Fundação de Amparo a Pesquisa do Estado de Minas Gerais / The main goal of this work is the development of techniques for application of acoustic
emission signal in tool wear monitoring in face milling operation. In this work a Sensis (DM 42)
equipment for acquisition of the acoustic emission signal was used during the milling of a high
strength low alloy steel (Din 38MnS6). A milling cutter with 125 mm diameter for eight inserts
with specification R245 125Q40-12M was used. The ISO specification of the inserts were SEMN
12 04 AZ TiN coated. The tests were divided into two parts. In the first part, wear and some
other machining phenomena were monitored through the construction of a luminous intensity
map. For these tests it was used one, two, four or eight inserts simultaneously. In this stage the
acoustic emission signal was evaluated using the RMS values. In the second part of this work
the acoustic emission raw signal was used. Amongst the statistical parameters that correlate to
tool wear extracted from the raw signal, the best fit ones were selected to train and validate a
Probabilistic Neural Network. The results of the PNN indicate that the acoustic emission signal
can be used to recognition of tool wear levels in the milling process. / O principal objetivo deste trabalho é o desenvolvimento de técnicas para a aplicação da
emissão acústica no monitoramento de desgaste de insertos de metal duro no fresamento
frontal. Neste trabalho foi utilizado um equipamento da Sensis (DM 42) para aquisição do sinal
de emissão acústica durante o fresamento frontal de um aço microligado perlítico de forja (Din
38MnS6). Foi utilizada uma fresa com especificação R245 125Q40-12M, de 125 mm de
diâmetro e com possibilidade de montagem de até oito insertos. Os insertos utilizados são de
metal duro R245-12 T3 M-PM 4030 revestidos com TiN. A fresa e os insertos foram fabricados
pela Sandvik Coromant. Os testes foram divididos em duas partes. A primeira consistiu no
monitoramento do desgaste e também de alguns fenômenos que ocorrem na usinagem
através da construção de um mapa de intensidade luminosa. Nestes testes foram utilizados
um, dois, quatro e oito insertos simultaneamente. Nesta etapa foi empregado o sinal RMS da
emissão acústica. Na segunda etapa dos ensaios utilizou-se o sinal bruto de emissão acústica.
Foram estimados parâmetros estatísticos destes sinais e destes foram escolhidos os que
melhor se relacionavam com o fenômeno estudado. Este procedimento foi realizado através da
ferramenta estatística boxplot. Finalmente, os parâmetros escolhidos foram usados para treinar
e validar uma Rede Neural Probabilística, que teve a função de reconhecer e classificar os
estágios de desgaste da ferramenta. Os índices de acerto nas classificações da rede indicam
que a emissão acústica apresenta bons resultados no reconhecimento de níveis de desgaste
das ferramentas na operação de fresamento. / Doutor em Engenharia Mecânica
Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_UFU:oai:repositorio.ufu.br:123456789/14788 |
Date | 30 March 2007 |
Creators | Souto, Ulisses Borges |
Contributors | Silva, Márcio Bacci da, Abrão, Alexandre Mendes, Machado, álisson Rocha, Matsumoto, Hidekasu, Duarte, Marcus Antônio Viana |
Publisher | Universidade Federal de Uberlândia, Programa de Pós-graduação em Engenharia Mecânica, UFU, BR, Engenharias |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf, application/zip |
Source | reponame:Repositório Institucional da UFU, instname:Universidade Federal de Uberlândia, instacron:UFU |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds