• 한국정밀공학회지
• /
• 제14권12호
• /
• pp.48-55
• /
• 1997

A useful method to detect tool breakage suing neural network of cutting force signal is porposed and implemented in a basic cutting process. Cutting signal is gathered by tool dynamometer and normalized as a preprocessing. The cutting force signal level is continually monitored and compared with the predefined level. The neural network has been trained normalized sample data of the normal operation and cata-strophic tool failure using backpropagation learning process. The develop[ed system is verified to be very effective in real-time usage with minor modification in conventional cutting processes.

• 대한기계학회논문집
• /
• 제16권4호
• /
• pp.707-722
• /
• 1992

본 연구에서는 공구의 큰 파손에서 부터 공구의 기하학적 형태가 크게 변하지 않는 작은 파손등 파손의 크기와 파손부위에 따른 신호의 형태를 조사하고자 한다. 그 방법으로서 가공재료로서는 SM45C강(steel)과 열처리한 SM45C강을 이용하였다. 공구파손에 따른 AE신호와 절삭력신호의 변화를 분석하기 위하여, AE신호의 경우는 RMS값을 택하고 그 진폭의 갑작스런 변화와 평균 레벨의 변화를 이용하여 파손의 순간 을 감지하였고, 절삭력의 경우에는 절삭력의 주분력, 이송분력 그리고 배분력의 변화 형태를 이용하여 공구의 이상상태를 알 수 있었으며, 이 두 신호의 변화를 동시에 관 찰함으로써 임의의 가공조건에서 공구의 파손을 감지할 수 있는 알고리즘 개발의 기준 을 마련할 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제12권2호
• /
• pp.120-126
• /
• 2019

최근 정밀기계, 전기전자, 반도체 등의 급속한 산업의 발달로 전장장치의 고정밀도 가공의 필요성이 증대하고 있다. 작업자의 감각과 경험에 의존하던 절삭 공작기계 제어는 CNC(Computerized Numeric Controller: 컴퓨터 수치제어) 도입으로 가공 정밀도가 획기적으로 개선되고 있다. 또한 공작 기계의 운전 상태를 실시간 반영하는 가공 동특성(cutting dynamics)기법이 관심을 받고 있다. 본 논문은 CNC 공작기계에 음향센서를 부착하여 공구떨림 감지 및 안정화하는 방안을 제시한다. 공구 이송 위치와 음향센서 데이터를 동기화 하고 수집된 음향 주파수에서 이상 진동음에 대한 주파수를 분석하여 떨림을 감지한다. 또한 가공 동특성 기법을 적용하여 공구떨림 감지와 안정화의 신뢰성을 높인다. 제안한 기법은 금형 가공의 공구떨림 안정화 전후 가공 표면조도의 향상 관점에서 분석 평가한다.

• 한국정밀공학회지
• /
• 제11권2호
• /
• pp.5-16
• /
• 1994

NC 공작기계가 생산현장에 도입된 이래 이를 Computer와 연결함으로써 CAD/CAM/CAE의 결합이 실현되어가고 있다. 최근에는 CAD/CAM/CAE와 더불어 생산공정에 있었서 여러 대의 NC공작기계, 로보트, 운송장치를 결합하고 공구관리나 생산관리까지도 Computer를 이용하고자 하는 소위 CIM(Computer Intergrated Manufacturing)시스템에 관한 연구가 활발히 진행되고 있으며 여기에 생산가공 시스템의 상태 변화량의 감지를 통하여 공정상태를 종합적으로 감시, 진단할 수 있는 시스템(M & D : Monitoring and Diagnosis)에 대한 필요성도 증대되고 있다. 이는 생산 공정에 있어서의 궁극적 과제인 생산 자동화 혹은 무인 자동화의 가능성을 한층 높여준다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1997년도 춘계학술대회 논문집
• /
• pp.982-986
• /
• 1997

A method using cutting force signal and neural network for detection tool damage is proposed. Cutting force signal is gained by tool dynamometer and the signal is prepocessed to normalize. Cutting force signal is changed by tool state. When tool damage is occurred, cutting force signal goes up in comparison with that in normal state. However,the signal goes down in case of catastrophic fracture. These features are memorized in neural network through nomalizing couse. A new nomalizing method is introduced in this paper. Fist, cutting forces are sumed up except data smaller than threshold value, which is the cutting force during non-cutting action. After then, the average value is found by dividing by the number of data. With backpropagation training process, the neural network memorizes the feature difference of cutting force signal between with and without tool damage. As a result, the cutting force can be used in monitoring the condition of cutting tool and neural network can be used to classify the cutting force signal with and without tool damage.