Monitoring akustične emisije (AE) pojavio se kao moćna tehnika za procjenu stanja i performansi mašina za mljevenje. Kao vodeći dobavljač mašina za mlevenje, razumemo važnost upotrebe naprednih metoda praćenja za optimizaciju efikasnosti, kvaliteta i pouzdanosti ovih kritičnih proizvodnih alata. U ovom blog postu ćemo istražiti različite metode praćenja akustične emisije za mašine za mljevenje, njihove prednosti i kako se mogu integrirati u vaše proizvodne procese.
Razumijevanje akustične emisije u mašinama za mljevenje
Akustična emisija se odnosi na stvaranje prolaznih elastičnih valova u materijalu zbog brzog oslobađanja energije iz lokaliziranih izvora unutar materijala. U kontekstu strojeva za mljevenje, akustične emisije nastaju različitim fizičkim pojavama, uključujući lomljenje abrazivnih zrnaca, trljanje i oranje površine obratka abrazivnim česticama, te deformaciju i pucanje materijala obratka. Ove akustične emisije nose vrijedne informacije o procesu brušenja, kao što su sile rezanja, istrošenost brusnog točka, integritet površine radnog komada i pojava defekata ili anomalija.
Vrste metoda praćenja akustične emisije
Postoji nekoliko metoda za praćenje akustične emisije u mašinama za mljevenje, od kojih svaka ima svoje prednosti i ograničenja. Izbor metode praćenja zavisi od različitih faktora, kao što su tip mašine za mlevenje, priroda procesa brušenja, željeni nivo osetljivosti i tačnosti, i specifični zahtevi primene. Neke od najčešće korišćenih metoda praćenja akustične emisije za mašine za mlevenje su razmotrene u nastavku.
Direktno postavljanje AE senzora
Jedna od najjednostavnijih i najjednostavnijih metoda za praćenje akustične emisije u mašinama za brušenje je postavljanje AE senzora direktno na brusni točak ili radni komad. AE senzor detektuje akustične talase nastale tokom procesa mlevenja i pretvara ih u električne signale, koji se mogu analizirati kako bi se izvukle informacije o procesu mlevenja. Direktno postavljanje AE senzora pruža visok nivo osjetljivosti i omogućava praćenje procesa mljevenja u realnom vremenu. Međutim, može biti podložan smetnjama iz vanjskih izvora, kao što su vibracije i buka iz stroja i okoline.
Indirektno postavljanje AE senzora
U nekim slučajevima možda neće biti izvodljivo ili praktično postaviti AE senzor direktno na brusni točak ili radni komad. U takvim situacijama može se koristiti indirektna metoda postavljanja AE senzora. Ovo uključuje postavljanje AE senzora na obližnju strukturu ili komponentu koja je u kontaktu sa točkom za brušenje ili radnim komadom, kao što je sto mašine, kućište vretena ili sistem za dovod rashladne tečnosti. Akustični talasi koji nastaju tokom procesa mlevenja prenose se kroz strukturu ili komponentu do AE senzora, koji ih detektuje i analizira. Indirektno postavljanje AE senzora može pružiti praktičniji i manje nametljiv način praćenja akustične emisije u mašinama za mljevenje. Međutim, to može rezultirati nižim nivoom osjetljivosti u poređenju sa direktnim postavljanjem AE senzora, a akustični signali mogu biti oslabljeni ili izobličeni tokom prijenosa.
Analiza AE signala
Jednom kada AE senzor detektuje signale akustične emisije, potrebno ih je analizirati kako bi se izvukle značajne informacije o procesu mljevenja. Postoji nekoliko tehnika za analizu AE signala, uključujući analizu vremenskog domena, analizu frekvencijskog domena i talasnu analizu. Analiza u vremenskom domenu uključuje analizu amplitude, trajanja i oblika AE signala u vremenskom domenu. Analiza u frekvencijskom domenu uključuje pretvaranje AE signala iz vremenske domene u frekvencijsko područje korištenjem tehnika kao što je Fourierova transformacija i analizu frekvencijskih komponenti signala. Wavelet analiza je naprednija tehnika koja omogućava istovremenu analizu vremenskih i frekvencijskih karakteristika AE signala. Analiza AE signala može pružiti vrijedne uvide u proces brušenja, kao što su sile rezanja, trošenje brusnog točka, integritet površine radnog komada i pojava defekata ili anomalija.
Ekstrakcija AE funkcije
Pored analize sirovih AE signala, često je potrebno izdvojiti specifične karakteristike iz signala koje su relevantne za proces mljevenja. Ove karakteristike se mogu koristiti za razvoj modela ili algoritama za predviđanje performansi i stanja mašine za mlevenje, otkrivanje pojave defekata ili anomalija i optimizaciju parametara procesa mlevenja. Neke od najčešće korišćenih AE karakteristika za mašine za mlevenje uključuju vrednost srednjeg kvadrata (RMS), amplitudu vrha, brzinu brojanja, energiju, frekventni spektar i talasne koeficijente. Ekstrakcija AE karakteristika se može izvesti pomoću različitih tehnika, kao što su statistička analiza, mašinsko učenje i veštačka inteligencija.
Prednosti praćenja akustične emisije za mašine za mlevenje
Praćenje akustične emisije nudi nekoliko prednosti za mašine za mlevenje, uključujući:
Poboljšana efikasnost procesa
Praćenjem akustičnih emisija koje nastaju tokom procesa brušenja, moguće je optimizirati parametre procesa brušenja, kao što su brzina rezanja, brzina posmaka i dubina rezanja, kako bi se postigla željena završna obrada površine i točnost dimenzija uz minimiziranje vremena brušenja i potrošnje energije. Ovo može dovesti do značajnih poboljšanja u efikasnosti procesa i produktivnosti mašine za mlevenje.
Poboljšan kvalitet površine
Praćenje akustične emisije može pružiti informacije u realnom vremenu o integritetu površine radnog komada tokom procesa brušenja. Otkrivanjem pojave defekata ili anomalija, kao što su pukotine, opekotine i tragovi cvokotanja, rano u procesu, mogu se poduzeti korektivne radnje kako bi se spriječila proizvodnja neispravnih dijelova i poboljšao kvalitet površine radnog komada.
Produženi vijek trajanja brusnog točka
Istrošenost brusnog točka jedan je od glavnih faktora koji utječu na performanse i cijenu procesa brušenja. Praćenje akustične emisije može se koristiti za otkrivanje istrošenosti brusnog točka u realnom vremenu i predviđanje njegovog preostalog vijeka trajanja. To omogućava pravovremenu zamjenu brusne ploče, čime se može produžiti vijek trajanja i smanjiti trošak potrošnje brusne ploče.
Rano otkrivanje kvarova mašine
Monitoring akustične emisije se takođe može koristiti za otkrivanje pojave grešaka na mašini, kao što su kvarovi na ležajevima, vibracije vretena i lom alata, u ranoj fazi procesa. Ranim otkrivanjem ovih kvarova mogu se poduzeti korektivne radnje kako bi se spriječilo daljnje oštećenje stroja i izbjeglo skupo zastoje.
Integracija praćenja akustične emisije u procese mašina za mljevenje
Da bi se u potpunosti shvatile prednosti praćenja akustične emisije za mašine za mlevenje, važno je integrisati sistem nadzora u sveukupne procese mašine za mlevenje. Ovo uključuje nekoliko koraka, uključujući:
Projektovanje i instalacija sistema
Prvi korak u integraciji sistema za praćenje akustične emisije u mašinu za mlevenje je projektovanje i instalacija sistema. Ovo uključuje odabir odgovarajućih AE senzora, opreme za kondicioniranje signala i sistema za prikupljanje podataka i njihovo instaliranje na mašinu za mljevenje na način koji minimizira smetnje od vanjskih izvora i maksimizira osjetljivost i preciznost sistema za praćenje.
Kalibracija i validacija
Kada je sistem za praćenje akustične emisije instaliran, potrebno ga je kalibrirati i validirati kako bi se osigurala njegova tačnost i pouzdanost. Ovo uključuje upoređivanje izmjerenih AE signala sa poznatim referentnim signalima i podešavanje parametara sistema prema potrebi za postizanje željenog nivoa performansi.
Analiza i interpretacija podataka
Sljedeći korak je analiza i interpretacija AE podataka prikupljenih od strane sistema za praćenje. Ovo uključuje korištenje odgovarajućih tehnika i algoritama analize podataka za izdvajanje značajnih informacija o procesu mljevenja i stanju mašine za mljevenje. Rezultati analize podataka mogu se koristiti za donošenje informiranih odluka o radu i održavanju mašine za mljevenje.
Optimizacija procesa
Konačno, informacije dobijene iz sistema za praćenje akustične emisije mogu se koristiti za optimizaciju parametara procesa mlevenja i poboljšanje performansi i kvaliteta mašine za mlevenje. Ovo može uključivati podešavanje brzine rezanja, brzine pomaka, dubine rezanja ili drugih parametara procesa kako bi se postigla željena završna obrada površine i točnost dimenzija uz minimiziranje vremena brušenja i potrošnje energije.
Zaključak
Monitoring akustične emisije je moćna tehnika za procjenu stanja i performansi mašina za mljevenje. Praćenjem akustičnih emisija koje nastaju tokom procesa brušenja, moguće je optimizirati parametre procesa brušenja, poboljšati kvalitet površine radnog komada, produžiti vijek trajanja brusnog toka i otkriti pojavu grešaka na mašini u ranoj fazi procesa. Kao vodeći dobavljač mašina za mljevenje, nudimo niz rješenja za praćenje akustične emisije koja se mogu prilagoditi specifičnim potrebama i zahtjevima naših kupaca. Ako ste zainteresirani da saznate više o našim rješenjima za praćenje akustične emisije ili želite da razgovarate o vašim potrebama praćenja mašina za mljevenje, kontaktirajte nas za konsultacije. Radujemo se što ćemo raditi s vama na optimizaciji performansi i pouzdanosti vaših mašina za mljevenje.
Reference
- Dornfeld, DA i Min, S. (2003). Akustična emisija u mašinskoj obradi. CIRP Annals - Manufacturing Technology, 52(2), 589-612.
- Inasaki, I. (2001). Praćenje akustične emisije procesa mlevenja. Nošenje, 250 (1-12), 612-622.
- Teti, R., & Tozzo, G. (2004). Monitoring akustične emisije procesa mlevenja: pregled. International Journal of Machine Tools and Manufacture, 44(12), 1273-1283.
- Wang, C., & Guo, N. (2010). Analiza signala akustične emisije za praćenje procesa mljevenja. Journal of Manufacturing Processes, 12(3), 197-204.
- Zhang, Y., & Chen, X. (2012). Praćenje istrošenosti brusnih točaka zasnovano na akustičnim emisijama. International Journal of Advanced Manufacturing Technology, 62(9-12), 1049-1056.