CC BY
15
УДК (UDC) 629.11
КОНТРОЛЬ ИЗНОСА ИНСТРУМЕНТА ПРИ ТОКАРНОЙ ОБРАБОТКЕ ДЕТАЛЕЙ СТРОИТЕЛЬНО-ДОРОЖНЫХ МАШИН В УСЛОВИЯХ РЕМОНТНОГО ПРОИЗВОДСТВА
CONTROL OF TOOL WEAR DURING TURNING OF PARTS OF CONSTRUCTION AND ROAD MACHINES IN CONDITIONS OF REPAIR PRODUCTION
Овсянников В.Е., Васильев В.И. Ovsyannikov V.E., Vasiliev V.I.
Курганский государственный университет (Курган, Россия) Kurgan State University (Kurgan, Russian Federation)
Аннотация. В ходе ремонтных воздействий до- {
вольно распространенным методом обработки яв- {
ляется точение (растачивание). При этом в ре- {
монтном производстве используется преимущест- {
венно устаревшее оборудование и квалификация {
рабочих-станочников зачастую ниже, чем при из- {
готовлении новых изделий. Существенной пробле- {
мой, которая затрудняет обеспечение требуемых {
параметров качества поверхности, является износ {
режущего инструмента. Путем повышения эф- {
фективности обработки является внедрение ак- {
тивного контроля. Целью работы является разра- {
ботка технических решений, которые дают воз- {
можность оценивать ресурс режущего инстру- {
мента в ходе обработки. Экспериментальные ис- {
следования выполнялась на токарно-винторезном {
станке марки 1И611ПФ2. В качестве диагностиче- {
ского признака для оценки износа режущего инст- {
румента использовался акустический сигнал в диа- {
пазоне от 6 до 12 кГц, так как в ходе предвари- {
тельных исследований было установлено, что дан- {
ный диапазон наиболее чувствителен к изменению {
режимов обработки. Исследования производились {
при различных значениях износа режущего инстру- {
мента (оценивался шириной фаски износа). Разра- {
ботана нейро-нечеткая модель оценки ресурса ра- {
боты режущего инструмента. Использование мо- {
делей данного класса дает возможность подстрой- X
ки под конкретные условия (станок, инструмент и X
т.д.) и корректно оценивать ресурс работы инст- X
румента. Погрешность модели по тестовой X
выборке не превышает 10%. X
Ключевые слова: строительно-дорожные машины, X
ремонт, обработка, шероховатость, износ. X
X
Дата принятия к публикации: 25.10.2019 X
Дата публикации: 25.12.2019 X
X
Сведения об авторах: X
Овсянников Виктор Евгеньевич - кандидат X
технических наук, доцент, доцент кафедры «Авто- X
матизация производственных процессов», Курган- X
ский государственный университет, X
e-mail: [email protected] X
Abstract. During repair actions, turning (weeding) is a fairly common method of treatment. At the same time, repair production uses mainly obsolete equipment and the qualification of machine-tools is often lower than in the manufacture of new products. A significant problem which makes it difficult to provide the required surface quality parameters is the wear of the cutting tool. By improving processing efficiency, active monitoring is implemented. The purpose of the work is to develop technical solutions that make it possible to estimate the life of the cutting tool during processing. Experimental studies were carried out on a 1I611PF2-grade turn-cutting machine. As a diagnostic feature, an acoustic signal in the range of 6 to 12 kHz was used to evaluate the wear of the cutting tool, since preliminary studies found that the range was most sensitive to changes in processing modes. Studies were performed at different wear values of the cutting tool (estimated by the width of the wear chamfer). Neuro-fuzzy model of estimation of cutting tool operation resource is developed. Use of models of this class gives the chance of fine tuning under specific conditions (the machine, the tool, etc.) and it is correct to estimate a resource of operation of the tool. Model error by test sample does not exceed 10%.
Keywords: construction and road vehicles, repair, treatment, roughness, wear
Date of acceptance for publication: 25.10.2019
Date of publication: 25.12.2019
Authors' information:
Victor E. Ovsyannikov - Candidate of Technical Sciences, Associate Professor, Associate Professor of Department "Automation of production processes" at Kurgan State University, e-mail: [email protected]
ORCID: 0000-0002-8775-0781 Васильев Валерий Иванович - доктор технических наук, профессор, профессор кафедры «Автомобильный транспорт», Курганский государственный университет, e-mail: [email protected] ORCID: 0000-0002-1130-2181
} ORCID: 0000-0002-8775-0781 { Valeriy I. Vasiliev - Doctor of of Technical
{ Sciences, Professor, Professor of Department "Motor
{ transport" at Kurgan State University,
{ e-mail: [email protected] } ORCID: 0000-0002-1130-2181
1. Введение
Эксплуатационные свойства многих деталей строительно-дорожных машин и их соединений зависят от формы и численных параметров шероховатости поверхности. Одним из наиболее широко используемых методов механической обработки является точение (растачивание). Причем в условиях ремонтного производства обработка ведется чаще всего с использованием универсального технологического оборудования с ручным управлением. В данном случае точность и качество в значительной мере определяются квалификацией рабочего-станочника, которая зачастую ниже, чем при изготовлении новых изделий. Поэтому рабочий не всегда может адекватно оценить ход процесса обработки и выявить причину появления брака.
Выходом из данной ситуации может быть создание решений в области активного контроля [1].
На точность и качество обработки существенное влияние оказывает износ режущего инструмента [2]. В зависимости от степени износа инструмента можно выделить три варианта его использования:
1) использование на рекомендуемых режимах обработки;
2) использование на заниженных режимах обработки;
3) замена инструмента.
Сравнение технических и экономических возможностей произведем на основе метода анализа иерархий. В данном случае предполагается решение задачи для двух уровней иерархии по выбору из шести альтернатив по пяти критериям.
Важным моментом при разработке решений в области активного контроля является выбор источника информации. Наиболее
широко используемые методы диагностики инструмента приведены на рис. 1.
Методы активной диагностики со cm он и и и режущ его и и стр ум си m и
_ Измерение температуры
pesan и я
Измерение электрической проводимости контакта "инструмент-деталь"
Измерение составляющих силы резания
Измерен ие крутящего момента
И змерен ие м ощ н ост и резания
_ Виброакустические
измерения
Рис. 1. Методы активной диагностики режущего инструмента
Перечень альтернативных вариантов приведен на рис. 1, а в качестве критериев можно выделить следующие:
1) инвариантность метода к режимам и условиям обработки (К1);
2) быстродействие алгоритмов распознавания (К2);
3) точность измерений (К3);
4) надежность и достоверность измерений (К4);
5) простота технической реализации (стоимость) (К5).
Полная доминантная иерархия приведена на рис. 2.
Рис. 2. Полная доминантная иерархия
Рис. 3. Расчет коэффициентов в программе СППР Выбор 6.0
Вычисление коэффициентов проводилось на основе парного сравнения для уровня целей и альтернатив. Расчеты проводились в программном пакете СППР Выбор 6.0 (рис. 3).
На рис. 4 приведены результаты комплексного технико-экономического анализа.
Как можно видеть из рис. 4, наилучшим сочетанием критериев обладает метод виб-
роакустических измерений. Идея акустической диагностики состояния режущего инструмента основана на мысли о том, что определенному состоянию технологической системы соответствует строго индивидуальное акустическое излучение.
Считается, что акустическое излучение (эмиссия) представляет собой упругую энергию, которая высвобождается в твердом теле при деформациях или разрушениях. Акустический сигнал, имеющий частоту от десятков кГц до МГц, регистрируется датчиком, воспринимаются ударные волны, возникающие при высвобождении энергии.
Следовательно, проблемой в данном случае является выявление полезной информации из сигнала, так как источников вибраций, которые возникают при обработке, достаточно много (подшипники шпинделя, зубчатые пары, заготовка и т.д.). В ходе предварительных исследований [4] было установлено, что акустический сигнал в диапазоне от 6 до 12 кГц обладает наибольшей информативностью.
Учитывая большое разнообразие станков и схем обработки, решения в области активного контроля целесообразно создавать в виде экспертных систем с возможностью обучения, которые реально настраивать для каждого случая (конкретного оборудования, инструмента, оснастки и т.д.).
Под экспертными системами понимается программный комплекс, выполняющий задачи эксперта в определенной предметной области. Работа таких систем основана на ана-
лизе данных, с последующей выдачей решения (или совета).
Основное преимущество от использования данных систем - реализованная возможность пополнения информации (знаний) с последующим сохранением. При этом построение экспертных систем, в отличие от человека, строится на объективных расчетных закономерностях. Факт субъективности отсутствует, что существенно повышает объективность оценки.
Типовой состав экспертной системы следующий [6]:
- база знаний (содержит в себе знания);
- подсистема вывода (набор правил, которые реализуют функцию решения задачи);
- подсистема объяснения (логический блок);
- подсистема сбора данных и пользовательский интерфейс.
Наиболее важным элементом экспертной системы является база знаний. Именно данный элемент реализует «интеллектуальные способности» системы. База знаний наполняется новыми знаниями и в обязательном порядке входит в состав любой экспертной системы. Чаще всего информация в экспертной системе хранится в символьном виде. Процесс функционирования экспертной системы подразумевает определенную последовательность преобразований символов [6].
Элемент «приобретение знаний» предназначен для того, чтобы добавлять новые знания в базу знаний. Главная задача данного элемента заключается приведение данных к виду, который пригоден к обработке в рамках экспертной системы [6].
Подсистема вывода - составная часть экспертной системы, которая реализует процесс ее рассуждений с использованием базы знаний и рабочего множества. Данная подсистема реализует две функции [6]:
- производит обработку данных из рабочего множества на основе правил базы знаний, а также добавляет новые факты;
- реализует вывод информации пользователю.
Укрупненная структура экспертной системы приведена на рис. 5 [6]:
Рис. 4. Результаты комплексного технико-экономического анализа
В нашем случае предполагается включение человека в систему, поэтому структурная схема несколько изменится (рис. 6) [6]:
2. Материалы и методы исследования
Эксперимент по изучению зависимости параметров вибросигнала от износа был спланирован и проведен как стойкостной. Обработка проводилась на токарно-винто-резном станке модели 1И611ПФ2. Измерение ширины фаски износа по задней поверхности проводилось на инструментальном микроскопе МИМ-6. Обрабатываемый материал - сталь 45 (незакаленная). Условия проведения экспериментов следующие:
- скорость резания V = 215 м/мин;
- подача £ = 0,07 мм/об;
- глубина резания / = 0,25 мм;
- инструментальный материал - ВОКбО.
Запись виброакустического сигнала производилась посредством датчика-акселерометра модели КБ45. Датчик вибраций устанавливался в непосредственной близости от зоны обработки. Схема установки датчика приведена на рис. 7.
Фильтрация сигналов и последующая их обработка выполнялась в программе [4]. Пример спектрограммы приведен на рис. 8.
■ 1
[ 1
1
1 1 1
1 1
1 1 1
1 1.1
1 В. 111
1 1Ли
ШИм
1
1 В,
- шЛ К
1000 3000 5000 7000 9000 110001300015000170001900021000
Нг
Рис. 8. Спектрограмма сигнала ^3=0,4 мм
В качестве дополнительного критерия для оценки ресурса работы инструмента предлагается использовать корреляционную энтропию сигнала [6]. Корреляционная энтропия выражается через корреляционный интеграл следующим образом [6]: К =
Ишп Ише^о \\шЕ0
т V Сп+1(е)/
где т - временная задержка; ЕБ - размерность фазового пространства.
Вычисление корреляционной энтропии производилось в компьютерной программе [7].
Анализируя опыт создания экспертных систем [6], следует отметить, что наибольшие затруднения возникают при создании блоков правил «если-то». Применительно к рассматриваемой задаче главной проблемой является высокая неопределенность исходных данных.
Одним из выходов является использование аппарата нечеткой логики при построении логических блоков и блоков «если-то».
Рис. 6. Структурная схема экспертной системы с участием человека
Нечеткая логика является частью математики и расширением классической логики, основана на концепции частичной истинности. Главным достоинствам нечеткой логики можно отнести [8, 9]:
- нечеткая логика позволяет обрабатывать данные, которые не заданы однозначно («довольно изношенный», «достаточно новый» и
т.д.);
- возможность формализовать критерии оценки и сравнения и использовать понятия вида «возможно», «допустимо» и т.д.;
- возможность обработки данных, которые заданы в качественном виде;
- на основе нечеткой логики можно строить различные имитационные модели сложных систем (в том числе динамических) с целью обеспечения требуемой сложности.
Основное понятие нечеткой логики -множество, которое обычно задано в форме характеристической функции (функции принадлежности), указывающей на принадлежность элемента х к множеству А [8, 9]: _ г0, х Е А "11, х£А .
Согласно рекомендациям [8, 9], при построении экспертных систем целесообразно применять гауссову функцию принадлежности:
рА(х) = ехр ) .
Важными понятиями нечеткой логики является лингвистическая и нечеткая переменная. Нечеткая переменная включает в себя три параметра [9, 10]: < а, и, д >,
где а - имя переменой; и - область определения переменной; д(х) - функция принадлежности.
Лингвистическая переменная характеризуется пятью параметрами [8, 9]: < 0, Т, и, С, М > , где Р - имя переменной; Т - терм-множество (область значений); С - процедура обработки элементов терм-множества; М - процедура преобразования новых данных в нечеткий вид.
Нечетким логическим выводом называют аппроксимацию зависимости
У = f(x1, х2,..., хп)
выходной лингвистической переменной от входных лингвистических переменных и получение значение в виде нечеткого множества с использованием базы знаний, содержащей правила «если-то».
3. Результаты и их обсуждение
На рис. 9 приведена зависимость мощности вибросигнала (Sw) от ширины фаски износа.
0 0.42 0.84 1.26 1.68 2.1 Ь,
Рис. 9. Зависимость 8м>=/(Из)
Анализируя данную зависимость, можно выделить три участка, которые характеризуют периоды износа инструмента. При значениях фаски износа от 0 до 0,4 мм, наблюдается период приработки, который характеризуется постепенным снижением мощности виброакустического сигнала. В период нормального износа (от 0,4 до 1,8 мм) рост мощности виброакустического сигнала незначителен. При наступлении катастрофического износа (ширина фаски износа превышала 1,8 мм) имеет место интенсивный рост мощности виброакустического сигнала.
Зависимость корреляционной энтропии от ширины фаски износа приведена на рис. 10.
Характер зависимости данного параметра аналогичен классической кривой износа. Это дает возможность более адекватно определять периоды износа. Для оценки ресурса работы режущего инструмента была разработана нейро-нечеткая модель. Входными
493
параметрами модели являются корреляционная энтропия сигнала К и мощность вибросигнала Sw, а выходным - ширина фаски износа Л3.
Рис. 10. Зависимость К = /(Л3) Структура модели представлена на рис.
11.
Для обучения системы была сформирована выборка. Тестирование производилось на данных, которые не входили в обучающую выборку. Результаты тестирования приведены на рис. 12.
Установлено, что ошибка в оценке параметров износа не превышает 5%. Использование аппарата нечеткой логики дает возможность более эффективно оценивать ресурс работы инструмента в условиях неопределенности.
Testing data FIS output '
._ »WIS Into
• ot inouïs 2 « of OulDutS 1
* of incut mis
3 3
Slfucture Cleat Plot
Loaa data Type From Tri 1 {• rte • Te »ir g С Cieckmg ,'( worfcsp С Demo Generate FE Load from Пе X Load from worup. • Grid partition С ' Sub cJusterng Train F6 Optti HUM hybrid Error Tolerance 1» 1 I — Test F6 — Plot against Training data (3 Testing data С Checking data
Load Delà 1 Clear Data | Generale Fis Tram Now TestNW :
Average lesiing error 0 13733 _ Help Г Close
Рис. 12. Результаты тестирования
Рис. 13. Выходная переменная
На рис. 14 представлена поверхность функции нечеткой логики.
Рис. 15. Пример вычисления переменных
Пример вычисления погрешности оценки износа при помощи нейро-нечеткой модели:
'•Зэксп
д =
h-Зтеор h?
h-Зтеор _ 0.5-0.48
= 0.5
100% =
100% = 4%.
В результате тестирования модели было установлено, что средняя погрешность не превышает 10%. Дополнительным преимуществом применения нечетких моделей является возможность формализовать определение периодов износа (рис. 13), что дает возможность более эффективно принимать решения о дальнейшем использовании инструмента.
Данная модель может быть положена в основу устройства контроля износа режущего инструмента, схема которого приведена на рис. 16.
Рис. 16. Схема устройства активного контроля износа
Устройство включает в себя пъезоаку-стический датчик 2, который устанавливается на державку резца 1. Записанный сигнал поступает в устройство обработки 3, где осуществляется его фильтрация и необходимые вычисления, связанные с оценкой износа. Полученные результаты отображаются на устройстве вывода 4.
Использование данного устройства позволит повысить качество обработки исполнительных поверхностей деталей строительно-дорожных машин в условиях ремонтного производства.
4. Выводы
1. Использование виброакустического сигнала в частотном диапазоне от 6 до 12 кГц дает возможность проводить оценку износа режущего инструмента в ходе обработки. Мощность сигнала в данном диапазоне и величина корреляционной энтропии сигнала имеют тесную взаимосвязь с критериями износа режущей кромки инструмента.
2. Применение нейро-нечетких моделей дает возможность определения параметров износа режущего инструмента с погрешностью, не превышающей 10%. Использование нечеткой логики позволяет эффективно оценивать ресурс работы инструмента в условиях неопределенности и принимать решения по его дальнейшему использованию.
3. Внедрение устройств активного контроля износа режущего инструмента позволит повысить качество обработки исполнительных поверхностей деталей строительно-дорожных машин в условиях ремонтного производства. Особенно актуальным использование данных решений представляется в тех случаях, когда производится большой объем обработки однотипных деталей (например, растачивание гильз цилиндров).
4. В качестве перспектив для дальнейших исследований следует выделить апробацию в условиях реального ремонтного производства и пополнение базы знаний экспертной системы. Также следует уделить внимание разработке пользовательского интерфейса экспертной системы, который обеспечивает комфортное взаимодействие с рабочим.
Список литературы
1. Вальков В.М. Контроль в ГАП. Л.: Машиностроение, 1986. 232 с.
2. Козочкин М.П. Виброакустическая диагностика технологических процессов. М.: ИКФ "Каталог", 2005. 196 с.
3. Овсянников В.Е., Остапчук А.К. Научные основы обеспечения шероховатости поверхности на базе анализа случайных процессов. Курган: Изд-во Курганского гос. ун-та, 2012. 188 с.
4. Остапчук А.К., Овсянников В.Е., Рогов Е.Ю. Анализ виброакустических сигналов v1.0: свид-во об отраслевой регистрации программы для ЭВМ № 50200802217, рег. 14.11.2008.
5. Павлов А.Н. Методы анализа сложных сигналов. Саратов: Научная книга, 2008. 120 с.
6. Тузовский А.Ф., Чириков С.В., Ям-польский В.З. Системы управления знаниями (методы и технологии). Томск: Изд-во НТЛ, 2005. 260 с.
7. Остапчук А.К., Овсянников В.Е., Рогов Е.Ю. Анализ коррелограмм профилей поверхностей, обрабатываемых резанием: свид-во о государственной регистрации программы для ЭВМ №2012611805, рег. 17.02.2012.
8. Леоненков А.В. Нечеткое моделирование в среде МА^АВ и А^уТЕС. СПб.: БХВ Петербург, 2005. 736 с.
9. Штовба С.Д. Проектирование нечетких систем средствами МАТЬАВ. М.: Горячая линия Телеком, 2007. 288 с.
$ References
$ 1. Valkov V.N. Kontrol v GAP [Control in
$ GAP]. Leningrad, Mashinostroenie, 1986. 232
$ p. (In Russian).
$ 2. Kozochkin M.P. Vibroakusticheskaya
$ diagnostika tekhnologicheskikh protsessov
$ [Vibroacoustic diagnostics of technological
$ processes]. Moscow, IKF "Catalog", 2005. 196
$ p. (In Russian).
$ 3. Ovsyannikov V.E., Ostapchuk A.K.
$ Nauchnye osnovy obespecheniya sherokhovatosti
$ poverkhnosti na baze analiza sluchaynykh prot-
$ sessov [Scientific basis for surface roughness
$ based on random process analysis]. Kurgan, Kur-
$ gan State University, 2012. 188 p. (In Russian).
$ 4. Ostapchuk A.K., Ovsyannikov V.E., Ro-
$ gov E.Yu. Analiz vibroakusticheskikh signa-
$ lov. Svidetelstvo ob otraslevoy registratsii pro-
$ gramm dlya EVM [Vibration acoustic signal
$ analysis. The Certificate on branch registration
$ of the computer program]. No. 50200802217,
$ 2008. (In Russian).
$ 5. Pavlov A.N. Metody analiza slozhnykh
$ signalov [Methods of analysis of complex sig-
$ nals]. Saratov, Nauchnaya kniga, 2008. 120 p.
$ (In Russian).
$ 6. Tuzovski A.F., Chirikov S.V., Yampols-
$ ki V.Z. Sistemy upravleniya znaniyami (meto-
$ dy i tekhnologii) [Knowledge management sys-
$ tems (methods and technologies)]. Tomsk. Izd-
$ vo NTL, 2005. 260 p. (In Russian).
$ 7. Ostapchuk A.K., Ovsyannikov V.E., Ro-
$ gov E.Yu. Analiz korrelogramm profiley po-
$ verkhnostey, obrabatyvaemykh rezaniem. Svi-
$ detelstvo o gosudarstvennoy registratsii pro-
$ gramm dlya EVM [Analyzing the Correlo-
$ grams of Cut Surface Profiles. The Certificate
$ on official registration of the computer pro-
$ gram]. No2012611805, 2012. (In Russian).
$ 8. Leonenkov A.V. Nechetkoe modelirova-
$ nie v srede MATLAB IfllzzyTEC [Fuzzy Mod-
$ eling in MATLAB and fllzzyTEC]. St. Peters-
$ burg, BKhV Peterburg, 2005. 736 p. (In Rus-
$ sian).
$ 9. Shtovba S.D. Proektirovanie nechetkikh
$ sistem sredstvami MATLAB [Designing fuzzy
$ systems with MATLAB]. Moscow, Gorya-
$ chaya liniya Telecom, 2007. 288 p. (In Russian).
