Zadanie Badawcze 2

UNIA EUROPEJSKAEUROPEJSKI FUNDUSZ

ROZWPJU REGIONALNEGO

INNOWACYJNA GOSPODARKANARODOWA STRATEGIA SPÓJNOŚCI „Nowoczesne technologie materiałowe stosowane w przemyśle lotniczym”

III KONFERENCJA Indywidualnego projektu kluczowego

Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik Wytwarzania

Zakład Automatyzacji, Obrabiarek i Obróbki SkrawaniemPROJEKT WSPÓŁFINANSOWANY PRZEZ UNIĘ EUROPEJSKĄ ZE ŚRODKÓW EUROPEJSKIEGO FUNDUSZU ROZWOJU REGIONALNEGO

Zadanie Badawcze 2

Modelowanie, konstruowanie i kontrolowanie procesu HSM z

uwzględnieniem skonfigurowanego układu maszyna-przyrząd-detal

Lider merytoryczny – prof. dr hab. inż. Krzysztof JemielniakPartnerzy:

• Politechnika Warszawska

• Politechnika Rzeszowska

Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technik WytwarzaniaZakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem



INNOWACYJNA GOSPODARKANARODOWA STRATEGIA SPÓJNOŚCI

Cele prac badawczych:

2.1 Modelowanie procesów HSMOpracowanie modeli matematycznych i optymalizacja wydajnościowej tego procesu.

Okres realizacji: 01.2010-12.2010

2.2Nadzorowanie stanu obrabiarek do HSMOpracowanie metod nadzorowanie stanu obrabiarek do HSM.


2.3 Układy diagnostyki stanu narzędzia i procesu skrawania dla przemysłu lotniczego Opracowanie metodyki budowy układów diagnostycznych dla konkretnych stanowisk produkcyjnych oraz konstrukcji i metodyki pracy sondy narzędziowej, umożliwiającej pomiary zużycia ostrza






2.3 Układy diagnostyki stanu narzędzia i procesu skrawania dla przemysłu lotniczego

2.3.1 Uaktualnienie światowego stanu wiedzy w zakresie diagnostyki stanu narzędzia i procesu skrawania

2.3.2 Identyfikacja stanowisk produkcyjnych do diagnozowanie stanu narzędzia i procesu obróbki

2.3.3 Dobór metody diagnostycznej i odpowiednich czujników, mierzących wybrane wielkości fizyczne oraz opracowanie, instalacja i testowanie torów pomiarowych działających w warunkach produkcyjnych, możliwie bezobsługowo

2.3.4 Badania doświadczalne zależności wybranych sygnałów diagnostycznych od stanu procesu skrawania

2.3.5 Analiza przydatności zbieranych sygnałów diagnostycznych na każdym z analizowanych stanowisk i redukcja torów pomiarowych do niezbędnego minimum

2.3.6 Optymalizacja procedur pomocniczych układu nadzoru stanu narzędzia

2.3.7 Budowa sondy narzędziowej z funkcja pomiaru zużycia ostrza

2.3.8 Zastosowanie metod wizyjnych do diagnostyki stanu narzędzia

2.3.9 Opracowanie metod automatycznej selekcji miar sygnałów diagnostycznych oraz integracji ich wskazań

2.3.10 Opracowanie strategii diagnostyki zużycia ostrza dla produkcji jednostkowej przy założeniu niezmienności materiału obrabianego

2.3.11 Opracowanie metod komunikacji układów diagnostycznych z układami sterowania

2.3.12 Opracowanie i testowanie wirtualnych układów ADONiS

2.3.13 Zbudowanie i testowanie hardware’owych układów ADONiS

I i II kwartał 2010Wykonane





2.3.4 Badania doświadczalne zależności wybranych sygnałów diagnostycznych od stanu procesu skrawania w warunkach przemysłowych – przeprowadzone w WSK Rzeszów

Tokarka TZC-32N1





2.3.4 Badania doświadczalne zależności wybranych sygnałów diagnostycznych od stanu procesu skrawania w warunkach przemysłowych – przeprowadzone w WSK Rzeszów Tokarka TZC-32N1

Inconel 625





2.3.4 Badania doświadczalne zależności wybranych sygnałów diagnostycznych od stanu procesu skrawania w warunkach przemysłowych – przeprowadzone w WSK Rzeszów

Przebiegi sygnałów wartości skutecznej emisji akustycznej AERMS oraz drgań (składowe Vx, Vy, Vz) i zdjęcia zużycia narzędzia z trzecich grup zabiegów z

pierwszej i operacji

Tokarka TUR MN

Inconel 781





2.3.4 Badania doświadczalne zależności wybranych sygnałów diagnostycznych od stanu procesu skrawania w warunkach przemysłowych – przeprowadzone w PZL Mielec

Tokarka ERI-250

stop tytanu WT-22






Tokarka ERI-250

stop tytanu WT-22






Tokarka ERI-250

stop tytanu WT-22

Przebiegi sygnałów AEraw, AErms oraz trzech składowych drgań Vx, Vy i Vz dla pierwszej, trzeciej i piątej (ostatniej) operacji pierwszego okresu

trwałości ostrza





Wnioski z wizyt studyjnych wprzedsiębiorstwach Doliny Lotniczej

• Przeprowadzono badania w „WSK Rzeszów” i „PZL Mielec” na czterech stanowiskach tokarskich podczas pracy 27 ostrzy dla pięciu różnych narzędzi.

• Zrezygnowano ze stanowisk frezarskich. Instalacja przewodowych czujników na tego frezarkach pięcioosiowych grozi uszkodzeniem sprzętu pomiarowego w czasie badań

• Duże zapotrzebowanie na diagnostykę stanu ostrza - materiałów trudnoskrawalne - krótkie i niepowtarzalne okresy trwałości ostrza, ocena ich końca arbitralna, zależna od doświadczenia operatora

• Okresy trwałości ostrza czasami krótsze od czasu obróbki jednego przedmiotu – konieczne jest poszukiwanie nowych miar niezależnych od parametrów skrawania i położenia miejsca obróbki na detalu





2.3.5. Analiza przydatności sygnałów i ich miar do diagnostyki stanu narzędzia

1. Przeanalizowano przydatność typu falki i transformaty oraz miar współczynników falkowych do diagnostyki stanu narzędzia, na przykładzie surowego sygnału AE.

2. Przeprowadzono analizę przydatności miar sygnału AE i sił skrawania oparta na transformacie falkowej, do diagnostyki stanu narzędzia na przykładzie zgrubnego toczenia Inconel 625 w operacji przemysłowej

• Spośród 22 testowanych typów

falek najlepsze wyniki osiągnięto

dla coif4, a niewiele gorsze

dladb6, sym5, coif3, coif4, bior3.7

i bior3.9, stąd te falki można

zarekomendować do diagnostyki

stanu narzędzia opartej na

surowym sygnale AE.• WPT okazała się znacznie

korzystniejsza od DWT






3. Opracowano metody automatycznej selekcji miar sygnałów diagnostycznych polegające na:

• modelowaniu zależności stanu narzędzia od wykorzystanej części okresu trwałości ostrza przez znormalizowany w dziedzinie czasu i filtrowany dolnoprzepustowo przebieg

• ocenę jakości tego modelu przy pomocy współczynnika determinacji

• ocenę powtarzalności miar

• eliminację miar skorelowanych między sobą

4. Opracowano metodę oceny stanu narzędzia w oparciu o poszczególne miary oraz integracji tych ocen.






Główne wnioski:

1. Z dostępnych sygnałów należy wyznaczać bardzo dużą liczbę miar,

ponieważ znikoma ich część jest przydatna do monitorowania stanu

narzędzia.

2. Niemożliwe jest zarówno prowadzenie monitorowania w oparciu o jedną

miarę sygnału, jak i przewidzenie które miary mogą być przydatne.

3. Konieczne jest automatyczne prowadzenie selekcji miar.

4. Zwiększanie liczby zakwalifikowanych miar poprzez obniżanie kryteriów

selekcji powoduje pogorszenie oszacowania stanu narzędzia przez układ.





2.3.7 Budowa sondy narzędziowej z funkcją pomiaru zużycia ostrza

• Opracowanie koncepcyjne wariantów konstrukcyjnych sondy. Wybór wariantu. Projekt i niezbędne obliczenia czujnika sondy.

• Opracowanie dokumentacji konstrukcyjnej.

• Wykonanie modelu egzemplarza badawczego sondy.

• Opracowanie projektu, dobór elementów, oprogramowanie i wykonanie toru pomiarowego do badań sondy.

• Badania laboratoryjne sondy.

• Instalacja na obrabiarce. Badania porównawcze z typową sondą narzędziową.

• Opracowanie komunikacji z wytypowanym układem sterowania. Oprogramowanie. Badania półprzemysłowe.

• Opracowanie metodyki instalacji sondy na obrabiarce przemysłowej. Opracowanie dokumentacji serwisowej. Instalacja sondy na obrabiarce w zakładzie produkcyjnym.

• Badania przemysłowe w warunkach produkcji.

• Projekt i zestawienie stanowiska laboratoryjnego. Skalowanie i walidacja czujnika sondy.

Przeniesione na III kwartał ze względu na brak finansowania





Rzeczywiste wskaźniki realizacji celów projektu w ramach ZB-2

Publikacje przyjęte do druku:

Journal of Engineering Manufacture:K. Jemielniak, J. Kossakowska, T. Urbański: „Application of wavelet transform of AE and cutting force signals in tool condition monitoring of Inconel 625”

CIRP keynote paper (Pisa, Italy, Tuesday, Aug. 24, 2010, 14:00-14:30






Wygłoszone referaty:

5th International Conference on Advances in Production

Engineering, APE’2010, 17–19.06.2010 r:

J. Chrzanowski, R. Wypisiński, „Independent Tool Probe with LVDT for Measuring

Dimensional Wear of Turning Edge”

K. Jemielniak, J. Kossakowska: „Tool Wear Monitoring Based on Wavelet Transform

of Raw Acoustic Emission Signal”

P. Oborski , „Shop Floor Control Based on Multiagent Idea”






Planowane referaty:

4th CIRP International Conference on High Performance

Cutting, 24 –26 Oct., 2010, Gifu, Japan

•K. Jemielniak, J. Kossakowska, S. Bombiński, T. Urbański: „Multi-feature

fusion based tool condition monitoring of Inconel 625”

IV Konferencja Naukowa SZKOŁA OBRÓBKI SKRAWANIEM, ŁÓDŹ 6-8

września 2010 r

•K. Jemielniak, J. Kossakowska, T. Urbański, Zastosowanie transformaty falkowej sygnałów sił skrawania i emisji akustycznej do monitorowania stanu narzędzia skrawającego podczas toczenia zgrubnego Inconelu 625

•K. Jemielniak, J. Kossakowska, M. Nejman, Optymalizacja toczenia zgrubnego Inconelu 625





Realizowane prace doktorskie

Promotor: prof. dr hab. inż. Krzysztof JemielniakDoktorant: mgr inż. Tomasz UrbańskiTematyka: Automatyczna diagnostyka stanu narzędzia w warunkach przemysłowych

Promotor: prof. dr hab. inż. Maciej SzafarczykDoktorant: mgr inż. Radosław GościniakTemat: Metoda określania współrzędnych i zużycia ostrza i zużycia ostrza noża na tokarkach NC

Planowane prace habilitacyjne (robocze tytuły, zakresy tematyczne):dr inż. Joanna Kossakowska:„Zaawansowane metody przetwarzania sygnałów w diagnostyce procesu skrawania”

dr inż. Sebastian Bombiński: "Metody sztucznej inteligencji w diagnostyce procesu skrawania"

dr inż. Jarosław Chrzanowski „Badanie dokładności dynamicznej obrabiarek sterowanych numerycznie”

dr inż. Piotr Szulewski:"Informatyczne systemy komunikacyjne w środowiskach przemysłowych"






Zespół realizujący dotychczasowe podzadania

• prof. dr hab. inż. Krzysztof Jemielniak,

• dr inż. Sebastian Bombiński,

• dr inż. Jarosław Chrzanowski,

• dr inż. Joanna Kossakowska,

• dr inż. Mirosław Nejman

• dr inż. Przemysław Oborski

• dr inż. Piotr Szulewski

• dr inż. Dominika Śniegulska-Grądzka

• mgr inż. Radosław Gościniak

• mgr inż. Tomasz Urbański – doktorant

• mgr inż. Rafał Wypysiński – doktorant

• Jakub Żaczek - student





Dziękuję za uwagę

Zadanie Badawcze 2

Modelowanie, konstruowanie i kontrolowanie procesu HSM z uwzględnieniem

skonfigurowanego układu maszyna-przyrząd-detal

Zadanie Badawcze 2

Documents