شماره کتابشناسی ملی
شماره
۲۲۸۱۹پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
طراحی و اجرای تکنیک کنترل تطبیقی با بهینه‌سازی برخط فرآیند تراشکاری با اندازه‌گیری سایش ابزار به‌روش آنالیز سیگنال ارتعاشی
عنوان اصلي به زبان ديگر
Designing and Implementation of an On-Line Adaptive Control with Optimization Technique in Turning with Tool Wear Measurement by Vibration Signal Analysis
نام نخستين پديدآور
/وحید پورمستقیمی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فنی مهندسی مکانیک
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۱۳۵ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
ساخت و تولید
زمان اعطا مدرک
۱۳۹۸/۱۱/۱۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
انتخاب پارامترهای برشی بهینه در فرآیند ماشینکاری به منظور تولید با حداقل هزینه و حداقل زمان یکی از مسایل مهم در انجام این فرآیند به شمار می‌رود که در سالهای اخیر توجه بسیاری از محققان را به خود معطوف کرده‌است .در ماشینکاری با استفاده از ماشینهای کنترل عددی، پارامترهای ماشینکاری بهینه شامل سرعت برشی، میزان پیشروی و عمق برش با در نظر گرفتن جنس ابزار و قطعه‌کار و قبل از شروع فرآیند و بر اساس داده‌های موجود در کتاب‌های مرجع، تجربه اپراتور و یا اطلاعات ارائه شده توسط سازندگان ابزارهای برشی انتخاب و در برنامه قطعه‌کار در نظر گرفته می‌شود .مقادیر این پارامترها در طول فرآیند براده‌برداری در هر مرحله از ماشینکاری ثابت می‌ماند .در حالیکه میزان ساییدگی ابزار برشی در حین فرآیند ماشینکاری بر روی اندازه پارامترهای ماشینکاری بهینه تأثیر می‌گذارد و عملا امکان اجرای فرآیند ماشینکاری بهینه بدون در نظر گرفتن اندازه تغییرات سایش ابزار برشی مقدور نمی‌باشد .سیستمهای کنترل تطبیقی با بهینه‌سازی در فرآیندهای ماشینکاری به منظور بهینه‌سازی برخط پارامترهای ماشینکاری و با در نظر گرفتن شرایط واقعی ابزار برشی بسط و توسعه یافته‌اند .هدف از این رساله طراحی و اجرای یک سیستم کنترل تطبیقی برای بهینه‌سازی برخط پارامترهای ماشینکاری در فرآیند پرداخت‌کاری فولاد ۲AISI D سخت‌صکاری شده با در نظر گرفتن اندازه ساییدگی در سطح آزاد ابزار می‌باشد .در این رساله برای مدلسازی سایش در سطح آزاد ابزار از الگوریتم فراکاوشی برنامه‌ریزی ژنتیک و برای مدلسازی زبری سطح قطعات ماشینکاری شده از شبکه‌های عصبی مصنوعی استفاده می‌شود .اندازه‌گیری سایش در سطح آزاد ابزار در حین فرآیند توسط پردازش سیگنال ارتعاشی و به روش آنالیز تبدیل بسته‌ای موجک انجام می‌شود .فرآیند بهینه‌سازی برخط ماشینکاری با در نظر گرفتن زمان و یا هزینه به عنوان ضریب عملکرد و با استفاده از الگوریتم تجمع ذرات انجام می‌شود .نتایج بدست آمده از رساله نشان داد که تنها تعدادی از مؤلفه‌صهایی که از تجزیه سیگنال ارتعاشی بدست آمده بودند و در طیف فرکانسی خاصی قرار داشتند، از سایش ابزار تأثیر می‌صپذیرند .تکنیک ارائه شده با ضریب تشخیص ۹۴ میزان سایش ابزار را بصورت برخط اندازه‌صگیری نمود .مدل ژنتیکی استخراج شده با ضریب تشخیص ۹۹ مقدار سایش در زمانهای مختلف را تخمین زد .شبکه‌صی عصبی طراحی شده برای تخمین زبری سطح در حین فرآیند با ضریب تشخیص ۹۸ آموزش داده شد .همچنین الگوریتم پیشنهادی در این رساله برای بهینه‌صسازی مبتنی بر مدل سایش ابزار، ضریب عملکرد را به میزان ۲۹ در مقایسه با ماشینکاری با پارامترهای برشی ثابت بهینه افزایش داد .ماشینکاری با تکنیک کنترل تطبیقی با بهینه‌صسازی برخط فرآیند ماشینکاری با اندازه‌صگیری سایش ابزار پیشنهادی، ضریب عملکرد نهایی را به میزان ۲۱ در مقایسه با ماشینکاری با پارامترهای برشی ثابت بهینه‌ص بهبود داد .همچنین طول عمر مفید ابزار برشی ۹/۱۲ نسبت به ماشینکاری با پارامترهای برشی ثابت بهینه کاهش یافت
متن يادداشت
Increasing the productivity of machining processes and improving surface quality of the machined parts are among the most important challenges. In traditional machining systems, the optimum cutting parameters are selected by the part programmer or information given in tool manufacturer's catalogue with no consideration of cutting tool variations such as tool wear during machining process. These systems cannot offer an optimal process in the sense of material removal rate or machining costs, because the cutting conditions are selected conservatively and without taking account the real condition of cutting tool. It has been proved that machining variations such as gradual tool wear affects the optimum cutting parameters and only selecting the appropriate optimal parameters could result in high performance of machining process. For this reason, adaptive optimization system, which applies online adjustment of the operating parameters, is being studied with interest. This paper presents an intelligent adaptive control with optimization methodology to optimize material removal rate and machining cost subjected to surface quality constraint in finish turning of hardened AISI D2 considering the real condition of the cutting tool. Wavelet packet transform of cutting tool vibration signals are applied to estimate tool wear. Artificial intelligence techniques (artificial neural networks, genetic programming and particle swarm optimization) are used for modeling of surface roughness and tool wear and optimization of machining process during hard turning. The results of experiments in the field of tool wear monitoring show that the effect of tool wear can only be traced in some of decomposed features. The proposed method determines the value of flank wear with R2=94 . Genetically developed model for predicting tool flank wear and trained neural network for surface roughness during machining process predicts wear and roughness by R2=99 and R2=98 respectively. The presented model-based optimization technique can adjust cutting parameters to operate at maximum efficiency based on defined performance index. The results show that the proposed method improved the sum of performance indexes by 29 compared to machining with constant optimized cutting parameters. The results of experiments show that the proposed adaptive control with optimization methodology improved the sum of performance indexes by 21 compared to traditional optimization method with constant optimized cutting parameters. In ACO applied machining process, tool life was shorter approximately 12.9 , which was because of selection of high cutting speeds and feeds. The results of measurements showed that the surface roughness was in predefined limit
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Designing and Implementation of an On-Line Adaptive Control with Optimization Technique in Turning with Tool Wear Measurement by Vibration Signal Analysis
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
پورمستقیمی، وحید
مستند نام اشخاص تاييد نشده
Pourmostaghimi, Vahid
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
زادشکویان، محمد، استادراهنما
مستند نام اشخاص تاييد نشده
همایون صادقی، مرتضی، استادمشاور
مستند نام اشخاص تاييد نشده
بادامچی‌زاده، محمدعلی، استادمشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
