این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۷، شماره ۶، صفحات ۳۵۷-۳۶۴
عنوان فارسی تخمین به‌هنگام خمش ابزار میکرو فرزکاری با استفاده از سیگنال های میزهای متحرک با موتورهای خطی
چکیده فارسی مقاله با وجود ابداع روش‌های متنوع میکروساخت، میکروفرزکاری به علت ویژگی‌هایش در ساخت قطعات سه بعدی، نرخ براده برداری زیاد و دقت بالا مورد توجه ویژه است. با این حال این فرایند با چالش‌هایی روبروست که از مهمترین آنها خمش ابزار است که گاهی تا 90 درصد از خطای محصول نهایی را نیز در بر‌می‌گیرد. در این مقاله، یک روش به هنگام برای تخمین خمش ابزار میکروفرز برای ماشین‌های میکروفرزی که مجهز به موتورهای خطی هستند، ارائه می شود. در این روش از یک فیلتر کالمن برای تخمین غیر‌مستقیم نیروی ماشین‌کاری از پسخوراند موقعیت و جریان ورودی آمپلی‌فایرهای موتورهای خطی میز تغذیه استفاده می شود. با توجه به اینکه خروجی تخمین‌گر نیرو، برایندی از تمامی نیروهای وارده به موتور است، بنابراین باید منابع اغتشاشی اضافی که عمدتا اصطکاک و موج های نیرویی است، حذف شود. در پژوهش پیش رو، از شبکه های عصبی برای حذف این نیروها استفاده شده است. برای این هدف از یک شبکه عصبی پرسپترون با یک لایه پنهان 16 گره ای و دو تاخیر زمانی در ورودی استفاده شد. نتایج آزمون‌های تجربی نشان داد که روش مزبور به طور میانگین تا 75 درصد از خمش ابزار را پیش بینی کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Real-time estimation of micro-milling cutting tool deflections by using signals of stages driven by linear motors
چکیده انگلیسی مقاله Micro-milling is prominent among other micro-manufacturing processes due to their abilities in manufacturing of 3D features, high material removal rates and high precision. One of the most important challenges of this process is tool deflections which contribute even up to 90% of dimensional errors of the finished product. This paper addresses a novel method to estimate micro-milling tool deflections applicable in micro-milling machines equipped with linear motors. In this method, position feedbacks and inputs to the amplifiers are used to real-time estimation of cutting forces by applying Kalman filter. Outputs of the estimator include a resultant of all disturbing forces in servo control loop of the motors. Therefore, cutting forces need to be compensated for other disturbing forces that are mostly friction and force ripples in linear motors. To compensate them, neural networks were used. A neural network with a hidden layer and 16 nodes inside, and with two time-delayed lined (TDL) could well model friction and force ripples. Results showed that the proposed tool deflection method is able to estimate 22% of micro-milling tool deflections.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد صادق حیدرزاده | mohammad sadegh
دانشکده مهندسی مکانیک، دانشگاه صنعتی امیرکبیر، تهران
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

مهدی رضاعی |
استاد عضو هیات علمی دانشگاه امیر کبیر

نور عزیزی مردی | noor azizi
دانشگده مهندسی مکانیک، دانشگاه مالایا، کوالالامپور، مالزی

علی کمالی |
دانشکده مهندسی مکانیک، دانشگاه امیرکبیر
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

نشانی اینترنتی http://mme.modares.ac.ir/article_16977_644663805dc1099a8303c383e8b5b5c2.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-458813.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات