Tese
Metodologia via redes neurais para a estimativa da rugosidade e do desgaste de ferramentas de corte no processo de fresamento frontal
Neural network methodology for estimation of surface roughness and tool wear in the face milling process
Registro en:
SANTOS, André Luis Beloni dos. Neural network methodology for estimation of surface roughness and tool wear in the face milling process. 2001. 194 f. Tese (Doutorado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2001.
Autor
Santos, André Luis Beloni dos
Institución
Resumen
In milling processes where the dynamic behavior of the cutting tool/workpiece/machine
tool system is particularly complex due to the discontinuity of the cutting operation and the large
amount of variables involved, it becomes very difficult to establish a model correlating surface
finish and tool wear to some of the main machining parameters. The present work proposes a
neural network based procedure aiming the determination of an experimental relationship
between surface finish (through the roughness Ra [mm]) and tool wear (through the maximum
flank wear VBBmax [mm]), with some of the main cutting parameters: cutting speed, feed per
tooth, depth of cut, hanging length of the cutter, power consumption, vibration level (measured
both at the inferior bearing of the tool holder axis and at the work table of the machine), and
position of the work table in relation to the milling tool. The choice of the neural network
procedure was motivated by the satisfactory results showed by this technique when estimating
and modeling nonlinear systems with many non-correlated variables.
For the application and validation of the proposed methodology, face milling tests with
ABNT 1045 steel bars and coated cemented carbide were carried out. The tests were used to
train a neural network, and in the realization of a global sensitivity analysis to establish the
influence of the studied parameters on the surface finish (Ra) and tool wear (VBBmax). The
results showed that neural network is a promising technique to estimate the surface roughness
and tool wear in face milling process. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Doutor em Engenharia Mecânica No processo de fresamento, onde o comportamento dinâmico do conjunto ferramentapeça-
máquina é particularmente mais complexo devido a descontinuidade do corte e ao grande
número de variáveis envolvidas, torna-se muito difícil estabelecer um modelo que relacione o
comportamento do acabamento da superfície usinada e o desgaste das ferramentas de corte
com a variação dos parâmetros de usinagem. Para contornar este problema, este trabalho
apresenta um procedimento baseado em redes neurais com o objetivo de determinar uma
relação experimental entre o acabamento superficial (através da determinação da rugosidade
Ra [mm]), e o desgaste das ferramentas (através do desgaste de flanco máximo VBBmax [mm]),
com alguns dos principais parâmetros de corte: velocidade de corte, avanço por dente,
profundidade de corte, comprimento em balanço da fresa, potência efetiva de corte, nível de
vibração (medida no mancal inferior do eixo porta fresas e na mesa de trabalho da fresadora),
e deslocamento da mesa de trabalho em relação à fresa. A escolha do procedimento de redes
neurais foi motivada por ser uma técnica que vem sendo utilizada com sucesso na modelagem
de sistemas altamente não lineares e com um grande número de variáveis não
correlacionadas. Para a realização e certificação da metodologia proposta, o trabalho
experimental envolveu o fresamento frontal de barras de aço ABNT 1045, com ferramentas
revestidas de metal duro, em duas séries distintas de ensaios na máquina fresadora. Os
valores obtidos foram utilizados no treinamento da rede neural, para determinação dos
modelos, e na realização de uma análise de sensibilidade, para se verificar os parâmetros mais
influentes no procedimento de treinamento realizado para estimar o acabamento superficial
(Ra), e o desgaste das ferramentas de corte (VBBmax). Os resultados mostraram que a
metodologia de redes neurais utilizada proporcionou a estimativa de valores de rugosidade e
desgaste das ferramentas no processo de fresamento frontal com elevada confiabilidade e
baixo erro, a partir de um número de ensaios relativamente pequeno.