TENDENCJE ROZWOJOWE W DIAGNOSTYCE STANU NARZĘDZIA I PROCESU SKRAWANIA

TENDENCJE ROZWOJOWE W DIAGNOSTYCE STANU NARZĘDZIA I PROCESU SKRAWANIA Krzysztof JEMIELNIAK Streszczenie Referat przedstawia stan obecny i tendencje rozwojowe w diagnostyce stanu narzędzia i procesu skrawania (DNiPS). Mimo iż na rynku dostępnych jest wiele układów DNiPS, a szereg z nich zostało zainstalowanych w praktyce, użytkownicy generalnie uważają je za niewiarygodne. W artykule tym główny nacisk położono na powodach tej porażki oraz środkach podejmowanych obecnie w celu poprawy wiarygodności układów DNiPS. Na wstępie przedstawiono główne zadania i ogólną strukturę układu, po czym omówiono kolejno jego elementy tj. czujniki, obróbkę sygnałów oraz stosowane strategie, z punktu widzenia ich obecnych niedoskonałości oraz prowadzonych prac badawczych. Słowa kluczowe: diagnostyka stanu narzędzia, emisja akustyczna, siły skrawania Development Trends in Tool and Process Condition Monitoring Summary Paper presents state of art and development trends in tool and process condition monitoring (TCM). Although numerous TCM systems are now available in the market and many have been installed in factory floor, users generally consider them unreliable. The bulk of the paper is centred on reasons of that defeat and measures undertaken nowadays to improve TCM systems reliability. First, the major tasks and general structure of the TCM system are presented. Then all basic elements of the monitoring systems: sensors, signal processing, feature extraction, and strategies were reviewed in terms of hitherto drawbacks and ongoing research works. Keywords: tool condition monitoring, acoustic emission, cutting forces.. 1. Wprowadzenie Mniej więcej od początku lat osiemdziesiątych zaobserwować można rosnące zainteresowanie diagnostyką stanu narzędzia i procesu skrawania (DNiPS). Wynika ono z obiektywnej potrzeby: zwiększająca się autonomia systemów produkcyjnych (od linii automatycznych, przez obrabiarki NC, CNC do FMS) oznaczająca ograniczony nadzór operatora sprawia, że niezbędne staje się wyposażanie tych systemów w układy diagnozujące ich pracę, a w następnej kolejności automatycznie reagujące na powstające zakłócenia (układy nadzorujące). Dość często cytowane były wykresy przedstawione na rys. 1 [np. 20], wskazujące na ekonomiczną wagę szeroko rozumianej diagnostyki zwłaszcza w nowoczesnych obrabiarkach, przy wykorzystaniu których zaniżanie parametrów skrawania pociąga za sobą większy wzrost kosztów niż przy obrabiarkach konwencjonalnych. W drugiej połowie lat osiemdziesiątych Adres: dr hab.inż. Krzysztof Jemielniak Instytut Technologii Maszyn Politechniki Warszawskiej, ul. Narbutta 86, 02-524 Warszawa, tel. 660-8259, fax.: 490-285, e-mail: jemiel@wip.pw.edu.pl

większość liczących się producentów obrabiarek oferowała zainstalowane układy DNiPS, a na rynku pojawiały się oddzielne takie układy, których producenci zapewniali o ich skuteczności. Stosunkowo wiele takich układów zostało zainstalowanych w praktyce przemysłowej. Po kilku latach okazało się jednakże, iż ich użytkownicy coraz mniej chętnie kupują nowe układy, a większość już zainstalowanych przestaje być wykorzystywana przed upływem roku. Generalnie można powiedzieć, że poza nielicznymi wyjątkami, te wczesne układy DNiPS poniosły porażkę. Spowodowało to (poza innymi, niezależnymi czynnikami jak spadek koniunktury) wyraźne obniżenie zainteresowania użytkowników tymi układami. Oczywiście nie oznaczało to, bo oznaczać nie mogło, zniknięcia obiektywnej potrzeby automatycznej diagnostyki systemów wytwórczych. Zmusiło natomiast badaczy i producentów układów DNiPS do gruntownej analizy przyczyn tego niepowodzenia oraz wytyczenia dróg rozwoju tej dziedziny. Duży wkład w tym zakresie miała grupa robocza zajmująca się DNiPS w ramach CIRP w latach 1992-1995 [3, 6, 13 i in.]. Napisano wiele wszechstronnych przeglądów poświęconych DNiPS np.[5, 6, 15, 19, 20], a kilka w ostatnim okresie np. [2, 3, 4, 6, 10, 18]. Tu zajmiemy się głównie słabościami układów oraz głównymi kierunkami ich rozwoju. Podstawowe zadania układu DNiPS to: diagnozowanie stanu narzędzi skrawających, w tym: wykrywanie katastroficznego stępienia ostrza (KSO), diagnostyka zużycia ostrza (wykrywanie końca okresu trwałości), diagnostyka postaci wióra, wykrywanie nadmiernych drgań, inne (np. wykrywanie narostu, powstawania zadziorów, wykrywanie kolizji). Ogólną strukturę układu diagnostyki stanu narzędzia i procesu skrawania przedstawiono na rys. 2. W procesie skrawania występuje szereg wielkości fizycznych, które mogą być zmierzone przy pomocy odpowiednich czujników czyli przetworzone na sygnały elektryczne. Te z kolei podlegają mniej lub bardziej złożonej obróbce wstępnej jak filtrowanie, uśrednianie, przetwarzanie na postać cyfrową. Następnie wyznacza się te miary (cechy) sygnałów, które będąc skorelowane z diagnozowanym procesem mogą być wykorzystane jako symptomy jego stanu. Układ opracowuje diagnozę w oparciu o te symptomy i założoną strategię. Ta ostatnia powstaje na podstawie modelu wynikającego z poprzedzających prac badawczych. Słabości układów DNiPS i prace zmierzające do ich eliminacji są związane z elementami tej struktury i tak też będą tu omawiane.

2. Czujniki stosowane w DNiPS O dawna w pracach badawczych dotyczących diagnostyki stanu narzędzia wykorzystywano wiele pośrednich wskaźników zużycia ostrza, czyli zmian wielkości fizycznych spowodowanych zużyciem jak siły i temperatura skrawania, drgania, emisja akustyczna. Spotkać można było (i do dziś) można także szereg metod pomiaru bezpośrednich wskaźników zużycia (jego wymiarów) jak dotykowe, elektrooporowe, wizyjne, radiometryczne itd. W praktycznych zastosowaniach jednakże zdecydowanie dominują pomiary sił skrawania i wielkości pochodnych (jak moment, odkształcenia korpusu, prąd silnika) oraz emisji akustycznej. Spośród pozostałych metod pewną rolę odgrywają pomiary drgań (zwłaszcza w wykrywaniu drgań samowzbudnych). Inne wielkości fizyczne wykorzystywane są sporadycznie, raczej tylko laboratoryjnie. Dobierając czujnik użytkownik czy twórca układu DNiPS musi często wybierać między dokładnością czujnika, a jego kosztem i łatwością instalacji. Typowym przykładem są tu czujniki sił skrawania i wielkości pochodnych. Od dziesięciu lat są handlowo dostępne indukcyjne czujniki prądu silnika [16] (rys. 3a). Wyjątkowo łatwe do zainstalowania ( oczko zakładane na przewód zasilający) zdobyły sobie pewną popularność. Nietrudno się domyśleć, że od źródła informacji o procesie skrawania jakim jest siła skrawania, przez bezwładność i opory ruchu układu mechanicznego i elektrycznego do czujnika droga jest na tyle daleka, że jedynie bardzo duże zakłócenia tego procesu mogą być w ten sposób wykrywane [15]. Inne czujniki stosunkowo łatwe do zainstalowania to czujniki odkształceń korpusów obrabiarek mocowane na ich powierzchni lub w wywierconych specjalnie otworach [4]. I w tym przypadku można liczyć na wykrywanie jedynie dużych zakłóceń (zmian) sił skrawania. Po przeciwnej stronie są tensometryczne lub piezoelektryczne czujniki sił instalowane w bezpośrednim sąsiedztwie strefy skrawania, np. pod imakiem rys. 3b, [4, 13]. Są one najdokładniejsze, jednakże do ich zainstalowania niezbędna jest zmiana konstrukcji obrabiarki, a ponadto mogą niekorzystnie wpływać na jej sztywność. Rozwiązaniem kompromisowym są czujniki siły posuwowej w postaci specjalnych opraw łożysk śrub tocznych rys. 4, [4, 16]. Innym problemem jest przystosowanie czujników wielkości, których wykorzystanie w DNiPS w laboratoriach okazało się obiecujące, do warunków przemysłowych. Chodzi tu przede wszystkim o odporność na zakłócenia jak wióry, chłodziwo, drgania itp. ale także na niemożliwe do uniknięcia błędy obsługi. Np. zastosowanie klasycznych siłomierzy piezoelektrycznych nie jest możliwe ze względu na całkowitą nieodporność na przeciążenie prowadzące łatwo do zniszczenia kryształu kwarcu. Dopiero wprowadzenie płyt pomiarowych (rys. 3b), w których tylko kilkanaście procent powierzchni

zajmują elementy pomiarowe umożliwiło bezpieczne stosowanie takich czujników, jako że w razie przeciążenia, siły przenoszone są głównie przez stalową płytę. Odbywa się to rzecz jasna kosztem obniżenia czułości czujnika. Kolejna tendencja rozwojowa to miniaturyzacja czujników. Są już dostępne handlowo przetworniki piezoelektryczne, które można zainstalować w dogodnym miejscu [13]. Czujniki emisji akustycznej nigdy nie były zbyt duże, teraz jednakże wytwarzane są jeszcze mniejsze, łatwe do zainstalowania, mogące odbierać sygnał AE z chłodziwa lub bezprzewodowo przekazywać wykrywane sygnały. Istnieją nawet foliowe czujniki AE umieszczane pomiędzy płytką skrawającą, a podkładką [4, 13], - rys. 5. Pojawiają się także tzw. czujniki inteligentne, zintegrowane z narzędziem lub oprawką. Przedstawiona na rys. 6 oprawka do wiercenia lub gwintowania umożliwia nie tylko pomiar siły osiowej, promieniowej i momentu obrotowego, ale także wstępną obróbkę sygnału i przetwarzanie go na postać cyfrową oraz przesyłanie bezprzewodowe [4, 13, 16]. Innym kierunkiem rozwoju czujników jest ich integracja. Widoczny na rys. 7 czujnik umożliwia jednoczesny pomiar sił skrawania i emisji akustycznej. Niestety, mimo że jest on opisywany w literaturze od 1994 roku [4, 5, 13], w dalszym ciągu (lato 1996) nie jest jeszcze dostępny handlowo. Ponadto trwają obecnie intensywne prace nad zupełnie nowymi koncepcjami czujników lub dostosowaniem znanych dawniej koncepcji do potrzeb DNiPS [4, 13]. Są to np. momentomierze oparte na pomiarze zmian przenikalności magnetycznej cienkich warstw z materiału o silnych własnościach magnetycznych naniesionych np. na wrzecionie czy chwycie narzędzia trzpieniowego [1] - rys. 8. Zmiany te wywołane są naprężeniami na powierzchni tych elementów i odbierane przez umieszczone w pobliżu cewki. W DNiPS znajdują także zastosowanie czujniki wykorzystywane dotychczas w innych dziedzinach przemysłowych, jak np. czujnik drgań zaprojektowany pierwotnie do analizy pracy silników spalinowych. 3. Obróbka sygnałów W diagnostyce stanu narzędzi i procesu skrawania stosuje się całe bogactwo technik obróbki sygnałów znanych z innych dziedzin, w tym ogólnej diagnostyki maszyn. Stąd omawianie ich tu jest niecelowe. Warto natomiast zwrócić uwagę na niektóre aspekty tej obróbki bardziej związane z DNiPS. Sygnały pochodzące z czujnika są zwykle poddawane wstępnej obróbce analogowej jak filtrowanie i wzmacnianie. W DNiPS często stosowane są tory pomiaru AE przeznaczone pierwotnie do innych celów co może powodować niespodziewane i trudne do wykrycia zniekształcenia sygnału Na rys. 9a przedstawiono typowy schemat obróbki sygnału AE. W sygnale pochodzącym z

czujnika mogą występować składowe o stosunkowo niskich częstotliwościach, które jako niepożądane należy odfiltrować (rys. 9b). Niestety przed filtrem musi wystąpić przynajmniej buforujący stopień przedwzmacniacza. Jeśli ulegnie on przesterowaniu sygnał zostanie zniekształcony, przyjmując prostokątną postać (rys. 9c). 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 war ości skutecznej, rys. 9d) co całkowicie ukrywa zniekształcenie. Bliżej zagadnienia ta omówiono w [2]. Sygnały wstępnie obrobione analogowo są następnie przetwarzane na postać cyfrową i poddawane dalszej obróbce w celu wyznaczenia cech (miar) sygnału mogących posłużyć jako symptomy. Jak już wspomniano, czujniki stosowane w DNiPS są często umieszczone dość daleko od źródła mierzonej wielkości, stąd otrzymywane sygnały mogą być znacznie zakłócone lub zniekształcone w stosunku do rzeczywistego przebiegu tych wielkości. Np. obciążenie (prąd) silnika czy nawet siły działające na śrubę pociągową są zależne nie tylko od sił skrawania lecz także od sił tarcia na prowadnicach itp. Niektóre z tych zakłóceń można wyeliminować lub przynajmniej zredukować przy pomocy specjalnego tarowania (rys. 10), inne należy uwzględniać przy opracowywaniu strategii działania układu. Bliżej omówiono ten problem w [9]. Najczęściej stosowaną, a zarazem najprostszą miarą sygnału stosowaną w DNiPS jest jego wartość średnia. Za przykład może posłużyć dobrze znana zależność siły skrawania (zwłaszcza składowej posuwowej i odporowej) od zużycia ostrza. Jednakże siła ta zależna jest także od parametrów skrawania, które nie zawsze są znane (obróbka przygotówek o nierównym naddatku). To sprawia, że poszukiwane nieco bardziej złożone miary sił jak kombinacje liniowe składowych lub przyrosty względne siły [2]. Podobnie jest z amplitudą i względną amplitudą drgań elementów obrabiarki [17]. 4. Strategie układów DNiPS Konwencjonalne strategie stosowane w DNiPS opierają się na porównywaniu wybranego symptomu z wartością progową (graniczną). Najczęściej granice te są statyczne (stałe), założone przez operatora lub nauczone w czasie pierwszej operacji (dla ostrego narzędzia). Przekroczenie przez symptom granicy uznawane jest za oznakę stępienia ostrza, KSO, wystąpienie drgań samowzbudnych, skłębienie wiórów itd. Przykład takiej strategii zastosowanej do oceny naturalnego zużycia ostrza w oparciu o wykrywanie wzrostu sił skrawania przedstawiono na rys. 11 [10, 18]. Ostrze uznaje się tu za stępione nie tylko gdy symptom (F sn ) osiąga wartość wyższą

niż progowa, lecz także gdy wystąpi jego spadek większy niż przyjęty za dopuszczalny. Strategie oparte na stałych granicach są mało skuteczne przy wykrywaniu KSO, co zilustrowano na rys. 12 - wykryte mogą być tylko znaczne uszkodzenia ostrza, zwykle zbyt późno. Znacznie lepsze wyniki uzyskać można dzięki dynamicznym (zmiennych) granicom, które wyznaczane są stale na podstawie przebiegu sygnału. Przykładem jest strategia opracowana w TH Aachen [14] (rys. 13) lub ITM PW [8] (rys. 14), których dokładniejsze porównanie można znaleźć w [9]. Dość powszechne jest obecnie przekonanie, że zwłaszcza problemu oceny zużycia ostrza (wykrywania naturalnego jego stępienia) nie da się rozwiązać przy pomocy jednego tylko symptomu. Stąd coraz częściej wykorzystuje się kilka miar wyznaczonych z jednego sygnału pierwotnego (np. amplituda sygnału w poszczególnych pasmach) lub z kilku różnych sygnałów pochodzących z różnych czujników - np. sił skrawania i emisji akustycznej. Do integracji wybranych miar najchętniej stosuje się sztuczne sieci neuronowe [4, 6, 12, 17]. 5. Podsumowanie Pomimo wielu niedostatków istniejących układów DNiPS, zwłaszcza tych z wcześniejszych stadiów ich rozwoju, potrzeba automatycznego nadzoru wymusza intensywne prace badawcze nad podniesieniem ich efektywności. Szczególna nacisk kładziony jest współcześnie następujące zagadnienia: budowa czujników przystosowanych do trudnych warunków występujących w strefie skrawania, a więc odpornych na wilgoć, gorące wióry, ciecze chłodząco-smarujące poszukiwanie zupełnie nowych koncepcji czujników, konstruowanie czujników bardzo prostych lub wręcz przeciwnie - inteligentnych, wieloskładowych z bezprzewodową transmisją sygnału, rozwój lepszych metod przetwarzania informacji w celu ekstrakcji cech sygnałów skorelowanych z monitorowanym procesem ale niewrażliwych na inne parametry, poszukiwanie lepszych, bardziej niezawodnich strategii monitorowania, zastosowanie układów wieloczujnikowych wspomaganych najnowszymi technikami podejmowania decyzji. Można przypuszczać, że już w niedalekiej przyszłości układy DNiPS staną się znacznie bardziej niezawodne.

Literatura [1] H. AOYAMA, H. OHZEKI, A. MASHINE, J. TAKASHITA: Cutting Force Sensing in Milling Process, VDI Berichte 1179(1995), 319-333. [2] Z. ADAMCZYK, K. JEMIELNIAK, J. KOSMOL, A. SOKOŁOWSKI: Monitorowanie ostrza skrawającego, metody konwencjonalne i sieci neuronowe, WNT, Warszawa, 1996. [3] G. BYRNE: The Status of Research and Development in Tool Condition Monitoring, VDI Brichte 1179(1995), 17-30 [4] G. BYRNE, D. DORNFELD, I. INASAKI, G. KETTELER, R. TETI: Tool Condition Monitoring (TCM)- The status of Research and Idndustrial Application, CIRP Annals, 44(1995), 541-567. [5] C. CAVALLONI, A. KIRCHHEIM: New Acoustic Emmision Sensors for In-Process Monitoring, Kistler Instrumente AG Winterhung, 1994. [6] D. DORNFELD: Future Directions for Intelligent Sensors, Proc. Third Meeting of the CIRP Working Group on TCM, Paris, 1994, 52-57. [7] K. JEMIELNIAK: Diagnostyka stanu narzędzi w autonomicznych stacjach obrobkowych, Mechanik, (1988)4, 183-190. [8] K. JEMIELNIAK: Detection of Cutting Edge Breakage in Turning, CIRP Annals 41(1992), 97-100. [9] K. JEMIELNIAK Catastrophic Tool Failure Detection Based on Signals from Feed Force Sensors, Proc. IV Int. Conf.on Monitoring and Automatic Supervision in Manufacturing, Miedzeszyn, 1995, 127-134 [10] K. JEMIELNIAK, J. KOSMOL: Tool and Process Monitoring - State of Art and Future Prospects. Scientific Papers of the Inst. of Mech. Engng. and Automation of the Technical Univ. of Wrocław, 61(1995), 90-112. [11] K. JEMIELNIAK, L. KWIATKOWSKI: Emisja akustyczna w diagnostyce stanu narzedzia skrawajacego, Mechanik, (1987)12, 563-567. [12] K. JEMIELNIAK, L. KWIATKOWSKI, P. WRZOSEK: Diagnostyka zużycia ostrza oparta na pomiarach sił skrawania i emisji akustycznej jako wejściach do sztucznej sieci neuronowej, Prace Naukowe Politechniki Warszawskiej, Seria Konferencje 11(1996), 63-73. [13] W. KÖNIG, F. KLOCKE, G. KETTELER: Sensors for Tool Condition Monitoring, Meeting of the CIRP Working Group on TCM, Paris, January 1995. [14] W. KÖNIG, W. KLUFT: Processbegleitendes Erkennen von Werkzeugbruch und Verschleisswertgrenzen, Industrie Anzeiger, 104(1982)96, 33-35. [15] A. NOVAK, G. OSSBAHR: Reliability of the Cutting Force Monitoring in FMS-Installations. Proc. 24th Int. MTDR Conf. 1986, 325 [16] SANDVIK COROMANT, Materiały informacyjne i reklamowe, 1984-1992

[17] A. SOKOŁOWSKI: Nadzorowanie stanu ostrza skrawającego z zastosowaniem sieci neuronowej, Rozprawa doktorska, Politechnika Śląska, Gliwice, 1994. [18] M. SZAFARCZYK (Ed.): Automatic Supervision in Manufacturing, Springer-Verlag, London, 1994. [19] J. TLUSTY, G.C. Andrews: A Critical Review of Sensors for Unmaned Machining, CIRP Annals, 32(1983)2, 563-572. [20] H.K. TÖNSHOFF, J.P. WULFSBERG, H.J.J. KALS, W. KÖNIG, C.A. VAN LUTTENVELT: Developments and Trends in Monitoring and Control of Machining Processes, CIRP Annals, 37(1988)2, 611-622.

Podpisy pod rysunkami: Rys. 1. Zależność kosztów produkcji od prędkości skrawania dla obróbki konwencjonalnej i na obrabiarkach CNC. Rys. 2. Struktura układu DNiPS Rys. 3. Skrajne przykłady czujników sił skrawania: a) łatwy do zainstalowania, niedokładny indukcyjny czujnik prądu, b) wymagający przekonstruowania obrabiarki dokładny czujnik piezoelektryczny. Rys. 4. Zastosowanie pomiarowych opraw łożyskowych śrub tocznych napędu posuwu. Rys. 5. Nowe rozwiązania czujników emisji akustycznej. Rys. 6. Przykład inteligentnego czujnika stosowanego w DNiPS Rys. 7. Zintegrowany czujnik sił skrawania i emisji akustycznej. Rys. 8. Magnetostrykcyjny czujnik momentu obrotowego. Rys. 9. 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). Rys. 10. Tarowanie sygnałów sił skrawania pochodzących z czujników zainstalowanych w oprawach łożyskowych śrub tocznych napędu posuwu (patrz rys. 4) Rys. 11. Strategia wykrywanie naturalnego stępienia ostrza Rys. 12. Wykrywanie katastroficznego stępienia ostrza bazujące na poziomach granicznych a - założone, b - rzeczywiste Rys. 13. Strategia wykrywania KSO opracowana w Uniwersytecie w Aachen Rys. 14. Strategia wykrywania KSO opracowana w Politechnice Warszawskiej (a), oraz wyniki dwóch testów (b).

RYSUNKI Obrabiarki konwencjonalne K Obrabiarki CNC K K K Koszty Ks Kn Km Koszty Ks Km Kn vc vc K m - koszty osobowe, K s - koszty stałe, niezależne od v c, Rys. 1. Jemielniak vc K n - koszt narzędzia, K - koszt całkowity vc Proces skrawania wielkości fizyczne czujniki sygnały obróbka sygnałów miary sygnałów STRATEGIA Diagnoza Rys. 2. Jemielniak a) b) silnik napędu posuwu narzędzie zasilanie czujnik prądu płyta pomiarowa Rys. 3. Jemielniak.

pierścień zewnętrzny tensometry pierścień wewnętrzny spoina elektronowa strefy pomiaru siły Rys. 4. Jemielniak Czujniki AE mocowane do powierzchni obrabiarki 19 Pomiar AE przez chłodziwo 18 35 16.5 13 15 chłodziwo czujnik AE Bezprzewodowe przesyłanie sygnału 20 20 Foliowy czujnik AE płytka skrawającaoprawka 23 podkładka izolacja czujnik AE Rys. 5. Jemielniak

wstępna obróbka sygnału oraz przetwarzanie A/C bezprzewodowe przesyłanie sygnału układ transmisji sygnału czujnik tensometryczny do pomiaru momentu obrotowego oraz siły osiowej i promieniowej oprawka z czujnikiem narzędzie Rys. 6. Jemielniak Rys. 7. Jemielniak górne follie: naprężenie dodatnie cewka 1 cewka 2 cewka 1 cewka 2 dolne folie: naprężenie ujemne ostrze moment skręcający Rys. 8. Jemielniak

a) Czujnik AE Narzędzie przedwzmacniacz filtr górno- filtr dolnoprzepustowy przepustowy wzmacniacz RMS rejestracja, wyznaczanie miar AE b) c) 3.5 [V] 0-3.5 1.6 0.8 0 3.5 [V] 0-3.5 sygnał z przedwzmacniacza max. 1.72 V dla 18 khz 0.6 0.3 0 0 78 156 234 312 khz 0 0.2 0.4 0.6 0.8 ms Rys. 9. Jemielniak sygnał po filtrowaniu max. 0.56 V dla 131 khz 0 78 156 234 312 khz 0 0.2 0.4 0.6 0.8 ms d) AE RMS AE 0.25 ms 2.5 ms 125 ms 4630 Ff 3472 2315 posuw szybki [N] 1157 Fp [N] 0 745 373 0-373 -745 Tarowanie konwencjonalne start posuwu O roboczego T tarowanie skrawanie 7.14 9.765 12.39 15.015 17.64 20.265 22.89 t [s] O O sygnał oryginalny T posuw szybki T Tarowanie wg ITM start posuwu roboczego tarowanie skrawanie O T nadzór O 7.14 9.765 12.39 15.015 17.64 20.265 22.89 t [s] sygnał tarowany T Rys. 10. Jemielniak

F T F n F x F max F sn F 0 F = (F + F + F sn n n-1 n-2 F = F (C/100 + 1) T 0 F = F C/100 X x 0 sygnał stępienia ostrza: F > F sn T zużycie ostrza F max - F sn > F x Rys. 11. Jemielniak Rys. 12. Jemielniak

Rys.13. Jemielniak Rys.14. Jemielniak