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

基本信息

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

项目摘要

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．

车刀的切削刃在车削时，前刀面磨损、拐角磨损、后刀面磨损以及主切削刃侧和副切削刃侧的边界磨损同时发生。特别是，后刀面磨损在某个点突然变得过度，导致成品表面质量恶化和颤振，因此我们需要开发一种可以在车削过程中实时掌握其发展状况的系统。刀具磨损增加了与刀具的接触摩擦能，从而使切削点温度和切屑温度升高。此外，温度分布的变化应根据各类刀具磨损的发展状况而发生。因此，在本研究中，我们测量了刀具车削中切屑形成后立即靠近切削刃的背面（自由表面侧）的温度分布，其中刀具磨损同时且频繁地发生。使用人工智能图像识别同时估计数量的系统。到目前为止，为了提高AI图像识别的估计能力，我们使用不同的直角前角和接近角进行了车削测试，并使用倒角磨削的新工具来模拟后刀面磨损，增加了教师数据的数量。 AI图像识别系统使用TensorFlow构建，并使用支持高达90GB的GPU进行计算。参考视觉识别物体的大脑皮层有四层结构的事实，我们将卷积层数设置为四，每层核的数量来反映神经网络每层神经元的密度。大脑皮层。因此，可以定性估计五种类型的刀具磨损。此外，我们还发现，判断并不是仅仅根据图像的颜色来进行的。但目前各类磨损的预测误差还无法定量降低，所以明年我们主要考虑降低估计误差和增加泛化能力。