تلفیق حسگرها در سامانه پایش وضعیت ابزار با استفاده از سیستم استنتاج عصبی- فازی تطبیقی بهینه شده

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 343

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_MEASEJT-15-2_009

تاریخ نمایه سازی: 1 آذر 1398

Abstract:

در حال حاضر بیشتر سیستم­های پایش وضعیت سایش ابزار براده­ برداری مبتنی بر مقادیر مشخصه­هایی از سیگنال که مرتبط با سایش ابزار هستند می­باشند. ارزیابی وضعیت ابزار بر­اساس مشخصه­های سیگنال یک حسگر قابل اطمینان نمی­باشد زیرا مشخصه به­دست آمده از سیگنال یک حسگر علاوه بر سایش ابزار به سایر عوامل غیر مرتبط با سایش ابزار مانند پارامترهای فرآیند و اغتشاشات تصادفی نیز وابسته است. راه حل این مساله، تلفیق داده­های چند حسگر غیر­متجانس می­باشد. اطلاعات به­دست­آمده از این روش کامل­تر و دارای دقت و قابلیت اطمینان­ بالاتری است. در این تحقیق، ترکیب حسگرهای بینایی، جریان، کرنش و ارتعاشات به­منظور پیش­بینی وضعیت سایش سطح آزاد ابزار پیشنهاد شده است. مدل سیستم استنتاج عصبی فازی تطبیقی (ANFIS) بهینه شده جهت تلفیق مشخصه­های سیگنال بافت سطح، جریان موتور، کرنش و ارتعاشات توسعه شده است. ساختار مدل ANFIS پیشنهادی دارای چهار ورودی و یک خروجی می­باشد. ورودی­های مدل شامل بی نظمی بافت سطح قطعه­کار (که توسط تبدیل موجک فیلتر شده)، انتگرال حاشیه­ای زمان فرکانس سیگنال جریان موتور اسپیندل و بی نظمی شانون سیگنال­های کرنش و ارتعاشات ابزار می­باشد. نتایج به­دست­آمده نشان داد با استفاده از مدل ANFIS بهینه شده می­توان مشخصه­های سیگنال­ها را تلفیق و با دقت بالایی در پیش­بینی وضعیت ابزار استفاده نمود.

Keywords:

سایش ابزار , پایش وضعیت , تلفیق سنسورها , ANFIS , الگوریتم های فرا ابتکاری

Authors

مهدی دانش

عضو هیات علمی دانشگاه فنی و مهندسی بوئین زهرا

صدیقه دانش

دانسگاه آزاد تهران شرق

خلیل خلیلی

دانشگاه بیرجند

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Duro, J. A., Padget, J. A., Bowen, C. R., Kim, ...
  • Nouri, M.,  Fussell, B. K., Ziniti, B. L., and Linder, ...
  • Teti, R., Jemielniak, K., and Dornfeld, G. O. D. Advanced ...
  • Dutta, S., Pal, S.K., Mukhopadhyay S., and Sen, R. Application ...
  • Jaramillo,V. H., Ottewill, J. R., Dudek, R., Lepiarczyk, D., and ...
  • Asibu, E. K., Yum, J., and Kim, T. H. Monitoring ...
  • Abdulshahed, A. M., Longstaff, A. P. and Fletcher, S. The ...
  • Beruvides, G., Castaño, F., Quiza, R., and  Haber, R. E. ...
  • Jovi´c, S., Arsi´c, N., Vukojevi´c, V.,  Anicic, O., and Vujiˇci´c, ...
  • Danesh, S., Farnoosh, R., and Razzaghnia, T. Fuzzy Nonparametric Regression ...
  • Danesh, S. Fuzzy Parameters Estimation via Hybrid Methods , Hacettepe ...
  • Sifuzzaman, M., Islam, M.R., and Ali, M.Z. Application of Wavelet ...
  • Danesh, M., and Khalili, K. Determination of Tool Wear in Turning ...
  • Khalili, K. and Danesh, M. Identification of Vibration Level in ...
  • Julesz, B., Gilbert, E., Shepp, L., and Frisch, H. Inability ...
  • Haralick, H., Shanmugam, K.,  and Dinstein, I. Textural Features for ...
  • Dutta, S., Datta, A., Chakladar, N., et al. Detection of ...
  • Alegre, E., Barreiro, J., and Suarez-Castrillon, S.A. A New Improved ...
  • Salgado, D. R.,  Cambero, I., Olivenza, J. M. H.,  Sanz-Calcedo, ...
  • Byrne, G., Dornfeld, D., Inasaki, I., Ko¨ nig, W., and ...
  • Jesus, R. T. R., Gilberto, H. R. I,van, T. V. ...
  • Danesh, M., and Khalili, K.  Tool Wear Condition Monitoring Using ...
  • Dimla, E.,  and Dimla, S. Sensor Signals for Tool-Wear Monitoring ...
  • Dimla, D.E., Lister, P.M. On-Line Metal Cutting Tool Condition Monitoring. ...
  • Rizal, M. , Ghani, J. A., Nuawi, M. Z., Hassan, ...
  • Schefer C., Monitoring of Tool Wear in Turning Operations Using ...
  • Jang, J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System , IEEE Trans ...
  • Jang, J.S.R. Self-learning Fuzzy Controllers Based on Temporal Back-Bropagation , ...
  • Kennedy, J. and Eberhart, R.C. Particle Swarm Optimization ; Proceedings ...
  • Meissner, M., Schmuker, M., and Schneider, G. Optimized Particle Swarm ...
  • Mitchell, M. An Introduction to Genetic Algorithms , MIT Press, ...
  • Beasley, D., Bull D., and Martin, R. An Overview of ...
  • Beasley, D., Bull, D., and Martin, R. An Overview of ...
  • Socha K. and Dorigo, M. Ant Colony Optimization for Continuous ...
  • Box, G. E. P., and Muller, M. E. A Note ...
  • نمایش کامل مراجع