Können Hidden-Markov-Modelle (HMMs) den Werkzeugverschleiß in Bearbeitungsprozessen effektiv überwachen? Dieses Papier stellt einen neuen Modellierungsrahmen für die Werkzeugverschleißüberwachung beim Drehen mithilfe von HMMs vor. Feature-Vektoren werden aus während des Drehens gemessenen Schwingungssignalen extrahiert, und die Vektorquantisierung wird verwendet, um diese Features in eine Symbolsequenz für das HMM umzuwandeln. Die Forschung untersucht die Effektivität dieses Ansatzes für unterschiedliche Längen von Trainingsdaten und Beobachtungssequenzen. Es wurde eine Reihe von Experimenten durchgeführt, um die Leistung des HMM-basierten Werkzeugverschleißüberwachungssystems zu bewerten. Die experimentellen Ergebnisse zeigten erfolgreiche Werkzeugzustandserkennungsraten von bis zu 97 %, was auf die Effektivität des Ansatzes hinweist. Die Methode bietet eine neue Möglichkeit, Werkzeugzustände in Bearbeitungsprozessen zu erkennen. Zusammenfassend zeigt diese Forschung das Potenzial von HMMs für die Werkzeugverschleißüberwachung in Bearbeitungsprozessen. Mit hohen Werkzeugzustandserkennungsraten bietet dieser Ansatz ein wertvolles Werkzeug zur Optimierung von Bearbeitungsvorgängen und zur Verbesserung der Fertigungseffizienz. Die Methode scheint mit den Ergebnissen des Berichts sehr effektiv zu sein.
Dieses im Journal of Manufacturing Science and Engineering veröffentlichte Papier steht im Einklang mit dem Fokus des Journals auf die Weiterentwicklung von Fertigungsprozessen und -technologien. Durch die Vorstellung eines neuen Modellierungsrahmens für die Werkzeugverschleißüberwachung trägt das Papier zur Mission des Journals bei, die Fertigungseffizienz und -qualität durch innovative technische Lösungen zu verbessern.