Estudo do monitoramento do desgaste de fresas de topo baseado no emprego de sensores.

• Ano de defesa: 1998
• Autor(a) principal: Santos, Marcelo Teixeira dos
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Desgaste; Engenharia mecânica; Ferramentas; Fresagem; Mechanical engineering; Milling; Neural networks; Redes neurais; Tools; Wear
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3132/tde-25072024-080206/

O estudo da viabilidade de um sistema de monitoramento do desgaste da ferramenta no processo de fresagem de topo é baseado em técnicas de redes neurais e processamento de sinais. Demonstra-se a possibilidade da utilização de apenas um sensor decorrente, de baixo custo, robusto, não intrusivo e de simples instalação. A aplicação de técnicas de inteligência artificial baseadas em redes neurais aliadas a algoritmos de pré-processamento apropriamente escolhidos torna possível o uso desensores de baixo custo, com desempenho bastante satisfatório. O processo de fresagem de topo é destinado à usinagem de rasgos e rebaixos, fresar contornos, facear, executar bolsões, matrizes e gravações. Deste modo tornando-se um dos processos mais comuns em ferramentarias e matrizarias a ao mesmo tempo um dos processos que apresenta um comportamento altamente não linear. Para o estudo dos métodos de monitoramento do desgaste da fresa de topo (ou fresa cilíndrico-frontal) utiliza-se sensores com sensibilidade apropriada para a detecção do desgaste durante o processo de ranhurado. Para os ensaios de desgaste da ferramenta, são selecionados os parâmetros de corte em fução da resistência do material, da ferramenta e dados do fabricante. Respeita-se também a integridade da estrutura da máquina, da ferramenta e potência disponível no motor de acionamento do eixo-árvore. A interpretação das informações obtidas destes sensores, oestudo da relação entre o comportamento de seus sinais e as marcas de desgaste que aparecem na ferramenta, só é possível através da aplicação de processamento de sinais adequados. A aplicação de algoritmos de extração de características mostra a sua eficiência no monitoramento de desgaste da fresa frontal. Com o auxílio de Redes Neurais Artificiais (RNA) para a identificação do desgaste são determinadas as configurações mais apropiadas para o sistema de monitoramento através de seus resultados. Para a RNA foi ) escolhida uma rede neural \"perceptron multicamadas\" com o algoritmo de apredizagem \"backpropagation\". Como alternativa ao pré-processamento de sinais é aplicada a Codificação Preditiva Linear (LPC) por sua robustez, velocidade de computação, redução de dimensionalidade e estreita relação com o espaço de frequências da mesma forma que anteriormente utilizou-se de uma RNA para a detecção do desgaste da ferramenta.