Development of Artificial Neural Network Based Status Monitoring Systems for Tool Condition Assessment of CNC Millers

論文翻譯標題: 基於類神經網路之狀態監診系統開發及其在工具機刀具狀態診斷之應用
  • 孫 翊淳

學生論文: Doctoral Thesis

摘要

在強調工業4 0的時代,為了提高生產速率,降低機台停機可能造成的虧損,機台狀態監控已是不可或缺的環節,同時隨著電腦運算能力的提升,人工智慧因此蓬勃發展,使得缺乏物理模型之次系統有機會透過演算法建立診斷模型,故?多研究爭相以人工智慧建立機台狀態診斷模型,然而多數研究皆有過於仰賴人工智慧的情況,主要聚焦於模型選擇與模型訓練參數探討,使得預測準確率難有明顯突破,故本文嘗試以領域知識為核心協助人工智慧的方式進行改善。本研究以刀具狀態診斷作為應用情境,然而目前仍缺乏刀具狀態相關領域知識,因此首先進行監控軟硬體環境建立,包含安裝狀態監測的五種感測器、配置訊號傳輸與擷取設備、撰寫訊號處理程式以及最後透過時域及頻域指標執行特徵擷取,接著為了獲得切削與刀具狀態相關領域知識,設計四組實驗,並由實驗結果探討特徵指標與切削條件及刀具狀態之間的關係,針對刀具狀態診斷,本研究以其中的磨耗刀具變切削參數的實驗結果進行特徵指標評估,整理出六個對於刀具狀態偵測較為靈敏的指標,最後以特徵指標評估結果配合多層感知器建立刀具狀態診斷模型,並與不同輸入特徵之模型做比較,使用特徵指標評估結果的模型在四個不同切削參數下對三種刀具磨耗程度進行診斷,準確率可達98%,由比較結果可發現以領域知識協助人工智慧模型能提升模型建立效率,同時維持高診斷準確率。綜合以上研究結果,期望本文提出之研究方法未來可廣泛應用於狀態診斷模型之建立。
獎項日期2019
原文English
監督員Kuo-Shen Chen (Supervisor)

引用此

'