DIGNOSTYKA STANU NARZĘDZIA W PRACACH INSTYTUTU TECHNOLOGII MASZYN POLITECHNKI WARSZAWSKIEJ

Transkrypt

1 Międzynarodowa Konferencja Naukowa OBRÓBKA MATERIAŁ ÓW Kraków, maja 2 r. DIGNOSTYKA STANU NARZĘDZIA W PRACACH INSTYTUTU TECHNOLOGII MASZYN POLITECHNKI WARSZAWSKIEJ Krzysztof Jemielniak 1 STRESZCZENIE W referacie przedstawiono przegląd prac prowadzonych w ITM PW w zakresie wykorzystania sił skrawania i emisji akustycznej do diagnostyki stanu narzędzia, rozwoju metod badania AE pochodzącej ze strefy skrawania, zastosowania metod sztucznej inteligencji do tej diagnostyki, wreszcie prób jej zastosowania w warunkach przemysłowych.. 1. WSTĘP Rozwoju automatyzacji obróbki pociąga za sobą m.in. konieczność stosowania układów nadzorujących stan narzędzia. Wykorzystuje się w nich najczęściej pomiary sił skrawania lub emisji akustycznej. W tym też kierunku idą prowadzone od drugiej połowy lat 8-tych prace Instytutu Technologii Maszyn PW. Można w nich wyróżnić szereg bardziej lub mniej ze sobą powiązanych nurtów: wykorzystanie sił skrawania do diagnostyki naturalnego zużycia ostrza oraz wykrywania katastroficznego stępienia ostrza (KSO), rozwój metod badania sygnałów AE pochodzącej ze strefy skrawania, wykorzystanie sygnałów AE do diagnostyki stanu narzędzia, zastosowanie metod sztucznej inteligencji do integracji miar sygnałów w diagnostyce stanu narzędzia, zastosowanie diagnostyki stanu narzędzia w warunkach przemysłowych. Poniżej przedstawione zostaną główne wynik prac ITM PW uzyskane w tych zakresach. Badaniom własnym towarzyszyło stałe śledzenie tendencji światowych, a jego wyniki opublikowano w szeregu artykułów i referatów [1, 2, 15, 18, 21, 27], które nie będą tu omawiane. 2. DIAGNOSTYKA STANU NARZĘDZIA W OPARCIU O POMIARY SIŁ SKRAWANIA Od początku prac prowadzonych w ITM PW w zakresie diagnostyki stanu narzędzia, zajmowano się wykorzystania sił skrawania do oceny zużycia ostrza

2 92 Kraków, maja 2 r i wykrywania KSO. Przy planowaniu badań starano się, by warunki skrawania odpowiadały w przybliżeniu warunkom przemysłowym, kiedy to jedno ostrze pracuje na przemian z różnymi parametrami skrawania, jak np. przy wykonywaniu operacji kilku zabiegowej. Na rys. 1 przedstawiono jeden ze stosowanych zestawów parametrów skrawania, zaś na rys. 2 uzyskane w dwu próbach przebiegi sił skrawania w funkcji zużycia powierzchni przyłożenia. t = 45s t = 3s t = 3s f=.33 f=.47 f= s t = 3s t = 3s rys. 1. Planowany układ zabiegów dla wykonywanych operacji (symulowany przedmiot obrabiany) rys. 2. Przebiegi F f i F p w funkcji zużycia ostrza uzyskane przy pomocy siłomierza laboratoryjnego Na podstawie takich badań określono cztery sposoby, na jakie ostrze noża tokarskiego może ulec stępieniu oraz zidentyfikowano towarzyszące im charakterystyczne przebiegi sił skrawania [3]: naturalne stępienie ostrza, któremu towarzyszy stopniowy wzrost siły posuwowej F f i odporowej F p, ciągłe katastroficzne stępienie ostrza, polegające na znacznym wzroście intensywności zużycia ostrza w końcowym okresie jego pracy, któremu towarzyszy znaczny wzrost sił skrawania w ciągu kilku kilkunastu sekund,

3 Obróbka materiałów - OM 2 93 wykruszenie ostrza, któremu towarzyszy skokowy wzrost sił F f i F p, po czym siły te utrzymują się na nie zmienionym poziomie przez okres jednego obrotu przedmiotu obrabianego, wyłamanie ostrza, któremu towarzyszy skokowy spadek sił F f i F p, po czym siły te utrzymują się na nie zmienionym poziomie przez okres jednego obrotu przedmiotu obrabianego, a dalej przebiegają jak po wykruszeniu ostrza. Wyniki tych prac umożliwiły dobór miar (estymat) sił skrawania do diagnozowania jego naturalnego zużycia [5, 16], opracowanie zarysu strategii nadzoru stanu narzędzia [6], a nade wszystko zbudowanie szczegółowej strategii wykrywania KSO w oparciu o pomiary sił skrawania [4, 7, 8]. Został on później zastosowany w Laboratoryjnym Monitorze Stanu Narzędzia [17], a także w zbudowanym ostatnio prototypie przemysłowego układu Automatycznej Diagnostyki Ostrzy Narzędzi Skrawających (ADONiS) [28, 3]. Podstawowe zasady tej strategii przedstawiono na rys. 3. Oryginalny sygnał siły F (górny rysunek) poddany jest filtrowaniu dolnoprzepustowemu, w celu uzyskania wartości średniej F s, podlegającej monitorowaniu. Dalsze filtrowanie prowadzi do wyznaczenia wartości F s1, która jest podstawą obliczenia górnej i dolnej granicy: ( ) ( ) L + c+2 F s1 1 2 ; L _ c+2 = + = F s1 1 2 gdzie: c = współczynnik wrażliwości detektora. a) Sygnał oryginalny b) narzędzie: CSRNR 2525 SNUN S3S (P3); mat. obrab: stal 45; v = 18m/min, a = 2.5mm, f =.33 mm/obr c p F 2.5 kn Oryginalny sygnał F p t TEST 1 Działanie detektora t filtr: dodatkowy główny L+ Fs L - Działanie detektora ALARM del t 2.5 kn TEST 2 Oryginalny sygnał F f Działanie detektora t rys. 3. Strategia wykrywania KSO (a), i wyniki dwóch testów (b).

4 94 Kraków, maja 2 r Progi mogą być przekraczane przez wielkość F s nie tylko w wyniku katastroficznego zużycia, ale także wskutek innych zakłóceń. Dlatego za KSO uznawane jest tylko takie przekroczenie, które trwa dłużej niż założony czas del. W czasie, gdy F s jest poza dopuszczalnymi granicami, nie są one obliczane, czyli pozostają na poziomie z przed przekroczenia. Aby ułatwić powrót wartości F s między granice, wyznaczana jest ona za pomocą filtra pomocniczego znacznie słabszego niż filtr główny, co zaznaczono linią przerywaną na środku Podstawowa różnica między tą strategią, a opracowaną w TH Aachen polega na monitorowaniu wartości średniej F s zamiast bieżącej F. Umożliwia to stosowanie węższego pasma tolerancji i wykrywanie mniejszych KSO (rys. 3b). Ponadto strategia opracowana w ITM PW jest mniej wymagająca jeśli chodzi o częstotliwość próbkowania oraz własności dynamiczne toru pomiarowego. 3. METODYKA BADANIA SYGNAŁÓW AE POCHODZĄCYCH ZE STREFY SKRAWANIA Od początku prac prowadzonych w ITM PW próbowano wykorzystać do diagnostyki stanu narzędzia sygnały emisji akustycznej. We wczesnych pracach, ze względu na wysoką częstotliwość AE (zwykle powyżej 1 khz) rejestrowano sygnały zdemodulowane. Napotykano przy tym na niezrozumiałe zakłócenia sygnału, w tym chwilowe jego zaniki. Stąd postanowiono zbudować samodzielnie Laboratoryjny Monitor Stanu Narzędzia (jego ostatnią wersję, LMSN-2, opisano w [17]). Umożliwia on rejestrację surowego sygnału AE z częstotliwością próbkowania do 4 MHz i trzech sygnałów sił skrawania z częstotliwością próbkowania do 2 khz. Specjalne oprogramowanie umożliwia zbieranie i wszechstronną obróbkę danych, między innymi nadzorowanie wartości skutecznej AE w czasie rzeczywistym i wykrywanie katastroficznego stępienia ostrza z rejestracją oryginalnych przebiegów AE i sił skrawania w czasie jego trwania. Wykorzystując LMSN-2 wyjaśniono wspomniane zakłócenia sygnału AE [9, 1]: Sygnał AE pochodzące z czujnika są zwykle poddawane wstępnej obróbce analogowej jak filtrowanie i wzmacnianie. Na rys. 4a przedstawiono typowy schemat obróbki tego sygnału. Mogą w nim występować składowe o stosunkowo niskich częstotliwościach, które jako niepożądane należy odfiltrować (rys. 4b). Niestety przed filtrem musi wystąpić przynajmniej buforujący stopień przedwzmacniacza. Jeśli ulegnie on przesterowaniu sygnał zostanie zniekształcony, przyjmując prostokątną postać (rys. 4c). Filtrowanie takiego sygnału prowadzi do dalszego, trudniejszego do wykrycia zniekształcenia, polegającego na chwilowych zanikach amplitudy. Jest ono tym bardziej niebezpieczne, że najczęściej sygnał AE jest następnie poddawany demodulacji (np. wyznaczaniu wartości skutecznej, rys. 4d) co całkowicie ukrywa zniekształcenie.

5 Obróbka materiałów - OM 2 95 a) Czujnik AE Narzędzie przedwzmacniacz filtr górno- filtr dolnoprzepustowy przepustowy wzmacniacz RMS rejestracja, wyznaczanie miar AE b) c) 3.5 [V] [V] -3.5 sygnał z przedwzmacniacza max V dla 18 khz khz ms.6.3 sygnał po filtrowaniu max..56 V dla 131 khz khz ms d) AE RMS AE.25 ms 2.5 ms 125 ms rys. 4. Schemat typowej obróbki sygnału AE (a), górnoprzepustowe filtrowanie poprawnego sygnału AE (b) oraz zniekształconego przez przesterowanie przedwzmacniacza (c); sprowadzenie sygnału AE do niskoczęstotliwościowego przez demodulację - tu RMS (d). Czujniki emisji akustycznej są czujnikami rezonansowymi, a to oznacza, iż na rejestrowany sygnał decydujący wpływ ma charakterystyka zastosowanego czujnika. Konieczna jest zatem jej znajomość, a także możliwość stosunkowo łatwego wyznaczania. W ITM PW stosowana jest metoda Nilsena-Hsu polegająca na łamaniu grafitu ołówka na płycie stalowej [14, 24, 25] - rys. 5. Impuls AE powstający przy takim łamaniu jest na tyle krótki, że widmo zarejestrowanego sygnału może być traktowane bezpośrednio jako charakterystyka czujnika. Badania te umożliwiły właściwą ocenę przydatności różnych czujników AE, odpowiednią modernizację lub specjalny dobór przedwzmacniaczy (rys. 5 [1]), analizę wpływu drogi sygnału AE na jego przebieg i charakterystykę [14, 25, 26] a także analizę możliwości wykorzystania handlowych czujników ultradźwiękowych do diagnostyki stanu narzędzia [24].

6 96 Kraków, maja 2 r tulejka teflonowa db -1 1 ref. level: 15 mv czujnik AE -2 ołówek grafit Pentel 2H,.5mm płyta stalowa -5 Częstotliwosć (khz) rys. 5. Charakterystyki czujników AE stosowanych w ITM PW, otrzymane przy pomocy LMSN metodą Nilsena-Hsu. 1: Brüel & Kjær 8312, 2: Brüel & Kjær 8313 z oryginalnym przedwzmacniaczem 2637, 3: Brüel & Kjær 8313 z modernizowanym przedwzmacniaczem 2637, 4: Kistler 8152A1 z przedwzmacniaczem 5125A 4. NADZOROWANIE STANU NARZĘDZIA W OPARCIU O POMIARY AE Dzięki opanowaniu metodyki pomiarów i analizy sygnałów AE możliwe było podjęcie badań zmierzających do wykorzystania tych sygnałów do diagnostyki stanu narzędzia. Wykazały one, że mimo iż poszczególne miary AE zmieniają się wyraźnie wraz ze zużyciem ostrza, zmiany te nie są powtarzalne i łatwo uchwytne [9]. Z drugiej strony miary te są bardzo skorelowane ze sobą, niezależnie czy pochodzą z sygnału zdemodulowanego czy surowego (rys. 6). Stąd za symptom zużycia ostrza można przyjąć taką miarę sygnału AE, która jest w konkretnych warunkach sprzętowych najłatwiejsza do wyznaczenia [16]. rys.6. Zależności między miarami AE a głębokością żłobka przy zmiennych parametrach skrawania

7 Obróbka materiałów - OM 2 97 Sygnał emisji akustycznej coraz częściej bywa wykorzystywany do wykrywania katastroficznego stępienia ostrza. Przyjmuje się zwykle, iż KSO powoduje gwałtowny wybuch AE, stąd w większości publikowanych prac podstawą wykrywania jest przekroczenie przez AE RMS założonego progu. Tymczasem w wyniku badań przeprowadzonych w ITM PW stwierdzono, że zwłaszcza przy obróbce przerywanej, mogą występować silne wybuchy AE, które ukrywają wybuchy spowodowane KSO. Do wykrywania wykruszeń i wyłamań narzędzi zastosowano zatem śledzenie kurtozy rozkładu β sygnału AE RMS [19,26]. Przykładowy wynik uzyskany przy toczeniu przerywanym przedstawiono na rys. 7. Po prawej stronie tego rysunku umieszczono przebieg siły F f, w którym łatwo można zauważyć KSO, niżej przebieg AE RMS, a jeszcze niżej przebieg kurtozy rozkładu β AE RMS. Jak widać sygnał AE RMS jest wypełniony wybuchami, a wykruszenie ostrza nie powoduje wyraźnego wybuchu AE. Widoczna jest jednak zmiana przebiegu AE RMS, która została matematycznie ujęta przez K B. Po lewej stronie rys. 7 przedstawiono przebieg AE raw AE RMS i F f w bezpośrednim sąsiedztwie czasowym KSO. Zauważmy, że górny prawy przebieg obejmuje zaledwie 5 ms (5 punktów, częstotliwość próbkowania 1 MHz), podczas gdy prawy rysunek aż 3 s (75 punktów, 25 Hz). Zarejestrowanie przebiegu surowego sygnału AE raw w czasie KSO było możliwe tylko dzięki efektywnie działającemu detektorowi KSO opartemu na pomiarze sił skrawania. rys. 7. Wykrywanie KSO w oparciu o statystyczną analizę rozkładu AE RMS 5. SZTUCZNA INTELIGENCJA W DIAGNOSTYCE STANU NARZĘDZIA W dostępnych na rynku systemach nadzoru stanu ostrza skrawającego dominują strategie oparte na jednej mierze sygnału [27]. Publikacje prezentowane na całym świecie zgodnie stwierdzają, że poprawę niezadowalającej efektywności

8 98 Kraków, maja 2 r takich systemów nadzoru można uzyskać przez zastosowanie wielu czujników lub wielu miar sygnału pochodzącego z jednego czujnika. Do integracji sygnałów wykorzystuje się najczęściej sieci neuronowe (NN) i logikę rozmytą (FL). Takie prace prowadzone są również w ITM PW [22, 23, 26, 31]. Np. dla prób przedstawionych na rys. 1 uczono sieć i budowano reguły systemu FL w oparciu o wyniki W_I5, a następnie zastosowano je do W_I7. Na rys. 8 porównano ze sobą przebiegi zużycia ostrza rzeczywiste (zmierzone) z określonymi przez sieć neuronową i system FL. rys. 8. Porównanie rzeczywistych przebiegów zużycia z przewidywanymi przez sieć neuronową i system logiki rozmytej Szczególnie warte podkreślenia jest to, że zarówno w obu przypadkach do zadowalającego przewidywania zużycia ostrza wystarczyły informacje od siłach F c, F f i posuwie f. Informacje o zmianach głębokości skrawania były zbędne. 6. ZASTOSOWANIE UKŁADÓW NADZORUJĄCYCH W WARUNKACH PRZEMYSŁOWYCH Obok, wynajdowania miar sygnałów lepiej skorelowanych ze stanem narzędzia, nowych metod ich integracji, bardziej efektywnych sposobów obróbki sygnałów itd. istotną role w pracach ITM PW mają działania zmierzające do oceny przydatności układów nadzoru stanu narzędzia w praktyce przemysłowej oraz wprowadzenia ich do tej praktyki. Istotną rolę w diagnostyce stanu narzędzia odgrywają czujniki przemysłowe, które są często umieszczone dość daleko od źródła mierzonej wielkości, a otrzymywane sygnały mogą być znacznie zakłócone lub zniekształcone w stosunku do rzeczywistego przebiegu tych wielkości. W ITM PW badano ten problem zarówno w odniesieniu do emisji akustycznej [14, 24, 26] jak i sił skrawania i wielkości pochodnych. Np. w [11] przedstawiono ograniczenia układu Tool Monitoring System firmy Sandvik w wykrywaniu nadmiernego zużycia i katastroficznego stępienia ostrza przy toczeniu. Wynikają one z niedokładności pomiaru siły skrawania przez czujnik siły posuwowej zainstalowany w łożysku śruby pociągowej. Sygnał z tego czujnika zależy nie tylko od rzeczywistej siły

9 Obróbka materiałów - OM 2 99 skrawania, lecz także od naprężeń resztkowych na prowadnicach oraz zawiera sinusoidalne zmiany powodowane przez samo łożysko. Strategia stosowana przez TMS nie eliminuje tych zakłóceń, stąd układ może być stosowany tylko do obróbki zgrubnej. Zakłócenia te powodują także, iż przy konwencjonalnym tarowaniu sygnałów z kierunku biernego, siła skrawania jest często ujemna i jako taka nieprzydatna do diagnostyki narzędzia, zwłaszcza opartej na wykrywaniu przekroczeń ustalonych (nauczonych) poziomów. Strategia opracowana w ITM PW [12] wraz z nowym sposobem tarowania sygnałów umożliwia skuteczne wykrywanie KSO mimo tych zakłóceń (rys. 9). F [N] f F p [N] Tarowanie konwencjonalne posuw start posuwu roboczego 2315szybki tarowanie skrawanie O T t [s] O T O sygnał oryginalny posuw szybki Tarowanie wg ITM PW T start posuwu roboczego sygnał tarowany tarowanie skrawanie O T nadzór T O t [s] rys. 9. Tarowanie sygnałów sił skrawania pochodzących z czujników zainstalowanych w oprawach łożyskowych śrub tocznych napędu posuwu. Najdoskonalszy pomiar sił skrawania w warunkach przemysłowych można współcześnie uzyskać przy pomocy czujników sił instalowanych stosunkowo blisko narzędzia, np. pod głowicą narzędziową. Badania przeprowadzone przy pomocy takiego czujnika w oparciu o plan badań podobny do przedstawionego na rys. 1 (bez zabiegów 4 i 5) wykazały (rys. 1), że sygnał siły głównej F c znacznie zależy od zużycia ostrza, mimo iż sama siła takiej zależności nie wykazuje (rys. 2). rys. 1. Przebiegi F f i F p w funkcji zużycia ostrza uzyskane przy pomocy czujnika przemysłowego. Wynika to z występowania sprzężeń skrośnych między kierunkami obciążania czujnika, który nie jest wszak czujnikiem laboratoryjnym [2, 29]. Należy to brać pod uwagę przy opracowywaniu strategii nadzoru stanu narzędzia.

10 1 Kraków, maja 2 r Obecnie w ITM PW prowadzone są prace zmierzające do zbudowania prototypu przemysłowego układu nadzoru stanu narzędzia wykorzystującego sygnały sił skrawania lub wielkości pochodnych lub sygnał emisji akustycznej. Szczególną wagę przy opracowywaniu strategii działania układu przyłożono do łatwości obsługi i ograniczenia liczby informacji koniecznych do wprowadzania przez operatora. Układ np. sam określa dostępne sygnały, wartości początkowe i krytyczne (na podstawie operacji przeprowadzonej ostrym i stępionym ostrzem), a w trakcie nadzoru informuje użytkownika nie o wartościach sygnałów, lecz o procentowym wykorzystaniu ostrza [3]. 7. PODSUMOWANIE Trudno w stosunkowo krótkim referacie przedstawić wyniki wieloletnich prac zespołu badawczego. To opracowanie jest więc jedynie przewodnikiem po najważniejszych z nich. Większość publikacji zespołu wymieniono w wykazie literatury, a ponadto wyniki zwłaszcza wcześniejszych prac ITM PW można znaleźć w [13]. 8. LITERATURA [1] Jemielniak K., L. Kwiatkowski: Emisja akustyczna w diagnostyce stanu narzędzia skrawającego, Mechanik, nr 12, 1987, [2] Jemielniak K.: Diagnostyka stanu narzędzi w autonomicznych stacjach obróbkowych, Mechanik, nr 4, 1988, [3] Jemielniak K.: Przebieg sił skrawania w czasie tępienia się ostrza przy toczeniu, Mechanik, nr 5-6, 1991, [4] Jemielniak K.: Wykrywanie katastroficznego stępienia ostrza przy toczeniu, Mechanik, nr 7, 1991, [5] Jemielniak K.: Dobór estymat sił skrawania do nadzorowania zużycia ostrza przy toczeniu ze zmiennymi parametrami skrawania, Mechanik, nr 8-9, 1991, [6] Jemielniak K.: Algorytm działania układu nadzorującego zużycie ostrza przy toczeniu, Mechanik, nr 2, 1992, [7] Jemielniak K.: Detection of Cutting Edge Breakage in Turning, Annals of the CIRP, no 1, vol. 41, 1992, [8] Jemielniak K. Algorithm of the Detector of the Cutting Edge Breakage in Turning, CIRP January Meeting, STC Cutting Paris, [9] Jemielniak K., L. Kwiatkowski: Badania zależności sygnału AE od stanu narzędzia przy toczeniu, Archiwum Technologii Maszyn i Automatyzacji, vol.13, 1994,

11 Obróbka materiałów - OM 2 11 [1] Jemielniak K.: Obróbka wysokoczęstotliwościowych sygnałów emisji akustycznej pochodzącej z procesu skrawania, Postępy Technologii Maszyn i Urządzeń, nr 4, vol. 18, 1994, [11] Jemielniak K., Dworak P.: Ograniczenia możliwości wykorzystania układu TMS w diagnostyce stanu narzędzia, Postępy Technologii Maszyn i Urządzeń, nr 1, vol. 19, 1995, [12] Jemielniak K.: Catastrophic Tool Failure Detection Based on Signals from Feed Force Sensors, IV CIRP Int. Conf. on Monitoring and Automatic Supervision in Manufacturing AC 95, Miedzeszyn 1995, [13] Adamczyk Z., Jemielniak K., Kosmol J., Sokołowski A.: Monitorowanie ostrza skrawającego, WNT, Warszawa, [14] Jemielniak K., Belgassim O.: Characteristics of Acoustic Emission Sensors Employed for Tool Condition Monitoring, VII CIRP Workshop on Supervising and Diagnostics of Machining Systems, Karpacz, 1996, [15] Jemielniak K., Kosmol J.: Diagnostyka narzędzia i procesu skrawania - stan aktualny i kierunki rozwoju, Mechanik, nr 1, 1996, [16] Jemielniak K., Kwiatkowski L., Wrzosek P.: Ocena przydatności miar emisji akustycznej i sił skrawania do diagnostyki stanu narzędzia przy toczeniu, Postępy Technologii Maszyn i Urządzeń, nr 2, vol. 21, 1997, [17] Jemielniak K.: Laboratoryjny Monitor Stanu Narzędzia, III Szkoła- Konferencja Metrologia Wspomagana Komputerowo, Zegrze k/warszawy, 1997, [18] Jemielniak K.: Tendencje rozwojowe w diagnostyce stanu narzędzia i procesu skrawania, Postępy Technologii Maszyn i Urządzeń, nr 1, 1997, [19] Jemielniak K., Otman O.: Catastrophic Tool Failure Detection Based on Acoustic Emission Signal Analysis, Annals of the CIRP, no 1, 1998, [2] Jemielniak K., Szwajka K., Zawistowski J.: Zastosowanie przemysłowych torów pomiarowych do badania sił skrawania i emisji akustycznej, Program Priorytetowy Nowe Technologie, Prace Naukowe PW, zeszyt1, Oficyna Wydawnicza PW, 1998, [21] Jemielniak K.: Przemysłowe układy diagnostyki stanu narzędzia i procesu skrawania. Mechanik, nr 11, 1998, [22] Jemielniak K., Kwiatkowski L., Wrzosek P.: Diagnosis of Tool Wear Based on Cutting Forces and Acoustic Emission Measurements as Inputs to a Neural Network, Journal of Intelligent Manufacturing vol. 9, 1998, [23] Balazinski M., Jemielniak K.: Tool Conditions Monitoring Using Fuzzy Decision Support System, V CIRP Int. Conf. on Monitoring and Automatic Supervision in Manufacturing AC 98, Miedzeszyn 1998, [24] Kwiatkowski L.: Wykorzystanie czujników ultradźwiękowych do diagnostyki stanu narzędzia III Forum Prac Badawczych Kształtowanie części maszyn przez usuwanie materiału, Koszalin, 1998,

12 12 Kraków, maja 2 r [25] Jemielniak K.: Some Aspects of Acoustic Emission Signal Pre-processing, Int. Conf. of Advances in Production Engineering APE'98, Warsaw, [26] Jemielniak K.: Wykorzystanie sygnałów emisji akustycznej i sił skrawania do diagnostyki stanu narzędzia przy toczeniu, Seminarium projektów badawczych finansowanych przez KBN w 1998 roku, Radom, 1998, [27] Jemielniak K., Commercial Tool Condition Monitoring Systems, Int. J. Adv. Manuf. Technol, vol. 15, 1999, [28] Jemielniak K., Szwajka K.: Budowa układu automatycznego nadzoru stanu narzędzia, Program Priorytetowy Nowe Technologie, Prace Naukowe PW, zeszyt2, Oficyna Wydawnicza PW, 1999, [29] Jemielniak K., Szwajka K.: Badania zależności sił skrawania od zużycia ostrza przy toczeniu z zastosowaniem czujników przemysłowych. III Ogólnokrajowa Konferencja Naukowo-Techniczna Postępy w Technice Wytwarzania Maszyn, Kraków 1999, [3] Jemielniak K., Szwajka K.: Strategia działania układu automatycznej diagnostyki ostrzy narzędzi skrawających, VI Międzynarodowe Sympozjum Obróbka Skrawaniem i Narzędzia OsiN 99, Kraków 1999, [31] Jemielniak K., Wrzosek P.: Zastosowanie sieci neuronowych typu FFBP i RBF do oceny zużycia ostrza skrawającego przy toczeniu, VI Międzynarodowe Sympozjum Obróbka Skrawaniem i Narzędzia OsiN 99, Kraków 1999, TOOL CONDITION MONITORING IN WUT ACTIVITIES SUMMARY Paper presents review of Warsaw University of Technology activities in usage of cutting forces and acoustic emission in tool condition monitoring, development of methods of investigation of AE signal originating from cutting zone, application of AI methods to the monitoring and efforts in implementing monitoring systems in factory floor practice. 1 ) dr hab. inż. Krzysztof Jemielniak, prof. nzw. Politechnika Warszawska Instytut Technologii Maszyn, ul. Narbutta 86