کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11007199 1519245 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel critical point detection method for mechanical deformation in tightening processes
ترجمه فارسی عنوان
روش جدید تشخیص نقطه بحرانی برای تغییر شکل مکانیکی در فرآیندهای سفت کردن
کلمات کلیدی
تشخیص نقطه بحرانی، فرآیندهای تسریع، تغییر شکل مکانیکی، مدل فضایی دولتی، فیلتر ذرات، اطلاعات
ترجمه چکیده
تغییر شکل مکانی قطعات برش به علت سفت شدن پدیده شایع در اکثر فرآیندهای مونتاژ است. چنین تغییر شکل معمولا بر اساس چند نقطه بحرانی از سیگنال های حساس در طول نظارت بر فرایند مشخص می شود. مطالعه قبلی ما تمرکز بر بهبود دقت تشخیص نقطه بحرانی با ایجاد یک مدل فضای حالت و الگوریتم فیلتر دو مرحله ای ذرات. متغیرهای حالت در مرحله اول برآورد می شوند و نقطه بحرانی در مرحله دوم برآورد می شود. این دو مرحله تا زمانی که تخمین نقطه ی بحرانی همگرا باشد تخمین زده می شود. با این حال، چنین روش معمولا نیاز به مقدار زیادی از تلاش های محاسباتی است که ممکن است در عمل مقرون به صرفه نباشد. برای به طور موثر نقاط بحرانی و همچنین به رسمیت شناختن زمانبندی تشخیص، ما الگوریتم برآورد را با استفاده از کوانتیزاسیون تغییرات دولت و برآورد نقطه بحرانی در مرحله اول بهبود می دهیم. به این ترتیب، نقطه بحرانی می تواند در یک مرحله شناسایی شود، در نتیجه به طور قابل توجهی کاهش هزینه های محاسبات. نتایج حاصل از یک مطالعه واقعی نشان می دهد که روش پیشنهادی ما عملکرد تشخیص نقطه ای کارآمد را برای نظارت بر فرایند ارائه می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
روش جدید تشخیص نقطه بحرانی برای تغییر شکل مکانیکی در فرآیندهای سفت کردن
چکیده انگلیسی
The mechanical deformation of workpieces due to tightening is a common phenomenon in most assembly processes. Such deformation is typically characterized on the basis of a few critical points from sensing signals during process monitoring. Our previous study focus on improving critical point detection accuracy by establishing a state space model and a two-stage particle filter algorithm. The state variables are estimated in the first stage and the critical point is estimated in the second stage. These two stages are recursively estimated until the estimation of critical point converges. However, such method usually requires a large amount of computational efforts which may not be affordable in practice. To effectively identify critical points as well as meet the timeliness of detection, we improve the estimation algorithm by leveraging the quantification of state changes and estimating the critical point in the first stage. In this way, the critical point can be identified within one stage, thereby significantly reducing computation costs. The results from a real case study indicate that our proposed method delivers efficient critical point detection performance for process monitoring.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Manufacturing Systems - Volume 48, Part A, July 2018, Pages 157-165
نویسندگان
, , , ,