Resumen

La supervisin del desgaste de las herramientas es esencial en la fabricacin de precisin para mejorar la calidad de la superficie, aumentar la eficacia del mecanizado y reducir el coste de fabricacin. Aunque el desgaste de la herramienta puede reflejarse mediante seales medibles en operaciones de mecanizado automtico, con el aumento de los datos recogidos, las caractersticas se extraen y optimizan manualmente, lo que reduce la eficacia de la monitorizacin y aumenta el error de prediccin. Para abordar los problemas mencionados, este artculo propone un mtodo de monitorizacin del desgaste de la herramienta mediante una seal de vibracin basada en la transformada de Fourier en tiempo corto (STFT) y una red neuronal convolucional profunda (DCNN) en operaciones de fresado. En primer lugar, se obtiene la representacin de imagen de las seales de vibracin adquiridas basndose en la STFT y, a continuacin, se disea el modelo DCNN para establecer la relacin entre los mapas de tiempo-frecuencia obtenidos y el desgaste de la herramienta, que realiza la extraccin adaptativa de caractersticas y la prediccin automtica del desgaste de la herramienta. Adems, este mtodo se demuestra empleando tres conjuntos de datos experimentales de desgaste de herramienta recogidos de una fresa de carburo de tungsteno de punta esfrica de tres canales de una mquina CNC de alta velocidad sometida a fresado en seco. Finalmente, los resultados experimentales demuestran que el mtodo propuesto es ms preciso y relativamente fiable que otros mtodos comparados.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Control del desgaste de las herramientas; Fabricación de precisión; Calidad de la superficie; Eficacia del mecanizado; Coste de fabricación; Señal de vibración
• Keywords:Tool wear monitoring; Precision manufacturing; Surface quality; Machining efficiency; Manufacturing cost; Vibration signal