Информационные свойства частотных характеристик динамической системы резания при диагностике износа инструментов

Обложка

Цитировать

Полный текст

Аннотация

Введение. Одно из направлений повышения эффективности обработки резанием связано с созданием систем диагностики износа инструмента. Разработаны алгоритмы и устройства, оценивающие износ на основе анализа сигнала виброакустической эмиссии. Эти алгоритмы, как правило, не раскрывают природу образования износа и причины изменения по мере его развития. Предмет. Статья посвящена анализу причин изменения свойств вибраций с развитием износа инструмента. Целью данной работы является изучение изменения частотных характеристик динамической системы резания, вызванных развитием износа, построение на этой основе информационных моделей диагностики и использование их в промышленности. Метод и методология. Приводятся результаты математического моделирования возмущенной динамической системы резания, где наблюдаемые вибрационные последовательности являются следствием возмущений, преобразованных динамической системой, параметры которой зависят от износа. Рассматриваются два частотных диапазона. Результаты и обсуждения. Первый диапазон включает в себя частоты, лежащие в пределах полосы пропускания подсистемы инструмента, второй – за ее пределами. В первом частотном диапазоне аналитически и экспериментально доказано, что развитие износа приводит к принципиальным изменениям частотных свойств системы резания как преобразователя возмущений в колебания инструмента. Наблюдается смещение собственных частот колебательных контуров, формируемых системой резания, и уменьшение их добротности; по мере развития износа проявляются некоторые выявленные особенности спектров вибраций, в том числе соотношения низкочастотной и высокочастотной частей спектра и др. Во втором частотном диапазоне рассматривается модель силовой эмиссии в виде случайной импульсной последовательности и отображения в ней износа. Приводятся результаты изучения функции когерентности между силами, действующими на инструмент, и колебательными смещениями. Предлагаются информационные модели износа, приводится пример информационной модели износа и результаты его использования в промышленности.

Об авторах

В. Л. Заковоротный

Email: vzakovorotny@dstu.edu.ru
ORCID iD: 0000-0003-2187-9897
доктор техн. наук, профессор, Донской государственный технический университет, пл. Гагарина, 1, г. Ростов-на-Дону, 344000, Россия, vzakovorotny@dstu.edu.ru

В. Е. Гвинджилия

Email: vvgvindjiliya@donstu.ru
ORCID iD: 0000-0003-1066-4604
канд. техн. наук, Донской государственный технический университет, пл. Гагарина, 1, г. Ростов-на-Дону, 344000, Россия, vvgvindjiliya@donstu.ru

К. В. Кислов

Email: kislovk@bk.ru
ORCID iD: 0000-0002-5770-2519
Донской государственный технический университет, пл. Гагарина, 1, г. Ростов-на-Дону, 344000, Россия, kislovk@bk.ru

Список литературы

  1. Остафьев В.А., Антонюк В.С., Тымчик Г.С. Диагностика процесса металлообработки. – Киев: Тэхника, 1991. – 152 с.
  2. Заковоротный В.Л., Бордачев Е.В., Алексейчик М.И. Динамический мониторинг состояния процесса резания // СТИН. – 1998. – № 12. – С. 6–13.
  3. Zakovorotny V., Gvindjiliya V. Process control synergetics for metal-cutting machines // Journal of Vibroengineering. – 2022. – Vol. 24 (1). – P. 177–189. – doi: 10.21595/jve.2021.22087.
  4. Astakhov V.P. The assessment of cutting tool wear // International Journal of Machine Tools and Manufacture. – 2004. – Vol. 44. – P. 637–647. – doi: 10.1016/j.ijmachtools.2003.11.006.
  5. Konrad H., Isermann R., Oette H.U. Supervision of tool wear and surface quality during end milling operations // IFAC Proceedings Volumes. – 1994. – Vol. 27 (4). – P. 507–513. – doi: 10.1016/S1474-6670(17)46074-5.
  6. Заковоротный В.Л., Ладник И.В. Построение информационной модели динамической системы металлорежущего станка для диагностики процесса обработки // Проблемы машиностроения и надежности машин. – 1991. – № 4. – С. 75–79.
  7. Tool condition monitoring (TCM) – the status of research and industrial application / G. Byrne, D. Dornfeld, I. Inasaki, G. Ketteler, W. Konig, R. Teti // CIRP Annals. – 1995. – Vol. 44 (2). – P. 541–567. – doi: 10.1016/S0007-8506(07)60503-4.
  8. Teti R. Advanced IT methods of signal processing and decision making for zero defect manufacturing in machining // Procedia CIRP. – 2015. – Vol. 28. – P. 3–15. – doi: 10.1016/j.procir.2015.04.003.
  9. Milfelner M., Cus F., Balic J. An overview of data acquisition system for cutting force measuring and optimization in milling // Journal of Materials Processing Technology Volumes. – 2005. – Vol. 164–165. – P. 1281–1288. – doi: 10.1016/j.jmatprotec.2005.02.146.
  10. Козочкин М.П., Сабиров Ф.С., Селезнев А.Е. Виброакустический мониторинг лезвийной обработки заготовок из закаленной стали // Вестник МГТУ «Станкин». – 2018. – № 1 (44). – С. 23–30.
  11. Козочкин М.П. Многопараметрическая диагностика технологических систем для обработки материалов резанием // Вестник МГТУ Станкин. – 2014. – № 1 (28). – С. 13–19.
  12. Барзов А.А., Горелов В.А., Игонькин Б.А. Акустоэлектрическая диагностика процесса резания полимерных композиционных материалов // Авиационная промышленность. – 1986. – № 12. – С. 36.
  13. Bhuiyan M., Choudhury I., Nukman Y. An innovative approach to monitor the chip formation effect on tool state using acoustic emission in turning // International Journal of Machine Tools and Manufacture. – 2012. – Vol. 58. – P. 19–28. – doi: 10.1016/j.ijmachtools.2012.02.001.
  14. Rehorn A.G., Jiang J., Orban P.E. State-of-the-art methods and results in tool condition monitoring: a review // International Journal of Advanced Manufacturing Technology. – 2005. – Vol. 26. – P. 693–710. – doi: 10.1007/s00170-004-2038-2.
  15. Jemielniak K., Arrazola P. Application of AE and cutting force signals in tool condition monitoring in micro-milling // CIRP Journal of Manufacturing Science and Technology. – 2008. – Vol. 1 (2). – P. 97–102. – doi: 10.1016/j.cirpj.2008.09.007.
  16. Zakovorotny V.L., Ladnik I.V., Dhande S.G. A method for characterization of machine-tools dynamic parameters for diagnostic purposes // Journal of Materials Processing Technology. – 1995. – Vol. 53 (3–4). – P. 588–600. – doi: 10.1016/0924-0136(94)01745-M.
  17. Заковоротный В.Л., Флек М.Б. Динамика процесса резания. Синергетический подход. – Ростов н/Д.: Терра, 2005. – 880 с.
  18. Astakhov V.P. Tribology of metal catting. – Elsevier Science, 2006. – 312 p. – ISBN 0080466850.
  19. Макаров А.Д. Оптимизация процессов резания. – М.: Машиностроение, 1976. – 278 с.
  20. Чувствительность виброакустического сигнала к изменению состояния поверхностного слоя при трении / В.В. Кузин, М.П. Козочкин, С.Н. Григорьев, С. Федоров // Новые огнеупоры. – 2021. – № 5. – С. 141–146. – doi: 10.17073/1683-4518-2021-5-141-146.
  21. Zakovorotny V.L., Gvindjiliya V.E. Self-organization and evolution in dynamic friction systems // Journal of Vibroengineering. – 2021. – Vol. 23 (6). – P. 1418–1432. – doi: 10.21595/jve.2021.22033.
  22. Козочкин М.П. Влияние динамических характеристик станочных узлов на вибрации при резании // СТИН. – 2014. – № 2. – С. 4–9.
  23. Диагностика и сертификация металлорежущего оборудования / М.П. Козочкин, А.Р. Маслов, Ф.С. Сабиров, А.Н. Порватов. – М.: Инновационное машиностроение, 2017. – 240 с.
  24. Zakovorotnyi V.L., Gvindjiliya V.E. Influence of speeds of forming movements on the properties of geometric topology of the part in longitudinal turning // Journal of Manufacturing Processes. – 2024. – Vol. 112. – P. 202–213. – doi: 10.1016/j.jmapro.2024.01.037.
  25. Zakovorotnyi V.L., Gvindjiliya V.E. Evolution of the dynamic cutting system with irreversible energy transformation in the machining zone // Russian Engineering Research. – 2019. – Vol. 39 (5). – P. 423–430. – doi: 10.3103/S1068798X19050204.
  26. Precision manufacturing process monitoring with acoustic emission / D.E. Lee, I. Hwang, C.M.O. Valente, J.F.G. Oliveira, D.A. Dornfeld // International Journal of Machine Tools and Manufacture. – 2006. – Vol. 46 (2), – P. 176–188. – doi: 10.1016/j.ijmachtools.2005.04.001.
  27. Digital twin-based anomaly detection for real-time tool condition monitoring in machining / Z. Liu, Z.-Q. Lang, Y. Gui, Y.-P. Zhu, H. Laalej // Journal of Manufacturing Systems. – 1995. – Vol. 75. – P. 163–173. – doi: 10.1016/j.jmsy.2024.06.004.
  28. Dimla D.E. Sensor signals for tool-wear monitoring in metal cutting operations – a review of methods // International Journal of Machine Tools and Manufacture. – 2000. – Vol. 40 (8). – P. 1073–1098. – doi: 10.1016/S0890-6955(99)00122-4.
  29. Choi Y., Narayanaswami R., Chandra A. Tool wear monitoring in ramp cuts in end milling using the wavelet transform // International Journal of Advanced Manufacturing Technology. – 2004. – Vol. 23 (5-6). – P. 419–428. – doi: 10.1007/s00170-003-1898-1.
  30. Григорьев А.С., Инструментарий системы ЧПУ для диагностики и прогнозирования износа режущего инструмента в реальном времени при токарной обработке // Вестник МГТУ «Станкин». – 2012. – № 1 (18). – С. 39–43.
  31. Заковоротный В.Л., Бордачев Е.В. Информационное обеспечение системы динамической диагностики износа режущего инструмента на примере токарной обработки // Проблемы машиностроения и надежности машин. – 1995. – № 3. – С. 95–103.
  32. Dolinšek S., Kopac J. Acoustic emission signals for tool wear identification // Wear. – 1999. – Vol. 225. – P. 295–303.
  33. Chiou R.Y., Liang S.Y. Analysis of acoustic emission in chatter vibration with tool wear effect in turning // International Journal of Machine Tools and Manufacture. – 2000. – Vol. 40 (7). – P. 927–941. – doi: 10.1016/S0890-6955(99)00093-0.
  34. Application of acoustic emission sensor to investigate the frequency of tool wear and plastic deformation in tool condition monitoring / M.S.H. Bhuiyan, I.A. Choudhury, M. Dahari, Y. Nukman, S.Z. Dawal // Measurement. – 2016. – Vol. 92. – P. 208–217. – doi: 10.1016/j.measurement.2016.06.006.
  35. Development of a tool wear-monitoring system for hard turning / C. Scheffer, H. Kratz, P. Heyns, F. Klocke // International Journal of Machine Tools and Manufacture. – 2003. – Vol. 43 (10). – P. 973–985. – doi: 10.1016/S0890-6955(03)00110-X.
  36. Siddhpura A., Paurobally R. A review of flank wear prediction methods for tool condition monitoring in a turning process // International Journal of Advanced Manufacturing Technology. – 2013. – Vol. 65. – P. 371–393. – doi: 10.1007/s00170-012-4177-1.
  37. Tool wear monitoring using naive Bayes classifiers / J. Karandikar, T. McLeay, S. Turner, T. Schmitz // International Journal of Advanced Manufacturing Technology. – 2014. – Vol. 77. – P. 1613–1626. – doi: 10.1007/s00170-014-6560-6.
  38. Azmi A. Monitoring of tool wear using measured machining forces and neuro-fuzzy modelling approaches during machining of GFRP composites // Advances in Engineering Software. – 2015. – Vol. 82. – P. 53–64. – doi: 10.1016/j.advengsoft.2014.12.010.
  39. Kene A.P., Choudhury S.K. Analytical modeling of tool health monitoring system using multiple sensor data fusion approach in hard machining // Measurement. – 2019. – Vol. 145. – P. 118–129. – doi: 10.1016/j.measurement.2019.05.062.
  40. Chethan Y., Ravindra H., Krishnegowda Y. Optimization of machining parameters in turning Nimonic-75 using machine vision and acoustic emission signals by Taguchi technique // Measurement. – 2019. – Vol. 144. – P. 144–154. – doi: 10.1016/j.measurement.2019.05.035.
  41. Aslan A. Optimization and analysis of process parameters for flank wear, cutting forces and vibration in turning of AISI 5140: A comprehensive study // Measurement. – 2020. – Vol. 163. – doi: 10.1016/j.measurement.2020.107959.
  42. Tool condition monitoring techniques in milling process – a review / T. Mohanraj, S. Shankar, R. Rajasekar, N. Sakthivel, A. Pramanik // Journal of Materials Research and Technology. – 2019. – Vol. 9 (1). – P. 1032–1042. – doi: 10.1016/j.jmrt.2019.10.031.
  43. Kalvoda T., Hwang Y.R. A cutter tool monitoring in machining process using Hilbert–Huang transform // International Journal of Machine Tool and Manufacture. – 2010. – Vol. 50 (5). – P. 495–501. – doi: 10.1016/j.ijmachtools.2010.01.006.
  44. Tobias S.A., Fishwick W. Theory of regenerative machine tool chatter // The Engineer. – 1958. – Vol. 205. – P. 199–203.
  45. Кудинов В.А. Динамика станков. – М.: Машиностроение, 1967. – 359 с.
  46. Tlusty J., Ismail F. Basic non-linearity in machining chatter // CIRP Annals. – 1981. – Vol. 30 (1). – P. 299–304. – doi: 10.1016/S0007-8506(07)60946-9.
  47. Selbsterregte Schwingungenan an Werkzeugmaschinen / J. Tlusty, A. Polacek, C. Danek, J. Spacek. – Berlin: VEB VerlagTechnik, 1962. – 340 p.
  48. Merritt H.E. Theory of self-excited machine-tool chatter: contribution to machine-tool chatter research – 1 // Journal of Engineering for Industry. – 1965. – Vol. 87 (4). – P. 447–454. – doi: 10.1115/1.3670861.
  49. Hanna N.H., Tobias S. A theory of nonlinear regenerative chatter // Journal of Engineering for Industry. – 1974. – Vol. 96 (1). – P. 247–255. – doi: 10.1115/1.3438305.
  50. Gouskov A.M., Panovko G.Ya., Shokhin A.E. Dynamics of the rotor system of a vibrational-centrifugal separator with an elastic vibration limiter // Journal of Machinery Manufacture and Reliability. – 2023. – Vol. 51 (8). – P. 733–745. – doi: 10.3103/S105261882208009X.
  51. Zakovorotnyi V. Bifurcations in the dynamic system of the mechanic processing in metal-cutting tools // WSEAS Transactions on Applied and Theoretical Mechanics. – 2015. – Vol. 10. – P. 102–116.
  52. Bifurcation of stationary manifolds formed in the neighborhood of the equilibrium in a dynamic system of cutting / V.L. Zakovorotny, A.D. Lukyanov, A.A. Gubanova, V.V. Hristoforova // Journal of Sound and Vibration. – 2016. – Vol. 368. – P. 174–190. – doi: 10.1016/j.jsv.2016.01.020.
  53. Rusinek R., Wiercigroch M., Wahi P. Influence of tool flank forces on complex dynamics of a cutting process // International Journal of Bifurcation and Chaos. – 2014. – Vol. 24 (9). – P. 189–201. – doi: 10.1142/S0218127414501156.
  54. Rusinek R., Wiercigroch M., Wahi P. Modeling of frictional chatter in metal cutting // International Journal of Mechanical Sciences. – 2014. – Vol. 89. – P. 167–176. – doi: 10.1016/j.ijmecsci.2014.08.020.
  55. Заковоротный В.Л., Гвинджилия В.Е. Влияние флуктуаций на устойчивость формообразующих траекторий при точении // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2017. – № 2 (194). – С. 52–61.
  56. Понтрягин Л.С. Избранные научные труды. Т. 2. – М.: Наука, 1988. – С. 95–154.
  57. Тихонов А.Н. Системы дифференциальных уравнений с малыми параметрами при старших производных // Математический сборник. – 1952. – Т. 31, № 3. – C. 231–239.
  58. Заковоротный В.Л., Фесенко М.А., Гвинджилия В.Е. Влияние процесса резания на динамические свойства приводов исполнительных элементов станка // Известия высших учебных заведений. Машиностроение. – 2022. – № 9 (750). – С. 16–29. – doi: 10.18698/0536-1044-2022-9-16-29.
  59. Рытов С.М. Введение в статистическую радиофизику. Ч. 1. – М.: Наука, 1976. – 495 с.
  60. Заковоротный В.Л., Гвинджилия В.Е. Свойства притягивающих множеств деформационных смещений инструмента в траекториях формообразующих движений при точении изделий // Известия вузов. Машиностроение. – 2022. – № 3 (744). – С. 15–30. – doi: 10.18698/0536-1044-2022-3-15-30.
  61. Шлезингер М., Главач В. Десять лекций по статистическому и структурному распознаванию. – Киев: Наукова думка, 2004. – 554 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».