ДІАГНОСТИКА І ПРОГНОЗУВАННЯ ЗНОСУ РІЗАЛЬНОГО ІНСТРУМЕНТА ПРИ ОБРОБЦІ НА ВЕРСТАТАХ З ЧПК

Abstract

У статті розглядається один із варіантів вирішення одні з найважливіших проблем обробки матеріалів різанням – прогнозування ресурсу різального лезового інструменту та розробки на цій основі нового методу діагностування його технічного стану, що й запобігло актуальності представленого у статті матеріалу. При цьому під ресурсом розуміється період стійкості інструменту між переточуванням, тому що тривалість експлуатації інструменту, що не вимагає перезаточування, найбільш просто піддається автоматичному контролю. Метою досліджень, результати яких викладені в цій статті, є створення методу прогнозування ресурсу різального інструменту, що ґрунтується на безперервному контролі в процесі різання величини тиску звуку, що супроводжує обробку різанням. У процесі досліджень було використано методи: системного аналізу, теорії різання, теорії коливань та ідентифікації, що виконується методом випадкового пошуку. Розглянуто динамічну поведінку металообробної технологічної системи при зношуванні ріжучого інструменту. В результаті проведених досліджень розроблено метод прогнозування ресурсу ріжучого інструменту, що ґрунтується на ідентифікації параметрів прогнозної моделі за результатами безперервного контролю сигналів віброакустичної емісії (ВАЕ) за величиною, що супроводжує процес різання. Причому модель складена таким чином, що шуканий ресурс включений до її математичної структури, що дозволяє виключити використання під час прогнозування статистично ненадійних критеріальних параметрів, що описують граничний стан інструменту. Розроблено модель прогнозування технічного стану технологічної системи, що дозволяє оцінювати ресурс як інструменту, і технологічної системи загалом. Знання ресурсу технологічної системи забезпечує перехід до адаптивного управління її функціонуванням і виключає цим непередбачені зупинки заміну інструменту, ремонт верстата і зводить до мінімуму ризик появи браку обробленої деталі. Розроблений автоматизований прогнознодіагностичний комплекс забезпечує використання запропонованої прогнозної моделі у практику обробки широкого кола матеріалів, що у результаті вирішує важливе науковопрактичне завдання підвищення ефективності процесу різання.

This article addresses a significant issue in material processing, specifically the forecasting of cutting blade tool resources and the development of a novel method to diagnose the criticality of its technical condition. The concept of resource refers to the period of the tool wear before resharpening, since the duration of the tool operation, which does not require resharpening, is the easiest to control automatically. This article presents the outcomes of research aimed at developing a method for forecasting the resource of a cutting tool by continuously monitoring the sound pressure level during the cutting process. The investigation employed system analysis, cutting theory, oscillation theory, and identification methods through random search. The study focused on analyzing the dynamic behavior of the metalworking technological system as the cutting tool undergoes wear. The research resulted in the development of a forecasting method for the cutting tool resource. This method involves identifying parameters of a forecast model based on continuous monitoring of the sound pressure level during the cutting process. Moreover, the model is compiled in such a way that the sought-after resource is included in its mathematical structure, eliminating the need for statistically unreliable criteria parameters when making forecasts about the limit state of the tool. This article presents a novel model for forecasting the technical state of technological systems, enabling estimation of the resource of both the tool and the technological system as a whole. Knowledge of the system resource facilitates the implementation of adaptive management, preventing unforeseen interruptions for tool replacement or machine repair, and minimizing the risk of workpiece omissions. The developed automated predictive and diagnostic complex facilitates the practical application of the proposed forecasting model across a wide range of material processing scenarios. This advancement addresses a crucial scientific and practical objective of enhancing cutting process efficiency.