According to the increase in demand for automated and unattended operation, it results that each machine tool must be used more effectively rather than whole machining system. In this thesis, the intelligent machine tool is defined by comparison with an intelligent human machinists. In order to realize the intelligent machining system, the skilled machinist's know-how should be replaced by machine controller. One of the most important roles of skilled machinist in conventional machining operation is to monitor the machining process. The ability for detection and diagnosis of errors in a manufacturing system is necessary to build the autonomous controls for machine tools and factory systems.
In this thesis, not only the signal processing methods for individual monitoring object but also the system integration using neural networks are focused to realize the in-process and real-time monitoring system in turning operation. The cutting state is classified into five groups as one normal and four abnormal cutting states(tool fracture, tool wear, long chip formation and chatter). The acoustic emission sensor and the tool dynamometer are used to detect the abnormal cutting states.
In order to detect the tool fracture in turning process, the feasibility of using acoustic emission and cutting force signals for the detection of massive tool breakages as well as small fractures of cutting tool are investigated. The fracture of cutting tools is successfully detected through the analysis of these dual signals in the several types of tool fracture.
The normalized disparities are defined by the use of modeling of static force component to detect the flank wear. The dynamic fluctuations of cutting force is analyzed to detect crater wear, and the increase in magnitude of dynamic fluctuations is originated from the formation of built-up edge. These relationships turn out to be proper signal features to detect crater under the various cutting conditions.
The envelope signal of radial force is selected as a proper signal to detect machining chatter. It is found that the mode and the mode width are closely correlated with the chatter amplitude.
A new identification method is proposed to detect the chip forms. The feasibility of using acoustic emission signals propagated from the sensing plate is investigated. When the acoustic emission sensor is attached to the sensing plate, it turns out that the moving averaged AE signals correlate well with the impingements of segmented chip on the sensing plate. The sensitivity of the moving averaged AE signals to chip congestions due to continuous chip formation is illustrated as well.
In order to integrate each monitoring system, back propagation(BP) neural networks have been applied to the pattern recognition for the classification of cutting state in turning process. The neural networks memorize the signal feature differences of the dual signal in the back propagation training process. As a result, the trained neural networks can successively identify the cutting state under the various cutting conditions. As a result, in-process, real-time and simultaneous detection of four abnormal cutting states is possible in this proposed system.
최근 가공 자동화 및 무인가공의 요구가 증대됨에 따라 전체 시스템보다는 각각의 단위 기계가 보다 효과적으로 운용되어야 한다는 지적이 일고있다. 본 연구에서는 작업장의 숙련공을 기준으로 하여 지능형 기계가공시스템을 정의하였다. 이러한 지능형 기계가공시스템의 실현을 위해서는 그들의 Know-how를 체계적으로 공작기계에 대치해야 한다. 일반 작업장에서 숙련공의 역할중 가장 중요한 것의 하나는 가공상황을 관찰함으로써 예기치못한 상황에 대처하는 것이다. 따라서, 가공상태를 감지하고 진단하는 것은 공작기계 및 공장의 자발적인 제어를 위해 필요하다고 할 수 있다.
본 연구에서는 선삭가공 이상상태의 가공중(In-process), 실시간 (real-time) 감지를 위하여 각각의 감지대상에 대한 신호처리 방법과 신경회로망을 이용한 시스템의 통합화에 대해 언급하였다. 가공상태는 크게 정상과 이상상태로 나누고 이상상태는 공구의 파손, 공구의 마멸, 긴 칩의 생성 그리고 채터로 분류하였다. 감지를 위한 센서로서는 AE(acoustic emission) 센서와 공구동력계를 사용하였다.
공구파손의 감지에 있어서는, 공구 파손시 발생되는 AE신호와 절삭력 신호의 특성을 분석하였다. 공구가 파손되는 순간, 위와 같은 이중신호의 변화를 관측함으로써 공구파손의 크기와 그 위치를 감지할 수 있었다.
본 연구에서는 절삭력을 크게 정적 성분과 동적 성분으로 나누고, 절삭력의 정적 성분은 공구의 여유면 마멸감지에 그리고 동적 성분은 경사면마멸 감지에 사용하였다. 먼저, 정적 절삭력을 정상 공구에 대해 모델링한 결과와 모델링된 식의 미분값을 이용함으로써 공구의 여유면마멸량을 가공조건의 변화에 무관하게 감지할 수 있었다. 경사면마멸의 경우에는 공구상면에 구성인선이 다량 발생하며 그 결과 절삭력의 동성분이 크게 변화하므로 그 동성분의 곱을 이용하면 구성인선의 발생을 통하여 간접적으로 경사면마멸을 감지할 수 있었다.
채터의 감지를 위해서는 배분력의 envelope 신호를 선택하였고, mode diagram에서의 mode와 mode width는 임의의 가공조건에서 채터를 구분할 수 있었다.
선삭가공에서의 칩 형태를 감지하기 위하여 감지장치를 고안하고, 그 장치를 이용한 신호해석 방법을 제시하였다. 새로이 고안된 감지판은 칩의 길이를 신뢰성있게 감지할 수 있었으며, 공구선단 부위에서 발생한 칩의 tangle도 효과적으로 감지할 수 있었다. 본 감지시스템은 공구의 종류, 절삭유의 유무, 가공조건의 변화, 그리고 공구의 마멸등에 무관하게 칩의 형태를 감지할 수 있었다.
전체 시스템의 통합을 위하여 back propagation을 이용한 neural network을 적용하였고, 각 이상상태에 대한 감지 우선순위가 결정되었다. 또한, DOS 환경하에서 작동되는 통합 소프트웨어가 개발되었다. 적절한 학습과 의사결정을 통하여 본 시스템은 임의의 가공조건에서 네가지 이상상태를 효과적으로 감지할 수 있었다. 결과적으로 본 시스템은 가공중, 실시간으로 각각의 이상상태를 감지할 수 있었다.
