Praćenje akustične emisije (AE) postalo je moćna tehnika za procjenu stanja i performansi strojeva za brušenje. Kao vodeći dobavljač strojeva za brušenje, razumijemo važnost korištenja naprednih metoda nadzora za optimizaciju učinkovitosti, kvalitete i pouzdanosti ovih kritičnih alata za proizvodnju. U ovom postu na blogu istražit ćemo različite metode praćenja akustične emisije za strojeve za mljevenje, njihove prednosti i kako se mogu integrirati u vaše proizvodne procese.
Razumijevanje akustične emisije u strojevima za brušenje
Akustična emisija odnosi se na stvaranje prolaznih elastičnih valova u materijalu zbog brzog oslobađanja energije iz lokaliziranih izvora unutar materijala. U kontekstu strojeva za brušenje, akustične emisije proizvode različiti fizikalni fenomeni, uključujući lom abrazivnih zrna, 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 brusne ploče, integritet površine obratka i pojava nedostataka ili anomalija.
Vrste metoda praćenja akustične emisije
Postoji nekoliko metoda za praćenje akustičnih emisija u strojevima za mljevenje, od kojih svaka ima svoje prednosti i ograničenja. Odabir metode nadzora ovisi o različitim čimbenicima, kao što su tip stroja za brušenje, priroda procesa brušenja, željena razina osjetljivosti i točnosti te specifični zahtjevi primjene. Neke od često korištenih metoda praćenja akustične emisije za strojeve za mljevenje razmatraju se u nastavku.
Izravno postavljanje AE senzora
Jedna od najjednostavnijih i najjednostavnijih metoda za praćenje akustične emisije u strojevima za brušenje je postavljanje AE senzora izravno na brusnu ploču ili radni predmet. AE senzor detektira akustične valove nastale tijekom procesa mljevenja i pretvara ih u električne signale, koji se mogu analizirati kako bi se izvukle informacije o procesu mljevenja. Izravno postavljanje AE senzora pruža visoku razinu osjetljivosti i omogućuje praćenje procesa mljevenja u stvarnom vremenu. Međutim, može biti podložan smetnjama iz vanjskih izvora, kao što su vibracije i buka iz stroja i okoline.
Indirektni položaj AE senzora
U nekim slučajevima možda neće biti izvedivo ili praktično postaviti AE senzor izravno na brusnu ploču ili izradak. U takvim situacijama može se koristiti neizravna metoda postavljanja AE senzora. To uključuje postavljanje AE senzora na obližnju strukturu ili komponentu koja je u kontaktu s brusnom pločom ili radnim komadom, poput stola stroja, kućišta vretena ili sustava za dovod rashladne tekućine. Akustični valovi koji nastaju tijekom procesa mljevenja prenose se kroz strukturu ili komponentu do AE senzora koji ih detektira i analizira. Neizravno postavljanje AE senzora može pružiti praktičniji i manje nametljiv način praćenja akustičnih emisija u strojevima za brušenje. Međutim, to može rezultirati nižom razinom osjetljivosti u usporedbi s izravnim postavljanjem AE senzora, a akustični signali mogu biti prigušeni ili izobličeni tijekom prijenosa.
Analiza AE signala
Nakon što AE senzor otkrije 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 u vremenskoj domeni, analizu u frekvencijskoj domeni i valićnu analizu. Analiza u vremenskoj domeni uključuje analizu amplitude, trajanja i oblika AE signala u vremenskoj domeni. Analiza frekvencijske domene uključuje pretvaranje AE signala iz vremenske domene u frekvencijsku domenu korištenjem tehnika kao što je Fourierova transformacija i analiziranje frekvencijskih komponenti signala. Wavelet analiza je naprednija tehnika koja omogućuje istovremenu analizu vremenskih i frekvencijskih karakteristika AE signala. Analiza AE signala može pružiti dragocjene uvide u proces brušenja, kao što su sile rezanja, istrošenost brusne ploče, integritet površine obratka i pojava nedostataka ili anomalija.
Ekstrakcija AE značajki
Uz analizu sirovih AE signala, često je potrebno iz signala izdvojiti specifične značajke koje su relevantne za proces mljevenja. Ove značajke mogu se koristiti za razvoj modela ili algoritama za predviđanje performansi i stanja stroja za mljevenje, otkrivanje pojave nedostataka ili anomalija i optimiziranje parametara procesa mljevenja. Neke od često korištenih značajki AE za strojeve za mljevenje uključuju vrijednost srednjeg kvadrata (RMS), vršnu amplitudu, brzinu brojanja, energiju, frekvencijski spektar i valne koeficijente. Ekstrakcija AE značajki može se izvesti pomoću različitih tehnika, kao što su statistička analiza, strojno učenje i umjetna inteligencija.
Prednosti praćenja akustične emisije za strojeve za brušenje
Praćenje akustične emisije nudi nekoliko prednosti za strojeve za mljevenje, uključujući:
Poboljšana učinkovitost procesa
Praćenjem akustičnih emisija koje nastaju tijekom procesa brušenja, moguće je optimizirati parametre procesa brušenja, kao što su brzina rezanja, posmak i dubina rezanja, kako bi se postigla željena završna obrada površine i točnost dimenzija uz minimalno vrijeme brušenja i potrošnju energije. To može dovesti do značajnih poboljšanja u učinkovitosti procesa i produktivnosti stroja za mljevenje.
Poboljšana kvaliteta površine
Praćenje akustične emisije može pružiti informacije u stvarnom vremenu o integritetu površine izratka tijekom procesa brušenja. Otkrivanjem pojave nedostataka ili anomalija, kao što su pukotine, opekotine i tragovi klepetanja, u ranoj fazi procesa, mogu se poduzeti korektivne radnje kako bi se spriječila proizvodnja neispravnih dijelova i poboljšala kvaliteta površine izratka.
Produljeni vijek trajanja brusne ploče
Istrošenost brusne ploče jedan je od glavnih čimbenika koji utječu na izvedbu i cijenu procesa brušenja. Praćenje akustične emisije može se koristiti za otkrivanje istrošenosti brusne ploče u stvarnom vremenu i predviđanje njenog preostalog vijeka trajanja. To omogućuje pravovremenu zamjenu brusne ploče, čime se može produljiti njezin vijek trajanja i smanjiti trošak potrošnje brusne ploče.
Rano otkrivanje grešaka na stroju
Praćenje akustične emisije također se može koristiti za otkrivanje pojave grešaka na stroju, kao što su kvarovi ležajeva, vibracije vretena i lomljenje alata, u ranoj fazi procesa. Ranim otkrivanjem ovih grešaka mogu se poduzeti korektivne radnje kako bi se spriječilo daljnje oštećenje stroja i izbjegli skupi zastoji.
Integracija praćenja akustične emisije u procese strojeva za brušenje
Kako bi se u potpunosti ostvarile prednosti praćenja akustične emisije za strojeve za brušenje, važno je integrirati sustav nadzora u sveukupne procese stroja za brušenje. To uključuje nekoliko koraka, uključujući:
Dizajn i instalacija sustava
Prvi korak u integraciji sustava za praćenje akustične emisije u stroj za mljevenje je projektiranje i instaliranje sustava. To uključuje odabir odgovarajućih AE senzora, opreme za kondicioniranje signala i sustava za prikupljanje podataka te njihovu instalaciju na stroj za mljevenje na način koji minimalizira smetnje od vanjskih izvora i maksimizira osjetljivost i točnost nadzornog sustava.
Kalibracija i validacija
Nakon što je sustav za praćenje akustične emisije instaliran, potrebno ga je kalibrirati i potvrditi kako bi se osigurala njegova točnost i pouzdanost. To uključuje usporedbu izmjerenih AE signala s poznatim referentnim signalima i prilagođavanje parametara sustava prema potrebi za postizanje željene razine performansi.
Analiza i interpretacija podataka
Sljedeći korak je analiza i interpretacija AE podataka prikupljenih sustavom praćenja. To uključuje korištenje odgovarajućih tehnika analize podataka i algoritama za izvlačenje značajnih informacija o procesu mljevenja i stanju stroja za mljevenje. Rezultati analize podataka mogu se koristiti za donošenje informiranih odluka o radu i održavanju stroja za mljevenje.
Optimizacija procesa
Konačno, informacije dobivene iz sustava za praćenje akustične emisije mogu se koristiti za optimizaciju parametara procesa mljevenja i poboljšanje performansi i kvalitete stroja za mljevenje. To može uključivati prilagodbu brzine rezanja, brzine posmaka, dubine rezanja ili drugih parametara procesa kako bi se postigla željena završna obrada površine i točnost dimenzija uz smanjenje vremena brušenja i potrošnje energije.
Zaključak
Praćenje akustične emisije moćna je tehnika za procjenu stanja i performansi strojeva za brušenje. Praćenjem akustičnih emisija koje nastaju tijekom procesa brušenja moguće je optimizirati parametre procesa brušenja, poboljšati kvalitetu površine izratka, produžiti vijek trajanja brusne ploče i otkriti pojavu grešaka na stroju u ranoj fazi procesa. Kao vodeći dobavljač strojeva za brušenje, nudimo niz rješenja za praćenje akustične emisije koja se mogu prilagoditi specifičnim potrebama i zahtjevima naših kupaca. Ako ste zainteresirani saznati više o našim rješenjima za praćenje akustične emisije ili želite razgovarati o svojim potrebama za nadzorom stroja za mljevenje, kontaktirajte nas za konzultacije. Radujemo se suradnji s vama na optimizaciji performansi i pouzdanosti vaših strojeva za mljevenje.
Reference
- Dornfeld, DA i Min, S. (2003). Akustična emisija u strojnoj obradi. CIRP Annals - Manufacturing Technology, 52(2), 589-612.
- Inasaki, I. (2001). Praćenje akustične emisije procesa mljevenja. Wear, 250(1-12), 612-622.
- Teti, R. i Tozzo, G. (2004). Praćenje akustične emisije procesa mljevenja: pregled. Međunarodni časopis za alatne strojeve i proizvodnju, 44(12), 1273-1283.
- Wang, C. i Guo, N. (2010.). Analiza signala akustične emisije za praćenje procesa mljevenja. Journal of Manufacturing Processes, 12(3), 197-204.
- Zhang, Y. i Chen, X. (2012). Praćenje istrošenosti brusne ploče na temelju akustične emisije. International Journal of Advanced Manufacturing Technology, 62(9-12), 1049-1056.