مهدی دانش - عضو هیات علمی دانشگاه فنی و مهندسی بوئین زهرا
صدیقه دانش - دانسگاه آزاد تهران شرق
خلیل خلیلی - دانشگاه بیرجند

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.

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