Supervisión inteligente del proceso de mecanizado en una máquina-herramienta

  1. Pérez Ferreira, Clodeinir Ronei
Dirigée par:
  1. Ángel Alique Palomar Directeur/trice

Université de défendre: Universidad Politécnica de Madrid

Fecha de defensa: 23 février 2001

Jury:
  1. Luis María Laita de la Rica President
  2. Luis de Ledesma Otamendi Secrétaire
  3. Julio Gutiérrez Ríos Rapporteur
  4. Salvador Ros Rapporteur
  5. Javier Aranceta Aguirre Rapporteur

Type: Thèses

Teseo: 84941 DIALNET

Résumé

En esta memoria se presenta una metodología para la supervisión inteligente del proceso de mecanizado, orientada a la detección del desgaste de la herramienta de corte durante el proceso de fresado de desbaste, Se utilizan métodos basados en el conocimiento y experiencia de expertos y en el diseño de modelos combinado técnicas de procesamiento de Señales con técnicas de Inteligencia Artificial. Se desarrolla un sistema multi-sensorial para la medición simultánea de las variables físicas del proceso de corte de metal. Estas mediciones posibilitan la elección de los sensores que mejor caracterizan los estados del proceso de corte. Estas señales en conjunción con los parámetros de mecanizado dan la información necesaria para la detección del desgaste de la herramienta. La investigación realizada ha originado sistemas que pueden ser consdierados en el contexto de la optimización del proceso de mecanizado. Se han elaborado dos sistemas, el primero llamado "Control Supervisor", basado en métodos clásicos o en Lógica Borrosa encargado de controlar el esfuerzo de corte, medido mediante sensor de grado de controlar el esfuerzo de corte, medido mediante sensor de corriente. Para este primer sistema se han desarrollado modelos utilizando diferentes técnicas de Inteligencia Artificial para verificar la capacidad de predicción de estos modelos para el proceso de mecanizado bajo cambios severos. El segundo sistema, llamado "Sistema para el Modelado Jerárquico" fue desarrollado para la elaboración de modelos del proceso de fresado, usados en la detección del estado de la herramienta. Para la inferencia del estado de la herramienta se han desarrollado algoritmos de toma de decisiones adaptativos basados en modelos inteligentes.