지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.37 No.6
- 발행연도
- 2020.6
- 수록면
- 415 - 420 (6page)
- DOI
- 10.7736/JKSPE.020.040
이용수
초록· 키워드
오류제보하기
Tool condition monitoring is one of the key issues in mechanical machining for efficient manufacturing of the parts in several industries. In this study, a tool condition monitoring system for milling was developed using a tri-axial accelerometer, a data acquisition, and signal processing module, and an alexnet as deep learning. Milling experiments were conducted on an aluminum 6061 workpiece. A three-axis accelerometer was installed on a spindle to collect vibration signals in three directions during milling. The image using time-domain, CWT, STFT represented the change in tool wear of X, Y axis directions. Alexnet was modified to learn images of the two directional vibration signals, to predict the tool condition. From an analysis of the results of learning based on the experimental data, the performance of the monitoring system could be significantly improved by the suitable selection of the data image method.
목차
1. 서론
2. 학습 데이터
3. 신경망
4. Experiment
5. 결론
REFERENCES
참고문헌 (25)
참고문헌 신청
Abu-Mahfouz, I., “Drilling Wear Detection and Classification Using Vibration Signals and Artificial Neural Network,” International Journal of Machine Tools and Manufacture, Vol. 43, No. 7, pp. 707-720, 2003.
Zhu, K., San Wong, Y., and Hong, G. S., “Wavelet Analysis of Sensor Signals for Tool Condition Monitoring: A Review and Some New Results,” International Journal of Machine Tools and Manufacture, Vol. 49, Nos. 7-8, pp. 537-553, 2009.
Patra, K., Jha, A., Szalay, T., Ranjan, J., and Monostori, L., “Artificial Neural Network Based Tool Condition Monitoring in Micro Mechanical Peck Drilling Using Thrust Force Signals,” Precision Engineering, Vol. 48, pp. 279-291, 2017.
Li, Z., Outbib, R., Giurgea, S., Hissel, D., Giraud, A., et al., “Fault Diagnosis for Fuel Cell Systems: A Data-Driven Approach Using High-Precise Voltage Sensors,” Renewable Energy, Vol. 135, pp. 1435-1444, 2019.
He, R., Chen, G., Dong, C., Sun, S., and Shen, X., “Data-Driven Digital Twin Technology for Optimized Control in Process Systems,” ISA Transactions, Vol. 95, pp. 221-234, 2019.
Zhu, K., San Wong, Y., and Hong, G. S., “Wavelet Analysis of Sensor Signals for Tool Condition Monitoring: A Review and Some New Results,” International Journal of Machine Tools and Manufacture, Vol. 49, Nos. 7-8, pp. 537-553, 2009.
Patra, K., Jha, A., Szalay, T., Ranjan, J., and Monostori, L., “Artificial Neural Network Based Tool Condition Monitoring in Micro Mechanical Peck Drilling Using Thrust Force Signals,” Precision Engineering, Vol. 48, pp. 279-291, 2017.
Li, Z., Outbib, R., Giurgea, S., Hissel, D., Giraud, A., et al., “Fault Diagnosis for Fuel Cell Systems: A Data-Driven Approach Using High-Precise Voltage Sensors,” Renewable Energy, Vol. 135, pp. 1435-1444, 2019.
He, R., Chen, G., Dong, C., Sun, S., and Shen, X., “Data-Driven Digital Twin Technology for Optimized Control in Process Systems,” ISA Transactions, Vol. 95, pp. 221-234, 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
밀링가공에서의 가속도 신호를 이용한 공구마모상태 감시 시스템 설계에 관한 연구
한국정밀공학회 학술발표대회 논문집
2015 .12
-
A novel approach to tool condition monitoring during end-milling
한국생산제조학회 학술발표대회 논문집
2018 .10
-
엔드밀링에서 멀티센서를 이용한 공구상태 모니터링
한국생산제조학회 학술발표대회 논문집
2019 .05
-
티타늄 합금 밀링가공에서 시계열 신호처리 기반 실시간 공구상태 모니터링
한국정밀공학회 학술발표대회 논문집
2023 .11
-
볼 엔드밀 가공 시 공구변형에 따른 공구상태 모니터링 연구
한국정밀공학회 학술발표대회 논문집
2017 .05
-
유전자 알고리즘을 이용한 마이크로밀링공구 수명 최적화에 관한 연구
한국생산제조학회지
2017 .10
-
멀티센서에 의한 정면밀링 공구의 실시간 모니터링
한국정밀공학회 학술발표대회 논문집
2022 .05
-
난삭성 소재의 밀링가공시 공구상태감시를 위한 효과적인 신호특성평가
한국생산제조학회지
2017 .12
-
탄소섬유복합재 밀링 시 공구마모 저감을 위한 공구경로 생성
한국정밀공학회 학술발표대회 논문집
2022 .10
-
밀링 절삭가공조건에 따른 공구 마모 및 가공 특성에 관한 연구
한국정밀공학회 학술발표대회 논문집
2023 .11
-
인코넬 718 엔드밀링에서 스핀들진동의 피크주기분석을 통한 공구상태 모니터링
한국정밀공학회 학술발표대회 논문집
2019 .05
-
Development of a Tool Condition Monitoring and Diagnosis System using LabVIEW for Milling Process
한국생산제조학회 학술발표대회 논문집
2016 .10
-
이미지 데이터를 이용한 딥러닝 기반 공구상태 분류
한국정밀공학회 학술발표대회 논문집
2022 .05
-
딥러닝 기반 이미지 분할을 이용한 공구상태 진단 및 공구마모량 계측 자동화
한국정밀공학회 학술발표대회 논문집
2023 .11
-
밀링 공정에서의 모니터링 신호를 이용한 공구 상태 분류 모델 제안
한국정밀공학회 학술발표대회 논문집
2022 .10
-
상향밀링과 하향밀링의 특성비교를 위한 실험적 접근
한국기계가공학회 춘추계학술대회 논문집
2022 .04
-
공구상태 모니터링을 위한 볼 엔드밀 가공의 공구마멸에 따른 형상정밀도 연구
한국생산제조학회 학술발표대회 논문집
2016 .11
-
Monitoring of milling process based on virtual machining
한국생산제조학회 학술발표대회 논문집
2018 .10
-
유리의 레이저 보조 미세 가공의 딥러닝 기반 가공 품질 모니터링 방법 개발
한국생산제조학회 학술발표대회 논문집
2020 .07
-
밀링 공정에서의 가공 조건에 따른 생산성 향상에 대한 실험적 연구
한국정밀공학회 학술발표대회 논문집
2022 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Improvement of Electrolyte Layer Coating Quality Using Statistical Optimization
김성용
,
이창우
Journal of the Korean Society for Precision Engineering
2019
.02
The Effect of Tension and Drop Height on Contact Angle of Droplet on Flexible Substrate in Roll-to-Roll Systems
김동국
,
이창우
Journal of the Korean Society for Precision Engineering
2017
.03
Tool Wear Monitoring System based on Real-Time Cutting Coefficient Identification
최영재
,
송기형
,
김재혁
외 1명
Journal of the Korean Society for Precision Engineering
2022
.12
온라인 머신러닝 기법을 활용한 CNC 가공 부하 모니터링 프로세스
서창훈
,
남은석
,
이동윤
외 2명
한국정밀공학회 학술발표대회 논문집
2021
.11
롤투롤 와인딩 시스템에서 테이퍼 장력과 감김롤 응력분포에 관한 연구
이창우
Journal of the Korean Society for Precision Engineering
2014
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-555-000658580