Estudo da predição da circularidade e rugosidade de peças retificadas utilizando as redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Pós-graduação em Engenharia Mecânica - FEB

Atualmente, a fabricação é caracterizada pela sua complexidade, pluralidade de disciplinas e crescente demanda de novas ferramentas e técnicas para a solução de difíceis problemas. As redes neurais artificiais oferecem uma nova e diferente alternativa para investigar e analisar os desafiadores tópicos relacionados à manufatura. Desta forma, estudou-se neste trabalho os assuntos relacionados à aplicação das redes neurais na predição da circularidade e rugosidade da peça retificada pela análise de algumas variáveis de saída do processo. Foram empregados nos ensaios de usinagem: um fluido de corte (óleo emulsionável), um rebolo superabrasivo de CBN com ligante vitrificado e peças temperadas e revenidas de aço VC-131. Este trabalho também utilizou outras tecnologias de otimização do processo de retificação, tais como: a utilização de defletores aerodinâmicos para a quebra da camada de ar e a refrigeração otimizada por meio de um jato de fluido direcionado. Os ensaios de usinagem foram realizados para gerar a base de dados utilizada nos testes das redes neurais (ensaios computacionais). Fez-se portanto, diversos experimentos variando-se a velocidade de avanço, ou mergulho do rebolo na peça. As variáveis de saída analisadas que serviram de dados de entrada para a RNA foram: a força tangencial de corte (Ft), a energia específica de retificação (u), o desgaste diametral do rebolo, o parâmetro DPO e a emissão acústica (EA). A rugosidade e circularidade foram utilizadas para o treinamento das RNA s. Nos testes computacionais, foram analisadas duas bases de dados: a primeira referente às médias de todos os 40 ciclos de retificação, já a segunda utilizou todos os valores destes 40 ciclos. Ainda foram examinadas diferentes combinações de dados de entrada para verificar a influência do parâmetro DPO na predição. Os resultados...

Nowadays, the manufacturing is characterized by its complexity, plurality of subjects and increasing demand of new tools and techniques for the solution of difficult problems. Artificial neural nets propose a new and different alternative to investigate and analyze the challenging topics related to the manufacturing. The objective of this work is to study the use of artificial neural nets in the prediction of roundness and roughness of a ground workpiece. It was used a CBN wheel, emulsion oil and workpieces made of VC-131 steel. This work also used other technologies of grinding optimization, such as: the use of a coolant shoe to break the air curtain layer in addition and the high pressure fluid jet. Grinding tests had been carried through to generate the database used in the artificial neural nets (computational tests). Different feed rates were used in these experiments to generate outputs such as: tangential cutting force (Ft), specific energy of grinding (u), diametrical wear of the wheel, DPO parameter and acoustic emission (EA). The roughness and roundness were used to train the RNA's. In the computational tests, it was verify the influence of the DPO parameter in the prediction as well as two different databases. The results suggest that this parameter (DPO) was not able to substitute the tangential cutting force (Ft) and the acoustic emission (EA) in the prediction. Moreover, it was verify the need of an input that represents the dynamic stiffness of the machine-tool-workpiece system to improve the roundness prediction.