刃先近傍の切りくず温度分布のモニタリングによる各種の工具摩耗状態の同時把握

通过监测切削刃附近的切屑温度分布，同时了解各种刀具磨损情况

• 批准号: 21K03788
• 负责人: 篠塚 淳
• 金额: $ 2.66万
• 依托单位: Yokohama National University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03788/
• 关键词: 切削; 工具摩耗; 温度; 切りくず; 赤外線サーモグラフィー; 深層機械学習; 計測; モニタリング; 深層学習

旋削工具刃先では，旋削中に，すくい面摩耗，コーナー摩耗，逃げ面摩耗，主切れ刃側と副切れ刃側の境界摩耗が同時に発達する．特に，逃げ面摩耗は，ある時点で，急激に摩耗幅が過多になり，仕上げ面品位の劣化やビビリ振動を誘発するなどするので，旋削中にこれの発達状況をリアルタイムで把握できるシステムの構築が望まれている．工具摩耗は，工具との接触摩擦エネルギが増加させるから，切削点の温度は上昇し切りくずの温度も上昇する．さらに各種の工具摩耗の発達状況により温度分布にも変化が生じることになるはずである．そこで本研究は，工具摩耗が同時多発的に発達する工具の旋削において，生成直後の刃先近傍の切りくず裏面（自由表面側）の温度分布を計測し，同時多発的に発達する各種の工具摩耗量をAI画像認識により同時に推定するシステムを構築することを目的とする．これまでに，AI画像認識の推定能力を上げるために，直角すくい角とアプローチ角を変え，また，新品工具に逃げ面摩耗を模した面取り研削を施した工具を用いて旋削試験をして，教師データ数を増やした．AI画像認識システムはTensorFlowを用いて構築し，計算には90GBまで対応するGPUを用いた．視覚から物体を認識する大脳皮質が４層構造をしていることを参照し，畳み込み層を４層，各層のカーネルの枚数を大脳皮質の各層のニューロン密度を反映した数にした．この結果，定性的には５種の工具摩耗を推定できるようになった．また，そこでは，画像の色見だけで判定している訳ではないことが分かった．しかしながら，現状では，定量的には各種の摩耗量の予測誤差が小さくならない状況であるので，次年度は，推定誤差を小さく，汎化能力を高めることを主として検討することにする．

在转弯工具的尖端，在转弯，边界磨损，角磨损，逃生表面磨损以及主叶片侧之间的边界磨损和分包侧在转弯期间同时发展。特别是，失控的蒙版磨损突然在某个点不知所措，引起了成品表面和红润的振动的恶化，因此需要在转弯过程中实时掌握开发状态的系统。工具磨损通过工具增加了接触摩擦能量，因此切割点的温度升高，孩子的温度升高。此外，由于各种工具磨损的发展，温度分布应发生变化。因此，在这项研究中，在工具磨损的转动工具中测量了同时开发多种工具的各种工具，并在刀片边缘附近的碎屑（自由表面侧）的温度分布紧随其后。生产的目的是构建通过AI图像识别的同时估算数量的系统。到目前为止，为了提高AI图像识别的估计能力，已经使用具有表面磨削的工具进行了转弯测试，该工具模仿了表面磨损和新工具。 AI图像识别系统是使用TensorFlow构建的，该计算是由支持高达90GB的GPU制成的。请参阅从视线识别对象的大脑皮层具有四个层状结构，并且每一层中的内核数用于反映每一层中核的数量。结果，有可能在定性上估算五种工具磨损。此外，发现它不仅是由图像的颜色来判断的。但是，目前，各种磨损量的预测误差并未减少定量化，因此在下一个会计年度，我们将主要考虑减少估计的误差和增加的概括能力。

项目成果

AI画像認識による旋削中の工具摩耗量の推定

使用 AI 图像识别估算车削过程中的刀具磨损量

• 发表时间: 2022
• 作者: 石原正行;中田侑斗;亀尾佳貴;篠塚 淳
• 通讯作者: 篠塚 淳