−ỵc ®iƯn ¸p thùc sù. Sau khi xư lý ta cã ®−ỵc hai thµnh phÇn cđa lùc c¾t ë ®iỊu kiƯn gia c«ng ®· biÕt tr−íc. Bé chun ®ỉi gåm hai thµnh phÇn c¬ b¶n: ®Çu gi÷ dao vµ hƯ thèng c¶m biÕn lùc. HƯ thèng c¶m biÕn lùc gåm cã c¸c s¬ ®å ®o øng st, hƯ thèng khch ®¹i m¹ch cÇu vµ hƯ thèng thu nhËn d÷ liƯu sè. Chøc n¨ng cđa c¸c gage ®o øng st lµ c¸c c¶m biÕn ®Ĩ biÕn ®ỉi tÝn hiƯu lùc c¾t thµnh c¸c tÝn hiƯu ®iƯn ¸p cã thĨ ®o ®−ỵc th«ng qua c¸c hƯ thèng khch ®¹i. Mèi quan hƯ ®Þnh l−ỵng gi÷a c¸c thµnh phÇn lùc c¾t vµ ®iƯn ¸p ra ®o ®−ỵc tõ hƯ thèng thu nhËn d÷ liƯu sè, ®−ỵc thiÕt lËp tõ qu¸ tr×nh hiƯu chØnh, nhËn ®−ỵc ®é lín cđa c¸c thµnh phÇn lùc c¾t tõ c¸c tÝn hiƯu ®iƯn ¸p ra. III. Dïng m¹ng neural gi¸m s¸t trùc tun qu¸ tr×nh tiƯn Gi¸m s¸t b»ng m¹ng neural ®· ph¸t triĨn ®Ĩ gi¸m s¸t qu¸ tr×nh gia c«ng ®−ỵc chia thµnh ba giai ®o¹n: - Giai ®o¹n ®Çu tiªn lµ chän c¶m biÕn. B»ng c¸ch sư dơng c¸c c¶m biÕn nµy qu¸ tr×nh gia c«ng cã thĨ ®−ỵc gi¸m s¸t tin cËy h¬n. Qu¸ tr×nh gia c«ng cã thĨ ®−ỵc g¸im s¸t hiƯu qu¶ b»ng nghiªn cøu c¸c tÝn hiƯu lùc tõ qu¸ tr×ng c¾t. TØ sè lùc c¾t, tèc ®é c¾t, l−ỵng ch¹y dao, chiỊu sÊu c¾t, b¸n kÝnh mòi dao vµ thêi gian gia c«ng ®−ỵc ®−a vµo líp nhËp cđa m¹ng neural nu«i tiÕn (feedforward neural network). Giai ®o¹n thø hai lµ hn lun m¹ng. Sau khi chän cÊu tróc m¹ng thÝch hỵp, m¹ng ®−ỵc hn lun víi c¸c mÉu d÷ liƯu hn lun mµ mçi mÉu gåm cã mét cỈp biÕn nhËp vµ xt. Sai sè b×nh ph−¬ng trung b×nh cđa tÊt c¶ c¸c mÉu hn lun tiÕn tíi mét gi¸ trÞ ®−ỵc x¸c ®Þnh tr−íc th× dõng qu¸ tr×nh hn lun l¹i, khi ®ã c¸c träng sè kÕt nèi vµ c¸c ng−ìng ®−ỵc x¸c ®Þnh. C¸c träng sè vµ c¸c ng−ìng nµy ®−ỵc dïng ®Ĩ gi¸m s¸t trùc tun qu¸ tr×nh gia c«ng. C¸c gi¸ trÞ cđa träng sè kÕt nèi vµ c¸c ng−ìng t thc vµo d÷ liƯu hn lun. Cµng nhiỊu d÷ liƯu hn lun, m¹ng lµm viƯv cµng tèt vµ ®iỊu nµy còng phơ thc vµo chÊt l−ỵng cđa d÷ liƯu hn lun. Giai ®o¹n thø ba lµ ¸p dơng m¹ng trong qu¸ tr×nh gia c«ng thêi gian thùc. C¸c tÝn hiƯu lùc tõ c¸c c¶m biÕn ®i qua bé läc ®Ĩ läc c¸c th«ng thÊp vµ tØ sè lùc (lùc ch¹y dao/lùc tiÕp tun) ®−ỵc x¸c ®Þnh. TØ sè nµy cïng c¸c th«ng sè gia c«ng kh¸c ®−ỵc ®−a vµo m¹ng neural ®· ®−ỵc hn lun vµ ®é mßn cđa dao, ®é nh¸m bỊ mỈt chi tiÕt ®−ỵc dù b¸o. Nh×n vµo c¸c gi¸ trÞ dù b¸o ng−êi vËn hµnh (hay hƯ thèng ®iỊu khiĨn) cã thĨ t¸c ®éng theo h−íng tèi −u ho¸ qu¸ tr×nh gia c«ng. NÕu bÊt kú c¸c th«ng sè xt nh− ®é mßn cđa dao hay bỊ mỈt chi tiÕt gia c«ng ®¹t ®Õn mét gi¸ trÞ giíi h¹n th× ng−êi vËn hµnh hay hƯ thèng ®iỊu khiĨn cã thĨ dõng qu¸ tr×nh gia c«ng vµ thay dao. M¹ng neural cã thĨ ®−ỵc xem nh− lµ mét m¸y cã kh¶ n¨ng suy ln ®Ĩ t×m ra mét c¸ch hiƯu qu¶ ®é mßn cđa dao khi nhËn ®−ỵc tÝn hiƯu ë bÊt cø lóc nµo. C¸c m¹ng neural cho phÐp gia t¨ng c¶i tiÕn khi d÷ liƯu míi ®−ỵc ®−a vµo. Do ®ã m¹ng kh«ng ngõng cËp nhËt d÷ liƯu. Trªn h×nh 2 tr×nh bµy m¹ng ba líp gi¸m s¸t ®é mßn dao. H×nh 2 M¹ng neural ba líp gi¸m s¸t mßn dao §Ĩ thùc hiƯn qu¸ tr×nh thùc nghiƯm, chóng t«i x©y dùng m« h×nh thÝ nghiƯm ®−ỵc tr×nh bµy trªn h×nh 3 Hệ thống ra quyết đònhMòn daoCác thông số cắtĐộ nhám bề mặtHình thể bề mặt(surface Giám sát bằng mạng neuronMòn dụng cụTỉ số lực cắtTình trạng d u ïn g c u ï c a étBề mặt cuối cùngChuyển đổiCảm nhận thời gi an thựcBề mặt cuối cùngYESTín hiệu lực cắtXử lý tín hiệuNOGọi con người can thiệpDung sai hình học và kích thướcHệ thống ra quyết đònhMòn daoCác thông số cắtĐộ nhám bề mặtHình thể bề mặt(surface Giám sát bằng mạng neuronMòn dụng cụTỉ số lực cắtTình trạng d u ïn g c u ï c a étBề mặt cuối cùngChuyển đổiCảm nhận thời gi an thựcBề mặt cuối cùngYESTín hiệu lực cắtXử lý tín hiệuNOGọi con người can thiệpDung sai hình học và kích thước H×nh 3 Gi¸m s¸t ®é mßn cđa dao vµ ®é nh¸m bỊ mỈt chi tiÕt Líp nhËp Líp Èn Líp xt Tèc ®é c¾t L−ỵng ch¹y dao ChiỊu s©u c¾t Thêi gia c¾t B¸n kÝnh mòi dao TØ sè lùc c¾t §é mßn cđa dao Các giá trị trọng số và giá trị ngỡng sau khi huấn luyện có giá trị nh ở hình 4 Hình 4 Giá trị ngỡng và trọng số (10000 vòng lặp) Và các giá trị xuất của mạng neural dự báo độ mòn dao với các mẫu kiểm tra nh hình 5. Hình 5 Giá trị xuất của mạng neural dự báo độ mòn dao với các mẫu kiểm tra IV kết luận Mạng neural nhân tạo có khả năng học, xấp xỉ bất cứ hàm phi tuyến nào, ra quyết định trong môi trờng có nhiễu và các thông tin không hoàn hảo. Nó có thể tích hợp vào hệ thống sản xuất cho việc giám sát. Trong quá trình gia công dùng để giám sát mòn dao, độ nhám bề mặt chi tiết, Khi chọn đợc cấu trúc mạng thích hợp thì có thể dự báo chính xác các thông số gia công (mòn dao, độ nhám bề mặt chi tiết,). Tài liệu tham khảo [1].S.R.K Rrasad, IFAMMS2000-Intelligent Flexible Autonomous Manufacture Systems, Mc Graw Hill. [2].Robert G.Landers- A.Galip Ulsoy- Richard J. Furness, Process Monitoring and Control Operations. [3].Devdas Shetty- Richar A. Kolk, Mechatronics System Design, PWS Publishing Company, 1997. [4].J.H.Williams-A.Davies-P.R.Drake. Condition-Based Maintenance and Machine Diagnostics, Chapman&Hall 1992. . niệm về giám sát, các thông số cần giám sát trong quá trình gia công. Các phơng pháp xác định lực cắt, cách xử lý kết quả. Khi sử dụng phơng pháp giám sát. Giảm thời gian dừng máy làm tăng năng suất gia công. Với những u điểm nh vậy cho nên giám sát ngày càng đợc ứng dụng rộng rãi trong quá trình gia công. Đối