Датчик для системи виявлення шліфувального круга

У статті йдеться про розробку та реалізацію нейронної мережі та системи на основі нечіткої логіки, яка поєднує виходи кількох датчиків для моніторингу стану шліфувального круга. Можна припустити, що у випадку процесів шліфування стан процесу протягом одного терміну служби шліфувального круга є лише функцією змін різальної здатності круга. Ось чому моніторинг стану круга відіграє вирішальну роль у будь-якій автоматизованій системі контролю за процесом шліфування.

Успішний контроль стану шліфувального круга значною мірою залежить від надійних і міцних датчиків, які використовуються для цієї мети. За відсутності людини-оператора датчики повинні мати здатність розпізнавати процес. аномалії та розпочати коригувальні дії. Існують різні сигнали, які співвідносяться зі станом процесу, і вони є предметом різних методів вимірювання та обробки. Кожен із цих сигналів може надати функцію, пов’язану з явищем, яке цікавить, хоча й із різною надійністю. Тому найкращим рішенням є збір максимальної кількості інформації про стан процесу з кількох різних датчиків. Щоб представити таку ідею на практиці, слід реалізувати інтелектуальну систему зондування, яка втілює стратегії злиття сенсорів.

У цьому дослідженні пропонується система моніторингу з декількома датчиками та експериментально оцінюється її продуктивність. Ця система включає вимірювання вібрації, акустичної емісії та сил шліфування. Вони генерують корисні сигнали для моніторингу зносу шліфувального круга, але необхідно вибрати найкращу конфігурацію сигналів і методи обробки сигналів.

Це робиться за допомогою нейронної мережі прямого зворотного поширення. Після процедури налаштування мережі було встановлено, що кількість інформативних ознак значно менша за початково використаний набір ознак. Цю ж нейронну мережу також можна застосувати в процедурі прийняття рішень, оскільки в той же час вона здатна моделювати знос шліфувального круга. Крім того, обговорюється система прийняття рішень на основі нейронної мережі з нечіткою логікою для інтеграції датчиків у моніторинг стану шліфувального круга.

Для того, щоб оцінити запропоновані процедури, були використані дані, зібрані під час шліфування з діапазоном параметрів різання. Під час експериментів спостерігався свіжий, зношений та частково зношений шліфувальний круг. Для кожного вимірювального сигналу обчислюється кілька статистичних і спектральних характеристик, які використовуються як вхідні дані для процедур відбору даних і класифікації.