Title
Анализа и моделирање параметара резања код обраде стругањем применом вештачких неуронских мрежа
Creator
Аничић, Обрад
Copyright date
2018
Object Links
Select license
Autorstvo-Nekomercijalno-Bez prerade 3.0 Srbija (CC BY-NC-ND 3.0)
License description
Dozvoljavate samo preuzimanje i distribuciju dela, ako/dok se pravilno naznačava ime autora, bez ikakvih promena dela i bez prava komercijalnog korišćenja dela. Ova licenca je najstroža CC licenca. Osnovni opis Licence: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/deed.sr_LATN. Sadržaj ugovora u celini: http://creativecommons.org/licenses/by-nc-nd/3.0/rs/legalcode.sr-Latn
Language
Serbian
Theses Type
Докторска дисертација
Other responsibilities
mentor
Пејовић, Бранко
University
Univerzitet u Prištini
Faculty
Fakultet tehničkih nauka
Alternative title
Analyzing and modelling of cutting parameters by artificial neural networks during turning process
Publisher
[О. Аничић]
Format
PDF/A (202 listova)
Abstract (sr)
Примена оптималних параметара режима резања током реализације процеса обраде
скидањем струготине се намеће као обавеза, обзиром на неопходност
најефикаснијег могућег управљања процесом обраде односно постизања најбољих
резултата током обраде материјала резањем. Један од циљева ове дисертације је
анализа зависности отпора резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и облика струготине од различитих параметара режима резања по којима ће бити реализован процес обраде стругањем. Подаци неопходни за спровођење поменуте анализе су прикупљени током обраде стругањем као у пракси најзаступљеније врсте обраде резањем. Материјал коришћен током експеримента је челик за побољшање 30CrNiMo8 (стара ознака Č.5432 и ознаке 4340 по AISI систему). Током обраде варирани су брзина резања, корак резања и дубина резања, као параметри режима резања од највећег утицаја. У другом делу истраживања је и анализирана повезаност отпор резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и параметара режима резања за различите облике струготине и храпавости површине материјала. Анализа је спроведена коришћењем три главне компоненте отпора резања. На основу добијених резултата закључено је да отпор продирања F2 има најјачу узајамну повезаност струготином.
Када је дубина резања у питању, најјача узајамна повезаност постоји са храпавошћу обрадом добијене површине. Обзиром на сложеност и комплексност, као и временску захтевност поступка одређивања облика струготине у ову сврху је коришћена вештачка неуронска мрежа са фази логиком.
Такав тип мреже се зове адаптивни неуро-фази систем (eng. Adaptive Neural Fuzzy Interface System - ANFIS) и представља начин заобилажења потешкоћа које постоје код изразито нелинеарних серија података, чија анализа применом класичних метода захтева доста времена. То је уједно и главни разлог примене ANFIS методологије у овој дисертацији. Уместо представљања проблема у математичкој форми у циљу развијања стратегије обраде података, неуронске мреже користе принципе људског мозга и његове структуре. Добијена стратегија обраде података на принципима људског мозга се назива вештачка интелигенција, обзиром да користи принципе обраде података биолошких неуронских мрежа.
ANFIS методологија је коришћена као алат за одређивање узајамних повезаности између параметара посматраних током експеримента. Процес карактерише изразита нелинеарност, због чега би примена класичних метода рачунања довела до неприхватљивог утрошка ресурса и материјала. Циљ одређивања узајамне повезаности параметара јесте одређивање оног параметра који има највећи утицај на формирање облика струтогине. Поред овог, дефинисан је и циљ који подразумева одређивање узајамне повезаности комбинације најутицајнијих параметара и различитих облика струготине, која би требала да представља оптималну комбинацију параметара која обезбеђује најповољнији облик струготине. То значи да се одређена комбинација параметара понаша као оптимална обзиром на најјачу узајамну повезаност са струготином тј.
њеним обликом.Може се рећи да је анализа урађена тако што је спроведено
рангирање параметара режима резања у зависности од јачине њихове узајамне
повезаности са различитим облицима струготине. Извршена је и анализа дебљине
добијене струготине, обзиром на њен утицај на квалитет крајњег производа, као и анализа температуре у зони резања и њена узајамна повезаност са обликом
струготине и храпавошћу обрадом добијених површина. Резултати су показали да
температура у зони контакта резног алата и обратка има јачу узајамну повезаност са обликом струготином од глобалне максималне температуре која се јавља током процеса обраде материјала. На крају је извршена анализа постојаности односно хабања резног алата током испитивања, која је показала да током релативно краткe обраде, уз малу похабаност алата, није дошло до значајније промене отпора резања.
Поред тога се може закључити да је током посматраних режима резања, праћењем
облика струготине, дошло до хабања алата врло ниског нивоа.
Abstract (en)
The main aim of the study was to analyze the influence of six machining parameters on
the chip shape formation and surface roughness as well during turning of Steel
30CrNiMo8 (Č.5432). Three components of cutting forces were used as inputs together
with cutting speed, feed rate and depth of cut. It is crucial for the engineers to use optimal machining parameters to get the best results or to high control of the machining process.
Therefore there is need to find the machining parameters for the optimal procedure of the machining process. Metal cutting by chip separations was used since it is the most common procedure of the metal manufacturing. Cutting speed, cutting step and depth of cutting are the parameters which were used as the main machining parameters during the cutting procedure. Since the cutting process is highly nonlinear process in this study artificial neural network was used. Adaptive neuro-fuzzy inference system (ANFIS), as a specific type of artificial neural networks, was used to estimate the inputs influence on the chip shape formation and surface roughness. ANFIS network enables fast data processing without knowing of internal knowledge of physical interactions between cutting tool and working material. According to the results the cutting force in direction of the depth of cut has the highest influence on the chip form. The testing error for the cutting force in direction of the depth of cut has testing error 0.2562. This cutting force determines the depth of cut. According to the results the depth of cut has the highest influence on the surface roughness. Also the depth of cut has the highest influence on the surface roughness. Generally the depth of cut and the cutting force which provides the depth of cut are the most dominant factors for chip forms and surface roughness. Any small changes in depth of cut or in cutting force which provide the depth of cut could drastically affect the chip form or surface roughness of the working material. Six different
chip shapes were obtained according to ISO standardization. Different cutting forces
occurred for the different chip shapes. Also different surface roughness occurred for the all machining regimes and corresponding chip shapes. It was also evaluated temperature influence in cutting zone on the forms of chip shapes during turning of Steel Č.5432(30CrNiMo8).
Temperature distribution in cutting zone during machining process could
affect the forms of chip shapes and surface roughness as well. Surface roughness could
be considered as the most important indicator for the machining process quality. It is
found that spot temperature is more influential than maximal temperature during the
machining process. In the end tool wear was analyzed to determine how much tool wear
is during the experiments. It is very important to find the optimal machining conditions in order to increase the tool life and to improve product quality. Width of tool wear was measured by universal microscope. During experimental procedure one chip shape was obtained for the given machining parameters. Results were shown negligible tool wear for the given experimental conditions. In other words the tool wear is negligible for one chip shape. In order to increase tool wear one should obtain more chip shapes.
Authors Key words
обрада стругањем; параметри резања; облици струготине; неуро-
фази логика; грешка предикције; грешка тренирања и тестирања; вештачка
интелигенција; неуронска мрежа; АНФИС методологија; отпор резања;
температуре у зони резања; хабање и постојаност алата; храпавост површине.
Authors Key words
turning process; machining parameters; chip forms; neuro-fuzzy; prediction
error; training and testing errors; artificial intelligence; neuro-fuzzy network; ANFIS
model; cutting force; spot and maximal temperature; tool wear; surface roughness.
Type
Текст
Abstract (sr)
Примена оптималних параметара режима резања током реализације процеса обраде
скидањем струготине се намеће као обавеза, обзиром на неопходност
најефикаснијег могућег управљања процесом обраде односно постизања најбољих
резултата током обраде материјала резањем. Један од циљева ове дисертације је
анализа зависности отпора резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и облика струготине од различитих параметара режима резања по којима ће бити реализован процес обраде стругањем. Подаци неопходни за спровођење поменуте анализе су прикупљени током обраде стругањем као у пракси најзаступљеније врсте обраде резањем. Материјал коришћен током експеримента је челик за побољшање 30CrNiMo8 (стара ознака Č.5432 и ознаке 4340 по AISI систему). Током обраде варирани су брзина резања, корак резања и дубина резања, као параметри режима резања од највећег утицаја. У другом делу истраживања је и анализирана повезаност отпор резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и параметара режима резања за различите облике струготине и храпавости површине материјала. Анализа је спроведена коришћењем три главне компоненте отпора резања. На основу добијених резултата закључено је да отпор продирања F2 има најјачу узајамну повезаност струготином.
Када је дубина резања у питању, најјача узајамна повезаност постоји са храпавошћу обрадом добијене површине. Обзиром на сложеност и комплексност, као и временску захтевност поступка одређивања облика струготине у ову сврху је коришћена вештачка неуронска мрежа са фази логиком.
Такав тип мреже се зове адаптивни неуро-фази систем (eng. Adaptive Neural Fuzzy Interface System - ANFIS) и представља начин заобилажења потешкоћа које постоје код изразито нелинеарних серија података, чија анализа применом класичних метода захтева доста времена. То је уједно и главни разлог примене ANFIS методологије у овој дисертацији. Уместо представљања проблема у математичкој форми у циљу развијања стратегије обраде података, неуронске мреже користе принципе људског мозга и његове структуре. Добијена стратегија обраде података на принципима људског мозга се назива вештачка интелигенција, обзиром да користи принципе обраде података биолошких неуронских мрежа.
ANFIS методологија је коришћена као алат за одређивање узајамних повезаности између параметара посматраних током експеримента. Процес карактерише изразита нелинеарност, због чега би примена класичних метода рачунања довела до неприхватљивог утрошка ресурса и материјала. Циљ одређивања узајамне повезаности параметара јесте одређивање оног параметра који има највећи утицај на формирање облика струтогине. Поред овог, дефинисан је и циљ који подразумева одређивање узајамне повезаности комбинације најутицајнијих параметара и различитих облика струготине, која би требала да представља оптималну комбинацију параметара која обезбеђује најповољнији облик струготине. То значи да се одређена комбинација параметара понаша као оптимална обзиром на најјачу узајамну повезаност са струготином тј.
њеним обликом.Може се рећи да је анализа урађена тако што је спроведено
рангирање параметара режима резања у зависности од јачине њихове узајамне
повезаности са различитим облицима струготине. Извршена је и анализа дебљине
добијене струготине, обзиром на њен утицај на квалитет крајњег производа, као и анализа температуре у зони резања и њена узајамна повезаност са обликом
струготине и храпавошћу обрадом добијених површина. Резултати су показали да
температура у зони контакта резног алата и обратка има јачу узајамну повезаност са обликом струготином од глобалне максималне температуре која се јавља током процеса обраде материјала. На крају је извршена анализа постојаности односно хабања резног алата током испитивања, која је показала да током релативно краткe обраде, уз малу похабаност алата, није дошло до значајније промене отпора резања.
Поред тога се може закључити да је током посматраних режима резања, праћењем
облика струготине, дошло до хабања алата врло ниског нивоа.
“Data exchange” service offers individual users metadata transfer in several different formats. Citation formats are offered for transfers in texts as for the transfer into internet pages. Citation formats include permanent links that guarantee access to cited sources. For use are commonly structured metadata schemes : Dublin Core xml and ETUB-MS xml, local adaptation of international ETD-MS scheme intended for use in academic documents.