Sensor til slibehjuldetektionssystem

Papiret peger på design og implementering af et neuralt netværk og fuzzy logik baseret system, der kombinerer output fra flere sensorer til overvågning af slibeskivetilstand. Det kan antages, at ved slibeprocesser er processens tilstand i en enkelt slibeskivelevetid kun en funktion af ændringerne i skivens skæreevne. Dette er grunden til, at overvågning af hjulets tilstand spiller en afgørende rolle i ethvert automatiseret overvågningssystem for en slibeproces.

En vellykket overvågning af slibeskivens tilstand afhænger i høj grad af pålidelige og robuste sensorer, der anvendes til dette formål. I mangel af menneskelige operatører skal sensorerne have evnen til at genkende processen. abnormiteter og igangsætte korrigerende handlinger. Der er forskellige signaler, som korrelerer med processens tilstand, og de er genstand for forskellige sansnings- og behandlingsteknikker. Hvert af disse signaler er i stand til at tilvejebringe en funktion, der er relateret til fænomenet af interesse, men med varierende pålidelighed. Så at indsamle den maksimale mængde information om tilstanden af ​​en proces fra en række forskellige sensorer er den bedste løsning. For at introducere en sådan idé til at praktisere et intelligent sensorsystem, der inkorporerer strategier for sensorfusion, bør implementeres.

I denne undersøgelse foreslås et overvågningssystem med flere sensorer, og dets ydeevne evalueres eksperimentelt. Dette system omfatter måling af vibrationer, akustisk emission og slibekræfter. De genererer de nyttige signaler til overvågning af slibeskivens slid, men den bedste konfiguration af signalerne og signalbehandlingsmetoderne skal vælges.

Det gøres af et neuralt netværk med feed-back-udbredelse. Efter en tuning-procedure af netværket blev det fastslået, at antallet af informative funktioner er meget mindre end det oprindeligt brugte sæt funktioner. Det samme neurale netværk kan også anvendes i beslutningstagningsproceduren, fordi det på samme tid er i stand til at modellere slid på slibeskiver. Desuden diskuteres et neuralt netværk baseret fuzzy logic beslutningssystem til sensorintegration i slibeskivetilstandsovervågning.

For at evaluere de foreslåede procedurer blev data indsamlet under slibning med en række skæreparametre brugt. Den friske, slidte og delvist slidte slibeskive blev observeret under forsøgene. For hvert målesignal beregnes nogle få statistiske og spektrale træk og bruges som input til dataudvælgelse og klassificeringsprocedurer.