ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
 

 ARTICLE VOL 34/3-4 - 2017  - pp.117-135  - doi:10.3166/ts.34.117-135
TITRE
Analyse de l’identification des caractéristiques au niveau de la surveillance de l’usure des outils en utilisant l’émission acoustique

TITLE
An analysis of feature identification for tool wear monitoring by using acoustic emission

RÉSUMÉ

Nous discutons en détail de l’amélioration d’un système de surveillance de l’usure des outils dans les opérations de chariotage dans cet article. La rectification est une alternative raisonnable au chariotage dans l'industrie manufacturière, mais la fiabilité des processus de chariotage est souvent imprévisible en raison des paramètres dominants qui se produisent lors de l'usure des outils. Dans cet article, les paramètres dominants sont comparés pour donner la caractéristique dominante la plus élevée parmi eux. L’étude en cours porte sur l’Inconel 718 avec différents HRC (51, 53 et 55) et l’outil utilisé est le carbure enduit. La matrice orthogonale L9 extrait de la méthode taguchi s’applique en prenant des paramètres d'entrée tels que la vitesse, l'alimentation, la profondeur de coupe et la dureté. Prennant des données du signal d'émission acoustique (AE en anglais) comme données d’entrée pour l'analyse de la variance (ANOVA en anglais) et l’analyse de la relation de gris (GRA en anglais) qui identifie la caractéristique optimale et la plus dominante dans les opérations d'usure des outils et celles de surface.



ABSTRACT

There is an in-depth discussion in this edition about the improvement of a system regarding tool wear monitoring in hard turning operation. Grinding is a reasonable alternative to hard turning in manufacturing industry, but the reliability of hard turning processes is often unpredictable because of the dominant parameters that occur during tool wear. Here the dominant parameters are being compared to give the highest dominant feature among them. The ongoing study is focusing on Inconel 718 with varying HRC (51, 53, and 55) and the tool employed here is coated carbide. By using L9 orthogonal array extracted from taguchi method taking input parameters such as speed, feed, depth of cut and hardness. Taking acoustic emission (AE) signal data as an input to ANOVA and Grey relation analysis (GRA) which identifies the optimal and most dominant feature in the tool wear operation and also surface operation.



AUTEUR(S)
D KONDALA RAO, Kolla SRINIVAS

MOTS-CLÉS
chariotage, surveillance de l'état de l'outil, caractéristiques dominantes, émission acoustique, relation de gris.

KEYWORDS
hardturning, tool condition monitoring, dominant features, acoustic emission, grey relation analysis.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (514 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier