Orientador: Paulo Roberto de Aguiar / Banca: Eduardo Carlos Bianchi / Banca: Janaina Fracaro de Souza Gonçalves / Resumo: O monitoramento em tempo real do processo de dressagem vem se tornando cada vez mais necessário, pois tem um papel muito importante no acabamento de peças produzidas pelo processo de retificação. Por outro lado, o desgaste dos dressadoers é muito custoso e pouco eficiente para ser monitorado visualmente, como normalmente é feito nas indústrias. O sensor de vibração é uma grande ferramenta na automação desse processo, porém ainda é pouco utilizado, como se constata na literatura. Este trabalho apresenta um método de classificação do desgaste da ferramenta de ponta única em três condições distintas (novo, meia-vida e desgastado), por meio de vibração e redes neurais. Ensaios de dressagens foram realizados em uma retificadora plana tangencial, rebolo de óxido de alumínio, com a aquisição dos sinais de vibração por meio de um sensor fixo no suporte do dressador. Um estudo foi desenvolvido do espectro do sinal para as três condições de desgaste, no qual sete bandas de frequências foram selecionadas. Vários modelos neurais foram testados, os quais possuíam como entradas duas estatísticas obtidas a partir do sinal original filtrado para uma dada banda de frequência selecionada. Após centenas de combinações de entradas, número de camadas ocultas e número de neurônio, dois melhores modelos foram escolhidos e analisados, os quais apresentaram resultados com até 98,3% de taxa de acertos / Abstract: Real time monitoring of the dressing process is becoming more and more necessary because it plays a very important role in the finish of the part manufactured by the grinding process. On the other hand, dresser wear is very expensive and not much effective to be monitored visually, but it is usually so developed in industry. The vibration sensor can be a useful tool in the process automation; however, it is rarely used as can be verified in research works. This work presents a classification method for three wear conditions (new, semi-new, and worn) of single-point dresser by using vibration signal and neural networks. Experimental runs were carried out in a surface grinding machine equipped with aluminium oxide grinding wheel, where the vibration signal was acquired by a fixed sensor attached to the dresser bolder. The signal spectra analysis was performed with regarding to the aforementioned wear conditions, and seven frequency bands were selected. Several neural network models were tested, which had two input statistics from the digital processing of the raw signal filtered for a given frequency band selected. Following hundreds of input combinations, number of hidder layers and neurons, two best models were chosen and analyzed, which showed results with up to 98.3% success rate / Mestre
| Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000813379 |
| Date | January 2014 |
| Creators | Rocha, Camila Alves da. |
| Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Engenharia (Campus de Bauru). |
| Publisher | Bauru, |
| Source Sets | Universidade Estadual Paulista |
| Language | Portuguese, Portuguese, Texto em português; resumo em inglês |
| Detected Language | Portuguese |
| Type | text |
| Format | 66 f. : |
| Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0018 seconds