Publicación: Empleo de las características acústicas del mecanizado para la monitorización de procesos de fresado de acabado
No hay miniatura disponible
Archivos
Fecha
2022
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España), Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Resumen
El presente documento presenta la implementación de un sistema de medición que emplea un arreglo de cuatro micrófonos y un modelo basado en datos para la estimación de la profundidad de corte en operaciones de fresado. La energía acústica generada por el proceso de mecanizado es captada por los micrófonos y procesada mediante un algoritmo de separación ciega de señales para reducir el impacto del ruido de fondo y de la reverberación. A continuación, diferentes características son extraídas de la señal resultante y estas son introducidas en un sistema de regresión no lineal asistido por aprendizaje máquina para realizar una monitorización no intrusiva del proceso que tiene lugar. Las principales ventajas de este sistema se basan en una implementación relativamente sencilla y una buena precisión de resultados, lo cual reduce la variabilidad de los actuales sistemas de monitorización sin contacto. Para la validación de este método, los resultados han sido comparados con los resultados obtenidos mediante un dinamómetro de precisión empleando un modelo geométrico del proceso de corte, obteniéndose unos resultados con error medio del 1% y una desviación típica bajo los 0.2 mm.
This paper presents the implementation of a measurement system that uses a four-microphone array and a data-driven algorithm to estimate depth of cut during end milling operations. The audible range acoustic emission signals captured with the microphones are combined using a blind source separation algorithm to reduce the impact of noise and reverberation. Afterwards, a set of features are extracted from these signals which are finally fed into a nonlinear regression algorithm assisted by machine learning techniques for the contactless monitoring of the milling process. The main advantages of this algorithm lie in relatively simple implementation and good accuracy in its results, which reduce the variance of the current noncontact monitoring systems. To validate this method, the results have been compared with the values obtained with a precision dynamometer and a geometric model algorithm obtaining a mean error of 1% while maintaining an STD below 0.2 mm.
This paper presents the implementation of a measurement system that uses a four-microphone array and a data-driven algorithm to estimate depth of cut during end milling operations. The audible range acoustic emission signals captured with the microphones are combined using a blind source separation algorithm to reduce the impact of noise and reverberation. Afterwards, a set of features are extracted from these signals which are finally fed into a nonlinear regression algorithm assisted by machine learning techniques for the contactless monitoring of the milling process. The main advantages of this algorithm lie in relatively simple implementation and good accuracy in its results, which reduce the variance of the current noncontact monitoring systems. To validate this method, the results have been compared with the values obtained with a precision dynamometer and a geometric model algorithm obtaining a mean error of 1% while maintaining an STD below 0.2 mm.
Descripción
Categorías UNESCO
Palabras clave
energía acústica, fresado de acabado, micrófonos, modelado basado en datos
Citación
Centro
E.T.S. de Ingenieros Industriales
Departamento
Mecánica