کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948971 1439932 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multisensory fusion based virtual tool wear sensing for ubiquitous manufacturing
ترجمه فارسی عنوان
ابزارهای مجازی مبتنی بر فیوژن چند منظوره، حس گر ساختگی برای ساختن همه جا هستند
کلمات کلیدی
برآورد سایش ابزار، سنجش مجازی، همجوشی ویژگی،
ترجمه چکیده
فراگیر بودن محاسبات همه جا، طرح تولید را به یک دوره تولیدی فراگیر تبدیل می کند که چالش های قابل ملاحظه ای در تکنولوژی سنجش و قابلیت اطمینان سیستم دارد. برای بهبود قابلیت اطمینان سیستم، این مقاله ارائه یک تکنیک سنجش سنسور ابزار مجازی جدید مبتنی بر مدل تلفیقی داده های چندتسوری و هوش مصنوعی برای نظارت بر وضعیت ابزار است. این پارامترهای سخت افزاری ابزار اندازه گیری (مثلا عرض سایز ابزار) را با تلفیق داده های چند مرحله ای در فرآیند (مانند نیرو، ارتعاش و غیره) با روش کاهش ابعاد و مدل رگرسیون بردار پشتیبانی می کند. تکنیک های مختلفی از لحاظ تکنولوژی پیشرفته، شامل تجزیه و تحلیل جزء اصلی هسته، تعبیه خطی محلی، نقشه برداری ویژگی های ایزومتریک و حداکثر روش مربوط به حداکثر افزونگی، برای تلفیق ویژگی در یک مدل حسگر مجازی مورد بررسی قرار گرفته است و تجزیه و تحلیل مولفه اصلی هسته انجام می شود بهتر از نظر دقت سنجی. اثربخشی تکنیک سنجش استفاده از ابزارهای پیشرفته مجازی به صورت آزمایشی در مجموعه ای از ابزارهای ماشینکاری به منظور کنترل رانندگی تا شکست در یک ماشین فرزکاری کامپیوتری رایانه مورد تایید قرار گرفته است. نتایج نشان می دهد که پهنای باند ابزار برآورد شده از طریق حسگر مجازی قابل مقایسه با اندازه گیری آفلاین از طریق یک ابزار میکروسکوپ با دقت است، به علاوه، به شیوه ای مقرون به صرفه تر.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Pervasiveness of ubiquitous computing advances the manufacturing scheme into a ubiquitous manufacturing era which poses significant challenges on sensing technology and system reliability. To improve manufacturing system reliability, this paper presents a new virtual tool wear sensing technique based on multisensory data fusion and artificial intelligence model for tool condition monitoring. It infers the difficult-to-measure tool wear parameters (e.g. tool wear width) by fusing in-process multisensory data (e.g. force, vibration, etc.) with dimension reduction technique and support vector regression model. Different state-of-the-art dimension reduction techniques including kernel principal component analysis, locally linear embedding, isometric feature mapping, and minimum redundancy maximum relevant method have been investigated for feature fusion in a virtual sensing model, and the kernel principal component analysis performs best in terms of sensing accuracy. The effectiveness of the developed virtual tool wear sensing technique is experimentally validated in a set of machining tool run-to-failure tests on a computer numerical control milling machine. The results show that the estimated tool wear width through virtual sensing is comparable to that measured offline by a microscope instrument in terms of accuracy, moreover, in a more cost-effective manner.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Computer-Integrated Manufacturing - Volume 45, June 2017, Pages 47-58
نویسندگان
, , , , ,