Отправить статью по E-mail Применение нейронной сети для диагностирования состояния концевых фрез
- Авторы: Малькова Л.Д.1, Павлюченков И.А.1
-
Учреждения:
- МГТУ им. Н. Э. Баумана
- Выпуск: № 2 (2025)
- Страницы: 66-69
- Раздел: ИНСТРУМЕНТ И ИНСТРУМЕНТАЛЬНЫЕ СИСТЕМЫ
- URL: https://journals.eco-vector.com/2499-9407/article/view/683680
- DOI: https://doi.org/10.22184/2499-9407.2025.39.2.66.69
- ID: 683680
Цитировать
Полный текст
Открытый доступ
Доступ предоставлен
Доступ платный или только для подписчиков
Аннотация
Разработана методика непрерывного контроля состояния режущего инструмента по звуковому сопровождению резания с использованием искусственного интеллекта. Выполнено диагностирование состояния концевых твердосплавных фрез с помощью нейросети посредством записи и обработки аудиосигналов, сопровождающих процесс фрезерования новым и изношенным инструментами.
Ключевые слова
Полный текст
Об авторах
Л. Д. Малькова
МГТУ им. Н. Э. Баумана
Автор, ответственный за переписку.
Email: journal@electronics.ru
кандидат технических наук, доцент, кафедра МТ2 «Инструментальная техника и технологии»
Россия, МоскваИ. А. Павлюченков
МГТУ им. Н. Э. Баумана
Email: journal@electronics.ru
кандидат технических наук, доцент, кафедра МТ2 «Инструментальная техника и технологии»
Россия, МоскваСписок литературы
- Постнов В. В., Усманов Б. Ф., Летягин И. Е. Диагностика состояния режущего инструмента в зоне резания по сигналам термоЭДС и вибраций // СТИН. 2011. № 11. С. 23–25.
- Гурин В. Д., Черкасова Н. Ю., Туманов А. А. Диагностика состояния режущего инструмента при торцевом фрезеровании на основе измерения и анализа виброакустического сигнала // СТИН. 2012. № 12. С. 28–31.
- Карельский А. С., Маслов А. Р. Калибровка пьезоэлектрического динамометра Kistler с помощью измерительного устройства на базе образцового динамометра сжатия // Контроль. Диагностика. 2023. Т. 26, № 10(304). С. 50–53.
- Волотов Д. И., Маслов А. Р. Модульное устройство для измерения технических параметров технологической оснастки // СТАНКОИНСТРУМЕНТ. 2023. № 3(32). С. 68–73.
- Масалимов К. А., Мунасыпов Р. А., Фецак С. И., Кудояров Р. Г. Диагностика состояния режущего инструмента металлорежущих станков с использованием двунаправленных рекуррентных нейронных сетей с долгой краткосрочной памятью // СТИН. 2020. № 12. С. 12–17.
- Козак Н. В., Никишечкин А. П., Никишечкина А. П. Нейросетевая подсистема адаптивного управления процессом резания для открытых систем ЧПУ типа PCNC // Вестник МГТУ «СТАНКИН». 2009. № 3(7). С. 101–105.
- Михалев О. Н., Янюшкин А. С. Применение сегментации для обнаружения контура детали при автоматизации технологического проектирования // Известия Тульского государственного университета. Технические науки. 2022. № 10. С. 267–274. doi: 10.24412/2071-6168-2022-10-267-274.
- Малькова Л. Д., Павлюченков И. А. Принципиальные подходы к диагностике состояния режущего инструмента с использованием искусственного интеллекта // От качества инструментов к инструментам качества: Сборник докладов Всероссийской научно-технической конференции, Тула, 19–20 октября 2023 года. Тула: Тульский государственный университет, 2023. С. 128–133.
- Электронный ресурс: https://librosa.org/doc/latest/index.html (дата обращения 12.02.25).
Дополнительные файлы
