CNC Torna Tezgahlarda 5 eksende titreşim ölçümü ve Yapay Sinir Ağlarıyla modellenmesi

Abstract

Talaşlı imalatta tornalama işlem koşullarından dolayı ortaya çıkan titreşimler, üzerinde çalışılan malzemenin yüzey kalitesinin bozulması, takım ve tezgâh ömrünün azalması, düşük hassasiyetli tasarımlar ve üretim kayıpları gibi sonuçlara yol açmaktadır. Bu nedenle, sistem üzerindeki titreşim bileşenleri yok edilerek veya zayıflatılarak en uygun çalışma koşulları belirlenmelidir. Bu tez çalışmasında, Bilgisayarlı Sayısal Kontrol (CNC) Torna tezgâhları üzerindeki titreşim etkilerini analiz etmek için yapay sinir ağları kullanılmıştır. İlk olarak deneysel çalışmalar yapılarak titreşim verileri elde edilmiş ve bu verilere göre titreşimi etkileyen parametreler yorumlanmıştır. Daha sonra, titreşim verilerinin yüksek doğrulukta tahmin edilebilmesi amacıyla yapay sinir ağları kullanılarak modellemeler gerçekleştirilmiştir.Çalışmanın deneysel bölümünde titreşimi etkileyen farklı malzeme tipleri, iş mili hızları, ilerleme hızları, talaş derinlikleri ve farklı kesici uç tipleri için analizler gerçekleştirilmiştir. Benzetim çalışmalarında ise CNC Torna tezgâhı üzerinden ölçülen titreşim verileri iki farklı yapay sinir ağı yapısı ile analiz edilmiştir. Bu deneysel ve benzetim tabanlı yaklaşımların sonucunda Radyal Tabanlı Yapay Sinir Ağı (RBANN) yapılarının CNC Torna tezgâhlarında meydana gelen titreşimleri tahmin etmede gerçek zamanlı parametrelerde dahi iyi bir performans gösterdiği görülmüştür.

Vibrations occurring due to the turning processing conditions in machining lead to results such as deterioration of the surface quality of the material analyzed, reduced life of the tool and machine, designs with low precision and loss of production. Therefore, the most suitable working conditions should be determined by eliminating or weakening the vibration components on the system. In this thesis, artificial neural networks have been used in order to analyze the vibration effects on Computer Numerical Control (CNC) lathes. Firstly, vibration data have been obtained by experimental studies and parameters affecting the vibration have been interpreted according to these data. Then, modelings have been carried out by using artificial neural networks in order to estimate vibration data with high accuracy.In the experimental part of the thesis, analyzes have been carried out for the different material types, spindle speeds, feed rates, depth of cuts and different insert types which are affecting the vibration. In simulation studies, the vibration data measured on the CNC lathe have been analyzed with two different artificial neural network structures. As a result of these experimental and simulation based approaches, it has been seen that the Radial Basis Artificial Neural Network (RBNN) structures have a good performance even in real-time parameters in estimating the vibrations occurring on CNC lathes.