Automatyczny wybór reprezentatywnych fragmentów sygnałów do diagnostyki stanu narzędzia *
Automatic selection of representative parts of the sensor signals for tool condition monitoring
Mechanik nr 10/2016 - X Szkoła Obróbki Skrawaniem, XXXIX Naukowa Szkoła Obróbki Ściernej
STRESZCZENIE: W systemach diagnostyki stanu narzędzia skrawającego istotnym problemem jest wybór fragmentów sygnałów, na podstawie których należy prowadzić diagnostykę. W ramach prac stworzono algorytm, który w pełni automatycz sposób ny wybiera fragmenty sygnału, które są reprezentatywne dla stanu narzędzia i pozwalają na prowadzenie obliczeń online.
SŁOWA KLUCZOWE: diagnostyka stanu narzędzia, skrawanie, przetwarzanie sygnałów
ABSTRACT: For the tool condition monitoring systems important issue is the choice of segments of signals on the basis of which the diagnostics should be carried out. This article presents algorithm for fully automatic selection parts of signals which are representative for the tool condition and allow to carry out the calculations online.
KEYWORDS: tool condition monitoring, signal processing
BIBLIOGRAFIA / BIBLIOGRAPHY:
- Bombiński S., Błażejak K., Nejman M., Jemielniak K. „Sensor Signal Segmentation for Tool Condition Monitoring”. 7th HPC 2016 – CIRP Conference on High Performance Cutting. Procedia CIRP 46. (2016): pp. 155÷160.
- Nordmann International GmbH, „NORDMANN Tool Monitoring”. http://www.toolmonitoring.com/pdf/Nordmann-Praesentation.pdf (dostęp: 28.11.2015 r.).
- ARTIS GmbH, „Artis”. http://www.artis.de/en/mediacenter/. (dostęp: 28.11.2015 r.).
- Tansel I.N. „Tool wear estimation in micro-machining. Part I : tool usage – cutting force relationship”. International Journal of Machine Tools & Manufacture. 40 (2000): pp. 609÷620.
- Jemielniak K. „Commercial tool condition monitoring systems”. International Journal of Advanced Manufacturing Technology. 15/10 (1999): pp. 711÷721.
- Li W., Gong W., Obikawa T., Shirakashi T. „A method of recognizing tool-wear states based on a fast algorithm of wavelet transform”. Journal of Materials Processing Technology. 170(1) (2005): pp. 374÷380.
- Jemielniak K., Urbański T., Kossakowska J., Bombiński S. „Tool condition monitoring based on numerous signal features”. International Journal of Advanced Manufacturing Technology. 59 (2012): pp. 73÷81.
