Spelling suggestions: "subject:"burnig"" "subject:"turnig""
1 |
Modulo computacional, baseado em redes neurais, para a força de corte e para a rugosidade, em torneamento / Computacional module, based on neural networks for cutting force and roughness in turningAlmeida, Sergio Luis Rabelo de 14 June 2006 (has links)
Orientador: Olivio Novaski / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-07T14:11:27Z (GMT). No. of bitstreams: 1
Almeida_SergioLuisRabelode_D.pdf: 2212505 bytes, checksum: b547ce8e7c1a1faea1a6c7468054f32f (MD5)
Previous issue date: 2006 / Resumo: Os softwares CAM existentes hoje no mercado permitem facilmente automatizar a geração de programas em linguagem CNC a partir de um modelo CAD. As trajetórias da ferramenta são calculadas respeitando-se a geometria final da peça. No entanto, estes programas, em geral, não disponibilizam recursos para corretamente estimar os parâmetros de usinagem (velocidade de corte, avanço, profundidade de usinagem), bem como sua influência em grandezas relevantes ao processo, como a força de corte e a rugosidade. Cria-se, assim, um descompasso com a realidade fisica do processo. Adicionalmente, tais programas não foram desenvolvidos com abordagem didática, possuindo pré-requisitos (interface CAD, domínio de idioma estrangeiro etc.) que dificultam ao estudante o fácil aprendizado de processos de usinagem a CNC. Este trabalho busca então abordar estes problemas vivenciados por escolas técnicas, desenvolvendo um módulo computacional, acoplado a um software CNC didático comercial para torneamento, que permita a predição de esforços de usinagem e rugosidade em tempo de programação CNC. Optou-se pela técnica da rede neural como núcleo, uma vez que permite aproximações bastante satisfatórias do processo de torneamento. Os resultados indicam que os modelos de rede neurais adotados (perceptron multi-camadas e função de base radial) aproximam de forma satisfatória o comportamento da força de corte e rugosidade, em função dos parâmetros de usinagem escolhidos (velocidade de corte, avanço e profundidade de corte) em uma série de casos de uso, utilizando-se o módulo computacional desenvolvido / Abstract: The majority of CAM software in the market allows the user to easily create the CNC program through CAD models. The tool paths are ca1culated in respect to the final piece geometry. However, these software do not permit, as part of their functionality, to estimate the cutting parameters (cutting speed, feed and depth of cut), as well as their influence in process variables such as cutting force and roughness. There is, in that sense, a gap between the geometrical and physical scenario of the machining process. Additionally, such software were not developed with didactical requirements, which makes difficult to the students the learning of the machining concepts using the CNC technology. The CAD and the foreign language interface are examples of such fact. This work targets to approach these remarks which are particularly common among the Technical Schools, developing a computational module, embedded in a commercial CNC didactic software, capable of predicting cutting forces (in roughing) and surface roughness (in finishing) at programming time. It was used a neural network technique as the base core, since it allows good estimative of turning process. The results indicate that the ANN topologies (Multilayer Perpectron and Radial Basis function) correlate satisfactorily with the experimental behavior of the cutting force and roughness regarding the input parameters chosen (cutting speed, feed and depth of cut) for different cases using the software prototype / Doutorado / Materiais e Processos de Fabricação / Doutor em Engenharia Mecânica
|
Page generated in 0.0272 seconds