Gi¸m s¸t trùc tuyÕn qu¸ tr×nh gia c«ng
TS.Th¸i ThÞ Thu Hµ
KS.Th¸i Héi HiÒn
Bé m«n ChÕ T¹o M¸y – Khoa C¬ khÝ - §HBK TP.HCM
E-mail:ttth@dme.hcmut.edu.vn
Tãm t¾t
Bµi b¸o ®−a ra kh¸i niÖm vÒ gi¸m s¸t, c¸c th«ng sè cÇn gi¸m s¸t trong qu¸ tr×nh gia c«ng. C¸c ph−¬ng
ph¸p x¸c ®Þnh lùc c¾t, c¸ch xö lý kÕt qu¶. Khi sö dông ph−¬ng ph¸p gi¸m s¸t sÏ n©ng cao n¨ng suÊt vµ chÊt
l−îng s¶n phÈm.
Abstract
The paper contains conceptions about monitoring, machining parameters need monitor. Methods are
used to define cutting force, process the results. Applications of the methods bring about increasing quality of
product.
I §Æt vÊn ®Ò
Ngµy nay, s¶n phÈm t¹o ra cÇn ph¶i cã chÊt l−îng cao víi gi¸ c¶ c¹nh tranh. §Ó lµm
®−îc ®iÒu nµy th× cÇn t¨ng n¨ng suÊt, gi¶m phÕ phÈm. Trªn c¸c hÖ thèng gia c«ng hiÖn ®¹i
nhê cã bé phËn gi¸m s¸t mµ n¨ng suÊt ®−îc t¨ng lªn, gi¶m phÕ phÈm vµ h¹ gi¸ thµnh s¶n
phÈm.
Gi¸m s¸t lµ qu¸ tr×nh thu nhËn, ph©n tÝch, xö lý c¸c th«ng tin liªn quan ®Õn ®èi t−îng
®Ó x¸c ®Þnh tr¹ng th¸i cña ®èi t−îng ®ã.
Gi¸m s¸t t×nh tr¹ng ®−îc ®Þnh nghÜa lµ sù x¸c ®Þnh tr¹ng th¸i cña m¸y hay hÖ thèng
thiÕt bÞ vµ nh÷ng thay ®æi theo thêi gian ®Ó biÕt ®−îc t×nh tr¹ng cña m¸y hay thiÕt bÞ ë bÊt
kú thêi ®iÓm nµo.
T×nh tr¹ng cña m¸y cã thÓ x¸c ®Þnh th«ng qua c¸c th«ng sè nh− mßn dao, rung ®éng,
tiÕng ån, nhiÖt ®é,... C¸c th«ng sè nµy thay ®æi cho ta biÕt ®−îc t×nh tr¹ng cña m¸y.
Gi¸m s¸t mang l¹i nh÷ng hiÖu qu¶ kinh tÕ lín lao nh− vËy v×:
∗ §é mßn cña dao ®−îc gi¸m s¸t vµ thùc hiÖn viÖc thay dông cô kÞp thêi khi cÇn thiÕt.
∗ HÖ thèng sÏ ph¸t hiÖn h− háng cña dao hay ph«i.
∗ Tuæi thä dao ®−îc sö dông tèi −u.
∗ Gi¶m thêi gian dõng m¸y lµm t¨ng n¨ng suÊt gia c«ng.
Víi nh÷ng −u ®iÓm nh− vËy cho nªn gi¸m s¸t ngµy cµng ®−îc øng dông réng r·i
trong qu¸ tr×nh gia c«ng.
§èi víi c¸c hÖ thèng m¸y c«ng cô th× c¸c ®èi t−îng ®−îc quan t©m lµ mßn dao, g·y
dao, rung ®éng, lùc c¾t, …
II cÊu tróc hÖ thèng gi¸m s¸t lùc c¾t khi tiÖn
Trong qu¸ tr×nh tiÖn ®é chÝnh x¸c vµ chÊt l−îng bÒ mÆt phô thuéc rÊt nhiÒu vµo c¸c
th«ng sè c«ng nghÖ nh− vËn tèc c¾t, l−îng ch¹y dao, chiÒu s©u c¾t còng nh− t×nh tr¹ng cña
dao (mßn dao, g·y dao). §Æc biÖt khi tiÖn cao tèc hoÆc tiÖn c¸c vËt liÖu khã gia c«ng nh−
gèm sø,… th× mßn dao lµ yÕu tè ¶nh h−ëng lín nhÊt. ChÝnh v× thÕ mµ ta ph¶i gi¸m s¸t sù
mßn dao. Tuy nhiªn viÖc ®o l−îng mßn dao trong qu¸ tr×nh tiÖn kh¸ phøc t¹p vµ kÐm chÝnh
x¸c, cho nªn cã thÓ gi¸m s¸t lùc c¾t ®Ó x¸c ®Þnh ®é mßn dao.
§Ó nhËn ®−îc c¸c d÷ liÖu dïng trong viÖc nghiªn cøu c¸c tÝn hiÖu lùc c¾t khi tiÖn
nh»m gi¸m s¸t t×nh tr¹ng dao trùc tuyÕn cÇn ph¶i tiÕn hµnh thÝ nghiÖm qu¸ tr×nh c¾t. trªn
h×nh 1 lµ s¬ ®å khèi cña qu¸ tr×nh gi¸m s¸t lùc c¾t khi tiÖn. HÖ thèng ®o lùc c¾t gåm cã:
∗ Mét bé chuyÓn ®æi hoÆc c¶m biÕn ®Ó ®o c¸c tÝn hiÖu lùc c¾t tõ qu¸ tr×nh gia c«ng thêi
gian thùc.
∗ Mét hÖ thèng ®Ó khuÕch ®¹i c¸c tÝn hiÖu ®o ®−îc.
∗ Mét hÖ thèng thu thËp d÷ liÖu sè.
MAÏNG
NEURAL
TIEÁP T U ÏC
SA I
CAÛM BIEÁN THÔØI
GIAN THÖÏC
ÑUÙNG
DÖØNG
MOØN DAO
TÔÙI GIÔÙI HAÏN
Caùc thoâng soá
gia coâng
CHUY EÅN ÑOÅI
CHI TIEÁT
ÑUÙNG
BEÀ MAËT
XAÁU
DÖØNG
MUÕI CHOÁNG
TAÂM
Tính
Fx/Fy
FY
FX
FX
XÖÛ LYÙ
TÍN HIEÄU
FY
H×nh 1 S¬ ®å khèi gi¸m s¸t lùc c¾t khi tiÖn
Trong suèt qu¸ tr×nh gia c«ng, ®iÖn ¸p ra tõ hÖ thèng c¶m biÕn lùc ®−îc ghi l¹i vµ
ph©n tÝch ®Ó nhËn ®−îc ®iÖn ¸p thùc sù. Sau khi xö lý ta cã ®−îc hai thµnh phÇn cña lùc c¾t
ë ®iÒu kiÖn gia c«ng ®· biÕt tr−íc.
Bé chuyÓn ®æi gåm hai thµnh phÇn c¬ b¶n: ®Çu gi÷ dao vµ hÖ thèng c¶m biÕn lùc. HÖ
thèng c¶m biÕn lùc gåm cã c¸c s¬ ®å ®o øng suÊt, hÖ thèng khuÕch ®¹i m¹ch cÇu vµ hÖ
thèng thu nhËn d÷ liÖu sè. Chøc n¨ng cña c¸c gage ®o øng suÊt lµ c¸c c¶m biÕn ®Ó biÕn ®æi
tÝn hiÖu lùc c¾t thµnh c¸c tÝn hiÖu ®iÖn ¸p cã thÓ ®o ®−îc th«ng qua c¸c hÖ thèng khuÕch
®¹i. Mèi quan hÖ ®Þnh l−îng gi÷a c¸c thµnh phÇn lùc c¾t vµ ®iÖn ¸p ra ®o ®−îc tõ hÖ thèng
thu nhËn d÷ liÖu sè, ®−îc thiÕt lËp tõ qu¸ tr×nh hiÖu chØnh, nhËn ®−îc ®é lín cña c¸c thµnh
phÇn lùc c¾t tõ c¸c tÝn hiÖu ®iÖn ¸p ra.
III. Dïng m¹ng neural gi¸m s¸t trùc tuyÕn qu¸ tr×nh tiÖn
Gi¸m s¸t b»ng m¹ng neural ®· ph¸t triÓn ®Ó gi¸m s¸t qu¸ tr×nh gia c«ng ®−îc chia
thµnh ba giai ®o¹n:
- Giai ®o¹n ®Çu tiªn lµ chän c¶m biÕn. B»ng c¸ch sö dông c¸c c¶m biÕn nµy qu¸ tr×nh
gia c«ng cã thÓ ®−îc gi¸m s¸t tin cËy h¬n. Qu¸ tr×nh gia c«ng cã thÓ ®−îc g¸im s¸t hiÖu
qu¶ b»ng nghiªn cøu c¸c tÝn hiÖu lùc tõ qu¸ tr×ng c¾t. TØ sè lùc c¾t, tèc ®é c¾t, l−îng ch¹y
dao, chiÒu sÊu c¾t, b¸n kÝnh mòi dao vµ thêi gian gia c«ng ®−îc ®−a vµo líp nhËp cña m¹ng
neural nu«i tiÕn (feedforward neural network).
Giai ®o¹n thø hai lµ huÊn luyÖn m¹ng. Sau khi chän cÊu tróc m¹ng thÝch hîp, m¹ng
®−îc huÊn luyÖn víi c¸c mÉu d÷ liÖu huÊn luyÖn mµ mçi mÉu gåm cã mét cÆp biÕn nhËp vµ
xuÊt. Sai sè b×nh ph−¬ng trung b×nh cña tÊt c¶ c¸c mÉu huÊn luyÖn tiÕn tíi mét gi¸ trÞ ®−îc
x¸c ®Þnh tr−íc th× dõng qu¸ tr×nh huÊn luyÖn l¹i, khi ®ã c¸c träng sè kÕt nèi vµ c¸c ng−ìng
®−îc x¸c ®Þnh. C¸c träng sè vµ c¸c ng−ìng nµy ®−îc dïng ®Ó gi¸m s¸t trùc tuyÕn qu¸ tr×nh
gia c«ng. C¸c gi¸ trÞ cña träng sè kÕt nèi vµ c¸c ng−ìng tuú thuéc vµo d÷ liÖu huÊn luyÖn.
Cµng nhiÒu d÷ liÖu huÊn luyÖn, m¹ng lµm viÖv cµng tèt vµ ®iÒu nµy còng phô thuéc vµo
chÊt l−îng cña d÷ liÖu huÊn luyÖn.
Giai ®o¹n thø ba lµ ¸p dông m¹ng trong qu¸ tr×nh gia c«ng thêi gian thùc. C¸c tÝn
hiÖu lùc tõ c¸c c¶m biÕn ®i qua bé läc ®Ó läc c¸c th«ng thÊp vµ tØ sè lùc (lùc ch¹y dao/lùc
tiÕp tuyÕn) ®−îc x¸c ®Þnh. TØ sè nµy cïng c¸c th«ng sè gia c«ng kh¸c ®−îc ®−a vµo m¹ng
neural ®· ®−îc huÊn luyÖn vµ ®é mßn cña dao, ®é nh¸m bÒ mÆt chi tiÕt ®−îc dù b¸o. Nh×n
vµo c¸c gi¸ trÞ dù b¸o ng−êi vËn hµnh (hay hÖ thèng ®iÒu khiÓn) cã thÓ t¸c ®éng theo h−íng
tèi −u ho¸ qu¸ tr×nh gia c«ng. NÕu bÊt kú c¸c th«ng sè xuÊt nh− ®é mßn cña dao hay bÒ mÆt
chi tiÕt gia c«ng ®¹t ®Õn mét gi¸ trÞ giíi h¹n th× ng−êi vËn hµnh hay hÖ thèng ®iÒu khiÓn cã
thÓ dõng qu¸ tr×nh gia c«ng vµ thay dao. M¹ng neural cã thÓ ®−îc xem nh− lµ mét m¸y cã
kh¶ n¨ng suy luËn ®Ó t×m ra mét c¸ch hiÖu qu¶ ®é mßn cña dao khi nhËn ®−îc tÝn hiÖu ë
bÊt cø lóc nµo. C¸c m¹ng neural cho phÐp gia t¨ng c¶i tiÕn khi d÷ liÖu míi ®−îc ®−a vµo.
Do ®ã m¹ng kh«ng ngõng cËp nhËt d÷ liÖu. Trªn h×nh 2 tr×nh bµy m¹ng ba líp gi¸m s¸t ®é
mßn dao.
H×nh 2 M¹ng neural ba líp gi¸m s¸t mßn dao
§Ó thùc hiÖn qu¸ tr×nh thùc nghiÖm, chóng t«i x©y dùng m« h×nh thÝ nghiÖm ®−îc
tr×nh bµy trªn h×nh 3
Heä thoáng ra quyeát ñònh
Moøn dao
Caùc thoâng soá caét
Ñoä nhaùm beà
maët
Hình theå beà maët
(surface
Giaùm saùt baèng maïng neuron
Moøn duïng cuï
Tæ soá löïc caét
Tình traïng
d u ïn g c u ï c a ét
Beà maët
cuoái cuøng
Chuyeån ñoåi
Caûm nhaän thôøi gian thöïc
Beà maët
cuoái cuøng
YES
Tín hieäu
löïc caét
Xöû lyù tín hi eäu
NO
Goïi con
ngöôøi can
thieäp
Dung sai
hình hoïc
vaø kích
thöôùc
Heä thoáng ra quyeát ñònh
Moøn dao
Caùc thoâng soá caét
Ñoä nhaùm beà
maët
Hình theå beà maët
(surface
Giaùm saùt baèng maïng neuron
Moøn duïng cuï
Tæ soá löïc caét
Tình traïng
d u ïn g c u ï c a ét
Beà maët
cuoái cuøng
Chuyeån ñoåi
Caûm nhaän thôøi gian thöïc
Beà maët
cuoái cuøng
YES
Tín hieäu
löïc caét
Xöû lyù tín hi eäu
NO
Goïi con
ngöôøi can
thieäp
Dung sai
hình hoïc
vaø kích
thöôùc
H×nh 3 Gi¸m s¸t ®é mßn cña dao vµ ®é nh¸m bÒ mÆt chi tiÕt
Líp nhËp Líp Èn Líp xuÊt
Tèc ®é c¾t
L−îng ch¹y dao
ChiÒu s©u c¾
t
Thêi gia c¾
t
B¸n kÝnh mòi dao
TØ sè lùc c¾t
§é mßn cña
dao
C¸c gi¸ trÞ träng sè vµ gi¸ trÞ ng−ìng sau khi huÊn luyÖn cã gi¸ trÞ nh− ë h×nh 4
H×nh 4 Gi¸ trÞ ng−ìng vµ träng sè (10000 vßng lÆp)
Vµ c¸c gi¸ trÞ xuÊt cña m¹ng neural dù b¸o ®é mßn dao víi c¸c mÉu kiÓm tra nh− h×nh 5.
H×nh 5 Gi¸ trÞ xuÊt cña m¹ng neural dù b¸o ®é mßn dao víi c¸c mÉu kiÓm tra
IV kÕt luËn
M¹ng neural nh©n t¹o cã kh¶ n¨ng häc, xÊp xØ bÊt cø hµm phi tuyÕn nµo, ra quyÕt
®Þnh trong m«i tr−êng cã nhiÔu vµ c¸c th«ng tin kh«ng hoµn h¶o. Nã cã thÓ tÝch hîp vµo hÖ
thèng s¶n xuÊt cho viÖc gi¸m s¸t. Trong qu¸ tr×nh gia c«ng dïng ®Ó gi¸m s¸t mßn dao, ®é
nh¸m bÒ mÆt chi tiÕt,… Khi chän ®−îc cÊu tróc m¹ng thÝch hîp th× cã thÓ dù b¸o chÝnh x¸c
c¸c th«ng sè gia c«ng (mßn dao, ®é nh¸m bÒ mÆt chi tiÕt,…).
Tµi liÖu tham kh¶o
[1].S.R.K Rrasad, IFAMMS2000-Intelligent Flexible Autonomous Manufacture
Systems, Mc Graw Hill.
[2].Robert G.Landers- A.Galip Ulsoy- Richard J. Furness, Process Monitoring
and Control Operations.
[3].Devdas Shetty- Richar A. Kolk, Mechatronics System Design, PWS Publishing
Company, 1997.
[4].J.H.Williams-A.Davies-P.R.Drake. Condition-Based Maintenance and Machine
Diagnostics, Chapman&Hall 1992.