Capteur pour système de détection de meule

L'article souligne la conception et la mise en œuvre d'un réseau neuronal et d'un système basé sur la logique floue combinant les sorties de plusieurs capteurs pour la surveillance de l'état des meules. On peut supposer que dans le cas des processus de meulage, l'état du processus au cours d'une seule période de vie de la meule est uniquement fonction des changements dans la capacité de coupe de la meule. C'est pourquoi la surveillance de l'état des meules joue un rôle crucial dans tout système de surveillance automatisé d'un processus de rectification.

Une surveillance réussie de l’état des meules dépend dans une large mesure des capteurs fiables et robustes utilisés à cet effet. En l’absence d’opérateurs humains, les capteurs doivent avoir la capacité de reconnaître le processus. anomalies et lancer des actions correctives. Il existe différents signaux en corrélation avec l'état du processus et ils font l'objet de différentes techniques de détection et de traitement. Chacun de ces signaux est capable de fournir une fonctionnalité liée au phénomène d'intérêt, bien qu'avec une fiabilité variable. La meilleure solution est donc de collecter le maximum d’informations sur l’état d’un processus à partir d’un certain nombre de capteurs différents. Pour introduire une telle idée, il convient de mettre en pratique un système de détection intelligent intégrant des stratégies de fusion de capteurs.

Dans cette étude, un système de surveillance avec plusieurs capteurs est proposé et ses performances sont évaluées expérimentalement. Ce système comprend les mesures de vibrations, d'émissions acoustiques et de forces de meulage. Ils génèrent les signaux utiles pour la surveillance de l'usure des meules mais la meilleure configuration des signaux et des méthodes de traitement du signal doit être sélectionnée.

Cela se fait par un réseau neuronal à propagation par rétroaction. Après une procédure de réglage du réseau, il a été établi que le nombre de fonctionnalités informatives est bien inférieur à l’ensemble de fonctionnalités initialement utilisé. Le même réseau neuronal peut également être utilisé dans la procédure de prise de décision car, en même temps, il est capable de modéliser l’usure des meules. En outre, un système de décision à logique floue basé sur un réseau neuronal pour l'intégration de capteurs dans la surveillance de l'état des meules est discuté.

Afin d'évaluer les procédures proposées, les données collectées lors du meulage avec une gamme de paramètres de coupe ont été utilisées. La meule fraîche, usée et partiellement usée a été observée au cours des expériences. Pour chaque signal de mesure, quelques caractéristiques statistiques et spectrales sont calculées et utilisées comme entrée pour les procédures de sélection et de classification des données.