刃先近傍の切りくず温度分布のモニタリングによる各種の工具摩耗状態の同時把握

通过监测切削刃附近的切屑温度分布，同时了解各种刀具磨损情况

• 批准号: 21K03788
• 负责人: 篠塚 淳
• 金额: $ 2.66万
• 依托单位: Yokohama National University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03788/
• 关键词: 切削; 工具摩耗; 温度; 切りくず; 赤外線サーモグラフィー; 深層機械学習; 計測; モニタリング; 深層学習

旋削工具刃先では，旋削中に，すくい面摩耗，コーナー摩耗，逃げ面摩耗，主切れ刃側と副切れ刃側の境界摩耗が同時に発達する．特に，逃げ面摩耗は，ある時点で，急激に摩耗幅が過多になり，仕上げ面品位の劣化やビビリ振動を誘発するなどするので，旋削中にこれの発達状況をリアルタイムで把握できるシステムの構築が望まれている．工具摩耗は，工具との接触摩擦エネルギが増加させるから，切削点の温度は上昇し切りくずの温度も上昇する．さらに各種の工具摩耗の発達状況により温度分布にも変化が生じることになるはずである．そこで本研究は，工具摩耗が同時多発的に発達する工具の旋削において，生成直後の刃先近傍の切りくず裏面（自由表面側）の温度分布を計測し，同時多発的に発達する各種の工具摩耗量をAI画像認識により同時に推定するシステムを構築することを目的とする．これまでに，AI画像認識の推定能力を上げるために，直角すくい角とアプローチ角を変え，また，新品工具に逃げ面摩耗を模した面取り研削を施した工具を用いて旋削試験をして，教師データ数を増やした．AI画像認識システムはTensorFlowを用いて構築し，計算には90GBまで対応するGPUを用いた．視覚から物体を認識する大脳皮質が４層構造をしていることを参照し，畳み込み層を４層，各層のカーネルの枚数を大脳皮質の各層のニューロン密度を反映した数にした．この結果，定性的には５種の工具摩耗を推定できるようになった．また，そこでは，画像の色見だけで判定している訳ではないことが分かった．しかしながら，現状では，定量的には各種の摩耗量の予測誤差が小さくならない状況であるので，次年度は，推定誤差を小さく，汎化能力を高めることを主として検討することにする．

The cutting edge of the turning tool is first cut, the turning cut is done, the face wear is the same, the surface wear is the wear, the surface wear is the wear, the main cutting blade side and the secondary cutting blade side are wearing the realm at the same time. Special, escape, surface friction, time point, rapid friction, excessive friction, deterioration of surface quality, vibration, inducementするなどするので, turning the にこれの発达statusをリアルタイムで grasp the できるシステムのconstruct the hope まれている． Tool wear, tool contact friction, tool contact friction, cutting point temperature rise, cutting point temperature rise, temperature rise, cutting point temperature rise, cutting point temperature rise, cutting point temperature rise, cutting point temperature rise, cutting point temperature rise, cutting point temperature rise, cutting point temperature rise.さらに Various tool wear and tear conditions によりTemperature distribution にも変化が生じることになるはずである. In this study, the wear of the tool and the rotation of the tool caused a lot of friction at the same time, and the temperature of the inside (free surface side) of the straight blade was cut first Distribution is measured, and the amount of wear and tear of various tools is measured at the same time. The AI image is recognized and estimated at the same time. It's a new product Tools are worn out, molds are worn, surfaces are removed and ground, and tools are used to grind them. AI portrait recognition is built using TensorFlow, and calculation is done using 90GB GPU. Seeing and understanding objects, recognizing the four-layered structure of the cortex, and referring to the four-layered structure of the cortex. 4 layers, the number of pieces in each layer is the same as the density of each layer of leather, which reflects the number of pieces in each layer.このResults, qualitative には５tool wear and tear を inference できるようになった.また, そこでは, the color of the portrait is judged している訳ではないことが分かった.しかしながら, current situation では, quantitative には various friction consumption のforecast error が さくならない status であるので, the next year は, the estimated error is small, the generalization ability is high めることを主として検 Discussion することにする.

项目成果

AI画像認識による旋削中の工具摩耗量の推定

使用 AI 图像识别估算车削过程中的刀具磨损量

• 发表时间: 2022
• 作者: 石原正行;中田侑斗;亀尾佳貴;篠塚 淳
• 通讯作者: 篠塚 淳