автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Мониторинг и прогнозирование износа режущего инструмента в мехатронных станочных системах

На правах рукописи

СИДОРОВ Александр Сергеевич

МОНИТОРИНГ И ПРОГНОЗИРОВАНИЕ ИЗНОСА РЕЖУЩЕГО ИНСТРУМЕНТА В МЕХАТРОННЫХ СТАНОЧНЫХ СИСТЕМАХ

Специальность: 05.13.06 - Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Уфа 2007

003069756

Работа выполнена на кафедре автоматизации технологических систем Уфимского государственного авиационного технического университета

Научный руководитель

д-р техн наук, проф Зориктуев Вячеслав Цыденович

Официальные оппоненты

д-р техн наук, проф Атрощенко Валерий Владимирович д-р техн наук, проф Кретииин Олег Васильевич

Ведущая организация

ФГУП УАГТ «Гидравлика», г Уфа

Защита состоится «2Л мая. 2007 г в ^ часов на заседании диссертационного совета Д-212 288 03 Уфимского государственного авиационного технического университета по адресу 450000, г Уфа, ул К Маркса, 12

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «

дпреп $ 200 -Д

года

Ученый секретарь диссертационного совета

В Миронов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Одна из главных причин снижения точности обработки на металлорежущих станках - изменение размеров режущего инструмента вследствие его износа Актуальность задачи повышается при обработке труднообрабатываемых материалов, которые широко используются в авиационной промышленности, поскольку для труднообрабатываемых материалов трудоемкость обработки заготовки соизмерима с ресурсом инструмента Остановка процесса по причине износа инструмента часто означает брак дорогостоящей детали Контроль состояния и замена инструмента в реальных производственных условиях осуществляется на основе расчетной стойкости Но в зависимости от качества инструмента вариация стойкости инструмента в одной партии колеблется от 15 до 35% Если время работы инструмента определяется наихудшим образцом в партии, то наиболее стойкие образцы при фиксированной наработке используют свой ресурс лишь на 65%.

Без информации об интенсивности изнашивания инструмента невозможна оптимизация процессов резания (ПР), процедура выбора оптимальных технологических условий обработки и т д

Несмотря на продолжительные исследования, проводимые в указанном направлении во многих научных и производственных коллективах нашей страны и за рубежом, проблема создания системы оперативной диагностики состояния режущего инструмента (РИ) остается нерешенной

Развитие средств диагностики позволит

- повысить точность механообработки за счет коррекции траектории инструмента с учетом текущего значения износа,

- вести оптимальное управление по критерию износа инструмента.

Предлагаемое исследование посвящено актуальным вопросам повышения

достоверности оценки размерного износа режущего инструмента системой мониторинга, разработке методики прогнозирования параметров, характеризующих состояния режущего инструмента

Цель работы и задачи исследований

Целью работы является совершенствование методов мониторинга износа режущего инструмента и прогноза диагностических параметров процесса резания Для достижения указанной цели поставлены следующие основные задачи

1 Усовершенствовать методику идентификации износа РИ по сигналу виброакустической эмиссии (ВАЭ)

2 Разработать методику самонастройки диагностических моделей износа РИ по электрическим параметрам контакта «инструмент-деталь», по экспериментальным данным, полученным в процессе функционирования системы

3 Разработать алгоритм прогноза износа РИ использующий априорные и эмпирические данные и учитывающий нелинейность функции износа от времени

4 Разработать базу данных и базу знаний диагностических параметров процесса резания Произвести ее наполнение априорными данными

5 Разработать информационно-измерительную систему для сбора, анализа и хранения диагностических параметров процесса резания

На защиту выносятся

1 Методика оценки износа режущего инструмента на основе анализа энергии волновых коэффициентов сигнала виброакустической эмиссии

2 Методика коррекции модели износа РИ по электропроводимости контакта «инструмент-деталь» на основе параметров вейвлет-образа сигнала виброакустической эмиссии

3 Алгоритм прогнозирования износа и диагностических параметров процесса резания

4 База данных и база знаний диагностических параметров процесса резания

5 Функциональная схема системы оперативной диагностики состояния режущего инструмента по косвенным параметрам процесса резания

Научная новизна

В диссертации получены следующие результаты, обладающие научной новизной

1. Установлена функциональная зависимость энергии детализирующих коэффициентов вейвлет-разложения сигнала виброакустической эмиссии от износа режущего инструмента и ее нечувствительность к изменению режимов механической обработки

2 Предложен способ самонастройки функциональной зависимости относительной электропроводимости от износа режущего инструмента, заключающийся в идентификации момента наступления катастрофического износа РИ по энергетическому спектру детализирующих коэффициентов вейвлет-преобразования сигнала ВАЭ и линейной интерполяции функции Ь/1) в зоне нормального износа

3 Разработан алгоритм «предикатор-корректор» для прогноза износа РИ в реальном масштабе времени, который заключается в коррекции оценки базовой модели по результатам текущих измерений путем добавления аддитивной составляющей, полученной на основе экстраполяции функции невязки.

4. Разработаны база данных и база знаний диагностических моделей процесса резания. Особенность БД состоит в векторно-матричном представлении входных аргументов.

5. Предложена функциональная схема системы оперативной диагностики состояния режущего инструмента по косвенным параметрам процесса резания, отличающаяся наличием подсистем прогноза, самоорганизации моделей диагностики и идентификации критических состояний РИ

Практическая значимость работы:

1 Разработан программный комплекс, основанный на методах и алгоритмах обработки сигнала и теории вейвлет-преобразований, позволяющий внедрить в производство предложенные методы мониторинга и прогноза износа РИ

2 Повышена точность и достоверность оценки износа режущего инструмента путем синтеза методов контроля по электрическим и виброакустическим сигналам, что повышает эффективность и надежность всего мехагронного модуля

3 Оценка оставшегося ресурса конкретного РИ в реальном времени, позволяе1 практически реализовать оптимальное и ситуационное управления процессом механообработки

Методы исследования

При исследовании объекта диагностики использованы методы системного анализа, теории резания, теории автоматического управления, идентификации и планирования эксперимента, математической статистики Проектирование системы диагностики осуществлялось на основе методов теории надежности, электротехники, метрологии Анализ экспериментальных данных осуществлялся также с применением теории цифровой обработки сигналов, теории оптимизации, вариационного вычисления, теории информации, методов анализа сцен и распознавания образов, теории принятия решения, теории нейронных сетей Для решения задач прогноза использованы методы нелинейной динамики

Апробация работы и публикации

Работа проводилась в рамках проекта РФФИ №06-08-00198 «Теоретические основы проектирования интеллектуальных систем управления мехатронными металлорежущими станками» и научно-исследовательских работ на кафедре «Автоматизированные технологические системы» по созданию интеллектуальных мехатронных станочных систем

Основные положения работы были представлены в трудах международных научно-технических конференций ВОАС'2000, ВОАС'2002 г Санкт-Петербург, в сборнике научных трудов (с международным участием) Московского государственного университета приборостроения и информатики, а также научно-технических конференциях профессорско-преподавательского состава Уфимского государственного авиационного технического университета, 2002 — 2006г , в том числе в сборнике научных трудов УГАТУ Опубликованы в 8 работах, в том числе в 2 статьях, из них I - в издании, входящем в список ВАК («Вестник УГАТУ», 2006г ), 1 — в научно-технических изданиях "Инструмент и технологии", 2004 №9-10, 6 - в материалах и трудах конференций

Внедрение результатов работы

Метод диагностики состояния режущего инструмента по виброакустическим параметрам принят к внедрению в ОАО «Салаватнефтемаш», г Салават

Структура работы

Диссертационная работа изложена на 177 страницах машинописного текста и включает в себя введение, четыре главы основного материала, заключение, иллюстрации на 66 страницах, библиографический список из 159 наименований на 10 страницах и приложение на 24 страницах

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, определена цель, поставлены задачи исследований, приведены научная новизна, практическая ценность, положения, выносимые на защиту

Первая глава посвящена анализу современного состояния методов мониторинга и нрогноза износа режущего инструмента (РИ), выделены проблемы и пути их решения

Показано, что большинство систем мониторинга состояния инструмента построены по следующему принципу измеряются несколько параметров процесса резания, имеющих корреляционную связь с износом инструмента (такие как, составляющие силы резания, вибрация, сигналы акустической эмиссии, мощность привода главного движения) Измеренные сигналы фильтруются, усиливаются, извлекаются полезные характеристики сигналов (амплитуда, спектр, статистические оценки, коэффициенты волнового спектра), которые поступают на вход нейронной сети

Показано, что большинство существующих систем мониторинга не удовлетворяют требованиям универсальности, рассчитаны на жестко запрограммированные режимы механической обработки и узкий номенклатурный ряд материалов или обладают недостаточно высокой достоверностью Выявлена проблема создания базы данных и базы знаний, а также разработки алгоритмов автоматического синтеза моделей на основе экспериментальных данных

В результате выполненного литературно-патентного анализа отечественных и зарубежных систем мониторинга определены наиболее надежные и простые методы контроля, основанные на анализе сигналов виброакустической эмиссии (ВАЭ) и сигналов электропроводимости контакта «инструмент-деталь» (ЭП КИД) Выявлены проблемы, связанные с повышением чувствительности и достоверности метода контроля на основе сигнала ВАЭ и необходимости адаптации моделей ПР, используемых для мониторинга и диагностики - для методов контроля на основе ЭП КИД

Выдвинута гипотеза о возможности повышения быстродействия и точности системы мониторинга путем синтеза методов контроля работоспособности режущего инструмента, основанных на измерении виброакустической эмиссии и электропроводимости контакта «инструмент-деталь» На первом шаге анализируется сигнал виброакустической эмиссии, инвариантный к режимам обработки, и выбирается структура модели износа А на втором шаге производится оценка степени износа РИ на основе анализа сигнала электропроводимости контакта «инструмент-деталь».

Обзор существующих систем прогноза износа РИ показал, что существуют два принципиально различных подхода к задаче прогноза

- итерационный (прямой) прогноз,

Х„ =/(*„-! >*„-2> >Хп-0'С) С1)

г

где х - наблюдаемый параметр, с - константа

- модельные отображения

/(¿,с) = с^(0+ +с„0„(О, С2)

где фк - базисная функция

В первом случае (1) процесс резания (ПР) рассматривается как стационарный и не учитывает нелинейный характер функциональной зависимости износа инструмента от времени в процессе резания (рисунок 1), характерный для обработки труднообрабатываемых материалов

О 60 100 150 200 250 300

Рисунок 1 Характерная кривая износа режущего инструмента

Во втором (2) методе, основанном на использовании ранее полученной модели, не учитывается переменность факторов внешней среды и переменность внутренних параметров системы На основании проведенного анализа сформулированы следующие требования к методу прогноза состояния РИ

- учитывать априорную информацию о модели поведения объекта диагностики через структуру модели, которая хранится в базе данных,

- количественную оценку осуществлять с учетом оперативной информации, полученной от датчиков

Во второй главе на основе анализа объекта диагностики, методов контроля состояния инструмента и существующих эффективных производственных решений разработана функциональная схема системы оперативной диашостики состояния РИ (рисунок 2) Произведен обоснованный выбор и реализация методов контроля на основе электрических и виброакустических параметров Разработаны методики понижения размерности и извлечения информативных признаков сигналов, реализованные в программно-математическом обеспечении и апробированные в натурных экспериментах

Проанализированы особенности физического формирования сигналов термоЭДС, ЭП КИД (рисунок 3) и ВАЭ (рисунок 4), принятые ранее в качестве основных диагностических параметров Отмечены особенности измерения термоЭДС для резцов с механическим креплением режущей пластины, для которых предложена методика уточненного расчета величины термоЭДС, заключающаяся в компенсации паразитной составляющей в процессе оперативного измерения Для выбранных методов контроля рассчитан динамический диапазон, быстродействие, точность датчиков и сформулированы требования к АЦП Доработано устройство измерения ЭП КИД, отличающееся от аналогов возможностью одновременной регистрации термоЭДС, постоянной и переменной составляющей ЭП КИД, цифровой регистрацией контролируемых параметров, высокой частотой (до 400 кГц) и точностью (± 0,01 мВ)

Датчики

ТЖ ЭПМА Малиос-*«

МуДОИМ Овбраш» !.

программного

Цифровая обработка сил !Элое

¡■или-«*!.

иялшлгос* ¡ресурса РИ

ггарЭвпйАчяя ^опямм)

V".....—'

' М^цу/к. «опр«жи<*я лви*мее техяопо^ичвоюго процесса с Э6М

Идентификация состояния режущего инструмента

; ВДАЧК - -^Ч»' I ИЗДврКВДЬнЫК ]'< ............

; ****** /^дкгош

/^ДЙПЯлП Й5Й) К5Щннк (Г1.'.! 1'

,- пвсВДпае^гдоа^цих« ГЧ«М«ИР I

—намимоиий отор^иьи «сырилтистыч ( " ^ Изапвчвнии сг^ййапьного, ИймМ * оСеада '.) ' . ^_____. . "Р"^3,?*,____________

"Л 1 .^'.1 " <(Н1» исцИЛИ ЗД^фШШММ» ^

1 на йодммни тфермащт .цда» пноаиУС' \\

т«»|спгх1*»есггго прдооаа

Протез состояния режущего инструмента

Модуль самоорганизации моделей

ОСйсг^^НИ«

лом«моуснйч*вде!и

- доскнкфипе**

V .

Модуль обнаружения критического состояния инструмента

»^ги^вскис

даотоямпя

у.ч чггруижга на О&кМФ

Ммрмсас^мх

«•одомй

.„-тгр-¡1______

В САУ гс рисуусу

Ж*

ш

ИЛ (ДПуИ^.ИЙ

Рисунок 2. Функциональная схема системы оперэтм&ной диагностики состояния РИ

Измерение ЭП КИД Скид (рисунок 3) производится по методу, предложенному в работах профессора Зориктуева. и определяется по следующей формуле:

! /э (3)

а.

Ц-Е

Сиповок щеточно-коллекторньм узел

Заготовка

Измерительный токосъемник

Инструмент электрически изолированный

Усиление, предварительная фильтрацад и оцифровка

Рисунок 3. Схема измерения Э! [ КИД

На контакт «инструмент-деталь» подводится постоянный ток эталонной амплитуды 1у После задержки времени т, обусловленного временем переходного процесса в цепи СПИД, производится измерение полного напряжения С/, которое складывается из суммы двух составляющих: напряжения индуцируемого пропускаемым током 1э&кид И термоЭДО Е. Сопротивление контакта зависит от формы контакта, который изменяется в процессе износа инструмента.

Исследование методов анализа сигнала ВАЭ па основе Фурье и вейвлег-преобразований, теоретически и экспериментально доказана эффективность применения последнего для разрешения проблемы неопределенности частотного и временного разрешения. Предложен метод понижения размерности сигнала на основе вейвлет-прсобрачований, без снижения его информативности, заключающийся в оценке средней энергии £, значений вейвлет-коэффициентов детализации /-го уровня (4):

1

I] *=!

(4)

где - число коэффициентов в каждой шкале различно, так как временные интервалы волновых коэффициентов изменяются пропорционально}\] -уровень разложения: (I - коэффициент детализации /-уровня вей влет-разложения:

*

где y(x) анализирующий (материнский) вейвлет.

Рисунок 4. Схема измерения сигнала виброакустической эмиссии

,* л ыдоданть Аплрпйсчиарующие иаэффицизнты

U б

Рисунок 5. Коэффициенты разложения сигнала ВАЭ в базисе вейвлета Хаара, полученные при продольном точении ЭИ698-ВК8 (К" 40 м/мин; ,>>-0,075 м/об; t = 0,5 мм): а~ легализирующие; б - аппроксимирующие

Установлено, что информативным параметром, характеризующим износ РИ, является дисперсия детализирующих коэффициентов в ей влет- разложения сигнала ВАЭ (рисунок 5, а), данный параметр является нечувствительным к изменениям режимов обработки. Для вей влет-а нал и за эффективно применение наиболее простого базиса — вейвлета Хаара. Минимальная длительность анализируемой выборки составляет 0,1 с. Идентификация износа РИ осуществляется по значении» энергии детализирующих коэффициентов j-го порядка. Для разложения в базисе вейвлета Хаара 3</<G.

Энергетический спектр аппроксимирующих коэффициентов является чувствительным к поломкам и прерываниям ПР (рисунок 5, б).

В заключение главы приведены технические характеристики оборудования, приборов и устройств измерения, применявшихся в ходе эксперимента Обоснован выбор материалов для исследований Дано описание функциональных возможностей программно-математического обеспечения для сбора и анализа экспериментальных данных

В третьей главе установлено, что для распознавания нейронной сетью LVQ (learning vector quantization) двух состояний инструмента, соответствующих острому (Из < 0,2 мм) и изношенному (h-j >0,4 мм), достаточно обучение на минимальном объеме экспериментальных данных (один тестовый проход)

Тестовая выборка апр козф Тестовая выборка дет коэф

Износ , соответствующий состояниям РИ

Рисуиок 6. Результат распознавания состояния РИ при обработке ЭИ698-ВК60М, НС при V ~ 37-48 м/мин, с1У/(И > 0,5 = 0,9 мм/об обученной при Г= 25-41 м/мин, с1УМ > 0, б = 0,125, К = 37-48 м/мин, с1У/& < 0, ^ = 0,125

Результат распознавания инвариантен к изменению режимов обработки в широких пределах

Для распознавания состояния инструмента с точностью ±0,1 мм требуется больший объем экспериментальных данных, повышение мощности сети и введение дополнительных входных координат, соответствующих режимам обработки Однако даже в этом случае достоверность результата распознавания на основе архитектуры не превышает 75% Причина невысокой эффективности НС при распознавании износа РИ с высокой точностью состоит в том, что различные состояния РИ способны порождать один и тот же наблюдаемый мгновенный энергетический вейвлет-спектр виброакустических колебаний

С целью повышения точности и достоверности оценки состояния РИ разработан и получил экспериментальное подтверждение (рисунок 6) алгоритм идентификации модели износа РИ, заключающийся в нахождении точки завершения процесса приработки РИ по сигналу ЭГ1 КИД, и износа инструмента Ъф по сигналу ВАЭ НС на пробном проходе с последующим расчетом уравнения

линейной функции Ь; = ДС*Хгь>. Относительная электропроводимость О имеет практически линейную зависимость от износа инструмента и практически инвариантна к величине термоЭДС, скорости и глубине резания.

• О, (б)

О =_51

где С*<« - относительная электропроводимость, определяется из следующего отношения; электропроводимость КИД при рабочей подаче: Э11 К ИД

при пониженной подаче л„=0,07 мм/об.

Ошибка оценки износа РИ

Рисунок 7. Экспериментальная и расчетная поверхности функции 01) и функция ошибки Л=/(У,Т), для ЭИ698 - ВК8

Алгоритм оценки износа на основе полученной модели обеспечил точность распознавания 0,05 мм на участке нормального износа РИ и отличается от аналогов способностью к адаптации и самообучению в процессе механообработки.

Для хранения анализа существующих и вновь подученных моделей, на основе которых выполняется идентификация текущего состояния РИ и прогноз работоспособности и диагностических параметров процесса резания, разработана база данных (БД) и база знаний (БЗ). Разработанная структура базы данных удовлетворяет требованиям иерархичности, гибкости, расширяемости и реализована на базе СУБД, предусматривает следующие поля:

- марку обрабатываемого материала и инструмента;

- выходной параметр (Пр.: Е - термоЭДС; С - Э1Л КИД);

- входные (варьируемые) параметры, кодируемые символами х 1,х2..■ л„. и интервалы их варьирования (Пр.: (30—50 м/мйн) скорость резания; ЛЧ (0,097-0,39 мм/об) - подача инструмента; Хз —Н (0,5-1,5 мм) - глубина резания; -*„ 1-0,4 мм) - износ инструмента по задней поверхности;

- постоянные известные параметры, не изменяющиеся или изменяющиеся незначительно в процессе обработки с присвоенными им значениями (угол в плане, передний, задний угол);

- вид обработки, характеристики инструмента (резец цельный, с напайными пластинами, с механическим креплением режущей пластины), тип используемого оборудования, особенности обработки (СОТС, без СОТС)

Отличительная особенность БД состоит в векторно-матричном представлении параметров Таким образом, в качестве выходного параметра может быть использован вектор состояния (например [сО,, сВ6, сА¡, , сАб] -детализирующих и аппроксимирующих коэффициентов вейвлет-разложения)

Создание БД позволило унифицировать и систематизировать модели ПР из литературных источников Для организации поиска функциональной зависимости от аргумента, не входящего в описание функции явно, но имеющего однозначную зависимость аргумента, присутствующего в БД, поиска «ближайшего соседа» при отсутствии результата «прямого» запроса, определены отношения структуризации, функциональные, каузальные и семантические Разработана база процедурных правил вывода (таблица 1)

Таблица 1 Пример процедурных знаний хранимых в базе правил

1

Е =ДУЛ1,Из)

&

0.1 =/(Е)

о, -/(УЛОи)

Е = /(У.Бл.кз)

&

Е =/(У,5,1,Из)

о =дуда)

&

Пример

Рассмотрим продукцию №1 (Таблица I) Если найдена параметрическая зависимость ТЭДС Е от скорости резания V, подачи инструмента Б, глубины резания / и износа инструмента по задней поверхности И3 И, найдена тарировочная зависимость, однозначно связывающая температуру с ТЭДС, ТО формируется функциональная зависимость, связывающая температуру РИ со скоростью резания, подачей, глубиной и износом РИ

Разработанный алгоритм (рисунок 8, а) инициализации работы подсистемы прогноза обеспечивает формирование базой знаний функционала базовых моделей ¥, размерности N (рисунок 8)

Рисунок 8. Инициализация работы подсистемы прогноза состояния РИ

SQL запрос Выбор из ЕД модели ЗЯОЕЛЕГООрзюшей ijeSjetioii структуре и условиям ПР

J

j H-N ~M~"j--

X

■С н<0 \

Х^Да

Нет

Поиски выполнение продукций

/7 \ Нет ^/Йеребор

продукций \заверш£К?/

Измене кие условий SQL -запроса

]

М - дпнна возвращенной I базой знаний выборки, ■< N - заранее заданная )" ] размерность ф'квдюнала У»|>, Л

Y-b, у]

У

гаиеа

I Изменения в с оэгветствки с приоритетом опредатгеккш!

I семантической близостью информационных единиц

-!

А>

Инициализация

Ч тенте юктора

I

1-1 lengthCK)

?M = f(n-l)+t/(p(n),p (п),..)

Д <я)-?(л)-Г(л)

1

biAsvoO-im^NWlj 1

X

Формироваякямнажества функций Y5 на зснове функционала Model, Чтение программы ЧПУ и имитация вектора технологических параметров

t/(n+g).s(n+e).Kn+S)

N - число модатк, содержащихся в выбранной из БД функционале

рценга Еьтщнои величины ш вектору —ргагшьк параметров итерационным [методом

{Формирование вектора ошибки прогноза

Ркскмэдошс ишлнлальнщ абгой прогноза

(ТЗычиспеню вектора прзгава параметра - •! и энпретшикя ошибки прогноза |g горизонт прогноза

[у<л+г>,л си+й]

I

б

Рисунок 9. Блок-схема алгоритма прогноза а - инициализация функционала У, б - выбор оптимальной модели у е У

В реальном времени, в соответствии с алгоритмом (рисунок 9, б) осуществляется выбор наилучшей модели у из предложенного функционала моделей Y. Непосредственно сам прогноз параметра ПР выполняется по выбранной модели, назовем ее «базовым предиктором» Затем «подправляют» предсказанные значения с помощью дополнительного модельного отображения -гак называемого «корректора», - которое строится по тренировочному ряду путем экстраполяции функции невязки и связывает ошибки прогнозов базового предиктора для упреждения с самим прогнозом Проверка эффективности и адекватности разработанных алгоритмов была экспериментально подтверждена для материалов ЭИ698 при обработке инструментом ВК8

О^ЧШ «'iwc.i t ..d М с*. Прогноз юном РИ на JZ0 см. процесса мвиноовра&упы

Статистический анализ результатов эксперимента показал, что для наихудшего случая, когда модель износа РИ отсутствует, точность прогноза оставшегося ресурса после завершения процесса приработки повышается с 66% (1,3 мм) (по статистическим моделям) до 89 % (0,6 мм), точность прогноза наступления критического износа РИ с 74% (65 сек) до 88% (11 сек) В случае если прецедент сочетания технологических параметров для данной пары материала и инструмента имеется в базе данных, точность прогноза возрастает

Четвертая глава посвящена разработке алгоритмов формирования и добавления новых моделей в БД на основе анализа экспериментальных данных

Формирование модели по выборке обеспечивается алгоритмами структурно-параметрической идентификации (рисунок 11)

Депстеите тьныЛ процесс

Итерация вектора

Рисунок 11. Общая схема идентификатора и— вектор входных переменных, х- вектор выходных переменных /- функция процесс резания, Р— вектор параметров ПР, <р - модель процесса резания, х-оценка вектора г, критерий оптимизации, л -вектор оцениваемых параметров

Базисная функция (р выбирается из функционала Ф (7)

+ £ 2Х-/ м (7

1=1 №1 = 1

Н

1-1 ж = 1

\ ( \1 м Л

#) = ! I ,т,]х(к-т,) х{к-т,)\

|=0 1^1, = ! /и, -I у

Критерий оптимизации учитывает точность (минимум дисперсии <5',у) и простоту аппроксимирующего полинома (минимума вычислительных затрат I )(8)

Г К\ ] < р

тах (¿>, „, „) !

где а,р— коэффициенты значимости критерия точности и быстродействия. В случае неудовлетворительных результатов аппроксимации вводится аддитивная составляющая, полученная путем аппроксимации функции невязки В качестве базисных функций используются «импульсы» разной ширины и в разных положениях на временной оси Оценка значимости коэффициентов и адекватность полученных моделей проверяются на удовлетворение критерию Стыодента и критерию Фишера После завершения эксперимента, полученные данные анализируются и сохраняются в виде аналитически записанных моделей

Частные модели, построенные на основе текущих измерений, подвергаются анализу с целью обобщения накопленного экспериментального материала При удовлетворении экспериментальных моделей критериям самоорганизации создается новая структурно устойчивая модель, которая может быть использована для формирования прогноза состояния РИ

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1 Усовершенствована методика идентификации износа РИ по сигналу виброакустической эмиссии путем оценки энергии спектра детализирующих коэффициентов вейвлет-преобразования Усовершенствование методики повысило инвариантность оценки износа к режимам механообработки

2 Разработана методика коррекции модели износа РИ по относительной электропроводимости контакта «инструмент-деталь» Заключающаяся в идентификации момента наступления катастрофического износа РИ по энергетическому спектру детализирующих коэффициентов вейвлет-преобразования сигнала ВАЭ, линейной интерполяции функции в зоне нормального износа и коррекции модели на основе данной информации Синтез методов контроля на основе электрических и виброакустических сигналов позволил повысить точность и обеспечить универсальность оценки текущего износа РИ

3 Разработан алгоритм прогнозирования диагностических параметров процесса резания и износа РИ, на основе имеющихся априорных и эмпирических данных, который учитывает нелинейность функции износа РИ во времени и вариацию стойкости инструментов в партии Алгоритм заключается в коррекции оценки базовой модели, по результатам текущих измерений, путем добавления аддитивной составляющей полученной на основе экстраполяции функции невязки, что позволяет снизить затраты на инструментальный материал, произвести оценку оставшегося ресурса инструмента, перед началом обработки новой заготовки, ввести оптимальное управление по состоянию режущего инструмента

4 Разработана база данных диагностических параметров процесса резания, особенность которой состоит в векторно-матричном представлении входных аргументов, что позволило унифицировать и систематизировать модели ПР из литературных источников, включая частотно-временные и многомерные модели Разработана база знаний о диагностических моделях процесса резания, что позволило организовать сложные алгоритмы поиска поиск функциональной зависимости от аргумента, не входящего в описание функции явно, но присутствующего в БД неявно, поиск «ближайшего соседа»

5 Разработана цифровая информационно-измерительная система, которая позволяет сохранить все измеренные диагностические параметры процесса резания, произвести анализ (фильтрацию, децимацию, спектральный и вейвлет-анализ) и т д, и воспроизвести сигналы, полученные от датчиков, что устраняет необходимость в повторных реальных экспериментах Созданный в среде программирования виртуальный процесс полностью эмитирует условия протекания физического процесса со всеми его особенностями (нестационарностью, стохастичностью и т д )

Полученные результаты в совокупности совершенствуют методы мониторинга и прогноза износа РИ и решают важную научно-практическую задачу наблюдаемости и прогнозируемости износа РИ в процессе резания, что в итоге открывает возможности управления процессом механообработки по состояния режущего инструмента

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В рецензируемых журналах из списка ВАК:

1 Автоматизированный синтез диагностических моделей процесса резания металла/В Ц Зориктуев, А С Сидоров // Вестник УГ АТУ " науч журн Уфимск гос авиац техн ун-та 2006 Т 8, №1(17) С 78-82

2 Методы идентификации состояния режущего инструмента в реальном времени /АС Сидоров // IX Международная студенческая олимпиада по автоматическому управлению (Baltic Olympyad) - С -Петербург, 2002 С 121-124 (Статья на англ яз )

3 Оперативная диагностика состояния режущего инструмента по электрическим параметрам /АС Сидоров // Проблемы современного энергомашиностроения тр всерос молодежи науч -техн конф Уфа УГАТУ, 2002

4 Проектирование лабораторного стенда оперативной диагностики инструмента в процессе механообработки /ВЦ Зориктуев, А С Сидоров // Инструмент и технологии, 2004 №9-10 С 17-21

5 Проектирование подсистемы сбора данных в системе оперативной диагностики состояния инструмента /АС Сидоров, А А Шафиков // Проблемы современного машиностроения тр всерос молодежи науч —техн конф Уфа УГАТУ, 2004 С 47

6 Проектирование подсистемы обработки данных в системах оперативной диагностики состояния инструмента /АС Сидоров, А А Шафиков // Проблемы современного машиностроения тр всерос молодежи науч —техн конф Уфа УГАТУ, 2004. С 48

7 Подходы к решению задачи прогноза в системе оперативной диагностики состояния режущего инструмента /АС Сидоров // Мехатроника Робототехника Автоматизация сб научи труд / Под общей редакцией М М Аршанского М МГУПИ, 2006 Вып 1 С 158-164

8 Экспериментальная оценка информативности диагностических признаков износа режущего инструмента /АС Сидоров, А А Шафиков // Мехатроника Робототехника Автоматизация сб научн тр / Под общей редакцией М М Аршанского М МГУПИ, 2006 Вып 1 С 152-157

В других изданиях:

С 79

Диссертант

А С Сидоров

СИДОРОВ Александр Сергеевич

МОНИТОРИНГ И ПРОГНОЗИРОВАНИЕ ИЗНОСА РЕЖУЩЕГО ИНСТРУМЕНТА В МЕХАТРОННЫХ СТАНОЧНЫХ СИСТЕМАХ

Специальность 05 13 06 - Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано к печати 29 03 2007 Формат 60x84 1/16 Бумага офсетная Печать плоская Гарнитура Times Уел печ л 1,0 Уел кр-отт 1,0 Уч-изд л 0,9 Тираж 100 экз Заказ № 172.

ГОУ ВПО Уфимский государственный авиационный технический университет Центр оперативной полиграфии УГАТУ 450000, Уфа-центр, ул. К Маркса, 12

СОДЕРЖАНИЕ.

Перечень сокращений, используемый по тексту диссертации.

ВВЕДЕНИЕ.

ГЛАВА 1 СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА ДИАГНОСТИКИ.

1.1 Проблема и методы разработки систем мониторинга состояния РИ.

1.2 Современное состояние методов мониторинга в зарубежной литературы.

1.3 Современное состояние методов мониторинга в России.

1.4 Обоснованный выбор метода мониторинга состояния РИ.

1.5 Проблемы прогнозирования состояния РИ.

1.6 Проблемы математического описания ПР.

1.7 Требования к методу прогноза состояния РИ.

Обеспечение надежности и эффективности процесса механообработки является невозможным без информации о текущем состоянии режущего инструмента, и прежде всего, количественной оценки интенсивности изнашивания режущего инструмента. Недоступность зоны резания для прямого наблюдения вынуждает строить модели и судить о контактных процессах по косвенным параметрам.

Трудами таких отечественных и зарубежных ученых как, Б.М.Бржовский, В.Л.Заковоротный, В.Ц.Зориктуев, В.И.Подураев, А.А.Барзов, Ю.Г.Кретинин, Ю.Г.Кабалдин, Т.Н.Лоладзе, А.Д.Макаров, Е.М.Трент и др., разработаны методы контроля состояния режущего инструмента на основе сигналов акустической эмиссии, вибрации, компонентов сил резания, электрических параметров и др. Несмотря на значительные успехи в области мониторинга работоспособности инструмента, проблема повышения точности, быстродействия, надежности, простоты технической реализации и инвариантности к условиям механической обработки остается. Одним из наиболее перспективных направлений при создании адаптивных методов мониторинга состояния инструмента в изменяющихся условиях механической обработки является синтез различных косвенных методов контроля.

Следующим шагом в развитии систем оперативной диагностики состояния РИ м. является прогноз, точность и достоверность которого основывается на точности выбранного метода мониторинга. До настоящего времени не существует промышленных систем прогнозирования размерного износа инструмента труднообрабатываемых материалов. Поведение объекта диагностики зависит от большого числа неодинаковых по значимости факторов, поэтому полученные модели хорошо работают только на той группе материалов и в тех условиях, в которых проводились исследования. При использовании иных групп материалов приходиться полностью повторять эксперимент, что является совершенно неприемлемым для широкого практического использования в конкретных задачах диагностики, прогнозирования и принятия решений.

Используя последние достижения в развитии методов мониторинга, средств измерения, и повышение быстродействия вычислительных средств, в работе предложен принципиально новый подход к прогнозу параметров процесса резания, основанный на принципе самоорганизации моделей. Согласно этому принципу, для оперативных измерений, осуществляется целенаправленный перебор многих моделей-претендентов различной сложности по ряду критериев, в результате которого находиться модель оптимальной структуры в виде одного уравнения или системы уравнений, которые используются при построении прогнозов, с учетом коррекции по экспериментальыным данным. Привлекаемый аппарат нелинейной динамики позволяет произвести синтез и выборку наиболее адекватных моделей, оценить горизонт прогноза, точность оценок и пополнить банк моделей в процессе работы.

Актуальность работы.

Одна из главных причин снижения точности обработки на металлорежущих станках - изменение размеров режущего инструмента вследствие его износа. Актуальность задачи повышается при обработке труднообрабатываемых материалов, которые широко используются в авиационной промышленности, поскольку для этих материалов трудоемкость обработки заготовки соизмеримы с ресурсом инструмента. Остановка процесса по причине износа инструмента часто означает брак дорогостоящей детали. Контроль состояния и замена инструмента в реальных производственных условиях осуществляется на основе расчетной стойкости [45, 80]. Но в зависимости от качества инструмента вариационная стойкость инструмента в одной партии колеблется от 15 до 35% [24, 69, 71], если время работы инструмента определяется наихудшим образцом в партии, то наиболее стойкие образцы при фиксированной наработке используют свой ресурс лишь на 65%. Измерение износа РИ возможно после каждого цикла обработки [45,

48], но в этом случае нет возможности идентифицировать критические состояния инструмента, такие как: поломка, скол, выкрашивание, а также осуществлять долгосрочные прогнозы.

Без информации об интенсивности изнашивания инструмента невозможна оптимизация процессов резания.

Несмотря на продолжительные исследования, проводимые в указанном направлении во многих научных и производственных коллективах страны и за рубежом, указанная проблема создания оперативной системы диагностики удовлетворительной точности, простоты и надежности остается.

Развитие средств диагностики позволит:

- повысить точность формообразования и размерную точность за счет коррекции траектории инструмента, с учетом текущего значения износа;

- вести оптимальное управление по критерию износа инструмента;

Предлагаемое исследование посвящено актуальным вопросам повышения достоверности и быстродействия системы мониторинга состояния режущего инструмента, а так же разработке методики прогнозирования параметров, характеризующих состояния режущего инструмента.

Цель работы и задачи исследований. Целью работы является совершенствование методов мониторинга износа режущего инструмента и прогноза диагностических параметров процесса резания.

Для достижения указанной цели поставлены и решены следующие основные задачи:

1. Усовершенствовать методику идентификации износа РИ по сигналу виброакустической эмиссии.

2. Разработать методику прогноза износа РИ по электрическим параметрам контакта «инструмент - деталь», на основе априорных моделей и данных полученных в процессе функционирования системы.

3. Разработать алгоритм моделирования диагностических параметров процесса резания использующую априорные и эмпирические данные, и учитывающую нелинейность функции износа от времени.

4. Разработать банк данных и базу знаний диагностических параметров процесса резания. Произвести ее наполнение априорными данными.

5. Разработать информационно-измерительную систему для сбора, анализа и хранения диагностических параметров процесса резания.

6. Исследовать эффективность разработанных методик и алгоритмов.

Методика проведения исследований

Проектирование и апробация системы диагностики является комплексной задачей, требующей применения методов системного анализа, в соответствии с которым был разработан план выполнения исследований - Рисунок 1.

При исследовании объекта диагностики использованы методы системного анализа, теории резания, теории автоматического управления, идентификации и планирования эксперимента, математической статистики. Проектирование системы диагностики осуществлялось на основе методов теории надежности, электротехники, метрологии. Анализ экспериментальных данных осуществлялся методами описанными выше, а так же с применением теории цифровой обработки сигналов, теории оптимизации, вариационного вычисления, теории информации, теории нейронных сетей. Для решения задач прогноза использованы методы нелинейной динамики.

Рисунок 1 - Структура выполнения работ по разработке системы оперативной диагностики режущего инструмента.

На защиту выносятся

1. Функциональная схема системы оперативной диагностики состояния режущего инструмента по косвенным параметрам процесса резания.

2. Методика оценки износа режущего инструмента на основе анализа энергии волновых коэффициентов сигнала виброакустической эмиссии.

3. Алгоритм самонастройки моделей износа РИ по электропроводимости контакта «инструмент - деталь» на основе параметров вейвлет-образа сигнала виброакустической эмиссии.

4. Алгоритм прогнозирования износа и диагностических параметров процесса резания.

Научная новизна. В диссертации получены следующие результаты, обладающие научной новизной:

- установлена функциональная зависимость энергии детализирующих коэффициентов wavelet - разложения сигнала виброакустической эмиссии к износу режущего инструмента и их нечувствительность к изменению режимов механической обработки;

- впервые предложен алгоритм автоматического синтеза моделей диагностических параметров процесса резания по экспериментальным данным;

- разработан подход к формированию базы данных и базы знаний диагностических моделей процесса резания.

Практическая ценность

1. Разработана и реализована цифровая система сбора, анализа и хранения электрических и виброакустических параметров процесса резания.

2. Создан лабораторный стенд, позволяющий проводить измерениями электрических и виброакустических параметров процесса резания.

3. Разработана методика и программное обеспечение для комплексной автоматической обработки зарегистрированных сигналов.

Апробация работы и публикации

Основные положения работы были представлены в трудах международных научно-технических конференций ВО АС'2000; ВОАС'2002 г. Санкт-Петербург; в сборнике научных трудов (с международным участием) Московского государственного университета приборостроения и информатики, а также научно-технических конференциях профессорско-преподавательского состава Уфимского государственного технического университета, 2002 - 2006г., в том числе в сборнике научных трудов УГАТУ; в научно-технических изданиях: "Инструмент и технологии", №№9-10 2005г.; «Вестник УГАТУ», 2006г.

Работа проводилась в рамках проекта РФФИ №06-08-00198 «Теоретические основы проектирования интеллектуальных систем управления мехатронными металлорежущими станками» и научно-исследовательских работ на кафедре «Автоматизированные технологические системы» по созданию интеллектуальных мехатронных станочных систем.

Реализация работы

Метод диагностики состояния режущего инструмента по виброакустическим параметрам принят к внедрению в ОАО «Салаватнефтемаш», г. Салават.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Усовершенствована методика идентификации износа РИ по сигналу виброакустической эмиссии, путем оценки энергии спектра детализирующих коэффициентов wavelet-преобразования. Усовершенствование методики повысило инвариантность оценки износа к режимам механообработки.

2. Разработана методика идентификации износа РИ по относительной электропроводимости контакта «инструмент - деталь», с обучением по параметрам сигнала виброакустической эмиссии. Разработанная методика отличается способностью к адаптации и самообучению в процессе механообработки. Обладает инвариантностью к режимам и технологическим условиям обработки, и имеет ошибку оценки значения износа РИ по задней поверхности на участке нормального износа 0,05 мм.

3. Разработан алгоритм автоматического формирования моделей диагностических параметров процесса резания и износа РИ на основе имеющихся априорных и эмпирических данных, который учитывает нелинейность функции износа РИ во времени.

4. Разработана базы данных моделей ПР удовлетворяющая требованиям иерархичности, гибкости, расширяемости, что позволило унифицировать и систематизировать модели ПР из литературных источников. Особенность БД состоит в векторно-матричном представлении входных аргументов. Разработана база знаний о диагностических моделях процесса резания, для информационных единиц которой определены отношения структуризации, функциональные, каузальные и семантические.

5. Разработана цифровая система сбора и обработки данных, которая позволяет сохранить все измеренные диагностические параметры процесса резания, и воспроизвести сигналы полученные от датчиков, что устраняет необходимость в повторных реальных экспериментах. Созданный в среде программирования виртуальный процесс, полностью эмитирует условия протекания физического процесса со всеми его особенностями (нестационарностью, стахостичностью, и т.д.).

Появилась возможность методами имитационного моделирования проверить достоверность разрабатываемых алгоритмов идентификации и прогноза.

6. Экспериментально доказана эффективность разработанных методик, и алгоритмов мониторинга состояния режущего инструмента и прогнозирование параметров процесса резания.

Полученные результаты в совокупности совершенствуют методы мониторинга и прогноза износа РИ, дают решение проблемы наблюдаемости и прогнозируемое™ износа РИ в процессе резания, что, в конечном итоге, открывает возможности управления по состояния режущего инструмента.

1. А.С. 494656 СССР, M.Rn.G01N3/58. Способ определения момента затупления режущего инструмента /О.В.Кретинин, А.В.Денисенко, А.П.Елепн (СССР)//С>гкрытия. Изобретения. 1975. №45.

2. Авиационные материалы. Справочник в 5 т./Под редакцией А.Т.Туманова. М.:ОНТИ, 1975.-Т.1. Конструкционные стали /Под ред. А.Т.Туманова, 1975. 358 с.

3. Авиационные материалы. Справочник в 5 т./Под редакцией А.Т.Туманова. М.ЮНТИ, 1975.-Т.2 Корозионностойкие и жаростойкие стали и сплавы /Под ред.

4. A.Т.Туманова, 1975. 358 с.

5. Адаптивное управление металлорежущими станками //Обзор НИИМаш. Серия С-1/ Броншетйн Г.В., Городецкий М.С., Гордон Е.Р. и др. М.:ЭНИМС, 1973. -227с.

6. Адаптивное управление технологическими процессами Соломенцев Ю.М., Митрафанов В.Г., Протопопов Ф.П.и др. М.Машиностроение, 1980 536с.

7. Адаптивные фильтры: Пер. с англ./Под ред. К. Ф. Н. Коуэна и П. М. Гранта. -М.: Мир, 1988.

8. Армарего И.Дж.А., Браун Р.Х. Обработка металлов резанием./Пер. с англ.

9. B.А.Патунова. М.Машиностроение, 1977. - 325 с.

10. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения //Успехи физических наук. 1996. Т. 166, № 11. С. 1145-1170.

11. Багряцкий Ю.А., Тяпкин Ю.Д. Рентгенографическое изучение старения сплавов на никелевой основе. В кн.:Проблемы металловедения и физикиметаллов, 1958, вып.5, - С.241-265.

12. Балакин А.Ю., Нгуен Хай-Винь, В.П.Шкодырев Интеллектуальные измерительные системы: информационно-аналитический подход к теории самоорганизации адаптивных моделей обработки данных. Труды международной конференции «Датчики и Системы» 2002.

13. Барзов А.А., Горелов В.А., Игонькин Б.А. Акустоэлектрическая диагностика процесса резания полимерных композиционных материалов. Авиационная промышленность, 1986, №12 - С.36-37.

14. Барзов А.А., Денчик А.И. Диагностиа технологической наследвственнсоит методом акустичекой эмиссии. Обработка резанием, 1983, №4, - С. 1-5.

15. Барков А.В., Баркова Н.А. Интеллектуальные системы мониторинга и диагностики машин по вибрации http://www.vibrotek.com/russian/articles/ref.htm

16. Безручко Б.П., Смирнов Д.А. Математическое моделирование и хаотические временные ряды. Саратов: ГосУНЦ «Колледж», 2005. 320 с.

17. Безручко Б.П., Смирнов Д.А. Статистическое моделирование по временным рядам (учебно-методическое пособие). Саратов: «Колледж», 2000. 23 с.

18. Биленко С.В. Повышение эффективности высокоскоростной механической обработки на основе подходов нелинейной динамики и нейросетевого моделирования.: Автореф.дис. . доктора техн. Наук (05.03.01). Комсомольск-на-Амуре. :2006. - 47с.

19. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М. :Наука.Гл.ред.физико-математичекой литературы. 1983 .-464с.

20. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.-Наука, 1979. 448 с.

21. Глазунов Л.П., Смирнов А.Н. Проектирование технических систем диагностирования, М.:Наука, 1986г.

22. Гончарова С.Г. Интеллектуалная система управления процесс^ механообработки с оперативным использованием нечеткой нейросетевой модели знаний, автореферат диссертации .степени к.т.н. по спец. 05.03.01, Уфа-2001

23. Горбунов С.С. Нейросетевое моделирование контактных процессов при резании по сигналам термоЭДС и акустической эмиссии., автореферат диссертации . .степени к.т.н. по специальности 05.03.01, Нижний Новгород, 2004г.

24. Грановский Г.И., Грановский В.Г. Резание металлов. М.: Высшая школа, 1985.-304 с.

25. Гроп Д. Методы идентификации систем:Пер. с англ./Под ред.Кринецкого Е.И. -М.: Мир, 1979.

26. Даниелян А.М. Теплота и износ инструментов в процессе резания металлов. Машгиз.-1954

27. Даниелян A.M., Бобровский В.А. Температура при резании металлов и способы ее измерения.-М.: Машгиз., 1954.

28. Деревянченко А.Г. Алгоритмы автоматического контроля износа лезвий инструментов в гибких производственных системах. Металлорежущие станки 1985 г, №13, С.37-46.

29. Диагностика автоматических станочных модулей /Под ред. Б.М. Бржозовского. Саратов.: Изд-во Сарат.ун-та, 1987.-152с.

30. Дилатонный механизм прочности твердых тел. Журков С.Н. В кн.:Физика прочности и пластичности. Л.:Наука, 1986. - С.5-11.

31. Добеши И. Десять лекций по вейвлетам. Пер. с англ. — Ижевск, НИЦ регулярная и хаотическая динамика, 2001.

32. Дьяконов В.П. Вейвлеты. От теории к практике. М.:СОЛОН-Пресс, 2004. -400 с.

33. Дьяконов В.П., Круглов В.В. MATLAB6.5 SP1/7/7 SP1/7 SP2 + Siulink 5/6. Инструменты исскуственного интеллекта и биоинформатики. Серия «Библиотека профессионала». М.: СОЛОН-ПРЕСС, 2006. -456 с.

34. Жуков А.И. Метод Фурье в вычислительной математике. Наука. Физматлит. -1992.

35. Журавлев В.Н. Николаева В.И. Машиностроительные стали: Справочник, М.Машиностроение, 1992г.-480С.

36. Заковоротный В.Л., Борачев Е.В. Информационное обеспечеие системы динамической диагностики износа режущего инструмента на примере токарной обработки // Проблемы маншиностроения и надежности машин. 1995. -№3. -С.118-133.

37. Заковоротный В.Л., Лукьянов А.Д., Волошин Д.А., Флек М.Б. Моделирование процесса изнашивания инструмента с помощью интегральных операторов.//СТИН.-2004-№3 С.9-14.

38. Зорев Н.Н и др. О преоцессе износа твердосрлавного инструмента. Вестник машиностроения, 1971. №9.-с. 70-71

39. Зорев Н.Н. Расчет проекций силы резания. М.:Машгиз, 1958. - 56с.

40. Зориктуев В.Ц. Идентификация и оптимальное управление автоматизированным технологическими системами: уч. пособие. Уфа.: УАИ 1992,118с

41. Зориктуев В.Ц., Латыпов P.P., Постнов В.В., Никин А.Д. Диагностика состояния режущего инструмента в автоматизированном производстве: Учеб.пособие; Уфимск. гос.авиац. техн. ун-т.Уфа, 1994. 58с

42. Зориктуев В.Ц., Постнов В.В., Шустер Л.Ш., Дерябин С.А. Режимы лезвийной обработки детаталей ГТД: Учеб.пособие.; Уфимск. Авиац.ин-т. Уфа, 1991.

43. Зориктуев В.Ц., Хузин И.С. Электропроводимость контакта «инстурмен-деталь» физический и информационный параметр в станочных системах. -М. Машиностроение, 1998. - 176с., ил.

44. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М. Радио и связь, 1987.

45. Иглин С.П. Математические расчеты на базе МАТЬАВ.-СПб.:БХВ-Питербург, 2005.-640 с.:ил.

46. Ильин А.Н. Разработка системы оперативной диагностики режущего инструмента по электрическим параметрам процесса резания.// Диссертация на соискание уч.ст.к.т.н, Уфа 2000г.

47. Исаев Ш.Г. Разработка системы автоматического управления силами разания по электрической проводимости контакта «инструмент деталь»: : Дис. канд.техн.наук. Уфа, 1987.

48. Кабалдин Ю.Г., Шпилев A.M., Просолович А.А. Синергетический анализ причин возмущения вибраций при резании // Вестник машиностроения. 1997. №10. С. 21 29

49. Кадыров Ж.Н. Диагностика и адаптация станочного оборудования гибких производственных систем. Л.: Политехника, 1991.-144с.:ил.

50. Калиткин Н.Н. Численные методы. М.: Наука, 1978.

51. Кацев П.К. Статистические методы исследоыания ри М.Машиностроение, 1968г.-156с

52. Каширин А.И. Исследование вибраций при резании. M.;JI.: Изд-во АН СССР. 1944. 184с.

53. Кибальченко А. В. Контроль состояния режущего инструмента обзорная информация , Выпуск 2 .-М. ВНИИТЭМР, 1986.

54. Козочкин М.П. Исследование и разработка системы защиты режущего инструмента от поломок в токарных станках с ЧПУ: Автореф.дис. . кандидата техн. наук (05.169). М.:1975. - 25 с.

55. Контроль поломки износа режущего инструмента. /Технология, оборудование, организация и экономика машиностроительного производства. Серия2. Режущие инструменты, Вып.15, М.:1987. С, 1-5.

56. Коуров Г.Н., Кичко Ю.М., Зубарев И. Идентификация температуры резания в САУ процесса точения на токарном станке. /Сб.науч.трудов: Интеллектуальные мехатронные станочные системы, Уфа 2003.

57. Кравцов Ю.А. Случайность, детерминированность, предсказуемость //Успехи физических наук. 1989. Т. 158, № 1. С. 93-115.

58. Кретинин О.В. Исследование спектра термо-ЭДС и сил при резании // Труды ГПИ (Горткий). 1970. Т.26, вып.4. - С.17-18

59. Кретинин О.В., Кудрявцев С.А. О возможном подходе к оценке контактных явлений при граничном трении. Автоматизированные технологические имехатронные системы в машиностроении.:Сб.научн.трудов, Уфа, УГАТУ, 1997. -С.152-159

60. Кудинов В.А. Динамика станков . М. Машиностроение. 1967,377с.

61. Кучма JI.K. Экспериментальные исследования вибраций при резании на токарных станках // Новые исследования в области обработки резанием. М.:Машгиз. 1948.С. 100-128.

62. Лоладзе Т.Н. Износ режущего инструмента. М.гМашгиз, 1958. -356 с.

63. Лоладзе Т.Н. Прочность и износостоякость режущего инструмента. -М. Машиностроение, 1982. -320с.

64. Лукьянов А.Д. Разработка систем виброакустической диагностики эволюции процесса точения на основе построения авторегрессионных моделей: автореф. дис. . канд. техн. наук. (05.13.07 и 05.03.01). Ростов-на-Дону 1998. 19с.

65. Лютов А.Г. Синтез адаптивных систем оптимального управления мехатронными станочными модулями. Диссертация . доктора тех.наук.Уфа, 2005г.

66. Макаров А.Д. Вопросы разработки режимов резания с учетом размерной стойкости инструмента, точности, произоводительности и себестоимости. в кн.:Сб.научт. тр. МВССО РСФСР, Л., 1961, - С.50-56

67. Макаров А.Д. Дальнейшее развитие оптимального резания металлов. /Проспект.:Уфа: 1982. 55 с.

68. Макаров А.Д. Износ и стойкость режущего инструмента. М.Машиностроение, 1966.-264С.

69. Макаров А.Д., Мухин B.C., Шустер Л.Ш. Износ инструмента, качество и долговечность деталей из авиационных материалов. Уч. пособие, Уфа, 1974. стр.372.

70. Макаров А.Д., Мухин B.C. Исследование наклепа при обработке сплава ЭИ437БУ Вопросы оптимального резания металлов. Уфа, 1972. Вып.29.

71. Манжурнет В.К. Косвенный контроль размеров детали при точении по силе резания // Технология и автоматизация машиностроения: Респ. Межвед. Научн.-техн. Сб. (Харьков). 1972. - Вып.9 - С.81-84.

72. Малинецкий Г.Г. Хаос. Структуры. Вычислительный эксперимент (введение в нелинейную динамику). М.: Эдиторил УРСС, 2000. 256 с.

73. Мигранов М.Ш. Изнашивание инструмента в условиях нестационарности процесса точения при изготовлении деталей ГТД. Дис. канд. техн. наук Уфа, 1994. -241с.

74. Надеинская Е.П. Исследование износа режущего инструмента с помощью радиоактивных изотопов. М.:Машгиз, 1956.

75. Никитин Ю.А. Диагностика мехатронных систем // Интеллектуальные мехатронные системы. Сб.научн.трудов, Уфа 2003г. С.49-53.

76. Носенков Д. А. , Череватенко В.А., Череватенко Ю. В.//Метод повышения точности видеоизмерительной системы диагностики состояния режущего инструмента: Межвуз. сб. научн. ст. Ростов н / Д, 1998.

77. Носенков Д.А.,. Лукьянов Е.А, Зайцев А.Ю. Модель формирования сигнала изображения при видеоизмерениях формы объекта. Информационное обеспечение и управление в мехатронных производственных системах: Межвуз. сб. научн. ст. -Ростов н/Д, 1998.

78. Подгорков В.В. Теория резания: Учебн. пособие/ Иван. Гос. ун-т, Иваново: ИвГУ. 1986. 80с., ил.

79. Подураев В.Н., Барзов А.А., Горелов В.А. Технологическая диагностика резания методом акустической эмиссии. М.: Машиностроение, 1988. - 56 с.

80. Подураев В.Н., Барзов А.А., Кибальченко А.В. Активный контроль износа инструмента методом акустической эмиссии // Вестник машиностроения. 1985. -№4.-С. 14- 19.

81. Постников С.Н. Электрические явления при трении и резании. Горький, Волго-Вятское кн. изд-во, 1975. 280 с.

82. Постнов В.В. Интенсификация нестационарного резания труднообрабатываемых материалов на основе оптимизации термодинамических условий изнашивания режущего инструмента. Диссертация . доктора тех.наук.Уфа, 2005 г.

83. Представление и использование знаний. Пер. с япон. (Под ред.Х.Уэно, М.Исидзука. М.:Мир,1989

84. Режимы резания труднообрабатываемых материалов. /Под ред. Я.Л. Гуревича. Справочник.-М. .'Машиностроение, 1986.-240 с.

85. Рюков Д.И. Исследование влияния состава твердых славов на основные параметры оптималного резания при точении жаропрочных сплавов и разработка ускоренных методов из опредения. Дис.канд. техн.наук. Уфа, 1979. -197 с.

86. Самарский А.А. Введение в численные методы. М.: Наука, 1982.

87. Сергиенко А.Б. Цифровая обработка сигналов СПб.:Питер, 2003. - 604 с.:ил.

88. Сидоров А.С. Подходы к решению задачи прогноза в системе оперативной диагностики состояния режущего инструмента// Мехатроника, робототехника, автоматизация. Сборник научных трудов: Москва- 2006 - вып.1 С.158 - 164.

89. Силин С.С. Метод подобия при резании материалов. -М.Машиностроение, 1979. -152 с.

90. Иконин С.Ю., Сарана Д.В. Система автоматического распознавания речи SPIRIT ASR Engine/ Статья опубликована в журнале "Цифровая обработка сигналов" #3/2003

91. Система комплексного контроля инструмента для токарной обработки. /Технологи, оборудование, организация и экономика машиностроительного производства. Серия2. Режущие инструменты, Вып. 9, М.:1987. С.1-7.

92. Смит Л.А. http://www.maths.ox.ac.uk/~lenny/ Oxford Centre for Industrial and Applied Mathematics. Работы Л.А. Смита по нелинейному анализу временных рядов.

93. Смоленцев Н.К. Оснвоы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК Пресс, 2005. - 304 с.

94. Спектроскопическое изучение разрушающих флуктуаций плотность. Веттегрень В.И. В кн.'Физика прочности и пластичности. Л.:Наука, 1986. - С. 17-27.

95. Ташлинцкий Н.И. Первичный источник автоколебаний при резании металлов //Вестник машиностроения. 1960. №2. С. 45-50.

96. Телегин А.А. Расчет максимальной температуры токарного резца по его инфракрасному излучению// Самотостроение и техника воздушного флота: Республ. Межвед.научн.-техн.сб. (Харьков). -1967. -Вып.12. С.27-31.

97. Тепловые флуктуации как генератор зародышевых трещин. Петров В.А. В кн.:Физика прочности и пластичности. Л.: Наука, 1986. - С. 17-27.

98. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1974.

99. Трент Е.М. Резание металлов/Пер. с англ. М.Машиностроение, 1980. - 263с.

100. Туманов В.И. Свойства сплавов систем карбид вольфрама-кобальт. М.: Металлургия, 1971. - 95 с.

101. Химушин Ф.Ф. Жаропрочные стали и сплавы. М.:Металлургия, 1969. - 752с.

102. Чуй К. Введение в вэйвлеты. — М.: Мир, 2001.

103. Шитов А.Б., Разработка численных методов и программ, связанных с применением вейвлет-анализа для моделирования и обработки экспериментальных данных: Дисс. уч. степени канд. физ.-мат. наук., Иваново 2001г.

104. Электрические измерения и автоматический контроль в станкостроении: Учебное пособие / Ленинградский политехн.ин-т им. М.И.Калинина.-Л.: ЛПИ, 1989

105. Эльясберг М.Н., Савинов И.А. Экспериментальное определение параметров обрабатываемого материала, влияющих на устойчивость против автоколебаний, и расчет станков //Станки и инструмент. 1979. №12. С. 23-27.

106. Янбухтин P.M. Интенсификация токарной обработки труднообрабатываемых материалов с учетом вибрационных явлений, Автоматизированные технологические и мехатронные системы в машиностроении.:Сб.научн.трудов, Уфа, УГАТУ, 1997.

107. Ящирицын П.И, Еременко M.JL, Фельдштейн Е.Э. Теория резания. Физические и тепловые процессы в технологических системах: Уч.для ВУЗов Мн.высш.шк., 1990. 512С.

108. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир,1978. 316 с.

109. Рабинер Л.Р., Гоулд Б. Теория и применение цифровой обработки сигналов.М.: Мир, 1978.495 с.

110. Bayramoglu, М., and Dungel, U., 1998, "A Systematic Investigation on the Use of Forces Ratios in Tool Condition Monitoring for Turning Operations," Trans. Inst. Meas. Control -London!, 20, pp. 92-97.

111. Blum, Т., and Inasaki, I., 1990, "A Study of Acoustic Emission from Orthogonal Cutting Process," ASME J. Eng. Ind., 112, pp. 203-211.

112. Carranza R., Andina D. Medical Wavelet-Neural Diagnostics in Chagastic Cardiopaties. —Politechnical University of Madrid, 2000.

113. Casdagli M. Nonlinear prediction of chaotic time series // Physica D. 1989. V.35. P. 335-356.

114. Daubeches I. Ten Lectures on Wavelets. — MIAN, Philadelphia, 1992.

115. Daubechies I. Recent Results in Wavelet Applications. — Proceedings of SPIE Aerosense Symposium, 1998, pp. 23-31.

116. Dimla D.E. Sr. a, P.M. Lister b. On-line metal cutting tool condition monitoring. I: force and vibration analyses, International Journal of Machine Tools & Manufacture 40 (2000)

117. Ghasempoor A., Moore T. N. and Jeswiet J. 1998 Proceedings of the Institution of Mechanical Engineers B, Vol. 212, 105-112. On-line wear estimation using neural networks.

118. Ghasempoor A., Moore T. N. and Jeswiet J. 1998 Proceedings of the Institution of Mechanical Engineers B, Vol. 212, 105-112. On-line wear estimation using neural networks.

119. Gould, L., 1998, "Sensing Tool and Drive Element Condition in Machine Tools," Sensors, pp. 5-13.

120. Huang X. D., Ariki Y., Jack M. A. Hidden Markov Models for Speech Recognition. Edinburgh University Press, 1990,275 p.

121. Judd K., Mees A.I. On selecting models for nonlinear time series // Physica D. 1995. V. 82. P. 426-444.

122. Judd K., Small M. Towards long-term prediction // Physica D. 2000. V. 136.P.31-44.

123. Kantz H., Schreiber T. Nonlinear time series analysis. Cambridge University Press, Cambridge, 1997.

124. Kugiumtzis D., Lingjaerde O.C., Christophersen N. Regularized local linear prediction of chaotic time series // Physica D. 1998. V. 112. P. 344-360.

125. Kuljanic E., Sortino M. TWEM, a method based on cutting forces—monitoring tool wear in face milling. Department of Electrical, Management and Mechanical Engineering—DIEGM, University of Udine, Udine, Italy, June 2004

126. Lee, Kai-Fu, 1989, Automatic Speech Recognition, Kluwer Academic Publishers.

127. Leem C. S. 1997 International Journal of Production Research 35, 1051-1066. A practical monitoring strategyfor machining process control.

128. Liang, S. Y., Dornfeld, D. A., 1989, "Detection of Cutting Tool Wear Using Time Series Modeling of Acoustic Emission Signals," ASME J. Eng. Ind., Ill, pp. 199-205.

129. Lister, P. M., 1993, "On Line Measure of Tool Wear," Ph.D. thesis, Manufacturing and Machine Tools Division, Department of Mechanical Engineering, UMIST, Manchester, United Kingdom.

130. Manning C. D., Schutze H. Foundations of Statistical Natural Language Processing. MIT Press, 1999, 680 p.

131. Maydl W. and Sick B. 2000 International Joint Conference on Neural Networks (IJCNN 2000), Vol. 6, Como, 73-78. Recurrent and non-recurrent dynamic network paradigms: A case study.

132. Moriwaki, Т., and Tobito, M., 1990, "A New Approach to Automatic Detection of Life of Coated Tool Based on Acoustic Emission Measurement," ASME J. Eng. Ind., 112, pp. 212-218.

133. Nobushge Sawai Automated measurement of tool wear using image processing system. International journal of the Japan Society for precision engineering.- 1996г. -т.30 №2, С. 112-117.

134. Oraby, S. E., and Hayhurst, D. R., 1991, "Development of Models for Tool Wear Force Relationship in Metal Cutting," Int. J. Mach. Tools Manuf., 33, pp. 125-138.

135. Pittner S., Kamarthi S. V. and Gao Q. 1998 Journal of Intelligent Manufacturing 9, 315-322. Wavelet networks for sensor signal classification in flank wear assessment.

136. Quan Y., Zhou M. and Luo Z. 1998 Engineering Applications of Arti,cial Intelligence 11, 717-722. On-line robust identi"cation of tool-wear via multi-sensor neural network fusion.

137. Rabiner, L. R, 1989, "A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition," Proc. IEEE, Vol. 77, No. 2, pp. 257-286.

138. Ramakrishna Rao P. K., P. Prasad, P. Srinivasa Pai and V. Shantha Acoustic emission technique as a means for monitoring single point cutting tool wear, 2000.

139. Renishaw Лазерный контроль размеров инструментов в процессе обработки Maschinenmarkt. 2003. Nr. 46 (10 ноября), с. 38,40,41, ил. 3

140. Review on-line and indirect tool wear monitoring in turning with artifical neural networks: a review of more than a decade of research. Bernhard Sick / University of Passau, Chair of Computer Arhitectures (Prof. Dr.-Ing. W.Grass), Germany, 2001

141. Richard Y. Chiou a, Steven Y. Liang b Analysis of acoustic emission in chatter vibration with tool wear effect in turning //International Journal of Machine Tools & Manufacture 40 (2000)

142. Rodolfo E. Haber, Jose E. Jim nez, C. Ronei Peres, Jos R. Alique An investigation of tool-wear monitoring in a high-speed machining process www.since@direct.com, 2004.

143. Scheffer С. a, H. Kratz b, P.S. Heyns a, F. Klocke b. Development of a tool wear-monitoring system for hard turning // International Journal of Machine Tools & Manufacture 43 (2003)

144. Scheffer C. and Heyns P. S. Wear monitoring in turning operations using vibration and strain measurements Department of Mechanical and Aeronautical Engineering, University of Pretoria, Pretoria, 0002, South Africa

145. Silva R. G., Baker K. J., Wilcox S. J. and Reuben R. L. 2000 Mechanical Systems and Signal Processing 14, 287-298. The adaptability of a tool wear monitoring system under changing cutting conditions.

146. Steven Y.Liang, Rogelio L. Hecker, Robert G. Machining Process Monitoring and Control: The State-of-the-Art. Landers Journal of Manufacturing Science and Engineering, MAY 2004, Vol.126/297

147. Shao H., Wang H.L., Zhao X.M. A cutting power model for tool wear monitoring in milling. International Journal of Machine Tools & Manufacture 44 (2004), February 2004

148. Tool wear and failure monitoring techniques for turning-a review.- International journal of machine tools and manufacturing.- 1990 . -T.30. №4, C. 579-598.

149. Wan E.A. Time series prediction by using a connectionist network with internal delay lines // 326. P. 195-217.