Monitoramento do desgaste da ferramenta no processo de fresamento de aço P20 através da medição da potência do motor
Carregando...
Data de Submissão
Data de Defesa
2020-09-25
Edição
Autores
Orientadores
Coorientadores
Editores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Descrição
Esta dissertação de mestrado propõe desenvolver um sistema de monitoramento de desgaste de ferramenta durante o processo de usinagem através da medição da potência elétrica do motor de fuso. Os métodos diretos de medição são mais confiáveis, mas só podem ser utilizados quando a ferramenta está fora de operação. As soluções para monitoramento online do desgaste podem ser as medições dos seguintes itens: força de corte, emissão acústica, vibração, corrente elétrica, temperatura de corte, dimensões da peça, sinais ultrassônicos e óticos, acabamento superficial, que podem ser utilizados individualmente ou de forma conjunta, para um melhor
monitoramento do processo. Inicialmente é realizada uma revisão sobre o processo de fresamento, o desgaste da ferramenta, os métodos de medição do desgaste, de forma especial, o monitoramento através da medição da potência elétrica. Posteriormente, são evidenciados o método para o cálculo da potência elétrica, os princípios de funcionamento de um motor de indução, o controle de velocidade de motores, o processamento digital de sinais e as redes neurais artificiais (RNAs). Em seguida, é apresentada a metodologia de trabalho, ou seja, como foi desenvolvida a placa de aquisição de dados, quais foram os materiais, equipamentos e
métodos utilizados nos ensaios. Os resultados experimentais apresentam a construção e calibração do sistema de aquisição de dados, os ensaios para determinação da potência elétrica consumida pelo motor de fuso em função do desgaste utilizando diferentes condições de usinagem. De posse desses dados, é realizado o treinamento da RNA e a verificação dos resultados são feitos, comparando o valor de desgaste medido com aquele estimado pela rede. A RNA utilizada é uma Feed-Forward, com treinamento através do algoritmo de BackPropagation Levenberg-Marquardt. Este processo obteve resultados satisfatórios e promissores, identificando um potencial grandioso da utilização desta medição da potência elétrica para predição do desgaste da ferramenta de usinagem.
Resumo
This master's thesis proposes to develop a tool wear monitoring system during the machining process by measuring the electrical power of the spindle motor. Direct measurement methods are more reliable, but can only be used when the tool is out of operation. The solutions for online wear monitoring can be the measurements of the following items: cutting force, acoustic emission, vibration, electric current, cutting temperature, part dimensions, ultrasonic and optical signals, surface finish, which can be used individually or jointly, for better monitoring of the process. Initially, a review is carried out on the milling process, tool wear, wear measurement methods, in particular, monitoring by measuring the electrical power. Subsequently, the method for calculating electrical power, the operating principles of an induction motor, the control of motor speeds, digital signal processing and artificial neural networks (ANNs) are highlighted. Then, the work methodology is presented, that is, how the data acquisition board was developed, what were the materials, equipment and methods used in the tests. The experimental results show the construction and calibration of the data acquisition system, the tests to determine the electrical power consumed by the spindle motor as a function of wear using different machining conditions. With these data in hand, ANN training is carried out and the results are checked, comparing the measured wear value with that
estimated by the network. The ANN used is a Feed-Forward, with training through the BackPropagation algorithm Levenberg-Marquardt. This process obtained satisfactory and promising results, identifying a great potential for the use of this measurement of electrical
power to predict the wear of the machining tool.