Aplicação de redes neurais artificiais como preditor de rugosidade em processo de torneamento

• Ano de defesa: 2012
• Autor(a) principal: Mizuyama, Demerval
• Orientador(a): Silva Junior, Carlos Elias da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Palavras-chave em Português: Motores elétricos de indução; Usinagem; Redes neurais (Computação); Superfícies (Tecnologia); Electric motors, Induction; Machining; Neural networks (Computer science); Surfaces (Technology)
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/1398

As máquinas-ferramentas são encontradas em diversas indústrias do setor metal mecânico e oficinas. Estas são acionadas por motores de indução trifásicos, os quais estão sujeitos a problemas relacionados à carga aplicada em seus eixos bem como aos distúrbios da alimentação de energia elétrica na rede. No processo de usinagem os parâmetros relacionados à máquina ferramenta, às propriedades do material da peça, à geometria e ao material da ferramenta e ao próprio processo em si, podem interferir no acabamento superficial das peças usinadas. A rugosidade é considerada um dos principais índices de qualidade do produto final nos processos de usinagem, podendo apresentar variações com as alterações do conjugado eletromagnético no eixo do motor. A proposta deste trabalho é apresentar um preditor de rugosidade superficial de peças baseado exclusivamente na corrente eficaz que alimenta o motor de indução trifásico num processo de torneamento, utilizando redes neurais artificiais para analisar o comportamento da rugosidade em função das condições de usinagem empregadas. Resultados de simulação são apresentados e mostram o desempenho da Rede Neural Artificial (RNA) proposta para diversas situações de operação com desequilíbrios de tensões (entre +10% à -10%) e degraus de torque de carga (25 degraus de 1 em 1 Nm) com erro relativo médio (ERM) de 0,0120%. Os resultados experimentais conforme o método da (RNA) proposta para diversas situações de alimentação da rede elétrica: equilibrado, falta de fase e desequilíbrios de tensões (sobretensão e subtensão), mostram elevada capacidade em aproximar o comportamento da variável de saída (rugosidade Ra) com relação aos valores de entrada (correntes RMS das fases A, B e C). O maior erro relativo médio verificado foi de 0,001754%.