Top

SNS

  • Facebook
  • 使用messenger傳訊給MAonline
技術趨勢
研磨製程中之砂輪剩餘壽命預測 技術
2022.06.16∣瀏覽數:145

研磨製程中之
砂輪剩餘壽命預測技術

工研院感測系統中心 趙致傑

隨著各國碳中和目標的逐漸明朗化,電動車產業將逐漸取代油車並迅速成長,預估全球電動車數量將在2025年達到2,500~3,000萬輛;電動車為了達到更節能的目標,在機械設計上對於零件加工精度的要求將會比燃油車更高,尤其是在配合件或傳動件上,以目前之機械加工技術,使用研磨製程是達到低加工誤差的必要手段。

一般機械加工中,零件加工都須經過多道製造程序才能完成,如鑄、鍛、車、銑、磨等,有精密配合需求的工件常以研磨為最終精修的加工程序,以確保工件可達所需的表面條件及尺寸精度。研磨加工物件時,砂輪逐漸磨耗,當連續研磨加工時,由於沾附鐵屑及自銳作用,砂輪表面由正常、堵塞、脫落以致於鈍化,造成工件尺寸精度失準、表面狀況不佳等狀況發生。因此,為了維持良好的研磨加工品質,往往在研磨一段時間後就須對砂輪就進行砂輪的表面修整,雖然修整的時間不長,但對於其工效率仍有相當程度的影響。而砂輪修銳的時機通常仰賴操作人員的經驗,透過加工火花、聲音、加工件表面狀況的特性進行判斷,缺乏客觀的評斷基準。

實務上,批量生產的研磨加工,通常會由廠內有經驗的機台管理者進行首批量試加工,透過參數的微調以及加工後工件尺寸、表面粗糙度的量測數據來調校出穩定的加工參數以及砂輪修銳頻率,完成參數調校後再交由現場操作人員執行大批量的生產。此種以固定週期修整砂輪的方式,為保持加工品質,設定上會趨於保守,導致修整砂輪的頻率上升,機台的效率下降。

為了客觀檢測出砂輪狀態,即時掌握砂輪修整時機,工研院開發一套砂輪剩餘壽命預測技術,透過感測器訊號的量測,監控加工機台設備工作時砂輪磨耗引起的振動變化與研磨力的動力源之電流變化等資訊,配合實驗量測加工後之品質資訊,利用訊號處理、分析以及特徵萃取等技術,將訊號特徵與品質進行關聯,再透過人工智慧演算法將砂輪狀態以客觀且可量化之方式呈現,用以即時通知在砂輪磨耗嚴重失去研磨能力下進行修砂,避免有問題的砂輪持續加工,以維持加工品質的穩定與集中,提升磨床加工效率以及產線應用之智能化。



系統架構與流程

參閱圖1,透過在磨床機台安裝電流及振動感測器,進行研磨加工過程中資料的收集,並透過預測砂輪狀態演算法,進行砂輪磨耗監控,線上即時監控與掌握研磨砂輪狀態,精準控制機台加工品質。砂輪剩餘壽命預測技術主要分為一、加工訊號擷取,二、特徵萃取與三、預測砂輪狀態演算法。

一、加工訊號擷取:電流計是安置在砂輪主軸的驅動器,用以偵測加工時砂輪主軸負載的變化;而振動感測器(加速規)的安裝位置選擇會直接影響擷取的振動訊號是否堪用,在研磨機台上適合安裝振動感測器而不影響到加工的位置有定尾座、砂輪座以及尾座外罩進行訊號擷取。透過三種位置在進行研磨時的原始訊號分析,來決定振動感測器實際要放置的位置。

二、特徵萃取:將感測器訊號透過頻帶選擇器(Band selector)取出欲觀測的特徵頻帶作為頻域特徵;在時域特徵部分,則會先以帶通濾波器(Band pass filter)濾除不需要的頻帶及雜訊,再透過多尺度方法(Multiscale) 進行統計值計算,萃取出時域特徵。完成時域及頻域特徵初步的萃取後,可得到高維度的特徵集合,導入主成分分析法(PCA)作特徵降維,再進一步萃取出相關性高的特徵進行演算法計算。



三、預測砂輪狀態演算法:預測砂輪狀態演算法是整合適應性類神經模糊推論技術,此推論技術利用電流及振動訊號特徵為輸入參數,再藉規則層將各輸入參數間進行排列組合之配對,便進入類神經的權重評估,評估結果會再跟測試驗證時所建置之規則資料庫進行比對,診斷砂輪磨耗的狀態,進而推估砂輪剩餘使用壽命。適應性類神經模糊邏輯分析系統 (Adaptive-Neural-based FuzzyInference System, ANFIS) 係於適應性類神經架構之輸入層中納入模糊邏輯機制,使得判別架構更具彈性。ANFIS分析流程主要分成五個層次輸入層、規則層、正規化層、結論推論層以及輸出層等(圖3)。



兼顧加工時間以及加工品質
使效益極大化


透過實際場域加工驗證批量生產之規格,現場操作人員評估每加工10件樣品需抽驗並修整砂輪一次,才能確保表面粗糙度品質符合需求(Ra 0.35)。參閱圖4,在多輪加工與修整砂輪的過程中,大部分品質與加工次數的關係會呈現與藍線接近之趨勢,即修砂後約第10件樣品品質會接近品質要求上限,然而偶爾會有呈現綠線的加工趨勢,即約在第8~10件時超過品質需求,或是即便加工到達第10件也尚未到達品質需求上限的趨勢(紅線趨勢)。這些趨勢差異推測來自於機台溫度變化、來料品質不一、未確實修砂、切削液狀態等等。而在導入砂輪剩餘壽命預測技術後,如圖5所示,將感測器訊號經過前述流程轉換為砂輪剩餘壽命百分比,藍、綠及紅線分別對應圖4的藍、綠及紅線,可觀察到藉由砂輪剩餘壽命預測技術,能夠在不經過量測的方式反應工件品質,在砂輪磨耗狀態超出設定需求時提示操作者,避免異常工件流出,而在加工10次時砂輪狀態尚未磨耗到不堪使用的情況下(紅線),也能延後砂輪修整的時機。



因此在導入砂輪剩餘壽命預測技術後,不僅可提供加工業者預防異常工件流出,提升加工良率外,亦可減少修整砂輪的頻率,提升機台使用效率,進而將效益極大化。

潭興精工企業有限公司