Czujnik systemu wykrywania ściernicy

W artykule przedstawiono projekt i implementację sieci neuronowej oraz systemu opartego na logice rozmytej, łączącego wyjścia kilku czujników do monitorowania stanu ściernicy. Można przyjąć, że w przypadku procesów szlifowania stan procesu w ciągu pojedynczego okresu życia ściernicy jest jedynie funkcją zmian zdolności skrawania ściernicy. Dlatego monitorowanie stanu ściernicy odgrywa kluczową rolę w każdym zautomatyzowanym systemie nadzorującym proces szlifowania.

Skuteczne monitorowanie stanu ściernicy zależy w dużej mierze od zastosowanych w tym celu niezawodnych i wytrzymałych czujników. W przypadku braku obecności człowieka czujniki muszą posiadać zdolność rozpoznawania procesu. nieprawidłowości i inicjowanie działań korygujących. Istnieją różne sygnały, które są powiązane ze stanem procesu i są przedmiotem różnych technik wykrywania i przetwarzania. Każdy z tych sygnałów jest w stanie zapewnić funkcję związaną z badanym zjawiskiem, chociaż z różną niezawodnością. Najlepszym rozwiązaniem jest zatem zebranie maksymalnej ilości informacji o stanie procesu z wielu różnych czujników. Aby wprowadzić taki pomysł do praktyki, należy wdrożyć inteligentny system wykrywania obejmujący strategie łączenia czujników.

W tym badaniu zaproponowano system monitorowania z wieloma czujnikami, a jego działanie zostało ocenione eksperymentalnie. System ten obejmuje pomiary drgań, emisji akustycznej i sił szlifowania. Generują one sygnały przydatne do monitorowania zużycia ściernicy, należy jednak wybrać najlepszą konfigurację sygnałów i metody przetwarzania sygnałów.

Odbywa się to poprzez sieć neuronową ze sprzężeniem zwrotnym i propagacją zwrotną. Po procedurze dostrajania sieci ustalono, że liczba cech informacyjnych jest znacznie mniejsza niż pierwotnie stosowany zestaw cech. Tę samą sieć neuronową można zastosować także w procedurze decyzyjnej, gdyż jednocześnie pozwala ona na modelowanie zużycia ściernicy. Poza tym omówiono oparty na sieci neuronowej system decyzyjny typu fuzzy logic do integracji czujników w monitorowaniu stanu ściernicy.

Do oceny zaproponowanych procedur wykorzystano dane zebrane podczas szlifowania przy różnych parametrach skrawania. W trakcie doświadczeń obserwowano ściernicę świeżą, zużytą i częściowo zużytą. Dla każdego sygnału pomiarowego obliczanych jest kilka cech statystycznych i widmowych, które wykorzystywane są jako dane wejściowe w procedurach selekcji i klasyfikacji danych.