Nghiên cứu quá trình gia công thông minh trên máy CNC

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẶNG THÀNH TRUNG ĐỀ TÀI: NGHIÊN CỨU QUÁ TRÌNH GIA CÔNG THÔNG MINH TRÊN MÁY CNC LUẬN VĂN CAO HỌC CHUN NGÀNH: CHẾ TẠO MÁY NĂM 2002 MỤC LỤC CHƯƠNG I NGHIÊN CỨU TỔNG QUAN I.1 LỊCH SỬ ĐIỀU KHIỂN THÔNG MINH I.2 KHÁI NIỆM THOÂNG MINH I.3 CÁC ĐẶC TRƯNG CỦA ĐIỀU KHIỂN THÔNG MINH 10 I.4 SƠ LƯC CÁC ĐỀ TÀI ĐÃ NGHIÊN CỨU 11 I.5 KEÁT LUAÄN 17 CHƯƠNG II LÝ THUYẾT ĐIỀU KHIỂN NEURAL NETWORK 19 II.1 TỔNG QUÁT VỀ MẠNG NEURAL 19 II.2 CÁC THÀNH PHẦN CƠ BẢN CỦA CÁC MẠNG NEURAL NHÂN TẠO 22 II.2.1 PHẦN TỬ XỬ LÝ 22 II.2.2 MÔ HÌNH KẾT NỐI CỦA CÁC MẠNG NEURAL NHÂN TẠO 24 II.2.3 LUẬT HỌC THÔNG SỐ TỔNG QUÁT CHO CÁC MẠNG NEURAL NHÂN TẠO 26 II.3 CÁC MẠNG FEEDFORWARD VÀ GIẢI THUẬT TRUYỀN NGƯC 31 II.4 MẠNG ADALINE 35 II.4.1 CẤU TRÚC CỦA MẠNG ADALINE VAØ MADALINE 35 II.4.2 ĐỘNG HỌC MẠNG ADALINE VÀ MADALINE 36 II.4.3 LUẬT HUẤN LUYEÄN CHO ADALINE 37 II.5 ỨNG DỤNG MẠNG NEURAL 37 CHƯƠNG III MÔ HÌNH THỰC NGHIỆM 42 III.1 HỆ THỐNG ĐO LỰC GIÁN TIẾP 45 III.2 MẠCH CHUYỂN ĐỔI TÍN HIỆU VÀ THU NHẬN DỮ LIỆU 47 III.2.1 GIỚI THIỆU: 47 III.2.2 ĐẶC TRƯNG CỦA PCL-818L 47 III.2.3 ĐẶC ĐIỂM KỸ THUẬT 48 III.2.4 LẬP TRÌNH 51 III.3 BÀI TOÁN NEURAL NETWORK 66 III.3.1 MÔ HÌNH VÀ CẤU TRÚC MẠNG 66 III.3.2 CHƯƠNG TRÌNH MATHLAB HUẤN LUYỆN MẠNG ADALINE 70 III.3.3 LẤY DỮ LIỆU MẪU – HUẤN LUYỆN MẠNG 71 III.4 GIAO TIẾP ĐIỀU KHIỂN MÁY CNC 74 III.4.1 ĐIỀU KHIỂN TỐC ĐỘ TRỤC CHÍNH 74 III.4.2 ĐIỀU KHIỂN TỐC ĐỘ ĐI DAO 76 CHƯƠNG IV THỰC NGHIỆM VÀ KẾT LUẬN 78 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung DANH MỤC CÁC HÌNH VẼ Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình Hình I.1: Định nghóa điều khiển thông minh - 1985 I.2: YÙ tưởng INC 12 I.3 Doøng liệu máy thông minh bao gồm sở liệu điều kiện cắt 13 I.4 Sơ đồ nguyên lý hệ thống đánh bóng tự động 14 I.5 Sơ đồ nguyên lý điều khiển ổn định lực caét 15 I.6 Biểu đồ thể mối tương quan dòng điện lực cắt (Chiều sâu cắt 4mm, đường kính dao cắt 20mm tốc độ trục 600 v/ph tốc độ dao 300 mm/ph) 15 I.7 Mô hình nghiên cứu chẩn đoán gãy dao gia công phay 16 I.8 Mô hình dự đoán độ nhám bề mặt gia công tiện 17 II.1 Cấu trúc neural 19 II.2 Mô tả cấu trúc neural nhân tạo thứ i 20 II.3 Maïng neural feedforward lớp 24 II.4 Mạng feedforward nhiều lớp 25 II.5 Mạng phản hồi lớp 25 II.6 Mạng phản hồi nhiều lớp 26 II.7 Mô tả cách học giám sát 27 II.8 Moâ tả cách học củng cố 28 II.9 Mô tả cách học không giám sát 29 II.10 Mô tả luật học thông số tổng quát cho phần tử xử lý thứ i 29 II.11 Mạng feedforward ba lớp 32 II.12 (A) Cấu trúc Adaline (B) Cấu trúc Madaline 36 II.13 Đồ thị hàm truyền 36 III.1 Sơ đồ khối mô hình nghiên cứu 44 III.2 Sơ đồ khối servo driver 45 III.3 Khoái điều khiển servo FANUC model A06B-6047-H002/3 (FANUC system 6M-B maintenance manual) 46 III.4 Dạng tín hiệu lấy từ cảm biến 46 III.5 Cấu trúc mạng Adaline xác định lực cắt 67 III.6 Sơ đồ trình tự huấn luyện mạng 68 III.7 Các trọng số kết nối sau hội tụ 70 III.8 Kết huấn luyện mạng Adaline 72 III.9 So sánh giá trị xuất neural với giá trị mong muốn 73 III.10 Chi tiết tín hiệu điều khiển trục 75 III.11 Vị trí nối dây mã điều khiển tốc độ 77 IV.1 Hình dáng – kích thước phôi gia công thực nghiệm 78 Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung DANH MỤC CÁC BẢNG Bảng III-1 Các thông số lập trình PCL-818L 53 Bảng III-2: Các liệu mẫu 71 Bảng III-3 Tốc độ ñi dao 76 DANH MỤC CÁC TỪ VIẾT TẮT STT TỪ VIẾT TẮT NN A/D ADC PC AI FL CNC I/O ADALINE 10 MADALINE 11 DMA 12 13 14 IRQ JP TSR 15 TTL NOÄI DUNG Neural Network Analog/Digital Analog toDigital Converter Personal Computer Artificial Intelligent Fuzzy Logic Computer Numerical Control Input/Output ADAptive LINear Element Multiple ADALINE Direct Memory Access Interrupt Request Jumper Terminal and Stay Resident Transitor to Transitor Logic Ý NGHĨA Mạng neural Tương tự / số Bộ chuyển đổi tương tự - số Máy tính nhân Trí tuệ nhân tạo Điều khiển mờ Máy điều khiển chương trình số Vào/ra Phần tử tuyến tính thích nghi Phần tử tuyến tính thích nghi nhiều ngỏ Truy xuất nhớ trục tiếp Yêu cầu ngắt Công tắt chuyển Chương trình thường trú Tín hiệu logic số Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung GIỚI THIỆU CHUNG Sơ lược tình hình phát triển ứng dụng máy Ngày nay, vai trò máy CNC gia công cắt gọt khí khẳng định Nhất gia công chi tiết có hình dáng phức tạp, gia công khuôn, mẫu gia công hàng loạt chi tiết giống Chính lý tên tuổi lớn lónh vực chế tạo điều khiển CNC FANUC, MITSUBISHI, FAGOR, … thi cho đời sản phẩm Các sản phẩm ngày mang tính đại, tiện dụng, xác mạnh khả chúng thừa hưởng thành tựu rực rỡ ngành Công nghệ Thông tin hai thập niên gần Đồng hành với nhà sản xuất điều khiển nhà phát triển máy CNC (CNC builder) cho đời hệ máy dựa điều khiển Những trung tâm gia công trục, trục cao xuất ngày nhiều nhằm thoả mãn nhu cầu cải thiện mẫu mã, đa dạng hoá sản phẩm để phục vụ nhu cầu ngày cao người tiêu dùng Ở nước ta đặc biệt TP Hồ Chí Minh máy CNC bắt đầu đưa vào ứng dụng rộng rãi vào đầu năm 90 Chủ yếu máy ứng dụng ngành chế tạo khuôn, mẫu chế tạo máy Tuy nhiên, chiếm tỉ lệ lớn máy máy qua sử dụng (second hand) nhập từ nước Nhật, Hàn Quốc, Đài Loan, …Các máy có ưu điểm giá thành thấp so với máy Nhưng mặt khả năng, độ xác, tính kinh tế so sánh với máy Đặt vấn đề nghiên cứu máy thông minh Một quy trình thông thường để gia công chi tiết máy CNC chi tiết mô hình hoá máy tính phần mềm CAD/CAM Sau người sử dụng chọn công nghệ gia công (khoan, pocket, wcut, …) khai báo số thông số công nghệ (dao, tốc độ trục chính, lượng ăn dao, tốc độ ăn dao, …) để module tạo đường chạy dao (toolpath) phần mềm xuất các đường chạy dao dạng mã lệnh G tiêu chuẩn (Xem Phụ lục) Tập tin lệnh G thông thường truyền đến máy CNC phần mềm truyền DNC Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung thông qua cổng RS-232, RS-422, TAPE, … máy CNC giải mã thực thi lệnh đểâ gia công chi tiết Trong trình gia công, người sử dụng thay đổi thông số công nghệ (tốc độ dao tốc độ trục chính) thấy lựa chọn chưa hợp lý hai cách: - Dùng chế độ override - Dùng chế độ dry-run Với hai chế độ người sử dụng hiệu chỉnh thông số công nghệ theo ý muốn Tuy nhiên, trình gia công lực cắt thay đổi nhiều nguyên nhân lượng dư không đều, vật liệu phôi không đồng đều, … điều ảnh hưởng nhiều đến độ xác gia công, tuổi thọ dụng cụ cắt suất gia công Để giải vấn đề nhiều nhà nghiên cứu nước Mỹ, Nhật, Hàn Quốc, … cho đời nhiều công trình nghiên cứu có giá trị ứng dụng thực tế, đặt móng cho hệ máy gia công thông minh Có thể nói hướng nghiên cứu có giá trị thực tiễn cao Ở nước ta nhiều nguyên nhân, chưa có công trình nghiên cứu hoàn chỉnh vấn đề Nhằm mục đích tìm hiểu cặn kẽ nhà nghiên cứu nước làm đồng thời thử nghiệm cách đơn giản điều kiện sẵn có để rút số kết luận sơ cho vấn đề này, chọn đề tài tốt nghiệp “Nghiên cứu trình gia công thông minh máy CNC” Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung CHƯƠNG I I.1 NGHIÊN CỨU TỔNG QUAN LỊCH SỬ ĐIỀU KHIỂN THÔNG MINH Cuối năm 70 G N Saridis K S Fu (New York – Mỹ) bắt đầu đề cập đến thuật ngữ “điều khiển thông minh – intelligent control” Vào thập niên 80 nhiều buổi hội thảo chuyên đề vấn đề mở người ta có dịp bàn luận sâu vấn đề Năm 1985 “Lý thuyết điều khiển thông minh”, Saridis đưa vị trí lý thuyết điều khiển thông minh giao điểm lý thuyết điều khiển (control theory), trí tuệ nhân tạo (artificial inteligent) vận trù học (operations research) (Hình I.1) Lý thuyết điều khiển Điều khiển thông minh Vận trù học Trí tuệ nhân tạo Hình I.1: Định nghóa điều khiển thông minh - 1985 Thành tựu rực rỡ của công nghệ điều khiển hệ thống hai thập niên gần phân làm hai nhóm truyền thống tiên tiến Đáp ứng lại yêu cầu, định nghóa điều khiển hệ thống, bắt gặp từ thời xa xưa Điểm đặc trưng máy servo phần cứng điều khiển khác thiết kế để điều khiển hệ thống máy điện đơn giản Sau đó, lónh vực điều khiển hệ thống mở rộng theo phát triển khoa họcTrang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung công nghệ, bao gồm nghiên cứu lý thuyết ứng dụng phần cứng phức tạp Sự phát triển thành công kỹ thuật hệ thống dựa nhiều vào thành tựu máy tính khả Trong vài năm gần đây, nhờ vào mối quan hệ kỹ thuật hệ thống, hệ thống điều khiển mà phát triển “điều khiển thông minh”, vốn dựa hệ thống truyền thống này, tất yếu phát triển theo Thông thường, điều khiển thông minh hệ thống điều khiển cải tiến theo thời gian để đáp ứng tốt yêu cầu phức tạp, hệ thống động, hệ thống thời gian thực, điều kiện môi trường làm việc khó khăn, … Các điều kiện khó giải kiểu tiếp cận truyền thống đơn giản Tóm lại, xu hướng điều khiển – điều khiển thông minh – hình thành để đáp ứng lại nhu cầu ngày cao hệ thống điều khiển Xu hướng phát triển mạnh mẽ, nước phát triển, đần dần vào sống I.2 KHÁI NIỆM THÔNG MINH Theo Mohammad Teshnehlab Keigo Watanabe điều khiển thông minh nghiên cứu vào khoảng ba thập niên gần số nhà nghiên cứu, ứng dụng thành công Hệ thống điều khiển thiết kế để đáp ứng nhu cầu hệ thống đòi hỏi tinh tế phức tạp cao, chủ yếu phần động lực Các hệ thống trang bị khả định với điều kiện môi trường trước Tuy nhiên, cấu trúc nguyên nhân nhiều giới hạn việc ứng dụng Sự thật hệ thống thiết kế ngày bao trùm lónh vực lớn trước nhiều Các nghiên cứu lónh vực thường thực hệ thống mô người robot, thiết bị tự động, hệ thống hoạt dộng nước, hệ thống tự hành điều khiển theo thủ tục rút từ nhiều lý thuyết điều khiển thông minh Tuy nhiên, lónh vực điều khiển thông minh cần nghiên cứu nhiều hơn, tập trung vào điều khiển đối tượng thực Theo truyền thống, điều khiển thông minh bao gồm lý thuyết điều khiển, mạng neurol (Neural Network - NN), điều khiển mờ (Fuzzy Logic - FL), trí tuệ nhân tạo (Artifical Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung Intelligent - AI) Trong khuôn khổ luận án, tập trung vào điều khiển mạng neural G Saridis vaø A Meystel (Troy, New York) cho rằng: “Điều khiển thông minh thay suy nghó người việc định, hoạch định chiến thuật điều khiển học chức cách huấn luyện thực chức thông minh khác môi trường không cho phép hay không bố trí người vận hành Các hệ thống giải vấn đề, nhận dạng đối tượng, hay hoạch định chiến thuật cho chức phức tạp hệ thống với chức thông minh sử dụng đồng thời nhớ, hiểu biết, định với nhiều cấp độ khác đáp ứng lại dẫn giải mờ (fuzzy) hay định tính…” Từ thập niên 70 kỷ 20, với phát triển nhanh chóng công nghệ thông tin, giá thành máy tính thiết bị điều khiển dựa máy tính (Pc-based) ngày hạ với dung lượng nhớ tốc độ tính toán ngày cao Điều tạo điều kiện để nước công nghiệp phát triển Mỹ, Nhật Bản, CHLB Đức xúc tiến nghiên cứu ứng dụng điều khiển có cấu tạo máy tính vào điều khiển máy công cụ điều khiển chương trình số dạng CNC Ngoài máy CNC nhiều thiết bị hệ thống sản xuất công nghiệp dân dụng, trang thiết bị quốc phòng ngày đại hóa tự động hoá điện tử hóa theo xu hướng thông minh Chính lẽ hệ thống trang thiết bị cần phải có điều khiển thông minh Thống kê công trình nghiên cứu vấn đề điều khiển thông minh, cho thấy đầu lónh vực phải kể đến Khoa Hệ thống Thông minh viện Quốc gia Tiêu chuẩn Công nghệ (NIST) Mỹ Họ tập trung nghiên cứu điều khiển thông minh hệ thống hàn tự động, máy công cụ tiện CNC, phay CNC, máy CNC nhiều trục… Bộ môn Máy thông minh Đại học MC Gill CANADA lại quan tâm đến điều khiển thông minh bọ (Walking robot) 6, 4, chân Còn môn Kỹ thuật điều khiển tự động, trường đại học Twente Hà Lan sâu vào điều khiển thông minh hệ thống điện tử Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung Tạp chí giới Mechatronics khẳng định điện tử khoa học máy hệ thống thông minh Quan niệm Viện Công nghệ cao GINTIC Singapore hệ thống trình gia công thông minh hệ thống mà trình gia công xử lý vật liệu cánh thông minh Họ nghiên cứu điều khiển cho trình đánh bóng bề mặt tự phức tạp, trình gia công thông minh cắt Laser cao tốc theo hướng tiếp cận Cơ điện tử Trường Đại học Kỹ thuật Israel quan tâm đến điều khiển thông minh robot phẫu thuật Trường Đại học Pohang Hàn Quốc tập trung nghiên cứu nâng cao độ xác gia công bề mặt phức tạp máy CNC trục điều khiển thông minh Bộ điều khiển thông minh giáo sư trường Đại học Purdue (Mỹ) đầu tư nghiên cứu áp dụng hệ thống đo bề mặt tự do, phức tạp chẳng hạn máy đo tọa độ CMM Tiến só John Horst Khoa hệ thống thông minh công bố nhiều công trình hệ thống đo lường thông minh để đo nhiều điểm hệ thống định lượng nhiều thành phần Qua công trình nghiên cứu tác giả xác định mối quan hệ chặt chẽ điều khiển thông minh, điều khiển thông minh hệ thống thông minh Vấn đề tập trung tìm hiểu nghiên cứu điều khiển thông minh ngành chế tạo máy Ngày nay, máy công cụ CNC ngày sử dụng rộng rãi ngành chế tạo máy đặc biệt lónh vực gia công, chế tạo khuôn mẫu Tuy nhiên gia công bề mặt phức tạp cánh quạt, chân vịt tàu thủy, cánh tuốc-bin, v.v máy CNC trục bộc lộ nhược điểm suất, chất lượng hiệu Chính lẽ mà người ta bắt đầu quan tâm nhiều đến máy gia công trục đặc biệt máy phay trục Bên cạnh điều phân tích trên, trình gia công gắn liền với đặc điểm cố hữu; : dụng cụ cắt bị mòn, gãy, lượng dư gia công thay đổi bất thường dẫn tới nhiễu cho trình cắt gọt gây ảnh hưởng xấu đến chất lượng bề mặt gia công Những vấn đề nêu quan tâm giải sở sử dụng máy phay trục kết hợp với phương pháp giải thuật điều khiển thích nghi Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung không cần phải điều chỉnh trọng số, không phải điều chỉnh theo luật Delta nhận sai số nhỏ giá trị cho phép, mẫu công nhận với giá trị đầu Các trọng số điều chỉnh sau: Wnew = Wold + ỗE.I Trong ủoự: I : vector vaứo ỗ : số học Sau công nhận mẫu đầu tiên, mẫu thứ hai đươc đưa vào trọng số điều chỉnh luật Delta công nhận (sai số nhỏ sai số cho phép) Lần cần xác định điều chỉnh trọng số cho mẫu thứ hai không làm công nhận mẫu Nếu nhớ lại không mẫu đầu tiên, chỉnh lại trọng số sử dụng luật Delta công nhận mẫu Sau với trọng số hành này, đưa mẫu thứ ba vào trọng số điều chỉnh Chúng ta kiểm tra lại có công nhận hai mẫu hay không Bởi đưa lại mẫu vào tính sai số Nếu sai số lớn sai số cho phép, ta chỉnh lại trọng số sai số nhỏ cho phép Làm giống cho mẫu thứ hai Quá trình tiếp tục cho tất 15 mẫu liệu huấn luyện Sau hoàn tất trình kiểm tra kiểm tra lại cho tất 15 mẫu, Adaline học để tìm mối quan hệ lực cắt thông số cắt Adaline điển hình cho nhiều hệ thống tương tự việc điều chỉnh điều chỉnh lại vấn đề Chúng ta nói Adaline công nhận tất mẫu ( tất mẫu học) Chúng ta có trọng số (như Hình III.8) biễu diễn cho mối quan hệ không gian đầu vào Chúng ta công nhận chương trình cách đưa số liệu biết, thông số đầu vào tìm đầu tương ứng sử dụng trọng số sau: Đầu = Wx.X + Wy Y + Wz.Z Trang 69 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung w11 X w12 Y Lực w13 Z Hình III.7 Các trọng số kết nối sau hội tụ III.3.2 Chương trình mathlab huấn luyện mạng Adaline Dưới đoạn mã lệnh chương trình viết mathlab dùng để huấn luyện mạng trình bày % Nhap du lieu mau dau vao InputData % Nhap du lieu mau dau OutputData % Chuan hoa du lieu khoang [-1 1] [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); % Xay dung mang Adaline neurol ngo vao, neural ngo net = newlind(pn,tn); net.biasConnect = 0; an = sim(net,pn); % Xuat ket qua tinh toan a=postmnmx(an,mint,maxt); fprintf(' TRONG SO KET NOI ') w=net.IW{1,1} b=net.b{1}; fprintf(' SO MAU DAU RA MONG MUON DAU RA ADALINE SAI SO') tt = [ 10 11 12 13 14 15 16]; err = t - a; [tt' t' a' err'] % Ve thi plot(tt,a,'rs','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceCol or','k','MarkerSize',4) grid on hold on Trang 70 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung plot(tt,t,'bs','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceCol or','w','MarkerSize',4) hold off xlabel('So mau') ylabel('Output (Newton)') legend('Gia tri dau cua mang','Gia tri mong muon') % KET THUC Trong chương trình trên, InputData OutputData mảng giá trị đầu vào đầu củ liệu mẫu, trình bày phần thực nghiệm III.3.3 Lấy liệu mẫu – huấn luyện mạng Dữ liệu mẫu lấy cách cho máy gia công thép C45 với thông số công nghệ sau: • Vật liệu : Thép C45 • Dụng cụ : Dao phay ngón trụ hợp kim ghép SUMITOMO • Đường kính dao : 20mm • Tốc độ quay dao : 1600v/ph • Tốc độ dao : 600 mm/ph • Chiều sâu cắt : 2mm Từ thông số công nghệ dựa theo công thức tính lực cắt phay ta tính lực cắt chuẩn Giá trị lực cắt làm chuẩn để so sánh với giá trị lực đầu mạng neural làm sở để hiệu chỉnh thông sô công nghệ trình gia công Bảng III-2: Các liệu mẫu STT X 2.350 2.295 2.347 2.372 2.352 0.513 0.509 0.531 Y 0.571 0.539 0.493 0.594 0.557 2.350 2.295 2.347 Z 0.215 0.245 0.301 0.187 0.421 0.316 0.157 0.291 LỰC 1032 1256 1341 1124 1201 1423 1254 1089 Trang 71 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung 10 11 12 13 14 15 0.492 0.536 1.152 1.267 1.231 1.401 1.087 2.372 2.352 1.512 1.234 1.054 1.371 1.256 0.277 0.329 0.197 0.221 0.216 0.307 0.221 1354 1278 1501 1324 1239 1245 1302 Bảng dư liệu mẫu nhập vàu chương trình mathlab để huấn luyện mạng kết trọng số nối sai số hình đây: Hình III.8 Kết huấn luyện mạng Adaline Bây so sánh giá trị xuất neural với giá trị lực biết cho mẫu Làm cho mười lăm mẫu vẽ đồ thị với số mẫu trục X giá trị đầu trục Y Hình III.9 Để kiểm tra tính hợp lệ chương trình, đặt lại liệu vào (dữ liệu huấn luyện) sử dụng liệu hai lần, ta nhận 30 Trang 72 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung mẫu liệu huấn luyện Sau mô 30 mẫu liệu này, ta đảm bảo trọng số nhất, gần với trọng số mà ta nhận từ 15 mẫu Từ nói thay đổi đầu mạng đưa vào mẫu giống Hình III.9 So sánh giá trị xuất neural với giá trị mong muốn Sau huấn luyện mạng nhận trọng số coi ta xây dựng hàm tính lực với biến số cường độ dòng điện trục dẫn động Bằng cách đo trực tuyến cường độ dòng điện kết hợp với hàm vừa xây dựng ta giám sát lực cắt trình gia công cách trục tuyến Đem so sánh lực cắt giám sát với lực cắt chuẩn để tìm sai lệch sau hiệu chỉnh lại tốc độ dao ta giữ lực cắt ổn định trình gia công Sau có thông số hiệu chỉnh, việc lại điều chỉnh thông số công nghệ (cụ thể tốc độ dao – feedrate) máy gia công, phần trình bày phần giao tiếp điều khiển máy Trang 73 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung III.4 GIAO TIẾP ĐIỀU KHIỂN MÁY CNC III.4.1 Điều khiển tốc độ trục Để điều khiển tốc độ trục chính, máy CNC có sẵn điều khiển tốc độ Bất kể động điều khiển trục loại AC hay DC phần giao tiếp tín hiệu điều khiển tốc độ động điều khiển CNC giống nhau, Hình 4.x thể đầy đủ tín hiệu điều khiển Tín hiệu ta quan tâm VCMS nằm chân #7 đầu nối C18 mạch I/O số hay CN2 mạch điều khiển điều khiển tốc độ trục Đây tín hiệu analog (0V÷10V, 20mA) điều khiển CNC dùng để điều khiển tốc độ trục Tốc độ trục quay tính theo công thức sau: S(v/ph) = VCMS (V ) Tốc độ tối đa (v/ph) 10(V ) Nối cách khác, muốn động quay với tốc độ S ta phải tạo điện chân VCMS có giá trị sau: VCMS (V) = S (v / ph) 10 (V) Tốcđộtốiđa(v / ph) Để thực ta dùng ngõ xuất analog mạch giao tiếp với cách đấu dây Hình 3.4 Mạch giao tiếp Hình 3.4: Giao tiếp điều khiển tốc độ trục Đoạn chương trình thực lệnh S: BEGIN func := 12; pcl818L(func, param[0]); { Func 12 : D/A initialization if (param[45] 0) then BEGIN writeln(' D/A INITIALIZATION FAILED !'); exit; } Trang 74 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung END; a_dat_out= 4096*S_command/S_max/10; func := 13; pcl818L(func, param[0]); { Func 13 : "N" times of D/A output if (param[45] 0) then BEGIN writeln(' D/A OUTPUT FAILED !'); exit; END; END; } Hình III.10 Chi tiết tín hiệu điều khiển trục Trang 75 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung III.4.2 Điều khiển tốc độ dao Để điều chỉnh tốc độ chạy dao chế độ dry-run ta xuất tín hiệu điều khiển rơ le qua ngõ chuyển tốc độ “jog-feedrate override” dựa theo bảng sau: Bảng III-3 Tốc độ dao VỊ TRÍ 10 11 12 13 14 15 16 17 18 19 20 HỆ SỐ(%) 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 TÁC ĐỘNG RƠLE R4 R3 R2 R1 R0 1 1 1 1 1 1 0 1 0 1 0 1 0 1 0 1 1 0 0 1 1 0 0 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 Hình thể chi tiết ngõ tín hiệu điều khiển tốc độ dịch dao máy CNC chế độ dry-run Trang 76 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung Hình III.11 Vị trí nối dây mã điều khiển tốc độ Trang 77 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung CHƯƠNG IV THỰC NGHIỆM VÀ KẾT LUẬN Mô hình đem thí nghiêm cách cho cho phay pocket phôi thép C45 kích thức 300x200x30 Trên phôi thép ghép miếng nhôm (như Hình IV.1) để làm biến đổi lực cắt trình gia công Thông số công nghệ: • Máy phay trục đứng HAMAI dùng điều khiển FANUC-6M • Công suất trục 7KW • Dao phai ngón trụ hợp kim ghép hình thoi hiệu SUMITOMO • Đường kính dao 20mm • Chiều sâu hố pocket 10mm • Lượng tiến dao xuống (chiều day lớp cắt) 2mm) • Tốc độ quay trục chính: 1200 v/ph • Tốc độ dịch chuyển bàn máy: 500mm/ph Kết quả: • Thời gian gia công không sử dụng phần hiệu chỉnh tốc độ: 47ph • Thời gian gia công sử dụng phần hiệu chỉnh tốc độ: 40ph • Tỉ lệ rút ngắn thời gian gia công: ≈ 15% Nhôm Thép C45 Hình IV.1 Hình dáng – kích thước phôi gia công thực nghiệm Trang 78 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung Kết luận: Việc nghiên cứu trình gia công thông minh, cụ thể điều khiển máy CNC thông minh - giữ ổn định lực cắt, đem lại hiệu thiết thực mặt kinh tế Nó góp phần làm tăng suất gia công, tránh tượng gãy dao, biến dạng hệ thống công nghệ, đồng thời làm tăng chất lượng bề mặt gia công Trong khuôn khổ luận văn cố gắng để hoàn thành nội dung giao Tuy nhiên, kiến thức hạn hẹp, thời gian điều kiện tiến hành thí nghiệm khó khăn nên kết đạt hạn chế, thiếu tính tổng quát Để đề tài nghiên cứu đạt kết cao cần trang bị thiết bị đo kiển xác, đồng thời số lượng biến đầu vào cần tăng lên (cường độ dòng điện trục chính, độ rung động bàn máy, nhiệt cắt, tiếng ồn phát gia công, …) để mở rộng đầu vào toán mạng neural Bên cạnh liệu mẫu để huấn luyện kiểm tra huấn luyện mạng, số lượng lớp ẩn, số lượng neural lớp ẩn cần tăng lên - HẾT - Trang 79 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung TÀI LIỆU THAM KHẢO [I] Đặng Văn Nghìn, Phạm Ngọc Tuấn, Lê Trung Thực, Nguyễn Văn Giáp, Thái Thị Thu Hà CÁC PHƯƠNG PHÁP GIA CÔNG KIM LOẠI - ĐHBK TP.HCM [2] Nguyễn Duy, Trần Sỹ Tuý, Trịnh Văn Tự NGUYÊN LÝ CẮT KIM LOẠI – NXB ĐH-THCN, 1977 [3] Nguyễn Thiện Thành TRÍ TUỆ NHÂN TẠO - ĐHBK TP.HCM [4] Nguyễn Thanh Thuỷ TRÍ TUỆ NHÂN TẠO - NHÀ XUẤT BẢN GIÁO DỤC [5] Phạm Thượng Hàn, Nguyễn Quang Hoan, Nguyễn Mạnh Tùng ỨNG DỤNG MẠNG NEURAL NHÂN TẠO ĐỂ THỰC HIỆN PHƯƠNG PHÁP ĐO SO SÁNH [6] S.R.K Rrasad, Ifamms2000 INTELLIGENT FLEXIBLE AUTONOMOUS MANUFACTURE SYSTEMS – MC GRAW HILL [7] Jeffrey L Stein, Kunsoo Huh MONITORING CUTTING FORCES IN TURNING: A MODEL-BASED APPROACH - TRANSACTION OF ASME, VOL 124, FEBRUARY, 2001 [8] Gregory D Buckner INTELLIGENT SLIDE MODE OF CUTTING FORCE DURING SINGLE POIN TURNING OPERATIONS - TRANSACTIONS OF THE ASME VOL 123 , MAY 2001 [9] S.K.Choudhury, S.V.Jain, S.Rama Krishna ONLINE MONITORING OF TOOL WEAR AND CONTROL OF DIMENSIONAL INACCURACY IN TURNING - TRANSACTION OF THE ASME VOL 23 , FEBRUARY 2001 [10] J.H.Williams-A.Davies-P.R.Drake CONDITION-BASED MAINTENANCE CHAPMAN&HALL 1992 AND MACHINE DIAGNOSTICS [11] Devdas Shetty, Richard A Kolk MECHATRONICS SYSTEM DESIGN – PWS PUBLISHING COMPANY, 1997 Trang 80 - Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung [12] Robert G.Landers, A.Galip Ulsoy, Richard J Furness PROCESS MONITORING - AND CONTROL OPERATIONS [13] Dr.X.Q Chien, Dr.Z.M Gong, Dr.H Huang, Dr.L Zhou AN AUTOMATED 3D POLISHING ROBOTIC SYSTEM FOR REPAIRING TURBIN AIRFOILS [14] Alexander Meystel – Elena Messina THE CHALLENGE OF INTELLIGENT SYSTEMS - Drexel University - 2000 [15] Jim Albus ENGINEERING INTELLIGET SYSTEMS - ISIC/CIRA/ISAS, 1998 [16] Tomoniri Sato-Yoshiki kakino-makoto Fujishima HIGH SPEED AND HIGH PRODUCTIVE DRILLING BY INTELLIGENT MACHINE TOOLS - Japan, 2000 [17] John M Evans-Elena R Messina PERFORMANCE METRICS FO INTELLIGENT SYSTEMS [18] Taeyong Kim-Jongwon Kim ADAPTIVE CUTTING FORCE CONTROL FOR A MACHINING CENTER BY USING INDIRECT CUTTING FORCE MEASUREMENTS - 2000 [19] Dan Marinac TOOLPATH STRATEGIES FOR HIGH SPEED MACHINING - Cimatron Ltd [20] Hui Min Huang INTELLIGENT MANUFACTURING SYSTEM CONTROL: REFERENCE MODEL AND INITUAL INPLEMENTATION - USA, 1996 [21] Mohammad Teshnehlab-Keigo Watanabe INTELLIGENT CONTROL BASED ON FLEXIBLE NEURAL NETWORKS [22] J Albus, A Lacaze, A Meystel MULTISOLUTIONAL INTELLIGENT CONTROLLER FOR BABY ROBOT, NIST [23] FANUC SYSTEM 6M/OM MAINTENANCE MANUAL – FANUC LTD [24] James V Valentino, Joseph Goldenberg INTRODUCTION TO COMPUTER NUMERICAL CONTROL (CNC) – PRENTICE HALL, 2000 Trang 81 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung PHỤ LỤC BẢNG MÃ LỆNH G STT MÃ LỆNH NHÓM LỆNH CHỨC NĂNG G00 Định vị (Chạy nhanh) G01 G02 G03 Nội suy cung tròn (CCW) G04 Trì hoãn G07 G09 G10 Thiết lập điểm dời so với gốc làm việc G17 Chọn mặt phẳng XY 10 G18 11 G19 12 G20 13 G21 14 G22 15 G23 16 G27 Kieåm tra việc chạy điểm gốc 17 G28 Chạy điểm gốc máy 18 G29 19 G30 Chạy điểm gốc thứ 2,3,4 20 G31 Bỏ không cắt 21 G33 22 G40 23 G41 24 G42 Bù dao bên phải 25 G43 Dịch dao theo chiều dương 26 G44 27 G49 01 00 02 Nội suy tuyến tính Nội suy cung tròn (CW) Nội suy hình SIN Kiểm tra điểm dừng xác Chọn mặt phẳng ZX Chọn mặt phẳng YZ 06 04 00 01 Nhập vào giá trị inch Nhập vào giá trị mm Bật kiểm tra giới hạn Tắt kiểm tra giới hạn Chạy từ điểm gốc máy Cắt ren Huỷ bỏ lệnh bù dao 07 08 Bù dao bên trái Dịch dao theo chiều âm Hủy việc bù dao Trang 82 Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung 28 G45 Tăng dòch dao 29 G46 30 G47 31 G48 32 G50 33 G51 34 G52 35 G54 Chọn hệ toạ độ làm việc 36 G55 Chọn hệ toạ độ làm việc 37 G56 38 G57 39 G58 Chọn hệ toạ độ làm việc 40 G59 Chọn hệ toạ độ làm việc 41 G60 42 G73 Chu kỳ khoan sâu 43 G74 Chu kỳ taro 44 G76 Móc lỗ xác 45 G80 Kết thúc chu kỳ 46 G81 Chu kyø khoan 47 G82 Chu kyø khoan 48 G83 49 G84 Taro 50 G85 Móc lỗ 51 G86 Móc lỗ 52 G87 Móc lỗ 53 G88 Móc lỗ 54 G89 Móc lỗ 55 G90 56 G91 57 G92 00 Giảm dịch dao Tăng dịch dao gấp đôi Giảm dịch dao gấp đôi 11 00 14 00 09 03 00 Bật lệnh nhân tỉ lệ (scaling) Tắt scaling Đặt hệ toạ độ địa phương Chọn hệ toạ độ làm việc Chọn hệ toạ độ làm việc Định vị chiều Chu kỳ khoan sâu Lập trình tuyệt đối Lập trình tương đối Xác định điểm không Trang 83 ... khoa học máy hệ thống thông minh Quan niệm Viện Công nghệ cao GINTIC Singapore hệ thống trình gia công thông minh hệ thống mà trình gia công xử lý vật liệu cánh thông minh Họ nghiên cứu điều... đề tài tốt nghiệp ? ?Nghiên cứu trình gia công thông minh máy CNC” Trang Nghiên cứu QTGCTM máy CNC – Đặng Thành Trung CHƯƠNG I I.1 NGHIÊN CỨU TỔNG QUAN LỊCH SỬ ĐIỀU KHIỂN THÔNG MINH Cuối năm 70 G... hình nghiên cứu máy phay CNC trục Về mặt tổng quát trình gia công thông thông minh ứng dụng cho nhiều loại máy khác (khoan, tiện, phay, bắn tia lửa điện – EDM, máy cắt dây, …) Tuy nhiên, gia công