Tài liệu Giám sát trực tuyến quá trình gia công

Gi¸m s¸t trùc tuyÕn qu¸ tr×nh gia c«ng TS.Th¸i ThÞ Thu Hµ KS.Th¸i Héi HiÒn Bé m«n ChÕ T¹o M¸y – Khoa C¬ khÝ - §HBK TP.HCM E-mail:[email protected] Tãm t¾t Bµi b¸o ®−a ra kh¸i niÖm vÒ gi¸m s¸t, c¸c th«ng sè cÇn gi¸m s¸t trong qu¸ tr×nh gia c«ng. C¸c ph−¬ng ph¸p x¸c ®Þnh lùc c¾t, c¸ch xö lý kÕt qu¶. Khi sö dông ph−¬ng ph¸p gi¸m s¸t sÏ n©ng cao n¨ng suÊt vµ chÊt l−îng s¶n phÈm. 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 §Æt vÊn ®Ò Ngµy nay, s¶n phÈm t¹o ra cÇn ph¶i cã chÊt l−îng cao víi gi¸ c¶ c¹nh tranh. §Ó lµm ®−îc ®iÒu nµy th× cÇn t¨ng n¨ng suÊt, gi¶m phÕ phÈm. Trªn c¸c hÖ thèng gia c«ng hiÖn ®¹i nhê cã bé phËn gi¸m s¸t mµ n¨ng suÊt ®−îc t¨ng lªn, gi¶m phÕ phÈm vµ h¹ gi¸ thµnh s¶n phÈm. Gi¸m s¸t lµ qu¸ tr×nh thu nhËn, ph©n tÝch, xö lý c¸c th«ng tin liªn quan ®Õn ®èi t−îng ®Ó x¸c ®Þnh tr¹ng th¸i cña ®èi t−îng ®ã. Gi¸m s¸t t×nh tr¹ng ®−îc ®Þnh nghÜa lµ sù x¸c ®Þnh tr¹ng th¸i cña m¸y hay hÖ thèng thiÕt bÞ vµ nh÷ng thay ®æi theo thêi gian ®Ó biÕt ®−îc t×nh tr¹ng cña m¸y hay thiÕt bÞ ë bÊt kú thêi ®iÓm nµo. T×nh tr¹ng cña m¸y cã thÓ x¸c ®Þnh th«ng qua c¸c th«ng sè nh− mßn dao, rung ®éng, tiÕng ån, nhiÖt ®é,... C¸c th«ng sè nµy thay ®æi cho ta biÕt ®−îc t×nh tr¹ng cña m¸y. Gi¸m s¸t mang l¹i nh÷ng hiÖu qu¶ kinh tÕ lín lao nh− vËy v×: ∗ §é mßn cña dao ®−îc gi¸m s¸t vµ thùc hiÖn viÖc thay dông cô kÞp thêi khi cÇn thiÕt. ∗ HÖ thèng sÏ ph¸t hiÖn h− háng cña dao hay ph«i. ∗ Tuæi thä dao ®−îc sö dông tèi −u. ∗ Gi¶m thêi gian dõng m¸y lµm t¨ng n¨ng suÊt gia c«ng. Víi nh÷ng −u ®iÓm nh− vËy cho nªn gi¸m s¸t ngµy cµng ®−îc øng dông réng r·i trong qu¸ tr×nh gia c«ng. §èi víi c¸c hÖ thèng m¸y c«ng cô th× c¸c ®èi t−îng ®−îc quan t©m lµ mßn dao, g·y dao, rung ®éng, lùc c¾t, … II cÊu tróc hÖ thèng gi¸m s¸t lùc c¾t khi tiÖn Trong qu¸ tr×nh tiÖn ®é chÝnh x¸c vµ chÊt l−îng bÒ mÆt phô thuéc rÊt nhiÒu vµo c¸c th«ng sè c«ng nghÖ nh− vËn tèc c¾t, l−îng ch¹y dao, chiÒu s©u c¾t còng nh− t×nh tr¹ng cña dao (mßn dao, g·y dao). §Æc biÖt khi tiÖn cao tèc hoÆc tiÖn c¸c vËt liÖu khã gia c«ng nh− gèm sø,… th× mßn dao lµ yÕu tè ¶nh h−ëng lín nhÊt. ChÝnh v× thÕ mµ ta ph¶i gi¸m s¸t sù mßn dao. Tuy nhiªn viÖc ®o l−îng mßn dao trong qu¸ tr×nh tiÖn kh¸ phøc t¹p vµ kÐm chÝnh x¸c, cho nªn cã thÓ gi¸m s¸t lùc c¾t ®Ó x¸c ®Þnh ®é mßn dao. §Ó nhËn ®−îc c¸c d÷ liÖu dïng trong viÖc nghiªn cøu c¸c tÝn hiÖu lùc c¾t khi tiÖn nh»m gi¸m s¸t t×nh tr¹ng dao trùc tuyÕn cÇn ph¶i tiÕn hµnh thÝ nghiÖm qu¸ tr×nh c¾t. trªn h×nh 1 lµ s¬ ®å khèi cña qu¸ tr×nh gi¸m s¸t lùc c¾t khi tiÖn. HÖ thèng ®o lùc c¾t gåm cã: ∗ Mét bé chuyÓn ®æi hoÆc c¶m biÕn ®Ó ®o c¸c tÝn hiÖu lùc c¾t tõ qu¸ tr×nh gia c«ng thêi gian thùc. ∗ Mét hÖ thèng ®Ó khuÕch ®¹i c¸c tÝn hiÖu ®o ®−îc. ∗ Mét hÖ thèng thu thËp d÷ liÖu sè. M UÕ I CH OÁ NG TA  M CH I T IEÁ T CA Û M B IEÁ N TH ÔØ I G I A N T H Ö ÏC CH U Y EÅ N Ñ OÅ I FX X Ö ÛL Y Ù T Í N H I EÄ U FY FX C aùc th oân g soá g i a co â ng FY T ín h F x /F y M A ÏN G N EU RA L ÑUÙ NG D ÖØ NG M OØ N DAO TÔÙ I GIÔÙ I H A ÏN SA I TIEÁ P T U ÏC B E ÀM A Ë T XAÁ U ÑUÙ NG D ÖØ NG H×nh 1 S¬ ®å khèi gi¸m s¸t lùc c¾t khi tiÖn Trong suèt qu¸ tr×nh gia c«ng, ®iÖn ¸p ra tõ hÖ thèng c¶m biÕn lùc ®−îc ghi l¹i vµ ph©n tÝch ®Ó nhËn ®−îc ®iÖn ¸p thùc sù. Sau khi xö lý ta cã ®−îc hai thµnh phÇn cña lùc c¾t ë ®iÒu kiÖn gia c«ng ®· biÕt tr−íc. Bé chuyÓn ®æi gåm hai thµnh phÇn c¬ b¶n: ®Çu gi÷ dao vµ hÖ thèng c¶m biÕn lùc. HÖ thèng c¶m biÕn lùc gåm cã c¸c s¬ ®å ®o øng suÊt, hÖ thèng khuÕch ®¹i m¹ch cÇu vµ hÖ thèng thu nhËn d÷ liÖu sè. Chøc n¨ng cña c¸c gage ®o øng suÊt lµ c¸c c¶m biÕn ®Ó biÕn ®æi tÝn hiÖu lùc c¾t thµnh c¸c tÝn hiÖu ®iÖn ¸p cã thÓ ®o ®−îc th«ng qua c¸c hÖ thèng khuÕch ®¹i. Mèi quan hÖ ®Þnh l−îng gi÷a c¸c thµnh phÇn lùc c¾t vµ ®iÖn ¸p ra ®o ®−îc tõ hÖ thèng thu nhËn d÷ liÖu sè, ®−îc thiÕt lËp tõ qu¸ tr×nh hiÖu chØnh, nhËn ®−îc ®é lín cña c¸c thµnh phÇn lùc c¾t tõ c¸c tÝn hiÖu ®iÖn ¸p ra. III. Dïng m¹ng neural gi¸m s¸t trùc tuyÕn qu¸ tr×nh tiÖn Gi¸m s¸t b»ng m¹ng neural ®· ph¸t triÓn ®Ó gi¸m s¸t qu¸ tr×nh gia c«ng ®−îc chia thµnh ba giai ®o¹n: - Giai ®o¹n ®Çu tiªn lµ chän c¶m biÕn. B»ng c¸ch sö dông c¸c c¶m biÕn nµy qu¸ tr×nh gia c«ng cã thÓ ®−îc gi¸m s¸t tin cËy h¬n. Qu¸ tr×nh gia c«ng cã thÓ ®−îc g¸im s¸t hiÖu qu¶ b»ng nghiªn cøu c¸c tÝn hiÖu lùc tõ qu¸ tr×ng c¾t. TØ sè lùc c¾t, tèc ®é c¾t, l−îng ch¹y dao, chiÒu sÊu c¾t, b¸n kÝnh mòi dao vµ thêi gian gia c«ng ®−îc ®−a vµo líp nhËp cña m¹ng neural nu«i tiÕn (feedforward neural network). Giai ®o¹n thø hai lµ huÊn luyÖn m¹ng. Sau khi chän cÊu tróc m¹ng thÝch hîp, m¹ng ®−îc huÊn luyÖn víi c¸c mÉu d÷ liÖu huÊn luyÖn mµ mçi mÉu gåm cã mét cÆp biÕn nhËp vµ xuÊt. Sai sè b×nh ph−¬ng trung b×nh cña tÊt c¶ c¸c mÉu huÊn luyÖn tiÕn tíi mét gi¸ trÞ ®−îc x¸c ®Þnh tr−íc th× dõng qu¸ tr×nh huÊn luyÖn l¹i, khi ®ã c¸c träng sè kÕt nèi vµ c¸c ng−ìng ®−îc x¸c ®Þnh. C¸c träng sè vµ c¸c ng−ìng nµy ®−îc dïng ®Ó gi¸m s¸t trùc tuyÕn qu¸ tr×nh gia c«ng. C¸c gi¸ trÞ cña träng sè kÕt nèi vµ c¸c ng−ìng tuú thuéc vµo d÷ liÖu huÊn luyÖn. Cµng nhiÒu d÷ liÖu huÊn luyÖn, m¹ng lµm viÖv cµng tèt vµ ®iÒu nµy còng phô thuéc vµo chÊt l−îng cña d÷ liÖu huÊn luyÖn. Giai ®o¹n thø ba lµ ¸p dông m¹ng trong qu¸ tr×nh gia c«ng thêi gian thùc. C¸c tÝn hiÖu lùc tõ c¸c c¶m biÕn ®i qua bé läc ®Ó läc c¸c th«ng thÊp vµ tØ sè lùc (lùc ch¹y dao/lùc tiÕp tuyÕn) ®−îc x¸c ®Þnh. TØ sè nµy cïng c¸c th«ng sè gia c«ng kh¸c ®−îc ®−a vµo m¹ng neural ®· ®−îc huÊn luyÖn vµ ®é mßn cña dao, ®é nh¸m bÒ mÆt chi tiÕt ®−îc dù b¸o. Nh×n vµo c¸c gi¸ trÞ dù b¸o ng−êi vËn hµnh (hay hÖ thèng ®iÒu khiÓn) cã thÓ t¸c ®éng theo h−íng tèi −u ho¸ qu¸ tr×nh gia c«ng. NÕu bÊt kú c¸c th«ng sè xuÊt nh− ®é mßn cña dao hay bÒ mÆt chi tiÕt gia c«ng ®¹t ®Õn mét gi¸ trÞ giíi h¹n th× ng−êi vËn hµnh hay hÖ thèng ®iÒu khiÓn cã thÓ dõng qu¸ tr×nh gia c«ng vµ thay dao. M¹ng neural cã thÓ ®−îc xem nh− lµ mét m¸y cã kh¶ n¨ng suy luËn ®Ó t×m ra mét c¸ch hiÖu qu¶ ®é mßn cña dao khi nhËn ®−îc tÝn hiÖu ë bÊt cø lóc nµo. C¸c m¹ng neural cho phÐp gia t¨ng c¶i tiÕn khi d÷ liÖu míi ®−îc ®−a vµo. Do ®ã m¹ng kh«ng ngõng cËp nhËt d÷ liÖu. Trªn h×nh 2 tr×nh bµy m¹ng ba líp gi¸m s¸t ®é mßn dao. Líp nhËp Líp Èn Líp xuÊt Tèc ®é c¾t L−îng ch¹y dao ChiÒu s©u c¾t §é mßn cña dao Thêi gia c¾t B¸n kÝnh mòi dao TØ sè lùc c¾t H×nh 2 M¹ng neural ba líp gi¸m s¸t mßn dao §Ó thùc hiÖn qu¸ tr×nh thùc nghiÖm, chóng t«i x©y dùng m« h×nh thÝ nghiÖm ®−îc tr×nh bµy trªn h×nh 3 Beàmaë t cuoá i cuø ng YES NO m nhaä Caû n thôø i gian thöïc Tín hieä u löïc caé t Xöûlyùtín hieä u n ñoå Chuyeå i c thoâ Caù ng soácaé t Goïi con ngöôø i can thieä p Tæsoálöïc caé t m saù Giaù t baè ng maïng neuron Tình traïng duïng cuïcaé t Dung sai Beàmaë t hình hoïc n dao cuoá i cuø ng Moø vaøkích thöôù c Heäthoá ng ra quyeá t ñònh n duïng cuï Moø Ñoänhaù m beà maë t Hình theåbeàmaë t (surface H×nh 3 Gi¸m s¸t ®é mßn cña dao vµ ®é nh¸m bÒ mÆt chi tiÕt C¸c gi¸ trÞ träng sè vµ gi¸ trÞ ng−ìng sau khi huÊn luyÖn cã gi¸ trÞ nh− ë h×nh 4 H×nh 4 Gi¸ trÞ ng−ìng vµ träng sè (10000 vßng lÆp) Vµ c¸c gi¸ trÞ xuÊt cña m¹ng neural dù b¸o ®é mßn dao víi c¸c mÉu kiÓm tra nh− h×nh 5. H×nh 5 Gi¸ trÞ xuÊt cña m¹ng neural dù b¸o ®é mßn dao víi c¸c mÉu kiÓm tra IV kÕt luËn M¹ng neural nh©n t¹o cã kh¶ n¨ng häc, xÊp xØ bÊt cø hµm phi tuyÕn nµo, ra quyÕt ®Þnh trong m«i tr−êng cã nhiÔu vµ c¸c th«ng tin kh«ng hoµn h¶o. Nã cã thÓ tÝch hîp vµo hÖ thèng s¶n xuÊt cho viÖc gi¸m s¸t. Trong qu¸ tr×nh gia c«ng dïng ®Ó gi¸m s¸t mßn dao, ®é nh¸m bÒ mÆt chi tiÕt,… Khi chän ®−îc cÊu tróc m¹ng thÝch hîp th× cã thÓ dù b¸o chÝnh x¸c c¸c th«ng sè gia c«ng (mßn dao, ®é nh¸m bÒ mÆt chi tiÕt,…). Tµi liÖu tham kh¶o [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.