Cutting Condition Monitoring in Milling within Enclosed Environments Using a Microphone Array and Random Forest
Diese Studie zeigt, dass die Überwachung der Zerspanungsbedingungen in hochgradig nachhallenden Fräsumgebungen signifikant effektiver ist, wenn ein Mikrofonarray in Kombination mit Oktavband-Zerlegung, Wiener-Filterung und Random-Forest-Klassifizierung verwendet wird, wobei eine Genauigkeit von 95,5 % im Vergleich zu 64,7 % bei konventionellen Breitbandmethoden erreicht wird, indem frequenzselektive Prozessinformationen bewahrt werden, die durch Nachhall in globalen Metriken verloren gehen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einer einzelnen Geigerin zuzuhören, die eine zarte Melodie inmitten einer riesigen, leeren Metallhalle spielt. Die Wände bestehen aus hartem Stahl, was bedeutet, dass jeder Ton, den die Geigerin spielt, von den Wänden abprallt und eine chaotische Wolke aus Echos erzeugt, die sich mit dem Originalklang vermischt. Stellen Sie sich nun vor, in dieser Lagerhalle befinden sich auch laute Baustellen crews, dröhnende Lastwagen und schreiende Menschen. Es scheint unmöglich zu sein, die spezifischen Noten zu hören, die die Geigerin spielt, um festzustellen, ob sie ein fröhliches oder ein trauriges Lied spielt. Dies ist genau das Problem, mit dem Ingenieure konfrontiert sind, wenn sie versuchen, einem Werkzeug beim Schneiden von Metall „zuzuhören“. In dem Metallgehäuse einer Fräsmaschine prallt der Klang des Schneidwerkzeugs so stark hin und her, dass er zerstreut wird, was es für Computer schwierig macht, zu erkennen, ob das Werkzeug perfekt arbeitet, stumpf wird oder kurz vor dem Bruch steht. Dieses Forschungsfeld nennt sich „Prozessüberwachung“ (Process Monitoring), und es ist entscheidend, denn wenn eine Maschine einen Fehler macht, verschwendet sie teures Metall und Zeit. Wissenschaftler haben versucht, Mikrofone einzusetzen, um diesen Maschinen zuzuhören, da Mikrofone günstig und einfach zu verwenden sind, aber die „Echo-Kammer“ innerhalb der Maschine war ein großes Hindernis.
Dieses Papier ist wie eine Detektivgeschichte, in der der Autor, Joel Martins Crichinho Filho, beschließt, einen neuen Weg zu testen, um dieses Echo-Problem zu lösen. Er stellt ein Team aus vier winzigen Mikrofonen (ein „Mikrofon-Array“) in einer echten, lauten, metallwandigen Fräsmaschine auf. Sein Ziel ist es zu sehen, ob er einem Computer beibringen kann, verschiedene Schneideinstellungen allein durch das Zuhören des Klangs zu erkennen, selbst wenn der Schall wie ein Pinball in einem Pinball-Automaten von den Wänden abprallt. Er testet zwei verschiedene Arten des Zuhörens. Die erste Art ist so, als würde man versuchen, das ganze Lied auf einmal zu verstehen, indem man einfach nur misst, wie laut es insgesamt ist. Die zweite Art ist wie das Aufsetzen einer Spezialbrille, die es einem ermöglicht, nur bestimmte Farben des Klangs zu sehen, die chaotischen Echos herauszufiltern, und dann die Lautstärke genau dieser spezifischen Farben zu messen.
Die Ergebnisse waren eine riesige Überraschung für die „nur Lautstärke“-Methode. Als der Computer versuchte, die Schneidebedingungen anhand des Gesamtschalls zu erraten, war er verwirrt und lag nur etwa 65 % der Zeit richtig. Es war, als würde man versuchen, das Wetter anhand eines verschwommenen Fotos des gesamten Himmels zu erraten; die Echos ließen alles gleich aussehen. Als der Computer jedoch die Methode mit der „Spezialbrille“ verwendete (die das Papier als „Oktavband-Zerlegung mit Wiener-Filterung“ bezeichnet), wurde er zu einem Meisterdetektiv. Diese Methode zerlegte den Schall in verschiedene Frequenzbänder (so wie man den Bass vom Treble trennt) und bereinigte das Rauschen in jedem Band separat. Mit diesem Ansatz errat der Computer die korrekten Schneidebedingungen zu 95,5 % der Zeit. Das Papier legt nahe, dass das System, indem es sich auf spezifische Ausschnitte des Klangspektrums konzentriert, anstatt auf das ganze chaotische Gemisch, die verwirrenden Echos ignorieren und die wahre „Stimme“ des Schneidwerkzeugs hören kann. Die Studie kommt zu dem Schluss, dass die Metallbox den Schall zwar chaotisch macht, aber die Geheimnisse des Werkzeugs nicht vollständig verbirgt; man braucht nur die richtigen Werkzeuge, um auf die richtigen Teile des Klangs zu hören.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.