محققان دانشگاه آگزبورگ معتقدند که با به کارگیری حسگرهایی که سیستم فرز CNC را کنترل می کنند ، می توان فرآیندهای ماشینکاری را بهینه کرد. آنها در حال حاضر از AI برای ارزیابی جریان داده های ارائه شده توسط این سنسورها استفاده می کنند.

تحقیقات بر روی دستگاه فرز CNC صنعتی نشان می دهد که چگونه فناوری حسگر مناسب ، همراه با هوش مصنوعی ، می تواند چنین پیش بینی ها و پیشرفت هایی را ارائه دهد. اکثر دستگاه های فرز CNC مدرن دارای سنسورهای اولیه ای هستند که برای مثال میزان مصرف انرژی ، نیروی تغذیه و گشتاور را ثبت می کنند.

با این حال ، این داده ها همیشه برای حل جزئیات خوب در فرایند فرز کافی نیست. به همین دلیل ، سنسورهای مافوق صوت برای تجزیه و تحلیل صدای منتقل شده در ساختار در دانشگاه آگزبورگ توسعه داده شد و در یک دستگاه فرز CNC صنعتی ادغام شد. این سنسورها سیگنال های صوتی ناشی از ساختار را در محدوده اولتراسونیک تشخیص می دهند که در طول فرآیند فرز تولید می شوند و سپس از طریق سیستم به سنسور منتقل می شوند. صدای ناشی از ساختار اجازه می دهد تا در مورد وضعیت فرایند ماشین کاری نتیجه گیری شود. به منظور بهینه سازی فرآیند فرز CNC بر اساس داده های ثبت شده از سنسورهای اولتراسونیک ، محققان از آنچه به عنوان یادگیری ماشین معروف است استفاده می کنند. ویژگی های خاصی از سیگنال صوتی می تواند نشان دهنده کنترل نامطلوب فرآیند باشد که نشان دهنده کیفیت پایین قطعه آسیاب شده است. در نتیجه ، فرآیند فرز را می توان مستقیماً با این اطلاعات تنظیم و بهبود بخشید.

برای این منظور ، یک الگوریتم با داده های ثبت شده و حالات مربوطه آموزش داده می شود. یادگیری ماشین نه تنها می تواند فرآیند فرز را مستقیماً بر روی قطعه کار بهینه کند ، بلکه می تواند چرخه های نگهداری یک کارخانه تولیدی را تا حد امکان از نظر اقتصادی برنامه ریزی کند. قطعات عملکردی باید تا آنجا که ممکن است در دستگاه کار کنند تا کارایی اقتصادی افزایش یابد ، اما از خرابی های خودجوش ناشی از خرابی قطعات باید اجتناب شود. تعمیر و نگهداری پیش بینی روشی است که در آن هوش مصنوعی با استفاده از داده های جمع آوری شده سنسور ، زمان تعویض قطعه را محاسبه می کند.

در مورد دستگاه فرز CNC تحت بررسی ، یک الگوریتم تشخیص می دهد که ویژگی های خاصی از سیگنال صوتی تغییر می کند. به این ترتیب ، نه تنها میزان ساییدگی ابزار ماشینکاری را مشخص می کند ، بلکه زمان مناسب تعویض ابزار را نیز پیش بینی می کند.

این و سایر فرایندهای هوش مصنوعی در شبکه تولید هوش مصنوعی در آگسبورگ گنجانده شده است.

224000703.278